• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Beräkningsmässig intelligensinspirerad gruppering i fordonsnät med flera åtkomst

    Integration av LTE och IEEE 802.11p med klustering (kantklusterhuvudnoderna genereras av klusteringen på första nivån, och gateway-klusterhuvudnoderna genereras av klusteringen på andra nivå). Kredit:University of Electro Communications

    Det finns en ökande efterfrågan på att distribuera stora mängder digital information till fordon i rörelse. Dock, de nuvarande allmänt använda mobilnäten är inte tillräckliga på grund av begränsad bandbredd i täta fordonsmiljöer. Nyligen, fordons ad hoc-nätverk (VANET) har väckt stort intresse för att förbättra kommunikationen mellan fordon som använder trådlös teknik utan infrastruktur. IEEE 802.11p är standardstandarden för tillhandahållande av fordon-till-fordon (V2V) kommunikation i VANET.

    Dock, det finns två huvudsakliga tekniska hinder för integration av LTE med IEEE 802.11p. Först, valet av gateway -noder måste ta hänsyn till den totala nätverksprestandan för LTE såväl som V2V. Andra, ruttskapande från ett fordon till en gateway är utmanande på grund av fordonets rörlighet och varierande nodtäthet. Fordonets rörlighet och kvalitet mellan trådlösa länkar måste noga övervägas vid val av rutter. För vissa timmar eller vägsegment, fordon är tätt utplacerade, och därför är antalet samtidiga sändningsnoder enormt. I IEEE 802.11p, ökningen av antalet sändande noder leder till prestandaförsämring på grund av ett exponentiellt backoff -baserat stridsschema vid MAC -lagret.

    För att lösa dessa problem, Celimuge Wu och kollegor vid University of Electro-Communications, Tokyo, har föreslagit en klustering på två nivåer där klusterhuvudnoder i den första nivån försöker minska MAC-lagers innehåll för fordon-till-fordon (V2V) kommunikation, och klusterhuvudnoder på andra nivån är ansvariga för att tillhandahålla en gateway -funktion mellan V2V och LTE.

    En suddig logikbaserad algoritm används i klusteringen på första nivån, och en Q-inlärningsalgoritm används i klusteringen på andra nivå för att ställa in antalet gateway-noder. "Omfattande simuleringsresultat under olika nätverksförhållanden visar att det föreslagna protokollet kan uppnå 23% förbättrad genomströmning i scenarier med hög densitet jämfört med de befintliga tillvägagångssätten, "säger Wu.


    © Vetenskap https://sv.scienceaq.com