MétaCan
Menu
Retour à la cohorte
Enregistrement W4391876836 · doi:10.1109/jiot.2024.3366873

Network Performance Analysis of Satellite–Terrestrial Vehicular Network

2024· article· en· W4391876836 sur OpenAlexafffund
Huaqing Wu, Mingcheng He, Xuemin Shen, Weihua Zhuang, Ngọc-Dũng Đào, Weisen Shi

Notice bibliographique

RevueIEEE Internet of Things Journal · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueSatellite Communication Systems
Établissements canadiensUniversity of WaterlooHuawei Technologies (Canada)University of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer scienceLow earth orbitSatelliteConstellationCommunications satelliteSatellite constellationThroughputSoftware deploymentComputer networkSatellite systemTelecommunicationsWirelessGlobal Positioning SystemAerospace engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The low Earth orbit (LEO) satellite-assisted communications are envisioned as a prospective solution in next-generation networks to provide reliable, flexible, cost-effective, and globally seamless services. In this paper, we investigate satellite-terrestrial vehicular network (STVN) supporting connected autonomous vehicle (CAV) applications anytime and anywhere. We first establish a model for the LEO satellite-CAV communication system with different satellite orbital parameters. Then the LEO satellite-CAV communication performance in terms of service availability, outage probability, and system throughput is analyzed when considering practical satellite constellations. Furthermore, the impact of different terrestrial infrastructure deployment strategies on the STVN performance is investigated. Extensive numerical results are provided to validate our theoretical analysis and demonstrate the improvement of CAV network performance thanks to LEO satellites in the STVN.

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 enseignants0,088
Score d'incertitude au seuil0,650

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,023
Tête enseignante GPT0,248
Écart entre enseignants0,225 · 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

Citations27
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Internet of Things JournalMême sujetSatellite Communication SystemsTravaux en français237 207