Protocolos eficientes para comunicação V2V em redes veiculares de dados nomeados
Bibliographic record
Abstract
A distribuio eficiente de contedo em larga escala em redes veiculares (VANETs) uma tarefa desafiadora devido s caractersticas intrnsecas das VANETs, tais como topologia altamente dinmica e conectividade intermitente. Nesse contexto, destacam-se as Redes Veiculares de Dados Nomeados (Vehicular Named-Data Networks -VNDN) que consiste da integrao da arquitetura NDN (Named Data Networking) nas VANETs para superar as limitaes na distribuio de contedo em larga escala nas VANETs. No entanto, a integrao da arquitetura NDN nas VANETs gera o problema do broadcast storm no processo de descoberta de cache. Ressaltando que o broadcast storm um problema caracterstico das VANETs. Na literatura, vem surgindo protocolos para comunicao em VNDN que visam mitigar o problema do broadcast storm. Entretanto, em relao recuperao de contedo, a maioria dos protocolos da literatura depende da informao da localizao do veculo que contm o contedo, que uma das limitaes encontradas no paradigma de comunicao baseado em IP. Dado esse problema, nesta dissertao so propostos protocolos eficientes para comunicao entre veculos em VNDN, cujas estratgias de descoberta de cache adotadas maximizam a distribuio de contedo. Para isto, foram desenvolvidos os protocolos CDP, CLYMENE e PERSEU para realizar uma comunicao V2V eficiente em cenrios urbanos. Os protocolos CDP, CLYMENE e PERSEU tm os mesmos objetivos: (i) maximizar a taxa de cache hit no processo de descoberta de cache; (ii) aumentar a taxa de entrega de contedo e (iii) reduzir o nmero de transmisses de pacotes de interesse. Com isso em mente, o protocolo CDP escolhe os veculos retransmissores utilizando o conceito de veculos melhores posicionados geograficamente. O protocolo CLYMENE escolhe os veculos retransmissores com maior centralidade de grau. E o protocolo PERSEU determina os veculos retransmissores usando o conceito de geometria computacional. Os protocolos propostos foram avaliados e comparados com os protocolos Vanilla VNDN e OIFP em uma regio de Ottawa, Canada, por meio de simulaes computacionais. Considerando
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".