Enhancements to IEEE 802.15.4 MAC Protocol to Support Vehicle-to-Roadside Communications in VANETs
Notice bibliographique
Résumé
The Internet of Things (IoT) paradigm and its applications have been gaining popularity recently. The Intelligent Transportation System (ITS) is a major area of IoT applications. With ITS the transportation infrastructure is supported with advanced networking and computing technologies to better manage traffics on the roads. The Vehicular Ad-Hoc Network (VANET) stands out as an important technology under the ITS. The VANET technology supports different architectures for data communication, namely, vehicle-to-vehicle (V2V), vehicle-to-road-side (V2R), vehicle-to-infrastructure (V2I), and infrastructure-toinfrastructure (I2I). In V2R communication, data flow between vehicles and roadside units (RSUs) to convey important information about the road traffic and emergency situations. This data should be transferred with high probability of successful delivery. Also, the sensitivity of this data requires reducing the end-to-end communication delay. The IEEE 802.15.4 standard is one of the important candidate standards that supports the V2R communications. In this paper, we propose the Dynamic Window Algorithm (DWA); a backoff algorithm that targets improving the performance of V2R communications in terms of throughput and delay. This is attained by proposing changes to the operation of the standard Binary Exponent Backoff (BEB) algorithm (in IEEE 802.15.4 MAC). A Java-based simulation tool has been developed to simulate both BEB and DWA algorithms and conduct a comparison study between them. Our results show that in clusters of 20 nodes, the performance in terms of throughput and delay is improved by 32% and 88%, respectively, with DWA.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,010 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».