MétaCan
Menu
Back to cohort
Record W4393366529

Autonomous Wireless Sensor Network Architecture for Vehicular Traffic Monitoring at an Intersection

2020· preprint· en· W4393366529 on OpenAlexfundno aff
Rodrigue Domga Komguem

Bibliographic record

VenueHAL (Le Centre pour la Communication Scientifique Directe) · 2020
Typepreprint
Languageen
FieldComputer Science
TopicEnergy Efficient Wireless Sensor Networks
Canadian institutionsnot available
FundersInstitut National des Sciences Appliquées de LyonAgence Universitaire de la FrancophonieInstitut national de recherche en informatique et en automatique (INRIA)Indian National Science Academy
KeywordsIntersection (aeronautics)ArchitectureWireless sensor networkComputer scienceComputer networkWirelessTelecommunicationsEngineeringTransport engineeringGeography
DOInot available

Abstract

fetched live from OpenAlex

Architecture autonome d'un réseau de capteurs pour le monitoring du trafic véhiculaire à un carrefour Dans plusieurs pays à travers le monde, à cause des moyens financiers qui sont le plus souvent limités, la croissance des infrastructures de transport est généralement faible comparée non seulement à celle de la populations en zone urbaine, mais aussi à celle du parc automobile. Un tel contexte ne rend pas la tâche facile aux autorités en charge de la gestion des systèmes de transport. L'introduction des technologies de l'information et de la communication a permis à ces autorités de mieux adresser ce problème. Dans les centres urbains, la gestion du trafic véhiculaire aux intersections à un impact sur la congestion dans toute la ville. Dans cette thèse, notre objectif est de proposer une architecture de réseau de capteurs sans fil pour mesurer le trafic véhiculaire aux intersections. L'architecture proposée doit non seulement avoir un coût financier raisonnable, mais doit également être légère et autonome. Les architectures proposées dans la littérature utilisent des capteurs déployés sous la chaussée. D'un point de vu communication réseau, ces architectures sont irréalistes. La première contribution de cette thèse est la caractérisation des liens radio dans un réseau avec des capteurs déployés en surface du sol. Les résultats montrent un lien radio de mauvaise qualité au sol. Partant des conclusions de ce premier travail, la seconde contribution de cette thèse est WARIM, une nouvelle architecture de réseau de capteurs sans fil pour le monitoring du trafic véhiculaire au niveau des intersections. Dans WARIM, les capteurs déployés sur une voie forment un réseaux de capteurs sans fil, multi saut et ayant une topologie physique linéaire. Dans ce réseau, toutes les données sont relayées en direction d'un même point de collecte. Dans un tel réseau, les besoins en terme de traitement et de communication sont plus élevés dans le voisinage du point de collecte. Ainsi, la troisième contribution de cette thèse est, considérant un réseau de capteur linéaire, une stratégie de déploiement des capteurs basée sur le concept de noeuds virtuelles. Comparée a` un déploiement uniforme, la solution que nous proposons prolonge la durée de vie du réseau de l'ordre de 40%. Dans l'application de monitoring du trafic véhiculaire considérée dans cette thèse, il est important de corréler les messages générés par un capteur à sa position. La quatrième contribution de cette thèse est, considérant un réseau de capteur linéaire, un algorithme de classement des capteurs basé sur la centroide. Nous évaluons les performances de cet algorithme en considérant un modèle de communication réaliste, un déploiement uniforme, et aussi le déploiement proposé dans cette thèse. Finalement, en mettant ensemble toutes nos contributions, des simulations montrent que WARIM, l'architecture que nous avons proposée dans cette thèse, peut être utilisée pour une collecte fiable et en temps réel du trafic véhiculaire au niveau d'une intersection.

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 machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.001
Threshold uncertainty score0.002

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.001
Open science0.0010.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.016
GPT teacher head0.226
Teacher spread0.210 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

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".

Quick stats

Citations1
Published2020
Admission routes1
Has abstractyes

Explore more

Same venueHAL (Le Centre pour la Communication Scientifique Directe)Same topicEnergy Efficient Wireless Sensor NetworksFrench-language works237,207