RSMR: A Reliable and Sustainable Multi-Path Routing Scheme for Vehicle Electronics in Edge Computing Networks
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.
Notice bibliographique
Résumé
Consumer electronic devices used to support data communication are integral components of vehicular networks. However, due to factors such as the limited reliability and failure of electronic devices, vehicle communication data may fail to be uploaded and downloaded in a timely manner, potentially leading to serious traffic accidents. With the emergence of edge computing technology, computing tasks are distributed from traditional centralized cloud computing to the network edge, thereby enabling faster response to the processing demands of vehicle data. However, even though edge computing offers faster data processing capabilities, the issue of effective routing of data within vehicular edge computing (VEC) networks remains to be addressed. Therefore, this paper proposes a two-phase multi-path routing scheme for VEC networks. In the route decision phase, the scheme introduces an integrated adaptive function, that plans the route reasonably by considering the transmission latency, energy balance and communication quality. On this basis, different routing requirements (e.g., maximizing network lifetime or transmission reliability) can be achieved by setting the weights of the proposed function. In the route maintenance phase, the scheme implements real-time multi-path adjustment based on the route maintenance mechanism to support data routing. The simulation results show that the proposed scheme has significant advantages over three baseline schemes in terms of routing reliability and energy balance. In addition, we explore the impacts of the weights and initial network configuration on the routing performance. The obtained results can provide guidance for planning reliable and sustainable routes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle