مبتدی (مناسب برای درک مفهوم کلی مطلب) 

1) ویژگی‌هایVANET مربوط به توپولوژی شبکه و حالت ارتباطات:
• شبکه بی‌کران و مقیاس‌پذیر: VANET را می‌توان در یک یا چند شهر و حتی برای کشورها پیاده‌سازی کرد. بنابراین نیاز به همکاری و مدیریت برای برآوردن نیازمندی‌های امنیتی دارد.
• ارتباطات بی‌سیم: اتصال گره‌ها و تبادل اطلاعات بین آن‌ها، از طریق کانال‌های بی‌سیم انجام می‌شود. بنابراین نیاز به ارتباطات امن دارد.
• تحرک بالا و تغییر سریع توپولوژی شبکه: گره‌ها در حال حرکت با سرعت بالا / تصادفی هستند که پیش‌بینی موقعیت و توپولوژی شبکه را مشکل می‌کند. بنابراین افزایش حریم خصوصی موجب عدم قطع ارتباط، نوسانات و دستکاری می‌شود. که فاقد حیاتی نسبتا طولانی (به‌عنوان مثال، رمز عبور) است که برای ارتباطات امن وسایل نقلیه غیرعملی است. تحت این محدودیت‌ها، تاخیر انتشار هشدار باید مهم شمرده شود. عملکرد خوب تاخیر با استفاده از رمزنگاری سریع الگوریتم یا با تصدیق موجودیت و تحویل پیام در زمان مورد نیاز است. برای این کار، اولویت‌بندی پکیج داده و روش ازدحام از اهمیت بالاتری برخوردار است؛ داده‌های مربوط به ایمنی ترافیک و بهره‌وری باید سریع ‌تر از موارد دیگر باشد.
• علاوه بر قابلیت اعتماد، حمل و نقل بین لایه‌های شبکه برای پشتیبانی از زمان واقعی و برنامه‌های کاربردی چندرسانه‌ای پیشنهاد شده است.
2) ویژگی‌هاVANET مربوط به وسایل نقلیه و رانندگان:
• قدرت پردازش بالا و انرژی کافی: گره‌های VANET هیچ مسئله‌ای با منابع انرژی و محاسبات ندارند. آنها انرژی خود را در قالب باتری و قدرت پردازش بالا برای اجرای محاسبات پیچیده رمزنگاری دارند.
• حفاظت بهتر فیزیکی: گره‌های VANET از نظر فیزیکی بهتر محافظت می‌شوند. که این مسئله مقایسه به لحاظ فیزیکی را دچار مشکل می‌کند. بنابراین تاثیر حملات زیرساخت را کاهش می‌دهد.
• زمان شناخته شده و موقعیت: بسیاری از وسایل نقلیه مجهز به GPS هستند چرا که بسیاری از برنامه‌های کاربردی بر موقعیت جغرافیایی و یا منطقه تکیه دارند. GPS برای محلی‌سازی و محافظت امن از محل گره در برابر حملات استفاده می‌شود.
• اکثریت شرکت‌کنندگان صادق هستند: فرض می‌شود اکثر رانندگان برای یافتن تهدید خوب و مفید عمل می‌کنند.
• زیرساخت‌های اجرایی قانون: از طریق مأموران اجرای قانون، آنها می‌توانند تهدید وارد بر سیستم را شناسایی و مورد حمله قرار دهند.
• ثبت مرکزی با تعمیر و نگهداری دوره‌ای و بازرسی: وسایل نقلیه با قدرت مرکزی ثبت می‌شوند و شناسه منحصر به فرد (پلاک) دارند. تعمیر و نگهداری دوره‌ای وسایل نقلیه برای به روز رسانی سیستم عامل و نرم‌افزار است. در PKC (رمزنگاری کلید عمومی)، تعمیر و نگهداری برای به روز رسانی گواهینامه‌ها، کلیدها و به‌دست آوردن CRL جدید (لیست ابطال گواهی) است.
به‌طورخلاصه، شبکه وسایل نقلیه، تعامل بین رفتار رانندگان و همکاری توسط آنان در شبکه است. کاوش در یک راه‌حل امنیتی باید تمام موارد مرتبط را بیابد. پس از ارائه ویژگی‌های VANET، جزئیات چالش‌های امنیتی و محدودیت‌های VANET در بخش بعدی بررسی خواهد شد.

2.2 چالش‌های امنیتی و محدودیت‌های VANET
در VANET، امنیت باید تضمین کننده‌ی پیام‌های اضافه شده و یا اصلاح شده توسط مهاجمان باشد. همچنین، قابلیت اعتماد رانندگان برای اطلاع محیط ترافیک در درون محدودیت زمانی ضروری است. چالش‌های امنیتی منحصر به فرد به‌دلیل ویژگی‌های متمایز VANET افزایش می‌یابد. بدرفتاری این چالش‌های امنیتی منجر به بسیاری از محدودیت‌ها می‌شود. برخی از این چالش‌های امنیتی در زیر بیان شده است:
• اندازه شبکه، ارتباط جغرافیایی، تحرک بالا و توپولوژی پویا، مدت اتصال کوتاه، قطع فرکانس‌های کم‌حجم [1،2]: اندازه شبکه می‌تواند از لحاظ جغرافیایی بیکران و بسیار مقیاس‌پذیر و بنا به نفوذ استانداردهای لازم برای آن در حال رشد باشد.
• تایید اطلاعات با قابلیت اعتماد: اعتماد به‌عنوان طبیعت VANET برای ایجاد انگیزه و جمع‌آوری اطلاعات از سایر وسایل نقلیه و RSUs لازم است [7]. از این رو این تبادل اطلاعات تکراری است و باید قابل اعتماد و یکپارچگی آن مورد تأیید باشد. قابلیت اعتماد اطلاعات بیشتر از تایید توسط گره‌های انتقال مفید است [2].
• توزیع کلید: مکانیزم‌های امنیتی بر روی کلید، به توزیع مهم آنها بستگی دارد.
• الگوریتم حمل‌ونقل: چالش مربوط به تعداد بسته‌های منتقل شده و یافتن بهترین مسیر است. که ارتباط تک پخشی، پخش فراگیر، V2V، V2I یا ترکیبی است.
در حالی که برای محدودیت VANET و یا نیازمندی‌ها [1]، می‌توانیم موارد زیر را بیان کنیم:
• کنترل برخورد و ازدحام: توجه به اندازه شبکه محصور شده ضروری است.
• تحمل کم به هنگام وقوع خطا: برخی از پروتکل‌ها براساس احتمالات است و هر گونه خطایی می‌تواند بر زندگی مردم تأثیر گذارد.
• تاثیر محیطی: موانع موجب انتشار امواج مغناطیسی[1] می‌شود.
• تجزیه و تحلیل خطر و مدیریت: گاهی اوقات می‌توانیم راه‌حل حملات را پیدا کنیم اما پیدا کردن مدل‌ها بنا به رفتار مهاجمان هنوز غیرمعلوم است.
• Anonymity، حفظ حریم خصوصی و مسئولیت: گره‌های مسئول دریافت داده‌ها نیاز به اعتماد به فرستنده دارند. حفظ حریم خصوصی، هویت خودرو ناشناس را تضمین می‌کند. گاهی اوقات گره‌های تصدیق شده می‌توانند مسائل مالی داشته باشند. بنابراین، یک راه‌حل تجاری برای حفظ حریم خصوصی و مسئولیت موردنیاز است.
اگر سرویس‌های امنیتی ارائه شده در بخش بعدی را بهتر مدیریت کنیم این چالش‌های امنیتی و محدودیت‌ها را می‌توان به حداقل رساند.

2.3 نیازمندی‌های امنیتی (خدمات)
سرویس‌های امنیتی موجب افزایش امنیت پردازش‌ها و تبادل اطلاعات در VANET می‌شود. نیازمندی‌های امنیتی عبارتند از:
• احراز هویت: تضمین می‌کند که این پیام توسط یک کاربر قانونی با استفاده از گواهی تولید می‌شود. یا گیرنده، فرستنده پیام را از طریق یک نام مستعار شناسایی می‌کند [8].
• دردسترس بودن: با مقاومت در برابر حملات داس (انکار سرویس)، از عملکرد طبیعی اطمینان حاصل می‌کنیم. زیرا تاخیر چند ثانیه‌ای باعث می‌شود پیام بی‌معنی گردد [4].
• محرمانه: شامل مجموعه‌ای از قوانین است که موجب محدودیت‌ دسترسی به منابع خاص می‌شود. این مسئله با استفاده از رمزگذاری و یا تبادل پیام ویژه بین OBUs و RSUs به‌عنوان نوعی تأیید اطلاعات انجام می‌گیرد [9].
• انکارناپذیری: فرستنده نمی‌تواند ارسال یک پیام را انکار کند. بنابراین می‌تواند پس از آسیب به دستگاه بازیابی(TPD) شود [4].
• صداقت: بدون تغییر برای داده. امضای دیجیتال برای پیام و تمامیت داده‌ها [3،10] استفاده می‌شود.
• حریم خصوصی و Anonymity: مخفی کردن هویت کاربر در برابر گره‌های غیرمجاز با استفاده از کلید موقت و ناشناس. بنابراین حریم خصوصی محل باید حفظ شود.
• بررسی داده: برای از بین بردن پیام‌های نادرست است. تایید انسجام داده‌ها با پیام‌های مشابه برای تشخیص صحت داده‌ها استفاده می‌شود، به خصوص در بین وسایل نقلیه همسایه.
• کنترل دسترسی: تمام گره‌ها با توجه به قوانین عمل می‌کنند [11].
• قابلیت ردیابی و انفصال: هویت واقعی خودرو باید از دیگران پنهان شود، بنابراین باید یک جزء با توانایی به‌دست آوردن هویت واقعی وسایل نقلیه برای لغو استفاده از آنها در آینده وجود داشته باشد.
• تشخیص خطا: برای تشخیص خرابکاری و انتقال نادرست.
• شناسایی مسئولیت: مسئولیت‌ شناسایی کاربر به هنگام ارتباطات. پیام‌ها می‌توانند برای شناسایی کاربران مورد استفاده قرار گیرند.
• انعطاف‌پذیری و بهره‌وری: انعطاف‌پذیری در امنیت معماری و طراحی سیستم قابل توجه است. هر چند که برای استفاده ایمن از ترافیک ضروری است و نیاز به زمان و پهنای باند کمتری دارد. این مسئله در راندمان کانال و در تاخیر کم ناشی از آن بسیار مهم است.
پس از تعریف و تجزیه و تحلیل نیازمندی‌های امنیتی، آنها را در جدول 1 براساس نیاز آنها در ارتباطات VANET، برای V2V، V2I یا هر دو نشان دادیم. برای حالت ارتباطات VANET، پیش‌نیازهای آن برای خدمات امنیتی را تعریف می‌کنیم.

