MétaCan
Menu
Retour à la cohorte
Enregistrement W4399403138 · doi:10.1109/comst.2024.3410295

A Survey on Beyond 5G Network Slicing for Smart Cities Applications

2024· article· en· W4399403138 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueIEEE Communications Surveys & Tutorials · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware-Defined Networks and 5G
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSlicingComputer scienceBusinessGeographyTelecommunicationsArchitectural engineeringWorld Wide WebEngineering

Résumé

récupéré en direct d'OpenAlex

Beyond fifth generation (B5G) is expected to tremendously improve network capabilities by using a higher frequency band compared to 5G, capable of delivering higher network capacity with much lower latency. It is expected that there will be around 30 billion connected objects by 2030, approximately 3.5 times the population then which underscores the pressing need for advanced network capabilities to support diverse applications ranging from smart transportation and energy management to healthcare and public safety. Network slicing enables sharing of network resources by transforming the physical network into logically independent networks, each specifically tailored to meet the requirements of heterogeneous services (e.g., Internet of Things applications, gaming services, holographic communication). Each slice is an end-to-end logical network comprising network, compute, and storage resources. Softwarization and virtualization are the main drivers for innovation in B5G, enabling network developers and operators to develop network-aware applications to match customer demands. Smart cities vertical offers unique service characteristics, performance requirements, and technical challenges in B5G network slicing. Therefore, this paper provides a comprehensive survey on B5G network slicing use cases, synergies, practical implementations and applications based on their quality of service parameters for smart cities applications. The paper gives a detailed taxonomy of the B5G network slicing framework requirements, design, dynamic intra-slice and inter-slice resource allocation techniques, management and orchestration, artificial intelligence/machine learning-empowered network slicing designs, implementation testbeds, 3GPP specifications and projects/standards for B5G network slicing. Furthermore, the paper provides a thorough discussion on the technical challenges that can arise when implementing B5G network slicing for smart cities applications and offers potential solutions. Finally, the paper discusses B5G network slicing current and future research directions for smart cities 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.

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)0,009
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,939
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0030,000
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 Opus0,072
Tête enseignante GPT0,322
Écart entre enseignants0,250 · 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