Towards Rear-End Collision Avoidance: Adaptive Beaconing for Connected Vehicles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Connected vehicles have been considered as an effective solution to enhance driving safety as they can be well aware of nearby environments by exchanging safety beacons periodically. However, under dynamic traffic conditions, especially for dense-vehicle scenarios, the naive beaconing scheme where vehicles broadcast beacons at a fixed rate with a fixed transmission power can cause severe channel congestion and thus degrade the beaconing reliability. In this paper, by considering the kinematic status and beaconing rate together, we study the rear-end collision risk and define a danger coefficient ρ to capture the danger threat of each vehicle being in the rear-end collision. In specific, we propose a fully distributed adaptive beacon control scheme, called ABC, which makes each vehicle actively adopt a minimal but sufficient beaconing rate to avoid the rear-end collision in dense scenarios based on individually estimated ρ. With ABC, vehicles can broadcast at the maximum beaconing rate when the channel medium resource is enough and meanwhile keep identifying whether the channel is congested. Once a congestion event is detected, an NP-hard distributed beacon rate adaptation (DBRA) problem is solved with a greedy heuristic algorithm, in which a vehicle with a higher ρ is assigned with a higher beaconing rate while keeping the total required beaconing demand lower than the channel capacity. We prove the heuristic algorithm's close proximity to the optimal result and thoroughly analyze the communication overhead of ABC scheme. By using Simulation of Urban MObility (SUMO)-generated vehicular traces, we conduct extensive simulations to demonstrate the efficacy of our proposed ABC scheme. Simulation results show that vehicles can adapt beaconing rates according to the driving safety demand, and the beaconing reliability can be guaranteed even under high-dense vehicle scenarios.
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.
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 découle