3. مدل مهاجم
استقرار یک سیستم امنیتی برای VANET یک مسئله چالش‌برانگیز است. در واقع، طبیعت بسیار پویا با قطع مکرر ارتباط، ورود و خروج آنی وسایل نقلیه، استفاده از کانال‌های بی‌سیم برای پیام‌های اضطراری و ایمنی، VANET را در معرض تهدیدها و حملات مختلف قرار می‌دهد. در این بخش حملات را طبقه‌بندی می‌کنیم، مهاجمان و تجزیه و تحلیل حالت‌های ارتباطی VANET را تحت تاثیر قرار می‌دهد.

3.1 حملات
بسیاری از محققان در [2،3،5،7،9،10،23] حملات در VANETs را بررسی کردند. طبقه‌بندی این حملات مفید است زیرا ماهیت VANET آسیب‌پذیری‌ها و محدودیت‌هایی دارد که نیاز به راه‌حل دارد. با تقسیم، می‌توانیم بهتر کنترل کنیم.

طرح انتخاب گره های رله سازگار با پخش چندهاپی در VANET ها

An adaptive relay nodes selection scheme for multi-hop broadcast in VANETs

Abstract

Vehicular ad hoc networks (VANETs) have potential applications for improving on-road driving experiences including preemptive road safety measures and provision for infotainment services. This paper proposes a Bi-directional Stable Communication (BDSC) relay nodes selection scheme designed for multi-hop broadcasting protocols over a platoon of vehicles. Relay nodes selection is based on quantitative representation of link qualities for single-hop neighboring nodes by using a proposed link quality estimation algorithm. The BDSC scheme aims to improve packet delivery ratio while maintaining low end-to-end communication delays over a densely populated network with nodes distributed over a large coverage area. To achieve this, the proposed scheme attempts to adaptively balance between the estimated link qualities and the distance between the source broadcaster and the potential forwarders when selecting the next hop nodes for relaying the broadcast messages. Our results from extensive simulation analysis reveal that the proposed BDSC scheme outperforms existing multi-hop broadcasting schemes in terms of packet delivery ratio when evaluated over a densely populated VANETs.

1 Introduction

Many academic as well as industrial experts expect vehicular ad hoc networks (VANETs) to become the de-facto enabling technology for communication among vehicles on the road [1–5]. The scale of research projects, road tests and government investments in VANETs has intensified over the past few years [6–10]. This has been fuelled by the fact that VANETs can play a key role in improving traffic safety and efficiency by enhancing drivers’ awareness of immediate and far distant traffic situations [11–13]. In addition, a variety of comfort and infotainment services is plausible to deploy over VANETs to further enhance on-road experience [13–16].

Large physical areas can be covered in a platoon of communication technology-enabled vehicles using a multi-hop propagation scheme, where assistance from intermediate relay nodes is used for forwarding messages to their final destination. In addition, multi-hop propagation provides a controlled broadcasting over a shared wireless medium instead of using a high power long transmission range configurations, which in-turn expands the collision domain of messages [17,18]. A proper selection of relay nodes is crucial in the design of multi-hop broadcast messaging protocols which highly governs the delivery ratio of the broadcasted mes- sages, especially over densely populated networks [12,19–21]. Conversely, a poor selection of relay nodes could lead to the drop of message reception rates, hence significantly limiting the delivery of messages over far distanced nodes. For the case of critical-innature safety alert messages, reliable and timely reception of these messages is a prime design objective when developing VANETsbased multi-hop safety messaging protocols [22,23]. In accordance with the safety messaging design requirements, a proper selection of relay nodes in multi-hop alert messages broadcast is an important aspect that requires in-depth investigation.

This paper introduces a new Bi-Directional Stable Communication (BDSC) relay nodes selection scheme for multi-hop messages broadcasting which can be used for different broadcast based applications in VANETs, such as safety alert messaging, route discovery and on-road information advertisement. The proposed scheme is incorporated with a sender-oriented messaging protocol in which the potential relay nodes are explicitly selected at the sender side. The BDSC scheme takes into consideration the quantitative estimations of link qualities for the forward links between each pair of nodes. The proposed scheme aims to improve multihop packet delivery ratio over densely populated network and at far distanced nodes. To reduce the loss of messages at the relays, the proposed scheme aims to adaptively improve the relay selection process by focusing not only on the distance from source but also on the link quality ratio.

The rest of the paper is organized as follows. Section 2 provides an overview on broadcasting techniques in VANETs and also discusses the relevant research work. Section 3 describes the multi-hop broadcasting scheme using the proposed BDSC scheme along with the link quality estimation and link selection criteria algorithms. Section 4 describes the simulation scenario over a varying speed mobility profile. Section 5 presents and analyzes the obtained simulation results and Section 6 concludes the work alongside with suggestions for further system performance improvement.

آنالیز طرح امنیتی احراز هویت وسیله نقلیه توسط RSU ها در وانت

A secure analysis of vehicular authentication security scheme of RSUs in VANET

Abstract

The Vehicular Ad-Hoc Network (VANET) is a network to provide communication between nearby V2V (Vehicular to vehicular) and V2I(Vehicular to Infrastructure). In order to increase the network efficiency, it is required to have stability of transmission and security of reliability. In this paper, we propose a novel Vehicular Authentication Security Scheme (VASS) guaranteeing secure RSUs (Roadside Units) to OBUs(On-Board Units) in VANET on the basis of the ID-based authentication scheme using hi-pass card (or highway pass ticket) and license plate number. We show a usefulness and effectiveness of VASS after analyzed by the Petri nets.

1 Introduction

In Vehicular Ad-Hoc Network(VANET)s, it includes the communication between vehicles and the communication with the Roadside Units (RSUs) installed in major regions. In particular, data such as vehicle location, current time, direction, speed, traffic volume remarks, acceleration and deceleration is distributed by On-Board Units (OBUs) in the VANET. According to such data, VANET plays the role of smoothly manipulating road traffic volume through traffic flow control, accident prevention countermeasures, solution for complicated traffic volume and announcement of alternate roads [1–11].

In the VANET, it is one of the important problems to authenticated vehicle successfully. Raya et al. [9] proposed an authenticated method using large numbers of anonymous public and private key pairs, but this work needs high computation cost and high storage cost. Lu et al. [10] introduced ECPP(Efficient Conditional Privacy Preservation) protocol for VANETs which has three levels of user privacy, to achieve authentication, anonymity, and untraceability. In ECPP, RSUs are responsible for issuing temporary public key certificates to vehicles. However, ECPP uses the signatures and public key certificates on each message resulting in high computation cost for verifying the message. Zhang et al. [11] proposed RAISE (RSU-aided messages authentication scheme) method using the symmetric key hash message authentication code (HMAC) to reduce the signature cost. In [8], PPAS(Privacy preservation authentication scheme) was proposed for V2I (Vehicular to Infrastructure) communication environments which has a lightweight authentication. As mentioned above [8–11], we found that designing a security and privacy preservation authentication scheme with low computation and authentication latency in VANET still remains as a major challenge.

This study focuses on the authentication problem on each vehicle in the communication between vehicles in the high way environment. In other words, definite authentication on vehicles in the communication occurred between vehicles not only prevents accidents but can also be used as basic data for post-accident responsibility matters. Especially, it is necessary to a mutually different ID(identity) in the communication between vehicles, the transmission/reception media should not be tampered, and confidentiality for the communication messages between entities be guaranteed. In order to show the safety efficiency on the security, a novel security mechanism has been proposed for VANET and is verified a usefulness and effectiveness by modeling the Petri Net. Petri nets [12] as a graphical and mathematical tools, are a uniform environment for modeling, analysis, and control of complex systems. The modeling of Petri nets may detect flaws and errors in the security scheme design, and subsequently improve the correctness of the security protocol. We used Petri nets in the security analysis of the proposed scheme.

