دانلود ترجمه مقاله هوش شناختی با بهینه سازی شبکه Ad-Hoc تطبیق پذیرخودرویی (آی تریپل ای 2020) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

هوش شناختی با بهینه سازی شبکه Ad-Hoc تطبیق پذیرخودرویی

Cognitive Intelligence with Adaptive MAC Vehicular Ad-Hoc Network Optimization

چکیده

I. مقدمه

II. تحقیقات مرتبط

III. VANET MAC انطباقی معرفی شده (ADMAC)

V. نتیجه و بحث

VI. نتیجه گیری

چکیده

تحویل موفق و منظم اطلاعات در شبکه تک کاره خودرویی (VANET) برای سیستم حمل و نقل هوشمند(ITS) بدلیل وجود ویژگیهای منحصر بفرد شبکه تک کاره خودرویی) (VANET از جمله تغییر سریع موقعیت و قطعی های متناوب چالش برانگیز هستند. طرح های کنونی از پارامترهای استاتیک در موقعیت های متغیر شبکه تک کاره خودرویی (VANET) استفاده می کنند که منجر به عدم تطبیق پذیری می شود. بدلیل تغییر سریع موقعیت و اختلال متناوب در VANET، یک طرح پروتکل بهینه سازی جدول بندی کنترل دسترسی متوسط شبکه تک کاره خودوریی(VANET) تطبیق پذیر(MAC) شناختی معرفی شده است که می تواند پارامترهای انتقالی را تغییر دهد و در آن تغییرات مختلف موقعیت شبکه تک کاره خودرویی (VANET) در اولویت است. Adaptive VANET MAC با نام AdMAC، نسبت تغییر سیگنال به نویز و مداخله (SINR) به عنوان شاخصی برای نشان دادن محیط انتقال شبکه تک کاره خودرویی(VANET) و تراکم ترافیک مطرح شده است. سپس نسبت تغییر سیگنال به نویز و مداخله (SINR) برای تعیین اندازه پنجره مباحثه VANET MAC استفاده می شود. شبیه سازی در شرایط ترافیک متراکم و غیر متراکم در منطقه شهری کوالالامپور مالزی انجام شده است. نتایج نشان می دهد که AdMAC معرفی شده دارای تطبیق پذیری بهتر از نظر سرعت موفقیت بسته بندی و میانگین تاخیر می باشد.

I. مقدمه

در شبکه تک کاره خودرویی (VANET) ، خودروها به صورت تصادفی با تحرک زیاد با تغییر موقعیت و انحرافات متوالی رانندگی می کنند (1). طرح های کنونی در شبکه تک کاره خودرویی (VANET) از پارامترهایی استفاده می کنند که پایایی انتقال، ثبات انتقال، تداخل و شرایط ترافیک را برای بهینه سازی اندازه پنجره مباحثه در نظر نمی گیرند (2). برای اطمینان از اینکه شبکه تک کاره خودرویی (VANET) از خرابی کمتر بسته بندی رنج می برد و به کمترین مقدار تاخیر می رسد، پارامترهای VANET MAC باید تطبیق یافته و بهینه سازی شوند تا مطمئن شد که عملکرد انتقال VANET MAC در موقعیت های مختلف و انحرافات متعدد حفظ می شود (3). اخیرا، شبکه تک کاره خودرویی (VANET)  توسط IEEE802.11p با اولویت طرح دسترسی کانال توزیعی ارتقا یافته(EDCA) کنترل می شود (4). طرح پیش فرض IEEE802.11p همچنان استاتیک تر است و این ویژگی باعث کمتر شدن کارایی در محیط های متغیر انتقال شبکه تک کاره خودرویی (VANET) می شود.

