MétaCan
Menu
Retour à la cohorte
Enregistrement W4285140876 · doi:10.1109/ojvt.2022.3172709

Blockchain for V2X: Applications and Architectures

2022· article· en· W4285140876 sur OpenAlexaff
James Meijers, Panagiotis Michalopoulos, Shashank Motepalli, Gengrui Zhang, Shiquan Zhang, Andreas Veneris, Hans‐Arno Jacobsen

Notice bibliographique

RevueIEEE Open Journal of Vehicular Technology · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBlockchainComputer scienceComputer securityDomain (mathematical analysis)Data sharingGlobal Positioning SystemState (computer science)Data scienceDistributed computingTelecommunications

Résumé

récupéré en direct d'OpenAlex

Modern vehicles rely on data from a vast array of sensors such as radar and GPS equipment that can be shared with surrounding vehicles and other interested parties. Vehicle-to-Everything (V2X) is the collection of systems that enable such communication. Although this data sharing has the potential to improve both the safety and efficiency of vehicles, ensuring that what is shared has not been altered, deleted, forged, leaked, or otherwise tampered with remains a challenging problem. Today, blockchain technology allows a system's participants to come to an agreement (consensus) on the state of the system and its data in a decentralized, trustless manner. This new technology may be capable of securing V2X data, as well as enabling other useful V2X services such as payments. However, the V2X ecosystem poses several unique challenges that complicate the application of blockchain technology, not least of which is the vast number of communications that any proposed blockchain network will need to support. This paper gives an overview of V2X and blockchain technology, explores potential applications of blockchain within the V2X domain and justifies its importance. It also reviews, analyzes, and discusses various blockchain architectures that could support V2X applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,012
Tête enseignante GPT0,266
Écart entre enseignants0,254 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations40
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Open Journal of Vehicular TechnologyMême sujetBlockchain Technology Applications and SecurityTravaux en français237 207