The remainder of the paper is organized as follows. Followed by the introduction of Sect. 1, Sect. 2 deals with the preliminaries and assumption for this works, Sect. 3 explains about Vehicular Authentication Security Scheme (VASS) proposed in this study. In Sect. 4, models with Petri Net, and through this, proposes how smoothly the mechanism that varies frequently according to the security purpose can be applied. Section 5 explains about future research assignments along with the conclusion of this study

بررسی آدرس تکراری بین لایه ای توزیع شده برای ارتباطات بحرانی و ایمن VANET

Distributed cross layer duplicate address handling for safety critical VANET communication

Abstract

Vehicular ad-hoc networks are in the wake of mass deployment within upcoming years. This dedicated kind of mobile ad-hoc networks in the automotive domain is of high interest to increase safety of driving. We find that prior approaches for duplicate address detection in such networks fail to cover significant use cases. Low available bandwidth and limited communication radius together with high node mobility lead to reduced presence of meta data, like routing tables. This, holds especially for non IP-based safety critical message exchange using dedicated VANET protocols. However, common address duplicate handing mechanisms rely on such meta data. We show that this can lead to failure of duplicate address detection for ETSI ITS and WAVE in safety critical use cases. This is caused by a variant of the well known hidden station problem. To overcome this weakness, we propose a cross layer aware duplicate address detection scheme in combination with active address change requests to resolve the duplicates. An evaluation within a simulation environment shows the feasibility of the approach.

1 Introduction

Mobile ad-hoc networks (MANETs) are an important topic in both research and practice. Vehicular ad-hoc networks (VANETs) are an important subset of MANETs, whose mass roll out is predicted within upcoming years. VANET standardization is mainly performed within US wireless access in vehicular environments (WAVE) and European ETSI intelligent transport systems (ITS) frameworks [1–3]. A rigid security system is required for VANETs, due to wireless data exchange and safety critical use cases.

Safety critical communication within a VANET is typically stateless, i.e., each message should be usable on its own. Dedicated communication protocols have been developed for this kind of data exchange. Their requirements arise from robustness against package loss, highly mobile participants and tough realtime requirements of use cases. Thus, each message is digitally signed to ensure authenticity and integrity. Required cryptographic parameters are contained in a security envelope, which embeds the message’s payload at the network layer level. It holds per message parameters (e.g., the signature) and per node parameters (e.g., the public key), which are packed into certificates. These certificates are only sporadically piggybacked on messages to reduce average message size [4,5].

Duplicate address detection (DAD) is a well known problem in communication protocols. It arises from independent (i.e., uncoordinated) selection of addresses at individual nodes, as used within VANETs. Countermeasures typically rely on meta data like routing tables, which are not present in many VANET specific protocol stacks, e.g., in the WAVE system without support for multi-hop communication [1,6]. We find that this leads to a variant of the well known hidden station problem, which occurs on various protocol layers. VANET protocol stacks use node identifiers (i.e., addresses) on many protocol layers. Thus, DAD has to be performed on all these layers, too. However, this is not done by current standards. Only the ETSI ITS network layer uses DAD so far, but the applied mechanism only covers the case in which the own node is causing the duplication. A detailed problem definition is given in Section 2.

The need for DAD in regard to certificate IDs is specific to VANETs. Low communication bandwidth and high numbers of highly mobile nodes require frequent on the fly certificate distribution among nodes. This is done by piggybacking certificates on beacon messages. A-priori certificate distribution is infeasible, due to high numbers of nodes and frequent certificate changes by each node caused by privacy requirements [3,7]. To limit channel load, most messages do not carry their signer’s certificate, but only an ID of it [4,5]. Such an ID is typically determined by using a hash function on the certificate. To further limit message size, IDs are limited in length, e.g., to eight bytes for WAVE and ETSI ITS. This leads to the risk of duplicate certificate IDs within communication range of a node, especially in scenarios with high node density.

The further outline is as follows. Section 2 gives a detailed problem statement. A review of related work is provided in Section 3. Section 4 describes the impact of duplicate addresses on functionality of various protocol layers of VANETs together with mechanisms to detect such duplicates. A decentralized scheme for fast DAD and duplicate resolution requiring only low overhead is proposed in Section 5. Moreover, an evaluation of the introduced mechanism is provided. Finally, Section 6 gives a conclusion about achieved results and possible subjects of future work.

مدل نظارت همکاری بر اساس شافر- دمپستر جهت آشکارسازی وسایل نقلیه بدرفتار

A cooperative watchdog model based on Dempster–Shafer for detecting misbehaving vehicles

Abstract

In this paper, we address the problem of detecting misbehaving vehicles in Vehicular Ad Hoc Network (VANET) using Quality of Service Optimized Link State Routing (QoS-OLSR) protocol. According to this protocol, vehicles might misbehave either during the clusters’ formation by claiming bogus information or after clusters are formed. A vehicle is considered as selfish or misbehaving once it over-speeds the maximum speed limit or under-speeds the minimum speed limit where such a behavior will lead to a disconnected network. As a solution, we propose a two-phase model that is able to motivate nodes to behave cooperatively during clusters’ formation and detect misbehaving nodes after clusters are formed. Incentives are given in the form of reputation and linked to network’s services to motivate vehicles to behave cooperatively during the first phase. Misbehaving vehicles can still benefit from network’s services by behaving normally during the clusters’ formation and misbehave after clusters are formed. To detect misbehaving vehicles, cooperative watchdog model based on Dempster–Shafer is modeled where evidences are aggregated and cooperative decision is made. Simulation results show that the proposed detection model is able to increase the probability of detection, decrease the false negatives, and reduce the percentage of selfish nodes in the vehicular network, while maintaining the Quality of Service and stability.

1 Introduction

Vehicular Ad Hoc Network (VANET) [16,20,19,9] is a new kind of ad hoc networks that is characterized by its highly mobile topology. Like Mobile Ad hoc Network (MANET), VANET encounters the problem of selfish nodes that may hinder the implementation of any protocol dedicated to it. However, dealing with these nodes in VANET is more challenging due to the increased ambiguity in the detection caused by the high mobility of vehicles. The Quality of Service Optimized Link State Routing (QoS-OLSR) protocol [10] is a proactive routing protocol modeled to cope with mobile ad hoc networks. It is based on electing a set of optimal cluster-heads and dividing the network into clusters. These heads are then responsible for selecting a set of designated nodes charged of transmitting the network topology information and forwarding the traffic flows. Such nodes are called MultiPoint Relay (MPR) nodes. This protocol is an enhanced version of QOLSR [1] that prolongs the network lifetime by considering the energy of nodes while calculating the QoS function since the nodes, in MANET, have limited energy resources. However, the energy parameter has a minimal importance in VANET due the long battery lifetime of vehicles. In order to extend such a protocol to VANET, velocity and residual distance parameters must be added to the QoS function instead of the residual energy to improve the network stability.

According to this protocol, vehicles might misbehave either during the clusters’ formation by claiming bogus information or after clusters are formed. A vehicle is considered as selfish or misbehaving once it over-speeds the maximum road limit or underspeeds the minimum road limit. Such a behavior is considered as a passive malicious since vehicles do not aim to attack or impede the network functioning, but rather they tend to optimize their own gain neglecting the welfare of others [11]. They entail hence negative implications on the whole network such as the (1) increase in the percentage of MPRs, (2) decrease in the network stability, (3) increase in the clusters disconnections, and (3) increase in the average path length.

To address the above problems, we propose a two-phase model that (1) motivates vehicles to behave normally during clusters’ formation and (2) detects misbehaving vehicles after clusters’ formation. In phase one, incentives are given in the form of reputation where networks’ services are offered based on vehicle’s accumulative reputation. Misbehaving vehicles can still benefit from networks’ services by behaving normally during the clusters’ formation and misbehave after clusters are formed. Thus, the main challenge that we are addressing in this paper and as phase two of our model is the detection of misbehaving vehicles after clusters formation. This is done by the means of cooperative watchdog model based on Dempster–Shafer theory [4] where evidences are correlated cooperatively in order to improve the probability of detection and reduce the false alarms. Thus, we overcome the problem of ambiguity in the detection resulting from packets collision, high mobility of vehicles, and untrustworthy watchdogs. The cluster-members, including the cluster heads, are designated as watchdogs to monitor the behavior of their MPRs where the evidences of any suspicious MPR are shared among all. To overcome the problem of initial trust estimates that the Dempster–Shafer suffers from, we use the reputation calculated in phase one for this purpose. In summary, our contribution is a cooperative detection model based on Dempster–Shafer that is able to increase the probability of detection and reduce the false alarms.

The remainder of the paper is organized as follows. Section 2 reviews the related work. Section 3 formulates the problem. Section 4 motivates the work. Section 5 explains the proposed approach in details. Section 6 explains the model used for simulation and presents empirical results. Finally, Section 7 concludes the paper.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

یک مثال از سیستم موقعیت یابی که هم در فضاهای باز و هم بسته کار می‌کند Place Lab است [61]. با Place Lab، دستگاه‌هایی (مانند لب تاب ها، PDAها، و تلفن‌ها سلولی) موقعیت خود را با (1) گوش دادن به IDهای رادیوهای سلولی ثابت (از نقطه دسترسی بی سیم) و (2) موقعیت‌های سلول‌ها را در یک پایگاه داده تخمین می‌زند. یک مطالعه در Seattle نشان می‌دهد که استانداردهای 802.11 و GSM (سیستم سراسری برای ارتباطات موبایل) به اندازه کافی برای کسب دقت متوسط 20–30 m در تعیین محل کافی هستند.
اگر موقعیت یابی دقیق تری نیاز باشد، یک رویکرد مبتنی بر RFID نیاز است. محصولاتی وجو دارند ( مانند LPM، سنجش موقعیت محلی) که دقت کمتر از اینچ را با یک رویکرد مبتنی بر RFID وعده می‌دهند. این سیستم‌ها، کاملا هزینه بر هستند، و نیازمند زمان راه اندازی قابل توجهی برای کالبیره کردن در راستای کسب دقت محل یابی هستند.
Kusy و همکاران [57] رویکرد جالب دیگری را پیشنهاد دادند، مانند موقعیت یابی تداخلات رادیویی (RIPS). در RIPS، یک جفت گره موج‌های رادیویی را همزمان در فرکانس‌های کمی متفاوت منتشر می‌کنند. یک دستگاه سپس می‌تواند موقعیت خود را با استفاده از آفست فاز نسبی سینگال اندازه گرفته شده از دو گیرنده تخمین بزند. یک ارزیابی تعیین می‌کند که RIPS دقت محل را تا 3cm فراهم می‌کند. Alas، مشابه با LBM است، RIPS کاملا هزینه بر است، و مشابه با GPS تنها در محیط‌های بیرونی کار می‌کند.

