بهینه سازی مسیریابی در وسایل نقلیه با استفاده از پروتکل های مبتنی برخوشه بندی

این مطالعه به بررسی سیستم های حمل و نقل هوشمند با هدف ارائه سرویس به رانندگان وسایل نقلیه، شبکه های موردی خودروییپرداخته است ؛ در این شبکه ها با توجه به الگوی حرکتی و سرعت زیاد خودروها مهم ترین مساله مسیریابی است. الگوریتم های مسیریابیمتداول در شبکه های سیار بی سیم در شبکه های خودرویی بدلیل سربار بالای بروز رسانی جداول مسیریابی، افزونگی اطلاعات و عدممقایسه پذیری فاقد کارایی کافی هستند. یکی از راهکارهای غلبه بر این چالش ها استفاده از پروتکل های مسیریابی مبتنی بر خوشه بندیاست؛ در مبحث خوشه بندی، انتخاب درست سرخوشه از اهمیت بالایی برخوردار می باشد و اولویت در انتخاب سرخوشه با گره ای است کهبتواند تعداد بیشتری خودرو را پوشش دهد و نیز مدت زمان بیشتری دردسترس باشد. مساله مهم دیگر ، بحث ایجاد و نگهداری سرخوشهاست که به دلیل سرعت بالای خودروها، قطع و وصل دائمی ارتباطات و تغییرات شدید توپولوژی یک امر قابل اجتناب است.در این تحقیقبرای انتخاب درست سرخوشه و خوشه بندی هوشمند، یک سری معیارهای پایه نظیر درجه همسایگی، چگالی، سرعت و جهت حرکتخودروها مدنظر قرار گرفته است و از روش آموزش مبتنی بر شبکه عصبی برای بهینه سازی تأخیر استفاده می کنیم؛ ماحصل این عملیاتیک نمره برای هر خودرو است که میزان صلاحیت آن خودرو را برای سرخوشه شدن مشخص می کند. استفاده از شبکه عصبی مصنوعیبه دلیل نیاز به محاسبه وزن مناسب هر معیار و محاسبه وزنها به صورت آفلاین با شرایط مساله همخوانی دارد؛ .نتایج شبیه سازی نشانمی دهد که الگوریتم پیشنهادی در مقایسه با الگوریتم های دیگر تأخیر انتها به انتها را کاهش و نرخ تحویل بسته ها را افزایش می دهد.

کلیدواژه ها:

شبکه موردی خودرویی مبتنی بر هوشمندی ، شبکه عصبی ، خود- پایا سازی