Interference Detection and Reporting in IEEE 802.11p Connected Vehicle Networks
Notice bibliographique
Résumé
Recent proposals to permit Wi-Fi to share the 5.9 GHz spectrum currently reserved exclusively for Dedicated Short Range Communications (DSRC) have elicited strong reactions from both the wireless and connected vehicle communities. A variety of lab-based studies and simulation-based investigations have been conducted in an attempt to resolve the issue but the results have not resolved the issue. One possible solution is to provide DSRC networks with the capability to detect and report interference to a central authority so that appropriate action can be taken by Wi-Fi operators or spectrum regulators to resolve the issue. Here we propose and demonstrate that interference to DSRC networks can be detected simply and inexpensively using capabilities already incorporated into the IEEE 802.11p standard. We further propose that a simple and inexpensive method for reporting interference to DSRC networks would be to clone a second instance of the subsystem used to report untrustworthy digital certificates within the DSRC Security Credential Management System (SCMS) and deliver reports of possible interference events to a Spectrum Misbehavior Authority. Such a combined capability would resolve a longstanding but underappreciated concern that DSRC networks are vulnerable to a variety of short-range interferers but lack the capability to detect or report same. Although our focus is on DSRC, similar considerations apply to related schemes such as C-V2X.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».