Road-Based Multi-Metric Forwarder Evaluation for Multipath Video Streaming in Urban Vehicular Communication
Notice bibliographique
Résumé
In video streaming over vehicular communication, optimal selection of a video packet forwarder is a daunting issue due to the dynamic nature of Vehicular Ad-hoc NETworks (VANETs)and the high data rates of video. In most of the existing studies, extensive considerations of the essential metrics have not been considered. In order to achieve quality video streaming in vehicular network, important metrics for link connectivity and bandwidth efficiency need to be employed to minimize video packet error and losses. In order to address the aforementioned issues, a Road-based Multi-metric Forwarder Evaluation scheme for Multipath Video Streaming (RMF-MVS) has been proposed. The RMF-MVS scheme is adapted to be a Dynamic Self-Weighting score (DSW) (RMF-MVS+DSW) for forwarder vehicle selection. The scheme is based on multipath transmission. The performance of the scheme is evaluated using Peak Signal to Noise Ratio (PSNR), Structural SIMilarity index (SSIM), Packet Loss Ratio (PLR) and End-to-End Delay (E2ED) metrics. The proposed scheme is compared against two baseline schemes including Multipath Solution with Link and Node Disjoint (MSLND) and Multimedia Multi-metric Map-aware Routing Protocol (3MRP) with DSW (3MRP+DSW). The comparative performance assessment results justify the benefit of the proposed scheme based on various video streaming related metrics.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».