Vehicle Assisted Computing Offloading for Unmanned Aerial Vehicles in Smart City
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
Smart city emerges a promising paradigm for improving operational efficiency of city and comfort of people. With embedded multi-sensors, Unmanned Aerial Vehicles (UAVs) hold great potential for collecting sensing data and providing social services in smart city. However, due to the limited battery lifetime and processing capacities of UAVs, the efficient offloading scheme of UAVs is urgently needed in smart city. Therefore, in this article, a vehicle-assisted computing offloading architecture for UAVs is proposed to improve offloading efficiency by harnessing the moving vehicles in smart city. We first develop an offloading model for UAVs to determine the offloading strategy. Next, to select the optimal vehicles for offloading, we formulate a matching scheme based on the preference lists of UAVs and vehicles to derive the optimal matching between UAVs and vehicles. After that, to improve the offloading efficiency and maximize the utilities of UAVs and vehicles, the transaction process of computing data between UAVs and vehicles is modeled as a bargaining game. Moreover, an offloading algorithm for UAVs and vehicles is proposed to obtain the optimal strategy. Finally, simulations are performed to validate the efficiency of the proposed offloading scheme. The results demonstrate that the proposed offloading scheme can significantly save resource and improve the utilities of UAVs and vehicles.
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 | 0,000 | 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