Heuristic Path Search and Multi-Attribute Decision-Making-Based Routing Method for Vehicular Safety Messages
Notice bibliographique
Résumé
Efficient routing in urban vehicular networks is essential for timely and reliable safety message transmission, and the selection of paths and relays greatly affects the quality of routing. However, existing routing methods usually face difficulty in finding the globally optimal transmission path due to their greedy search strategies or the lack of effective ways to accurately evaluate relay performance in intricate traffic scenarios. Therefore, we present a vehicular safety message routing method based on heuristic path search and multi-attribute decision-making (HMDR). Initially, HMDR utilizes a heuristic path search, focusing on road section connectivity, to pinpoint the most favorable routing path. Subsequently, it employs a multi-attribute decision-making (MADM) technique to evaluate candidate relay performance. The subjective and objective weights of the candidate relays are determined using ordinal relationship analysis and the Criteria Importance Through Intercriteria Correlation (CRITIC) weighting methods, respectively. Finally, the comprehensive utility values of the candidate relays are calculated in combination with the link time and the optimal relay is selected. In summary, the proposed HMDR method is capable of selecting the globally optimal transmission path, and it comprehensively considers multiple metrics and their relationships when evaluating relays, which is conducive to finding the optimal relay. The experimental results show that even if the path length is long, the proposed HMDR method gives preference to the path with better connectivity, resulting in a shorter total transmission delay for safety messages; in addition, HMDR demonstrates faster propagation speed than the other evaluated methods while ensuring better one-hop distance and one-hop delay. Therefore, it helps to improve the performance of vehicular safety message transmission in intricate traffic scenarios, thus providing timely data support for secure driving.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».