VI. نتیجه گیری

  شبکه تک کاره خودرویی (VANET) یک فناوری تازه پدیدار شده برای اطمینان از امنیت از طریق ارتباطات بین خودروها است. طرح کنونی VANET نشان دهنده عدم تطبیق پذیری در یک محیط متغیر انتقالی است که دلیل آن وجود پارامترهای استاتیک است. بنابراین، در این مقاله، یک پروتکل بهینه سازی تطبیقی جدید برای شبکه تک کاره خودرویی (VANET) تکاملی دینامیک در سیستم انتقال هوش (ITS) با نام AdMAC معرفی شده است. در AdMAC، نسبت تغییر سیگنال به نویز و مداخله (SINR) برای تنظیم اندازه پنجره مباحثه برای برنامه ریزی بسته ای استفاده می شود. اندازه بزرگ پنجره مباحثه برای شرایط انتقالی غیر کاربردی داده شده است تا بتوان بسته ها را قبل از انتقال شفاف کرد، در حالی که اندازه پنجره با غلظت پایین برای شرایط انتقال خوب داده می شود. شبیه سازی در ترافیک متراکم و غیر متراکم در منطقه شهری کوالالامپور در نقشه مالزی انجام شده است و از برنامه های Omnet++, SUMO, Veins و گوگل مپ استفاده شده است. نتایج نشان می دهد که روشAdMAC مطرح شده در محیط های انتقالی مختلف، تطبیق پذیری و بهینه سازی بهتر دارد و موفقیت سرعت بسته بندی بیشتر و میانگین تاخیر کمتر است.

Abstract

Successful and timely data delivery in evolutionary Vehicular Ad-Hoc Network (VANET) for Intelligent Transportation System (ITS) are particularly challenging due to the unique characteristics of VANET, such as fast topology change and frequent disruptions. The current VANET schemes use static parameters in an ever changing VANET topology, which results in lack of adaptability. Due to the fast topology change and frequent disruptions in VANET, a cognitive and adaptive VANET Medium Access Control (MAC) scheduling optimization protocol scheme, which is able to change its transmission parameters, to suit different topology change in VANET is preferable. In the proposed Adaptive V ANET MAC, namely AdMAC, change of signal to noise and interference ratio (SINR) is proposed as an indicator to represent VANET transmission environment and traffic density. The change of SINR is then used to determine the V ANET MAC contention window size. Simulation is conducted under congested and non-congested traffics, in the urban map of Kuala Lumpur, Malaysia. Results show that the proposed AdMAC has better adaptability, in terms of packet success rate and average delay.

I. INTRODUCTION

In VANET, vehicles drive randomly with high mobility under fast topology change and frequent disruptions [1]. The current existing schemes in VANET use parameters that do not consider transmission reliability, transmission stability, interference and traffic conditions, to optimize contention window size [2]. In order to ensure VANET suffers less packet collisions and achieve minimum delay, VANET MAC parameters have to be adaptive and optimized, to ensure VANET MAC transmission performance is maintained, under ever changing topology and frequent disruptions [3]. Currently, VANET is governed by IEEE802.11p with Enhanced Distributed Channel Access (EDCA) priority scheme [4]. The default IEEE802.11p scheme is still very much static, which makes it less feasible, under varying VANET transmission environments.

VI. CONCLUSION

VANET is an emerging technology to ensure safety through communication between vehicles. The current VANET scheme shows lack of adaptability in an ever changing transmission environment due to its static parameters. Therefore, in this paper, a novel adaptive optimized scheduling protocol for MAC layer dynamic evolutionary VANET in intelligent transportation system (ITS), namely AdMAC is proposed. In AdMAC, change of SINR is used to determine traffic density and transmission environment. The change of SINR is then used to set the contention window size for packet scheduling. High contention window size is given to unviable transmission conditions to allow packets to clear before next transmission takes place, whereas low contention window size is given to good transmission conditions to allow more packet transmissions to take place. Simulation is conducted under congested and non-congested traffic in an urban Kuala Lumpur, Malaysia map, with the use of Omnet++, SUMO, Veins and open google map applications. Results show that the proposed AdMAC shows better adaptability and optimization, under varying transmission environment, with improved packet success rate and lower average delay.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

هوش شناختی با بهینه سازی شبکه Ad-Hoc تطبیق پذیرخودرویی

Cognitive Intelligence with Adaptive MAC Vehicular Ad-Hoc Network Optimization