MétaCan
Menu
Retour à la cohorte
Enregistrement W4292074852 · doi:10.1109/wowmom54355.2022.00042

An In-depth Analysis of Subflow Degradation for Multi-path TCP on High Speed Rails

2022· article· en· W4292074852 sur OpenAlexaff
Tong Li, Li Li, Xiangxiang Wang, Xu Zhang, Feng Zhang, Kao Wan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueNetwork Traffic and Congestion Control
Établissements canadiensSimon Fraser University
Organismes subventionnairesNational Natural Science Foundation of ChinaEuropean Commission
Mots-clésComputer scienceAdaptabilityDegradation (telecommunications)HandoverPath (computing)ThroughputTransmission (telecommunications)Quality of experienceComputer networkSpeedupReal-time computingTelecommunicationsWirelessQuality of serviceOperating system

Résumé

récupéré en direct d'OpenAlex

Recent advances in high-speed rails (HSRs), coupled with user demands for communication on the move, are propelling the need for acceptable quality of experience (QoE) in high-speed mobility environments. However, with throughput declining significantly the QoE on existing HSRs is still far from satisfactory. In order to improve QoE on HSRs, this paper seeks to answer the question regarding which is better of two options: the selection of the best cellular carrier applying single-path TCP or the conjunction of multiple carriers applying Multi-path TCP (MPTCP). To this end, we carefully design comparison experiments using the two approaches on HSRs with a peak speed of 310 km/h. Measurement study on MPTCP performance shows that generally carrier conjunction gives similar performance as carrier selection. We take an in-depth analysis of the details of the instances, and for the first time expose the phenomenon called subflow degradation. We further confirm that subflow degradation of MPTCP occurs due to its poor adaptability to frequent handoffs. We believe these insights can provide valuable guidance for the design, implementation, and deployment of transmission protocols in high-speed mobility environments.

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: aucune
Score de désaccord entre enseignants0,748
Score d'incertitude au seuil0,322

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,031
Tête enseignante GPT0,277
Écart entre enseignants0,246 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNetwork Traffic and Congestion ControlTravaux en français237 207