An Analysis of a Stochastic ON-OFF Queueing Mobility Model for Software-Defined Vehicle Networks
Notice bibliographique
Résumé
We have recently witnessed a number of new software-defined paradigms of VANET in what is referred to as software-defined vehicle networks (SDVN). In order to evaluate the performance of these new proposals and architectures, analytical and simulation models are needed. In this paper, we propose an analytical model based on ON-OFF queueing networks under exponential and general service time distributions. The model can be used to evaluate the performance of SDVNs and takes into account the effect of mobility such as, hand overs, node turning ON/OFF, node going temporary out of coverage, and intermittent connections. This mobility effect was modelled as a queueing station with exponentially random ON-OFF service times, where traffic arrives according to a Poisson random process during the exponentially random ON period and the service time is exponentially distributed. However, during the OFF period the service time is exponentially distributed but with lower rates. We studied the ON-OFF queueing behaviour extensively for both finite-capacity and infinite-capacity queues. Three hypothetical SDVN scenarios were considered, taking into account the effect of mobility and the large number of connected nodes. Results were cross-validated with those obtained by a simulation model. These tools will be valuable for researchers interested in getting quantitative answers for their SDVN architectures.
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 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».