مدل خوشه بندی چند معیاره قابل اطمینان و انعطاف پذیر برای اینترنت وسایل نقلیه
محل انتشار: مجله چشم انداز مدیریت صنعتی، دوره: 13، شماره: 1
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 173
فایل این مقاله در 38 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
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.
کلیدواژه ها:
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 :