MétaCan
Menu
Retour à la cohorte
Enregistrement W3190847021 · doi:10.3390/electronics10161902

Balancing Awareness and Congestion in Vehicular Networks Using Variable Transmission Power

2021· article· en· W3190847021 sur OpenAlexafffund
Xiaofeng Liu, Ben St. Amour, Arunita Jaekel

Notice bibliographique

RevueElectronics · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicular Ad Hoc Networks (VANETs)
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer scienceRangingComputer networkWireless ad hoc networkVehicular ad hoc networkNetwork congestionBandwidth (computing)Channel (broadcasting)Transmission (telecommunications)Control channelVariable (mathematics)Real-time computingTelecommunicationsWirelessNetwork packet

Résumé

récupéré en direct d'OpenAlex

Vehicular ad Hoc networks (VANETs) support a variety of applications ranging from critical safety applications to “infotainment” or “comfort” applications. In North America, 75 MHz of the spectrum in the 5.9 GHz band has been allocated for vehicular communication. Safety applications rely on event-driven “alert” messages as well as the periodic broadcast of Basic Safety Messages (BSMs) containing critical information, e.g., position, speed, and heading from participating vehicles. The limited channel capacity and high message rates needed to ensure an adequate level of awareness make the reliable delivery of BSMs a challenging problem for VANETs. In this paper, we propose a decentralized congestion control algorithm that uses variable transmission power levels to reduce the channel busy ratio while maintaining a high level of awareness for nearby vehicles. The simulation results indicate that the proposed approach is able to achieve a suitable balance between awareness and bandwidth usage.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,275
Score d'incertitude au seuil0,787

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,204
Écart entre enseignants0,199 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueElectronicsMême sujetVehicular Ad Hoc Networks (VANETs)Travaux en français237 207