استفاده از هوش مصنوعی در بهبود ارتباط بین شبکه های بین خودرویی (VANET)

در دهه های اخیر، افزایش بی رویه تعداد خودروها در سطح جهان منجر به چالش های بزرگی همچون تصادفات جاده ای، اتلاف زمان در ترافیک و افزایش آلاینده های زیست محیطی شده است. برای مقابله با این معضلات، مفهوم سیستم های حمل ونقل هوشمند (Intelligent Transportation Systems - ITS) شکل گرفت. هسته اصلی و حیاتی این سیستم ها، شبکه های موردی خودرویی یا همان VANET است.شبکه های VANET به خودروها اجازه می دهند تا به عنوان گره های یک شبکه بی سیم، اطلاعاتی نظیر سرعت، موقعیت جغرافیایی و شرایط جاده را با یکدیگر (V۲V) و با زیرساخت های جاده ای (V۲I) مبادله کنند. اما این شبکه ها با چالش های فنی بی سابقه ای روبرو هستند که آن ها را از شبکه های موبایل سنتی متمایز می کند. سرعت بالای گره ها که گاهی به بیش از ۱۲۰ کیلومتر در ساعت می رسد، باعث می شود توپولوژی شبکه در هر ثانیه تغییر کند. در چنین محیط پویایی، پروتکل های ارتباطی سنتی که بر پایه الگوریتم های ثابت ریاضی نوشته شده اند، به شدت دچار ضعف می شوند.در اینجاست که هوش مصنوعی (Artificial Intelligence) به عنوان ناجی این شبکه ها وارد میدان می شود. هوش مصنوعی به دلیل توانایی در یادگیری الگوهای پیچیده از داده های حجیم و اتخاذ تصمیمات لحظه ای در شرایط عدم قطعیت، می تواند پایداری، سرعت و امنیت ارتباطات را در این شبکه ها تضمین کند. این مقاله با نگاهی عمیق به لایه های مختلف VANET، نقش مدل های مختلف یادگیری ماشین و یادگیری عمیق را در بهبود این ارتباطات بررسی می کند.