بکارگیری رویکرد عامل گرا جهت کاهش ترافیک کلان شهرها در شبکه های موردی بین خودرویی
- سال انتشار: 1399
- محل انتشار: نهمین کنفرانس بین المللی فناوری اطلاعات،کامپیوتر و مخابرات
- کد COI اختصاصی: ITCT09_003
- زبان مقاله: فارسی
- تعداد مشاهده: 650
نویسندگان
گروه کامپیوتر و فنآوری اطلاعات، دانشگاه آزاد اسلامی واحد سپیدان، فارس، ایران
گروه کامپیوتر و فنآوری اطلاعات، دانشگاه آزاد اسلامی واحد سپیدان، فارس، ایران
گروه کامپیوتر و فنآوری اطلاعات، دانشگاه آزاد اسلامی واحد سپیدان، فارس، ایران
چکیده
تعدد خودروها و حجم بالای ترافیک شهری سبب ترافیک سنگین و ازدحام و به تبع آن اتلاف وقت وانرژی در مراکز پر رفت و آمد شده و بر کیفیت زندگی شهری تاثیری نامطلوب دارد. تکنولوژی شبکهموردی بین خودرویی که امروزه به وفور استفاده می گردد از شبکه های موردی سیار است که در آنخودروها با یکدیگر و یا با تجهیزات ثابت کنار جادهای ارتباط برقرار نموده، در امتداد جاده ها جابجا گشتهو در محدوده رادیویی خود با سایر خودروها تبادل اطلاعات می نمایند. ترافیک و شلوغی های حاصل از آنمی تواند توسط برخی از حوادث بیشتر گردد. در این مقاله، یک روش کاربردی چند عامله هوشمند برای کاهش ترافیک شهری و کنترل حمل و نقل های جاده ای پیشنهاد می شود، که RTOA نامیده شده است. در این روش هر عامل مسئولیت یک فعالیت را برعهده دارد که می تواند جمع آوری داده هایترافیکی و پردازش آنها و یا تصمیم گیری در مورد راه اندازی دوباره کنترل کننده های ترافیکی باشد.مدل پیشنهادی شامل سه جز کنترل کننده ترافیک، ماژول کنترل ترافیک مرکزی و ماژول کنترل کننده داده های ترافیکی می باشد. نتایج شبیه سازی روش پیشنهادی RTOA با استفاده از شبیه ساز NS-2 نشان دهنده ی آن است که این رویکرد عملکرد خوبی داشته و در معیارهای نرخ حذف بسته، توانعملیاتی، نرخ تحویل بسته و کاهش تاخیر انتها به انتها بهبود ایجاد می نماید.کلیدواژه ها
شبکه بین خودرویی، تاخیر، تراکم ترافیک، عامل گرامقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.