Smart Proactive Caching: Empower the Video Delivery for Autonomous Vehicles in ICN-Based Networks
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
The recent advances in vehicular communications and networking are bringing self-driving vehicles closer to reality. Once full automation (i.e., levels 4 and 5 as defined in the five levels of autonomous driving) becomes a reality, entertainment services for both drivers and passengers will shift from listening to radios (or music) to watching videos. Hence, how to improve the quality of experience (QoE) for autonomous vehicle (AV) users, and to reduce the network load will become a crucial problem. Information-centric networking (ICN) is seen as one of the potential paradigms for next-generation networks, and could potentially be used for content distribution in vehicular networks. Caching, an important feature in ICN-based networks, is an efficient way to reduce network load, and to improve QoE for users. However, traditional reactive caching approaches are inefficient for AV users due to the high delay caused by their high speed. In this paper, we propose a novel hierarchical proactive caching approach that considers both users' future demands and AV user mobility. The proposed approach uses the non-negative matrix factorization (NMF) technique to predict user's preferences which are then used to predict users' future demands by considering the historical popularity of videos. A user mobility prediction model is used to predict the AV users' next location based on the current location and the planned route information which can be retrieved from the self-driving system. Based on the predicted users' future demands and locations of AVs, the proposed caching approach can proactively cache videos that are likely to get requested at the next base station (BS) or roadside unit (RSU) that the users are moving to. The proposed approach has been evaluated under two scenarios: a highway scenario and a grid street scenario. Results show that the proposed approach can significantly improve the efficiency of caching in terms of hit ratio and the average number of hops.
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 | 0,001 |
| 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 découle