بررسی و کاربرد شبکه ویژه وسایل نقلیه همه جا حاضر با استفاده از شبکه عصبی عمیق با الگوریتم خفاش مبتنی بر اینترنت اشیا برای مدیریت ترافیک در شهر رشت

در این پژوهش، راهکاری برای کنترل ترافیک در شبکه های متحرک خودرویی (VANETS) با استفاده از شبکه های عصبی عمیق (DNN) مبتنی بر الگوریتم های خفاش (BA) پویا در شهر رشت، ارائه گردیده است. این شبکه ها برای مسیریابی وسایل نقلیه در مسیرهای شلوغ جهت افزایش کارایی با متوسط تاخیر کمتر، مورد استفاده قرار می گیرند. به گونه ای که در مرحله های بالاتر با اینترنت اشیا (loT) ترکیب می شوند و با حرکت کردن در شبکه های VANET ها، ترافیک و وضعیت تراکم بین گره های شبکه را تجزیه و تحلیل می نمایند. DNN-LOT-BA در الگوریتم های مختلف ماشینی یا یادگیری عمیق در VANET ها، تجزیه و تحلیل تجربی اثربخشی را آزمایش می کنند. DNN-LOT-BA از طریق معیارهایی مانند نسبت تحویل بسته، تاخیر و نرخ خطای بسته، مورد تایید قرار می گیرند. نتایج شبیه سازی در این پژوهش نشان می دهد که روش های پیشنهاد شده در این پژوهش هم در مصرف انرژی به صرفه تر هستند و هم نسبت به روش های مرسوم، تاخیر کمتری جهت پشتیبانی از شرایط ترافیکی بلادرنگ ارائه می دهند.

کلیدواژه ها:

شبکه های عصبی عمیق ، VANETS ، مسیریابی ، اینترنت اشیا