Vendor-Independent Reliability Testing Model for Vehicle-to-Infrastructure Communications
Notice bibliographique
Résumé
This paper describes a vendor-independent reliability testing approach for vehicle-to-infrastructure (V2I) communications in connected vehicle traffic signal system applications. It provides an alternative to using the communication data reported by proprietary vendor-supplied interfaces. This approach was based on building a rigorously tested translation model that uses measured received signal strength indicator (RSSI) from any V2I communication equipment to predict the corresponding packet delivery ratio (PDR). This was achieved by correlating the signal strength, measured using a generic power meter, to PDR values reported in the communication interface of the equipment of different vendors. Both stationary and in-motion (10–40 mph) field data collection tests were conducted at three intersections. These tests were performed over distances of up to 500 m between the road-side units (RSUs) and the on-board units (OBUs). In each test, the RSSI values for line-of-sight packet exchange between various RSUs and OBUs was collected in the field, using both a generic power meter and vendor-specific tools. Next, the results were statistically analyzed and logistic and linear regression models that predict PDR values were developed. A case study to test and validate this new PDR prediction model was conducted at two intersections in Boise, Idaho. This prediction model will enable transportation system operators to test and validate the efficiency of connected vehicle RSU/OBU communications at signalized intersection approaches under different traffic conditions, independent of vendor-provided tools.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».