MétaCan
Menu
Retour à la cohorte
Enregistrement W4386525794 · doi:10.3390/electronics12183790

Data Rate Selection Strategies for Periodic Transmission of Safety Messages in VANET

2023· article· en· W4386525794 sur OpenAlexaff
Ben St. Amour, Arunita Jaekel

Notice bibliographique

RevueElectronics · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicular Ad Hoc Networks (VANETs)
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkVehicular ad hoc networkNetwork packetChannel (broadcasting)Wireless ad hoc networkTransmission (telecommunications)Network congestionWirelessBandwidth (computing)Data transmissionReal-time computingTelecommunications

Résumé

récupéré en direct d'OpenAlex

Vehicular ad hoc networks (VANETs) facilitate communication among vehicles and possess designated infrastructure nodes to improve road safety and traffic flow. As the number of vehicles increases, the limited bandwidth of the wireless channel used for vehicle-to-vehicle (V2V) communication can become congested, leading to packets being dropped or delayed. VANET congestion control techniques attempt to address this by adjusting different transmission parameters, including the data rate, message rate, and transmission power. In this paper, we propose a decentralized congestion control algorithm where each factor adjusts the data rate (bitrate) used to transmit its wireless packet congestion based on the current load on the channel. The channel load is estimated independently by each vehicle using the measured channel busy ratio (CBR). The simulation results demonstrate that the proposed approach outperforms existing data rate-based algorithms, in terms of both packet reception and overall channel load.

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)0,001
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 enseignants0,231
Score d'incertitude au seuil0,586

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,016
Tête enseignante GPT0,254
Écart entre enseignants0,238 · 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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

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