2.1.2 نظارت بر ارتباطات
متد دوم برای کسب ردیابی‌های حرکت با استفاده از سیستم‌های ارتباطی موجود و نظارت بر ارتباطات دستگاه‌های ردیابی شده است. محل یک دستگاه می‌تواند با نظارت بر قدرت سیگنال ایستگاه پایه /نقطه دسترسی (BS/AP) و/یا رخدادهای ارتباطی دستگاه‌ها تقریب زده شود. اگر یک دستگاه به یک سلول (مانند GSM) یا یک نقطه دسترسی (مانند WLAN) متصل شود، سپس دستگاه فرض می‌کند که نزدیک به BS/AP است. علاوه بر این، دستگاه می‌تواند بر قدرت سیگنال خود نظارت کند و فاصله دستگاه تا BS/AP تقریب زده شود.
دقت این رویکرد نظارت بر ارتباطات به دو دلیل محدود می‌شود. ابتدا، دقت به تراکم نقاط دسترسی بستگی دارد؛ علاوه بر این، اگر تراکم نقطه دسترسی کاملا بالا باشد، یک گره ممکن نیست با نزدیک ترین نقطه دسترسی ارتباط برقرار کند. دوم، رویکرد نظارت بر ارتباطات فرض می‌کند که یک همبستگی قوی بین یک نقطه قوت سیگنال دستگاه و فاصله آن تا نقطه دسترسی وجود دارد. این فرض محال است که برقرار شود، به خصوص در محیط‌هایی که محوشدگی عمیق رخ می‌دهد. به هر حال، یک رویکرد نظارت بر ارتباطات اغلب در محیط‌های سربسته استفاده می‌شود که یک روش غیر هزینه بر برای محل یابی یک گره در یک محیط خاص (مانند اتاق) است.
زمانی که یک رویکرد نظارت بر ارتباطات استفاده ‌شود، داده حاصل شده از ‌ردیابی محل ممکن است خیلی دقیق نباشد (داده محل تنها نشان می‌دهد که دستگاه موبایل در طیف ارتباطات BS/AP است). با این وجود، می‌توان از داده‌های محل یابی تقریبی برای اعتبارسنجی فرضیات پایه مدل‌های حرکت میکروسکوپی استفاده کرد. علاوه بر این، دقت داده‌های دقیق ممکن است با استفاده از همجوشی داده برای ‌ردیابی بهبود بخشیده شود [11]. هدف همجوشی داده حاصل از رابطه، همبستگی، و ترکیب اطلاعات از یک حسگر واحد یا متعدد برای کسب تخمین‌های اصلاح شده است. تکنیک‌های فیلتر بیزی ([30])، مانند فیلتر ذرات و فیلتر کالمن، می‌تواند برای پس بینی استفاده شود. این رویکردها قدرتمند هستند و هموارسازی داده‌های حاصل از ‌ردیابی را اجازه می‌دهند.
2.1.3 نظارت بر مخاطبین
رویکرد سوم برای ردیابی، استفاده از دستگاه‌های موبایلی است که دیگر دستگاه‌های موبایل حول خود را شنود می‌کنند. با انجام این کار، ردیابی مخاطبین می‌تواند حاصل شود. مخاطبین می‌توانند با استفاده ز Bluetooth یا WLAN در یک حالت بدون زیرساخت ‌ردیابی شوند. همه دستگاه‌های دیگر در این طیف به عنوان یک مخاطب دیده می‌شوند. از آنجایی که دستگاه‌ها ممکن است در این ‌ردیابی‌ها سیار باشند معمولا نمیتوانند به یک محل مطلق نگاشت یابند.
برای برخی از انواع شبکه‌ها، مانند شبکه‌های فرصت طلبانه ([84])، ارتباط بین گره‌های موبایل ممکن است بیشتر از موقعیت حقیقی گره‌ها مورد توجه قرار گیرد. علاوه بر این، ‌ردیابی مخاطبین می‌تواند برای بررسی حرکت و خصیصه اجتماعی آن‌ها استفاده شود. این مشخصه‌ها می‌توانند برای توسعه مدل‌های موجود معتبر و جدید استفاده شوند. علاوه بر ین، اخیرا، کارهایی برای استنتاج ردیابی مبتنی بر محل از ردیابی مخاطبین، در حال انجام هستند.

‌2.2 رد‌یابی‌های موجود
در این بخش یک بررسی بر ردیابی‌هایی ارائه می‌دهیم که در حال حاضر در دسترس هستند. چندین طرح CRAWDAD، UNC/FORTH و MobiLib وجود دارند که مخازنی را برای ردیابی داده واقعی فراهم میکنند. این مخازن شامل ردیابی‌های واقعی از سناریوهای واقع بینانه و ارزیابی آزمایشی هستند. الگوهای حرکتی که در یک ردیابی‌ از یک ارزیابی آزمایشی وجود دارد اغلب به ارزیابی انجام شده برای آزمایش بستگی دارند (برای مثال دستگاه‌ها بر طبق الگوهای طبیعی حرکت نمی‌کنند). برای اعتبارسنجی مدل‌های حرکتی طبیعی و الگوهای حرکت واقع بینانه این موارد نیاز هستند. بنابراین، ما در جایی که حرکت گره برای ارزیابی منحصربفرد است از ردیابی‌های آزمایشی استفاده نمیکنیم. به عبارت دیگر، برای نظرسنجی، ما از (1) ردیابی‌هایی از سناریوهای واقع بینانه و (2) ردیابی‌هایی از ارزیابی‌های آزمایشی در جایی که الگوهای حرکتی جهان واقعی رخ دهد استفاده می‌کنیم.
ما ردیابی‌ها را برطبق تعداد گره‌های استفاده شده در ‌ردیابی، مدت زمان ‌ردیابی، انواع سناریو، داده ردیابی شده، و مخازنی در هر جایی که ردیابی‌ حاصل شود، دسته بندی می‌کنیم. ما دسته بندی‌های خود را در جدول 1 نشان دادیم. همانطور که نشان دادیم، ردیابی‌های زیادی در دسترس هستند. بسیاری از این ردیابی‌ ها، کاملا مشابه هستند و تنها تعداد محدودی از سناریوهای متفاوت و اپلیکیشن‌ها وجود دارد. به خصوص، جدول 1 تشریح می‌کند که ردیابی‌هایی که در حال حاضر وجود دارند اساسا برای کنفرانس، محوطه دانشگاه یا شهرها هستند. بنابراین، یک چالش کار آینده کسب ردیابی دقیق برای انواع سناریوها و اپلیکیشن‌های متفاوت است.
در جدول 1، تنها ‌ردیابی‌‌هایی را لیست کردیم که به صورت عمومی دردسترس هستند. البته، ردیابی‌هایی وجود دارند که تنها به صورت آزادانه برای جامعه در دسترس هستند. برخی از این‌ها ردیابی‌های (غیرقابل دسترسی) برای تعمیم ردیابی‌های ترکیبی (مانند HWGUI) و شبیه سازهای تجاری (VISSIM) استفاده می‌شود. این شبیه سازها اغلب توسط دانشمندان از دامنه‌های دیگر استفاده می‌شوند ( تولیدکننده ماشین یا طراح شهر یا ترافیک جاده ای). مدل‌های استفاده شده در این دامنه‌ها سناریوهای بسیار خاصی هستند ( مانند سناریوهای شهری، روستایی، وسایل نقلیه) و معمولا بسیار دقیق هستند. بنابراین، برخی از ارزیابی‌های عملکرد شبکه (برای شبکه‌های خودرویی) شبیه سازی‌های مختلف حوزه‌های مختلف را به هم وصل میکنند. با انجام این کار، مدل‌های خاص دامنه می‌توانند برای ارزیابی یک سیستم ارتباطی استفاده شوند.

جدول 1: بررسی بر ‌ردیابی‌های موجود. گره‌ها به کاربران منحصر / آدرس MAC در مجموعه ردیابی‌ اشاره می‌کنند.

بسیاری از کنفرانس‌ها و رشته‌های دانشگاهی لیست شده در جدول 1، مانند [52]، با سنجش ارتباط با نقطه دسترسی WLAN حاصل شده است. متاسفانه، همانطور که در بخش 2.1.2 بحث شد، دقت این رویکرد در حد نظارت بر ارتباطات محدود است. از آنجایی که نقطه دسترسی WLA می‌تواند دقت را در طیف WLAN فراهم کند، دقت این ردیابی‌ها به تراکم نقاط دسترسی بستگی دارد. علاوه بر این، ارتباط یک دستگاه به یک نقطه دسترسی حاکی از این نیست که این نقطه دسترسی نزدیک ترین مورد است. برای مثال، انتشار سیگنال در یک ساختمان یا بین ساختمان‌ها اغلب محدود به یک محیط است.

