BOOST: A Connected Dominant Set-Aware Energy-Efficient Scheme for Software Defined Connected Autonomous Vehicular Networks
Notice bibliographique
Résumé
In recent years, advancements in vehicular communication has improved road safety along with passenger convenience for many applications. However, to take intelligent and timely decisions, a large number of complex operations need to be get executed on large amount of data base repositories which in turn generates a huge burden on the underlying network infrastructure leading to a large amount of energy consumption. Most of the existing solutions reported for the aforementioned problems are based upon the traditional monolithic solutions which may not be applicable in modern scenarios in this environment. Hence, to mitigate the aforementioned challenges and constraints, in this article, we propose BOOST, a connected dominating set (CDS)-aware energy-efficient clustering scheme for Software Defined Network by integrating V2I and V2V communications for reliable and seamless data delivery. The proposed scheme has been specifically designed for urban scenario to achieve effective data delivery with minimum energy consumption. By leveraging the benefits of CDS on roadside communication infrastructure, BOOST is able to adapt with varying traffic conditions to provide seamless scalability with minimum energy and network overheads. The proposed scheme has been evaluated using various performance evaluation metrics in comparison to the existing benchmark schemes. The results obtained demonstrate its superior performance by 3% to 4% in terms of energy-efficiency, network overhead, packet delivery rate, and network throughput in comparison to the existing benchmark schemes.
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 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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».