MétaCan
Menu
Retour à la cohorte
Enregistrement W7034416709

Towards enhanced safety and enriched infotainment for connected vehicles: modeling, design and implementation

2017· dissertation· en· W7034416709 sur OpenAlexaffabout

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2017
Typedissertation
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Management and Leadership
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésIncentivePurchasingMarket penetrationDedicated short-range communicationsTaxisBlock (permutation group theory)SAFEREmerging technologies
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Automobile manufacturers are actively delivering a new generation of connected vehicles.These vehicles are driving a far-reaching revolution in the modern society.They will not only save a huge amount of lives and property from traffic accidents, but also fundamentally change the way we travel.As an essential building block of connected vehicles, Vehicle-to-Vehicle (V2V) communication technologies have become a major research and development priority of both governments and car manufacturers.Driving safety and In-Vehicle Infotainment (IVI) services are two primary categories of services enabled by V2V communications.They are not only complementary to, but also mutually beneficial to, each other.On one hand, enhancing driving safety is the most critical issue in current traffic systems.A study [1] led by the U.S. Department of Transportation (U.S. DOT) estimated that V2V technologies can avoid 74 percent of car accidents, potentially saving thousands of lives and billions of dollars each year.Infotainment, on the other hand, not only provides extra encouragement to consumers in purchasing V2V devices, but also brings large economic incentives to manufactures in increasing the market penetration of V2V devices.As a result of this increased penetration, each vehicle can gather more information from other surrounding vehicles, leading to a large improvement in the safety of the whole traffic system.In return, enhanced safety allows everyone to better enjoy infotainment services during reassuring journeys.In this sense, safety and infotainment services are mutualistic in the vehicular ecosystem.In this thesis, we focus on two promising V2V technologies, i.e., the Dedicated Short-Range Communication (DSRC) technology for driving safety and the in-cabin Wi-Fi technology for vehicular infotainment.While DSRC has been recognized by U.S. DOT as the enabling technology of the Intelligent Transportation System (ITS), the in-cabin Wi-Fi technology is recently deployed by many car manufacturers, such as General Motors, Ford, BMW, and Mercedes, to enhance travelling experience for both drivers and passengers.We first characterize these new technologies and their unique features with analytical models, and validate these models with extensive simulations.We then manage to improve the performance of these technologies with several novel solutions.In this way, we not only enhance the driving safety, but also provide better Quality of Service (QoS) for IVI.We implement these technologies in evaluation platforms, and conduct both analytical and simulation analyses to evaluate their communication reliability, efficiency and fairness.We further implement and test them on real test-beds to demonstrate their large improvements over the state of the art.iii Résumé Les constructeurs automobiles livrent activement une nouvelle génération de véhicules connectés.Ces véhicules sont à l'origine d'une profonde révolution dans la société moderne.Ils ne nous permettrons pas seulement de grandement diminuer le nombre de vie et de bien perdus au accident de la route, mais changerons aussi fondamentalement la façon dont nous voyageons.En tant que composante essentielle des véhicules connectés, les technologies de communications de véhicule à véhicule (V2V) sont devenues une priorité majeure en recherche et développement pour les gouvernements et les fabricants de voiture.La sécurité au volant et les services d'infodivertissement embarqué sont deux principales catégories de services rendus possible par les communications V2V.Elles sont non seulement complémentaires, mais aussi mutuellement bénéfique.D'une part, l'amélioration de la sécurité au volant est le problème le plus critique dans les systèmes de circulations actuelles.Une étude [1] menée par le ministère des Transports des États-Unis a estimé que les technologies V2V pouvaient éviter 74 pour cent des accidents de voiture, ce qui pourrait sauver des milliers de vies et des milliards de dollars chaque année.L'infodivertissement, d'autre part, ne fournit pas seulement un encouragement supplémentaire pour les consommateurs dans l'achat d'appareils V2V, mais apporte aussi de grandes motivations économiques aux fabricants pour qu'ils augmentent la pénétration des appareils V2V sur le marché.À la suite de cette augmentation de la pénétration, chaque véhicule peut recueillir plus d'informations des autres véhicules environnants, menant à une grande amélioration de la sécurité de l'ensemble du système de circulation.En retour, la sécurité renforcée permet à chacun de mieux profiter des services d'infodivertissement durant des voyages rassurants.En ce sens, les services de sécurité et d'infodivertissement forment une association mutualiste dans l'écosystème véhiculaire.Dans cette thèse, nous nous concentrons sur deux technologies de V2V prometteuses, à savoir, les technologies de communications dédiées à courte portée (DSRC) pour la sécurité au volant et la technologie de Wi-FI dans l'habitacle pour l'infodivertissement automobile.Alors que le DSRC a été reconnu par le ministère des Transports des États-Unis comme la technologie habilitante du système de transport intelligent, la technologie de Wi-FI dans l'habitacle a été récemment déployée par de nombreux constructeurs automobiles tels que General Motors, Ford, BMW et Mercedes, afin d'améliorer l'expérience de voyage pour les conducteurs et les passagers.Nous caractérisons d'abord ces nouvelles technologies et leurs iv éléments uniques avec des modèles analytiques, et validons ces modèles avec des simulations poussées.Nous réussissons ensuite à améliorer les performances de ces technologies à l'aide de plusieurs solutions novatrices.De cette façon, non n'améliorons pas seulement la sécurité au volant, mais fournissons aussi une meilleure qualité de service (QoS) pour IVI.Nous mettons en œuvre ces technologies dans des plateformes d'évaluation, et nous effectuons à la fois des analyses analytique et en simulation pour évaluer leur fiabilité de communication, leur efficacité et leur équité.De plus, nous les mettons en œuvre et les testons sur de véritables bancs d'essai pour démontrer leurs grandes améliorations par rapport aux technologies de pointe.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,040
Tête enseignante GPT0,269
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetCorporate Management and LeadershipTravaux en français237 207