مدل خوشه بندی چند معیاره قابل اطمینان و انعطاف پذیر برای اینترنت وسایل نقلیه

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 173

فایل این مقاله در 38 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_INDU-13-1_002

تاریخ نمایه سازی: 19 فروردین 1402

چکیده مقاله:

اینترنت وسایل­ نقلیه، چارچوب جدیدی برای سیستم­ های حمل ونقل هوشمند است که یکی از اهداف آن بهبود ایمنی و افزایش کیفیت سفرهای جاده ­ای است. تغییرات توپولوژی در اینترنت وسایل­ نقلیه، کارکرد برنامه­ های ایمنی را با چالش ­های اساسی روبه ­رو می ­کند. به علت تنوع شرایط ترافیکی، قابلیت اطمینان روش­ های خوشه­ بندی فعلی با ریسک ­های زیادی مواجه می­ شود. در این پژوهش با هدف افزایش قابلیت اطمینان در اینترنت وسایل ­نقلیه، یک مدل خوشه ­بندی چند­معیاره و بدون وابستگی به زیرساخت به نام RFCV پیشنهاد شده است و با معرفی چهار معیار جدید با عنوان «سابقه تحرک خودرو»، «تطابق سرعت خودرو با میانگین هارمونیک سرعت خودروهای نزدیک»، «تعداد همسایگان مطمئن خودرو» و «کیفیت عملکرد در خوشه­ های قبلی»، خودروهای در حال حرکت وزن­ دهی می ­شوند و یکی از آن ها با بهترین وزن به عنوان سرخوشه انتخاب می­ شود و یک سرخوشه جایگزین نیز برای بهبود پایداری خوشه تعیین می­ شود. پایداری خوشه باعث می­ شود تبادل پیام در نزدیک ترین زمان نسبت به زمان واقعی میسر ­شود. کارایی طرح پیشنهادی از نظر تئوری اثبات شده است و شبیه­ سازی با سناریوهای متعدد در محیط SUMO و NS۳، نمایانگر برتری روش RFCV در افزایش «طول عمر مسیر و نرخ تحویل بسته ­ها» و کاهش «میانگین تاخیر و سربار کنترلی» در محیط ­های متراکم شهری و کم­ تراکم بزرگ راهی است.

نویسندگان

یاسر تاج

دانشجوی دکتری مدیریت فناوری اطلاعات، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

بهادر بخشی سراسکانرود

استادیار گروه آموزشی معماری و شبکه های کامپیوتری، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی امیرکبیر، تهران، ایران.

حسام زند حسامی

استادیار گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abbas, F., & Fan, P. (۲۰۱۸). Clustering-based reliable low-latency routing ...
  • Alghamdi, S. A. (۲۰۲۰). Novel path similarity aware clustering and ...
  • Benkerdagh, S., & Duvallet, C. (۲۰۱۹). Cluster‐based emergency message dissemination ...
  • Cardenas, L. L., Mezher, A. M., Bautista, P. A. B., ...
  • Chen, M., Tian, Y., Fortino, G., Zhang, J., & Humar, ...
  • Cheng, J., Yuan, G., Zhou, M., Gao, S., Huang, Z., ...
  • Cheng, X., & Huang, B. (۲۰۱۹). A center-based secure and ...
  • Dutta, A. K., Elhoseny, M., Dahiya, V., & Shankar, K. ...
  • Fatemidokht, H., & Rafsanjani, M. K. (۲۰۲۰). QMM-VANET: An efficient ...
  • Kamakshi, S., & Shankar Sriram, V. S. (۲۰۱۹). Plummeting broadcast ...
  • Khan, M. F., Yau, K. L. A., Noor, R. M., ...
  • Mirzapour Al-e-hashem, S. M. J., Amoozad Khalili, H., & Khazaei ...
  • Qi, W., Landfeldt, B., Song, Q., Guo, L., & Jamalipour, ...
  • Qureshi, K. N., Abdullah, A. H., Bashir, F., Iqbal, S., ...
  • Ren, M., Khoukhi, L., Labiod, H., Zhang, J., & Veque, ...
  • Rivoirard, L., Wahl, M., Sondi, P., Berbineau, M., & Gruyer, ...
  • Senouci, O., Aliouat, Z., & Harous, S. (۲۰۱۹). MCA-V۲I: A ...
  • Shah, A. S., Karabulut, M. A., Ilhan, H., & Tureli, ...
  • Shah, S. S., Malik, A. W., Rahman, A. U., Iqbal, ...
  • Taj, Y., & Faez, K. (۲۰۱۰). History Based Reliability: A ...
  • Taj, Y., & Faez, K. (۲۰۱۰). Signal strength based reliability: ...
  • Tavakkoli Moghaddam, R., Mossadeghkhah, M., & Hassanpour, H. (۲۰۲۱). Developing ...
  • Wang, X., Ning, Z., Hu, X., Ngai, E. C. H., ...
  • Wang, X., Ning, Z., Hu, X., Wang, L., Hu, B., ...
  • Yao, L., Wang, J., Wang, X., Chen, A., & Wang, ...
  • Zhang, D., Ge, H., Zhang, T., Cui, Y. Y., Liu, ...
  • Zhou, S., Li, D., Tang, Q., Fu, Y., Guo, C., ...
  • نمایش کامل مراجع