مقاله انگلیسی رایگان

ترجمه فارسی رایگان 

بخشی از ترجمه فارسی مقاله:

چکیده:
محبوبیت تحقیقاتی که شامل اشتراک گذاری محتوایی با استفاده از مدل جفت با جفت(نظیر به نظیر) اشتراکی هستند در شبکه ad-hoc خودرویی بیشتر شده است. پنجره کوچک مربوط به حمل و نقل از یک وسیله نقلیه به یک نقطه دستیابی مورد نظر (AP) , قابلیت جا به جایی یک وسیله و ارتباطات متناوب و دارای طول عمر کم به یک نقطه دستیابی مورد نظر دلایلی را برای داشتن مشارکت یک وسیله نقلیه با دیگری نشان میدهند که می توانند اطلاعاتی را از اینترنت کسب کنند. این گونه ویژگی های شبکه ad-hoc استفاده از نمونه های جفت اشتراکی را نشان میدهند و باعث ایجاد انگیزش برای ساخت برنامه های کاربردی مثل CarTorrent که محتوی را به اشتراک میگذرارند می شوند.
ساختن چنین برنامه ای برطبق تحقیقاتی در SPAPWN CarTorrent , را انجام دادیم و آن را بر روی VANET واقعی پیاده سازی کردیم .آزمایش های گسترده ای را در این زمینه اجرا کردیم تا میزان قابل اجرا بودن برنامه کاربردی که در خور VANET هستند ثابت شود .گسترش چنین برنامه های کاربردی وابسته به حمل و نقل ad-hoc اولین نوع از این مطالعات است.
1.معرفی
ابزارهای امنیتی راهبردی توسعه و ارتقا VANET را به سمت جلو برده است. در ورای امنیت راهبردی انواع جدیدی از برنامه های کاربردی مثل ” آفیس آن ویلز “و” آن کار اینرنیمتن ” پدید آمدند. در این میان , اشتراک گذاری فایل دارد شتاب حرکتی خود را می یابد: مردم نه تنها در هنگام رانندگی میخواند موزیک و ترلیر های فیلم ها را دانلود کنند بلکه میخواند داده هایی که مبتنی بر دانستن مکان فرد ستند مثل تور های مجازی هتل ها را نیز دانلود کنند.
مردم میتوانند این فایل ها را از طریق نقاط دستیابی کنار خیابانی دریافت کنند که اتصالات اینترنی را فراهم می کند که با نام “وار درایوینگ” شناخته شده است. مدل کلاینت سرور مرسوم به دلایل زیر در این نوع اتصالات نه کار میکند و نه می تواند اندازه گیری کند. دلیل اول اینکه به خاطر قابلیت جابه جایی , زمان برقراری ارتباط واقعی با یک نقطه دستیابی کوتاه است. برای مثال با فرض اینکه رنج برد وای فای 300 متر است , زمانی که سرعت راننده 45mph است ، ما می توانیم زمان اتصال 30 ثانیه ای داشته باشیم(در سی ثانیه ارتباط برقراری کنیم).با قرار دادن سربار حاصل از اشتراک گذاری, DHCP, زمان واقعی کمتر از سی ثانیه خواهد بود. دلیل دوم اینکه . در محیط های واقعی طول سیگنال ها تابعی از فاصله می باشد . هنگامی که فاصله خودرو از نقطه دستیابی زیادتر می شود طول سیگنال کاهش می یابد. این امر باعث افزایش نرخ خطا به ازای هر پاکت می شود که به این ترتیب خروجی موثر که می تواند حاصل شود از چیزی که حاصل میشود کمتر است.دلیل سوم این است که در واقعیت نه این امر قابل اجرا جرا است که در هر 300 متر یک نقطه دستیابی نصب کنیم نه آنکه بخواهیم در وسط راه نگه داریم و دانلود کنیم ممکن است. پس این چنین در نظر میگیریم که در واقعیت زمان داشتن اتصال کم است و خروجی ایده آل کم. برای اینکه این موقعیت را به خوبی کنترل کنیم ما از هجومی که به اتصالات جفت با جفت شده است حمایت می کنیم که در آن کاربرانی که خارج از نقاط دستیابی هستند می توانند از یکدیگر قسمت هایی از فایل را دانلود کنند.
در فایل p2p مثل BitTorrent یک فایل به قطعاتی با اندازه مشابه تقسیم میشود و با قطعه های دیگر جفت می شود و می تواند با هر قطعه ی موجود دیگری با تشکیل دادن یک شبکه ی اضافی تعویض شود. این کار نه تنها بار سرور را کم میکند بلکه دسترسی به تکه ها را افزایش میدهد پس فرآیند دانلود کردن را نیز افزایش میدهد. هر چند BitTorrent بخاطر تفاوت بین توپولوژی مازاد و توپولوژی فیزیکی گره های قابل جا به جایی نمیتواند مستقیما به مناطقی که وایرلس در آنجا موجود است پورت شود. برای مثال جفتی که در توپولوژی منطقی به اندازه ی یک hop دور از ماست در توپولوژی فیزیکی پنج hop دور از ماست. برای ارتقا دادن تعداد منابع وایرلسی موجود توسط ترافیک مکانیابی (که باعث افزایش تنوع فاصله ای و کاهش سربار های مسیر یابی میشود) محققان بر روی نگاشت پوشش منطقی به توپولوژی فیزیکی پرداخت اند.به طور ویژه spawn از استراتژی ” انتخاب برمبنی تکه ی proximity driven ” استفاده میکند که میانگین hop را در کشیدن های چند hop ای کم کرده است. اینگونه تصور میشود که این استراتژی نسبت به روش مرسوم ” کم یابترین اولین” کارایی بیشتری دارد .
در این مقاله ما CarTorrent را ارائه می دهیم که پروتکلی است از سبک BitTorrent که در محیط های وابسته به حمل و نقل مورد استفاده است که توسط spawn توسعه داده شد. برای یک فایل کلاینت های CarTorrent تکه های اطلاعاتی موجودشان را با استفاده از روش پراکندن دیتا منتشر میکنند. (مثلا k اُمین hop با انتشار هدف محدود و مشخص میشود). هر انتشار پیام به سمت جلو هدایت می شود تا زمانی که به گره ای که در hop کِی اُم نسبت به مرکز نشر است برسد.سپس جفت ها می توانند آمار هایی را مثل توپولوژی محلی و تکه های موجود را جمع آوری کنند . این آمار ها برای انتخاب یک تکه/جفت که از نظر فاصله ای نزدیک تر هستند استفاده می شوند. به بیان دیگر اگر جفت آ و ب تکه کمیابی را که سی می خواهد در اختیار داشته باشند آنگاه سی می تواند توسط آ انتخاب شود چون آ با طی کردن hop کمتری می تواند به سی برسد.کاربران CarTorrent می توانند صف هایی را به کلاینت ها ارسال کنند. صف دارای تحمل در تاخیر است مثلا زمانی که اتصال موجود است ارسال می تواند صورت بگیرد و مشکل حل شود .در نظر داشته باشید که خواستن اطلاعات دانلودی , جاهای دیدنی , پیش نمایش فیلم سینمایی مهم تر از میل به نگه داشتن ان اطلاعات می باشد و بنابرین انگیزه ی اشتراک گذاری را بیشتر فراهم می اورد.
هدف این مقاله امتحان کردن میزان عملی بودن اشتراک گذاری درون وسیله ای (وسیله نقلیه) به وسیله ی CarTorrent میباشد. برای پیش بردن این هدف ما برنامه CarTorrent را پیاده سازی میکنیم و کارایی آن را در بستر آزمایش VANET اندازه میگیریم.استفاده ی برنامه ی جفت به جفت در این آزمایشات اولین گام حرکت است. نشان میده و یم که جفت های اشتراکی میتوانند مکانسیم پراکندن را به بهره وری خوبی برسانند تا حضور یکی از جفت ها قابل تشخیص باشد استراتژی انتخاب قطعه برای دانلود کردن از دیگری به کار گرفته شود. ما آزمایشات را در سطح وسیعی انجام می دهیم و مقیاس های اندازه گیری کارایی را در VANET به دست می اوریم. مقایسات کارایی بین خط شروع پارکینگ های ساکن و سناریو های سیار جاده ای را نشان می دهیم. ما بر این باویم که بسیاری از درس هایی که اموخته ایم و تکنولوژهای که با این اندازه کاری برای آزمایش انتخاب شده اند برای این تحقیق ما بی اعتبار هستند.
ما بقی مقاله به صورت زیر برنامه ریزی شده است . قسمت دوم آرشیو CarTorrent و جزئیات پیاده سازی را نشان میدهد. قسمت سوم تجربه ی نصب ما و نتایج آن را ارائه میدهد . قسمت 4 کار های وابسته به آن را نشان میدهد. و نهایتا قسمت 5 نتیجه گیری های مقاله و کارایی احتمالی زمان فعلی و آتی را در این رابطه نشان میدهد.

بخشی از مقاله انگلیسی:

ABSTRACT

Content sharing using cooperative peer-to-peer model has become increasingly more popular in a vehicular ad hoc network (VANET). The small transmission window from a vehicle to an access point (AP), high mobility of vehicles, and intermittent and short-lived connectivity to an AP provide incentives for vehicles to cooperate with one another to obtain information from the Internet. These characteristics of VANETs naturally stipulate the use of cooperative peer-to-peer paradigm and motivate related content sharing application such as CarTorrent. Building upon previous research on SPAWN[6, 1], we have implemented CarTorrent and deployed it on a real VANET. We have run extensive field tests to affirm the feasibility of the peer-to-peer file sharing application tailored to VANET. To the best of our knowledge, the deployment of such a content sharing application on a real vehicular ad hoc testbed is the first of its kind.

