MARC

 008250123s2024        us                              c    eng  d
■001000017164467
■00520250211153006
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384043997
■035    ▼a(MiAaPQ)AAI31631387
■035    ▼a(MiAaPQ)umichrackham005851
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a621.3
■1001  ▼aZhang,  Xumiao.
■24510▼aCharacterizing  and  Improving  Next-Generation  Network  Infrastructures  and  Applications
■260    ▼a[Sl]▼bUniversity  of  Michigan▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a204  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-03,  Section:  B.
■500    ▼aAdvisor:  Mao,  Z.  Morley.
■5021  ▼aThesis  (Ph.D.)--University  of  Michigan,  2024.
■520    ▼aThe  rapid  evolution  of  network  technologies  and  the  increasing  demand  for  fast,  flexible,  and  reliable  connectivity  have  led  to  the  emergence  of  next-generation  network  infrastructures,  including  new  mobile  networks  such  as  5G,  new  network  protocols  such  as  QUIC,  and  even  new  communication  paradigms  such  as  LEO  satellite  networking.  These  infrastructures  possess  the  potential  to  revolutionize  a  wide  range  of  applications  such  as  connected  and  autonomous  vehicles.  However,  there  is  a  lack  of  comprehensive  investigation  into  their  unique  characteristics  for  enhancing  network  applications,  as  well  as  the  adaptation  needed  for  existing  applications  to  harness  their  full  capabilities.  To  address  this  challenge,  in  this  dissertation,  we  demonstrate  that  systematic  measurements  and  analyses  aimed  at  unveiling  the  intricacies  of  emerging  network  infrastructures,  along  with  the  development  and  innovation  of  efficient  network  applications,  hold  the  key  to  unlocking  the  full  potential  of  the  next-generation  network  ecosystem.  For  network  application  innovations,  leveraging  emerging  vehicular  connectivity  and  advanced  sensor  perception  capabilities,  we  explore  cooperative  sensing  for  connected  and  autonomous  vehicles.  Specifically,  we  design  an  edge-assisted  multi-vehicle  collaboration  framework  based  on  Voronoi  diagrams.  As  for  network  infrastructure  measurements  and  improvements,  we  first  characterize  5G  network  performance,  power  consumption,  and  application  QoE  implications  through  large-scale  real-world  experiments.  Then,  we  examine  the  QUIC  transport  protocol  over  high-speed  Internet,  reveal  QUIC's  performance  issues  after  comparing  it  with  the  traditional  TCP  protocol  stack,  and  conduct  an  in-depth  root  cause  analysis.  Lastly,  to  understand  LEO  satellite  networks,  we  take  Starlink  as  an  example  and  compare  it  with  existing  cellular  networks  in  various  aspects.  We  also  explore  the  potential  of  enabling  multipath  transport  between  LEO  satellite  and  cellular  networks.  Collectively,  this  dissertation  showcases  the  interconnected  impacts  of  next-generation  network  infrastructures  and  applications,  and  advocates  for  an  organic  integration  of  empirical  analysis  with  practical  design.
■590    ▼aSchool  code:  0127.
■650  4▼aComputer  engineering
■650  4▼aComputer  science
■650  4▼aCommunication
■653    ▼aComputer  networks
■653    ▼aNetwork  measurement
■653    ▼aCooperative  perception
■653    ▼a5G  network
■653    ▼aSatellite  networking
■690    ▼a0984
■690    ▼a0464
■690    ▼a0459
■71020▼aUniversity  of  Michigan▼bComputer  Science  &  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g86-03B.
■790    ▼a0127
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17164467▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서