A Probability-Based Multimetric Routing Protocol for Vehicular Ad Hoc Networks in Urban Scenarios
Notice bibliographique
Résumé
Vehicular Ad hoc Networks have received considerable attention in recent years and are considered as one of the most promising ad-hoc network technologies for intelligent transport systems. Vehicular Ad hoc Networks have special requirements and unique characteristics (e.g., special mobility patterns, short life links, rapid topology changes) which make the design of suitable routing protocols, a challenge. Consequently, an efficient routing protocol that fits with VANETs' requirements and characteristics is a crucial task to obtain a good performance in terms of average percentage of packet losses and average end-to-end packet delay. To attain this goal, we propose a novel probabilistic multimetric routing protocol (ProMRP) that is specially designed for VANETs. ProMRP estimates the probability for each neighbor of the node currently carrying the packet, to successfully deliver a packet to destination. This probability is computed based on four designed metrics: distance to destination, node's position, available bandwidth and nodes' density. Furthermore, an improved version of ProMRP called EProMRP is also proposed. EProMRP includes an algorithm that accurately estimates the current position of nodes in the moment of sending the packet instead of using the last updated position obtained from the previous beacon message. Simulations are carried out in a realistic urban scenario using OMNeT++/VEINS/SUMO, including real maps from the OpenStreetMaps platform. Simulation results show a better performance of ProMRP and EProMRP compared to recent similar proposals found in the literature in terms of packet losses and end-to-end packet delay, for different vehicles' densities.
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 | 0,001 | 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 | 0,001 |
| 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 ».