1. INTRODUCTION

Navigation safety requirements have propelled the development and deployment of VANET. Beyond the safety navigation, new types of applications have emerged such as office-on-wheels and on-car entertainment. Among these, file sharing is gaining its momentum: People want to download not only music and movie trailers while driving, but also location-cognizant data such as virtual hotel tour clips. People can download files from road-side access points (APs) that provide Internet connections, which is known as Wardriving [8]. The conventional client-server model will not work neither scale well for the following reasons. First, due to the high mobility, the actual contact time to an AP is short. For example, assuming that the WiFi range is 300m, when driving at the speed of 45mph, we can have 30 seconds of contact period. With the overhead of association, DHCP, and Internet connections, the actual contact period is shorter than 30 seconds. Second, in real environments signal strength is mainly a function of distance; i.e., as the distance from the AP increases, the signal strength decreases. This increases the packet error rate; consequently, the effective throughput that one can achieve is much less than expected. Third, it is neither practical to install APs every 300 meters, nor feasible to stop in the middle of roads to download a file. Thus, we conclude that in reality, the contact period is short, and its goodput is low. To effectively handle this situation, we advocate the use of peer-to-peer file swarming in which users out of AP range can still download parts of files from others. In P2P file swarming such as BitTorrent, a file is divided into the same size pieces, and peers with fractions of a file can exchange whatever pieces available by forming an overlay network. This not only sheds the load of the server, but also increases the availability of pieces, thus expediting the downloading process. However, BitTorrent cannot be directly ported to wireless environments because of the discrepancy between a logical overlay topology and a physical topology of mobile nodes. For instance, a peer who is one hop away in a logical overlay could be located five hops away physically. To maximize the available wireless resources by localizing traffic (i.e., which increases the spatial diversity and reduces the routing overheads), researchers thus far have focused on mapping the logical overlay to physical topology [3, 7, 1]. In particular, SPAWN uses the proximity-driven piece selection strategy, thus further reducing the average hop count of multi-hop pulling. It is known that the proximity-driven piece selection outperforms the conventional “rarest first” piece selection. In this paper, we propose CarTorrent, a BitTorrent-style file swarming protocol in the vehicular environment, by extending SPAWN [1]. For a given file, CarTorrent clients disseminate their piece availability information via gossip- ing (i.e., by k-hop limited scope broadcasting). Each gossip message is forwarded until it reaches to nodes located k-hop away from the originator. Thus, peers can gather statistics such as local topology and piece availability. Statistics are then used to select a piece/peer that is preferably close in proximity. In other words, given that two peers A and B own a rarest piece that C desires, C would choose A because A has a shorter hop count to C than B does. CarTorrent users can send queries to other clients; the query is delay tolerant such that whenever the connectivity is available the query is sent out and resolved. Note that the craving for downloading information, e.g., sightseeing landmarks, movie previews, outweighs the penchant for keeping to oneself and thereby provides incentives for cooperative content sharing. The goal of this paper is to test the feasibility of in-vehicle content sharing (i.e., CarTorrent). Toward this goal we implement CarTorrent and measure its performance in a real VANET testbed. The use of the peer-to-peer application on a real VANET testbed is the first of its kind. We show that peers can utilize the gossip mechanism to recognize one another’s presence and employ the piece-selection strategy to optimally download files from one another. We run extensive field tests and obtain performance measurements in a real VANET testbed. We demonstrate performance comparisons between baseline static parking lot and real road mobile scenarios. We believe that many lessons learned and technologies picked up to set up a testbed of this size are invaluable to VANET research. The rest of this paper is organized as follows. Section 2 illustrates CarTorrent’s architecture and implementation details. Section 3 presents our experiment setup and results. Section 4 shows the related work. Finally, Section 5 draws conclusion of the paper, and present the possible future work.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

هر وسیله‌ی نقلیه‌ای که ZRREQ را برای اولین بار دریافت می‌کند اگر وسیله نقلیه در داخل ZOF باشد پیام را می پذیرد، و خیلی از فرستنده دور نیست. دلیل فاصله از فرستنده برای ساخنت یک درخت چندپخشی قوی است. فاصله Cutoff مانند a.R که R حداکثر برد رادیو و0<α≤1 است. در این مقاله ما از α=2/3 استفاده کرده‌ایم.
اگر یک وسیله نقلیه ZRREQ را پذیرد، آن را به وسیله نقلیه یکی هاپ که ZRREQرا با یک پیام پاسخ منطقه مسیر (ZRREP) فرستاده، پاسخ می‌دهد که شامل VIN آن است. همچنین آن اطلاعات [SS,Z] را در یک جدول مسیریابی ذخیره می‌کند. در نهایت ZRREQ را از جمله VIN اصلی، ZOR و SS دوباره پخش می‌کند. وسایل نقلیه در ZOF اما نه در ZOR به ZRREQ پاسخ نمی‌دهند مگر اینکه آنها یک پاسخ دریافت کنند. شماره توالی SS در رابطه با VIN منبع خودرو (مبتکر) به‌عنوان یک شناسه منحصر به فرد در جداول مسیریابی تشکیل شده توسط کشف مسیر فرآیند استفاده می‌شود.
پس از جاری شدن سیل در سراسر ZRREQ در طول ZOF، برخلاف AODV، پیغام‌های ZRREP به منبع ارسال نشده است. در عوض آنها تنها به گره انتقال ZRREQ انتقال می‌یابند. همه‌ی گیرندگان یک پیام ZRREP ،VIN خودرو که ZRREP و متناظر با SS و منبع VIN ارسال می‌کند ذخیره می‌کنند. بسته‌ی داده‌ها از منبع یکسان VIN و SS به فرستنده ZRREP فرستاده خواهد شد. به‌این ترتیب تمام گره‌ها اطلاعات محلی مورد نیاز برای ساخت یک درخت چندپخشی ریشه‌دار در گره منبع را ذخیره می‌کنند. هنگامی که درخت تشکیل شد، به‌عنوان مثال، پس از ارسال ZRREP به والدین در درخت، داده‌ها می‌توانند در درخت منتشر شوند (در شکل 2نشان داده شده است).

2.2 انتقال داده
از آنجا که هر فروشگاه وسیله نقلیه هاپ (بازدیدکنندگان) این اطلاعات را در مورد منبع VIN و SS ذخیره می‌کنند، داده‌ها از طریق درخت به عنوان یک تابع از آن اعداد فرستاده می‌شود. منبع بسته‌های داده را بلافاصله پس از دریافت یک پیام ZRREP ارسال می‌کند. منبع (و تمام گر‌ه‌های حمل و نقل در درخت چندپخشی) پیام M را به تمام وسایل نقلیه که ZRREP را دریافت کرده‌اند unicasts می‌کند. پیام نیز برای یک زمان کوتاه در موردی که ZRREP را پس از پیام آن دریافت کند در بافر ذخیره می‌شود. بنابراین، هر پیام از طریق درخت چندپخشی با توجه به “جدول مسیر” ذخیره شده در طول فرآیند کشف مسیر پخش می‌شود. همه‌ی گیرنده‌ها نیز بسته را اگر آنها در ZOR باشند ارسال می‌کنند. از آنجا که داده‌ها با استفاده از unicast انتقال می‌یابند، از مزایای لایه MAC بهره می‌برند.

2.3 اتمام مهلت مسیر
هنگامی‌که وسیله نقلیه حرکت می‌کند، ZOR برای یک کاربرد خاص در زمان تغییر خواهد کرد. اما، اگر یک وسیله نقلیه چندین پیام به برنامه ZOR یکسان در زمان کوتاه بفرستد، نیاز به انجام کشف مسیر برای هر پیام وجود ندارد. برای مثال، برای وسایل نقلیه که در 90کیلومتردرساعت حرکت می‌کنند، ZOR ممکن است تنها 25 متردر ثانیه تغییر کند. اگر ZOR اولیه چند کیلومتر بزرگ باشد، همان ZOR می‌تواند استفاده شود. ما ZOR را زمانی نامعتبر درنظر می‌گیریم که وسیله نقلیه منبع بیش از 25 متر از موقعیت کشف مسیر اولیه حرکت کند.

3. محیط شبیه‌سازی
‌ ما ROVER را با استفاده از بسته شبیه‌سازی Jist/SWANS [19] [20] با ماژول STRAW [21] ارزیابی کردیم. Jist/SWANS یک شبیه‌ساز برای شبکه‌های ad-hoc تلفن همراه، مشابه NS-2، است که در جاوا پیاده‌سازی شده است. STRAW از نقشه‌های واقعی مجتمع جغرافیایی رمزگذاری توپولوژیکی و مرجع (TIGER) سیستم در دسترس از اداره آمار جغرافیا ایالات متحده استفاده می‌کند [22]. ما راه‌اندازی شبیه‌ساز در جهات مختلف و پیاده‌سازی ROVER به‌عنوان یک ماژول مسیریابی جدید را افزایش دادیم. در آن زمان که ما شبیه‌سازی را انجام دادیم، توسعه‌ی Jist/SWANS یک پروژه‌ی درحال انجام بود و ماژول STRAW برای سناریوی شهر با سرعت کم و یک شبکه جاده‌ها در حال توسعه بود. همچنین تعدادی از مشخصات پروتکل ناقص بود (به‌عنوان مثال، شماره توالی از دست رفته در 802.11). علاوه‌براین، از آنجا که پروتکل اصلی پشته از تک پخشی با آدرس ثابت استفاده می‌کرد، ما مجبور به تغییرات بسته‌های Jist/SWANS/ STRAW اصلی بودیم.

3.1 نرم‌افزار انتقال اطلاعات
‎برای ارزیابی عملکرد پروتکل مسیریابی پیشنهادی، از نرم‌افزار انتقال اطلاعات عمومی استفاده کردیم. در این نرم‌افزار یک وسیله نقلیه یک پیام به وسایل نقلیه پشتش می‌فرستد. وسیله نقلیه‌ای که پیام می‌فرستد، در بقیه این مقاله، به عنوان وسیله نقلیه منبع (SV) خوانده می‌شود. هنگامی که یک SV پیام ارسال می‌کند، نرم‌افزار ZOR مناسب را تعیین می‌کند. در این مقاله، ZOR یک مستطیل پشت SV، با طول L متر و عرض W متر است. W به‌اندازه کافی بزرگ است تا تمام خطوط جاده را در جهت SV پوشش دهد. پس از آن پیام باید تاحد ممکن سریع و قابل اعتماد به تمام وسایل نقلیه در ZOR تحویل داده شود.

3.2 مدل راه و ترافیک
STRAW از نقشه جاده‌های واقعی به طور پیش فرض استفاده می‌کند. از آنجا که هدف از این تحقیقات ارزیابی پروتکل مسیریابی مطرح شده است، ما می‌خواهیم که مدل جاده بسیار ساده برای جلوگیری از هر گونه اثرات ناشی از نقشه راه خاص استفاده کنیم. بنابراین، یک بزرگراه مستقیم در فرمت TIGER ساختیم و سپس این جاده را در شبیه‌سازی استفاده کردیم. بزرگراه به طول 10km با 3 خط در هر جهت است. حداکثر سرعت مجاز در بزرگراه 120 کیلومتر در ساعت است.
وسایل نقلیه با توجه به مدل تعقیب ماشین [23] حرکت می‌کند. ما رفتار تغییر خط را اجرا کردیم. STRAW اصلی این ویژگی را پیاده‌سازی نمی‌کرد و ما مواردی با یک خط پر از ترافیک در حالی که دیگری اینچنین نبود مشاهده کردیم. در راه‌اندازی وسایل نقلیه ممکن است خط را تغییر دهیم اگر خودرو در مقابل آنها خیلی آهسته حرکت کند.

3.3 مدل‌های ارتباطات
در لایه فیزیکی از مدل محو ریلی عرضه شده توسط STRAW استفاده کردیم. این مدل دارای یک انتقال تدریجی میزان پذیرش از 100٪ به 0٪ به عنوان افزایش فاصله بین فرستنده و گیرنده می‌باشد. نرخ لایه فیزیکی داده‌ها که ما در نظر گرفتیم 54Mbps بود، مطابق با نرخ داده‌های 802.11، (که به نوبه خود مشابه برد کوتاه استاندارد ارتباطات اختصاصی(DSRC) بود [24]).

در لایه MAC ما از طرح CSMA/CA در IEEE 802.11 استفاده کردیم (مشابه DSRC). در لایه شبکه و حمل و نقل از نسخه‌ی اصلاح شده‌ی IP و UDP استفاده کردیم. به‌طور خاص، از آنجایی که ما از پرداختن جغرافیایی، به‌جای آدرس IP عادی استفاده کردیم از شماره‌های VIN برای وسایل نقلیه و ZOR و ZOF (مشخص شده توسط مختصات گوشه) برای تعیین مقصد استفاده کردیم.

مبتدی (مناسب برای درک مفهوم کلی مطلب)

F1869

همانطور که در شکل 1 نشان داده شده است. بخش بالایی شکل 2 نشاندهنده لنز K-KR دو لایه است که اسکن 360 درجه (3) را میسر می سازد. توان ورودی از یک پورت پرتو، از لنزهای بالایی و پایینی عبور می کند و تنها از پورت های عنصر بالایی خارج می شود اما نه از طریق پورت های پرتوی پایینی. با این روش، یک عنصر و پورت پرتو می تواند همان موقعیت را در محیط لنز اشغال کند.

که در آن A دامنه سیگنال rf اعمالی در پورت ورودی است. یک پرتو می تواند صفحه لنز را تا مقدار زاویه با تغییر مقدار KR اسکن کند. هرچند، چون این مقدار با ثابت دی الکتریک محیط لنز و شعاع لنز تعیین می شود، زمانی که لنز ساخته می شود، زاویه اسکن عمودی تنظیم می شود. با مدلسازی رایانه، تعیین شد که K تقریباً 1.35cos a در زوایای عمودی مورد نظر در این طرح است که در آن a زاویه اسکن عمودی است. این لنز می تواند در افقی با تغییر پورت ها برای ورودی سیگنال rf اسکن شود و 360 درجه پوشش می تواند با سوییچینگ از طریق هر رابط جایگذاری شده متقارن به دست آید.

شبکه تغذیه
شبکه تغذیه سیگنال rf در اشکال2،3 و 4 نشان داده شده است. مشخصات طرح برای سیستم آنتن روی اندازه روزنه و فرکانس عملیاتی نشان داد که دو حلقه از عناصر روی روزنه آنتن لازم خواهد بود. این کار به عناصر اجازه می دهد تا به طور مناسب نزدیک به یکدیگر برای جلوگیری از لوب های کناری بسته بندی شوند و بهره ماکزیمم شود. آرایش بسته بندی عنصر ابتدائاً آزمایش شده دارای شش عنصر پچ تشکیل دهنده حلقه داخلی و 12 تا در حلقه خارجی است. استفاده از دو حلقه عناصر در روزنه نیاز داشت که لنز با مقادیر مختلف KR برای تغذیه حلقه داخلی و خارجی به کار گرفته شوند. این لنزها، به صورت A و B در شکل 2 نامگذاری شده اند. برای فراهم نمودن توانمندی های دریافت و انتقال برای این سیستم، پیکربندی مدار نشان داده شده در شکل 2 در جایی به کار گرفته می شود که دو لنز از هر نوع برای پورت های ورودی/خروجی و عناصر تابشی توسط 90 درجه هیبرید متصل شوند. همانطور که قبلاً ذکر شد، موقعیت پرتو در صفحه افقی با انتخاب پورت های ورودی/خروجی مختلف برای لنز R-KR تغییر می یابد. این عمل با دو بلوک شبکه سوییچ در شکل 2 انجام می شود.
شبکه سوییچ برای حلقه عنصر داخلی در شکل 4 نشان داده شده است و شامل دو هیبرید 90 درجه، یک شیفتر فاز 180 درجه و شش دیود PIN (یکی برای هر عنصر) می شود. دیودهای PIN سوییچ روشن/خاموش را برای هر پورت فراهم می کنند در حالیکه توان باید به خارج از پورت هیبرید منتقل شود یا بین این دو تقسیم شود. این قابلیت برای مشترک نمودن توان بین پورتها، تعداد پرتوها را دو برابر می کند، این آرایه می تواند شکل گیرد و مدولاسیون بهره را در صفحه افقی بین پرتوها کاهش دهد. شبکه سوییچینگ برای حلقه عنصر خارجی مشابه با حلقه داخلی است. سه جزء باقیمانده مدار، تقسیم کننده توان، سیرکولاتور و فیلتر باند گذر (B.P) هستند. تقسیم کننده توان، تقسیم سیگنال بین لنز A، B و عنصر مرکز را فراهم می کند. این تقسیم به گونه ای تنظیم می شود که درصد توان فراهم شده برای هر پورت خروجی/ورودی (تعداد عناصر در حلقه) / (تعداد کل عناصر) که باشد بهره را ماکزیمم نماید. سیرکولاتور و فیلتر B.P برای دریافت و انتقال جداسازی مدار فراهم می شوند.
C. آنتن
این آنتن یک آرایه حلقه مسطح با عناصر مایکرواستریپ پچ پولاریزه دایروی است که با شکل سقف اتومبیل تطابق می باد. آنتن و شبکه تغذیه به صورت واحدی با تکنیک های خط نواری چندلایه ساخته می شود.
تحلیل سیستم آنتن
سیستم انتن توصیف شده در بخش قبلی در رایانه با برنامه نویسی مدل سازی شد
این مدل در آزمایش و بهینه سازی عمودی میدان دور آرایه و الگوهای بهره افقی به کار گرفته شد. در این بخش، طراحی الگوی بهره عمودی به صورت توصیف الگوهای بهره افقی و فرآیند استفاده شده برای تعیین پیکربندی نهایی آنها بررسی می شود.
همانطور که توسط این معادله میدان نمایش داده شده، این محاسبات بهره برای قطبیت خطی هستند. این کار برای ساده سازی تحلیل و بررسی روندها در الگوهای آنتن انجام شد. محاسبات نهایی برای قطبیت دایروی انجام خواهد شد.
A. الگوهای بهره افقی و عمودی
الزامات پوشش بهره برای آنتن گسترش یافته از 20 تا 60 درجه در عمودی و 0 تا 360 در افقی بود. آزمایش الگوها ابتدائاً برای یک آنتن با 12 عنصر در حلقه خارجی، شش تا در حلقه داخلی و عنصر مرکزی صورت گرفت که در آن فاصله گذاری مرکز به مرکز شعاعی عناصر 0.55λ بود. با این هندسه، پرتو در عمود برای یافتن زاویه اسکن اسکن شد که در آن بهره در 20 و 60 درجه معادل بود. این کار برای متعادل نمودن یا بهینه نمودن پوشش در عمودی انجام شد. اسکن نمودن توسط تغییر زاویه اسکن a انجام شد و a بهینه در 31 درجه در زاویه افقی 0 یافت شد. بهره این الگو و تمام الگوهای زیر با توجه به بهره آنتن با توزیع یکنواخت در 0 در جه افقی 90 درجه عمودی انجام شد.
با استفاده از این طرح بسته بندی عنصر با a=31 درجه، الگوی بهره در صفحه افقی در ، 41 و 60 درجه برای چندین پرتوی مجاور آزمایش شد. مطالعه سطوح متقاطع بهره در صفحه افقی در سه زاویه عمودی نشاندهنده مدولاسیون بین پرتوهای بزرگتر از 3dB بود. تلاش ها برای پر نمودن این نواحی خالی با پرتوهای اضافی تشکیل شده توسط طرح های به اشتراک گذاری مختلف روی لنزهای پورت های ورودی برای فراهم نمودن کمتر از 3dB مدولاسیون موفق نبود.
در این نقطه، یک آرایش بسته بندی متفاوت عنصر دارای 12 عنصر حلقه داخلی و 12 تا در حلقه خارجی در نظر گرفته شد. A بهینه برای این هندسه 34 درجه تعیین شد. پوشش عمودی دارای بهره پیک 14.7 dB در 41 درجه و بهره 11.8 dB در 20 و 60 درجه بود. این پرتو در زاویه افقی 0 درجه بود. الگوهای بهره در صفحه افقی برای و 60 درجه برای پرتوهای مجاور آزمایش شد. این الگوها روی هم قرار گرفتند و نشان دادند که مدولاسیون کمتر از 1.25 dB می تواند بین پرتوهای مجاور انتظار رود. با این هندسه عنصر، 24 پرتو تولید می شود و 360 درجه پوشش را فراهم می کند.

 مقاله انگلیسی رایگان

ترجمه فارسی رایگان 

بخشی از ترجمه فارسی:

خلاصه :
در این مقاله ما اطلاعاتی را در مورد AFR برای شما بیان می کنیم . AFR یک وسیله متحرک هندسی جدید است که الگوریتم را مسیر یابی می کنیم الگوریتم بطور کامل توزیع شده است (پراکنده شده است) گره ها باید فقط با همسایه های مستقیم شان که در محدوده انتقال آنها قرار دارند در تماس بوده و ارتتباط برقرار کنند ما نشان می دهیم که اگر بهترین مسیر AFR است که هزینه ای به مقدار C دارد ، ترمینال هایی که ارزشی به اندازه O (c2) دارند بدترین مورد می باشند AFR یک الگوریتم rst با هزینه است که بوسیله عملکرد یک مسیر بهینه و مطلوب محدود شده است.
ما همچنین با نشان دادن این موضوع که هر الگوریتم مسیریابی مهندسی بدترین ارزش و هزینه را دارد یعنی (c2) یک محدوده زیرین محکم و استواری را ارائه می دهیم بنابراین AFR کاملا مطلوب و بهینه است ما یک الگوریتم غیر هندسی را ارائه می دهیم که با محدوده (مرز- حدود ) زیرین هم مطابقت دارد اما مقداری حافظه در هر گره نیاز دارد این مطلب باعث بوجود آمدن یک تجارت وسوسه گر بین هندسه و حافظه می گردد.
– طبقه بندیها و توصیفهای موضوعات:
F.2.2 ( تجزیه و تحلیل الگوریتم ها و مشکلات پیچیده ) الگوریتم های غیر عددی و مشکلات و مسائل آن .
مسائل هندسی و محاسبات . مسیر یابی و طرح C.22.2 .(شبکه های ارتباطی کامپیوتر ): پروتکل های شبکه ای (شبکه ) پروتکل های مسیر یابی
عبارات و اصطلاحات معمول : الگوریتم ها ، تئوری
کلمات مهم و اساسی : شبکه های Hoc – Ad (ویژه – متخصص ) مسیریابی رودرو ، مسیر یابی هندسی ، مسیریابی گرافهای دیسک واحد ، مکالمه بدون نیاز به سیم کاری که در این مقاله ارائه شده است (بخشی از آن ) توسط مرکز ملی تحقیقات در مورد اطلاعات موبایل و سیستم های ارتباطی حمایت شده است ( یعنی مرکز MACS-NCCR ) و بخش مهم آن توسط Swiss National Science حمایت و ضمانت شده است که شماره ضمانت آن (مرکز علم ملی موسس ) Foundation 322 67- 5005 می باشد.
مقدمه:
شبکه ویژه (hoc-Ad) موبایل از گره های متحرک تشکیل شده که مجهز به رادیوی بدون سیم می باشد گره های وسیله متحرک موبایل را همانند نقطه ها در هواپیمای اقلیدسی در نظر می گیریم اگر دو گره در محدوده انتقال یکدیگر قرار گرفته باشند می توانند بطور مستقیم با یکدیگر ارتباط برقرار کنند در این مقاله ما فرض می کنیم که تمام گره ها محدوده انتقالی یکسانی دارند یعنی R1 .
دو گره با فاصله هایی بیشتر از R میتوانند از طریق تقویت پیامشان بوسیله یکی از گره های حد واسط با یکدیگر ارتباط برقرار نمایند این فرایند مسیر یابی multi-hop نامیده می شود در این مقاله ما مسیر را که به اصطلاح مسیریابی هندسی نامیده می شود را مطالعه می کنیم در شبکه هایی که مسیریابی هندسی را رعایت می کنند a ) هرگاه با یک سرویس موقعیتی مجهز شده است یعنی هر گره ، گره متناسب اقلیدسی خودش را شناسایی می کند .(می شناسد ) b) هرگره تمامی گره های همسایه اش را (گره هایی در محدوده انتقال R ) و گره های متناسبشان را می شناسد . C) فرستنده پیام گره های متناسب مقصد را شناسایی میکند .
علاوه بر فرضیه های استاندارد a,b,c ما فرض می کنیم که گره های مویابل به صورت دلخواهانه و قراردادی نزدیک یکدیگر نیستند یعنی اینکه یک فاصله دائمی do مثل همان فاصله ای که بین هر جفت از گره ها است وجود دارد . این فرضیه با این حقیقت دنبال می شود که محدودیتهای فیزیکی در مورد اینکه چطور و به چه اندازه گره های موبایل به هم نزدیک باشند ودر چه فاصله ای از هم قرار گرفته باشند وجود دارند علاوه بر این فواصل بین گره های همسایه در یک شبکه ad-hoc (ویژه) طبق محدوده انتقال خواهد بود .
– در این مقاله ما یک الگوریتم مسیریابی هندسی جدید را ارائه می کنیم که این الگوریتم مواردی را از الگوریتم مسیریابی رودرو (Fac Routing algorithy) که توسط Sinjh، Kranakis و Urrutia بیان شده است را قرض می گیرد . (یعنی درمواردی که از آن الگوریتم تبعیت می کند ) برای الگوریتم مان یک اسم انتخاب می کنیم : AFR که نشان دهنده Adaptive Face Routing می باشند الگوریتم ما کاملا محلی است گره ها فقط با همسایه های مستقیم خودشان پیامها را تبادل می کنند (تعویض می کنند ) ( یعنی با گره های در محدوده انتقال R آنها پیامها را تبادل می کنند) ما نشان می دهیم که اگر بهترین مسیر ارزش (هزینه ) C را دارد الگوریتم ما یک مسیری را پیدا می کند و در بدترین حالت باارزش o ( c2) آن را پایان می دهد این مرز و محدوده برای بسیاری از مدلهای ارزشی مهم از قبیل مساحت ، انرژی، … در نظر گرفته می شود توجه کنید که فاصله بهترین مسیر بطور دلخواهانه و قراردادی می تواند بزرگتر از فاصله (مسافت ) اقلیدسی مبدا و مقصد باشد الگوریتم ما اولین الگوریتمی است که توسط عملکرد یک مسیر مطلوب و بهینه محصور شده است الگوریتم مسیریابی رودروی اصلی و سایر الگوریتم های مسیر یابی هندسی تنها بوسیله عملکردی از تعداد گره ها محدود شده اند.
– علاوه براین ما نشان می دهیم که هر الگوریتم مسیر یابی هندسی ارزش (c2 ) را دارند این مرزخفیف محکم تایید می کند که الگوریتم ما از لحاظ خط مجانب کمال مطلوب را دارد و بهینه است مرز پایینی مهم چنین نمایان گر الگوریتم های تصادفی است علاوه بر نتایج تئوریتیک این مقاله ما احساس میکنیم الگوریتم ما پتانسیل عملی شده را نیز دارد بویژه به عنوان مکانیزمی برای الگوریتم های مسیریابی هندسه .
– باعث شگفتی است که هزینه الگاریتم مسیریابی هندسی مجذور هزینه بهترین مسیر است ما نشان می دهیم که این مرزهمچنین می تواند که بوسیله الگوریتم مسیر یابی غیر هندسی ساده بدست آید به عوض خدمات محل از دست رفته ما به الگوریتم مقداری حافظه در هر گره می دهیم ما نشان مید هیم که این الگوریتم هم ارزش (هزینه ) (c2) O بزرگ را دارد که تایید می کند در بدترین مورد یک GPS می توانند به اندازه مقادیر اضافه ای از ذره های حافظه مفید باشد .
– این مقاله به روشی که در زیر دنبال می شود سازماندهی شده است در بخش بعدی ما در مورد کارهای مرتبط با این مقاله بحث می کنیم در بخش 3 ما مدل شبکه های ویژه (ad-hoc) موبایل را و الگوریتم های مسیریابی هندسی را ارائه می دهیم در بخش 4 ، ما الگوریتم مسیر یابی هندسی خودمان یعنی AFR را ارائه کرده و آن را تجزیه و تحلیل می نماییم در بخش 5 یک مرز پایین ( bound lower) را ارائه می دهیم ودر بخش 6 نتیجه گیری کرده ودر مورد مقاله بحث می کنیم .
– (2) کارها مرتبط
– بطور سنتی مسیریابی multi-hopبرای شبکه های ad –hoc (ویژه) موبایل (متحرک) یک فهرست مسیریابی را نگهداری می کند و مشخص می کند که چطور پیام فرستاده شود گره های موبایل به صورت محلی وضعیت جغرافیایی شبکه را تغییر می دهد الگوریتم های مسیریابی راکتیو فقط زمانی که نسبت تحرک و جابجایی و ارتباط پایین است می تواند مفید و سودمند باشد اگر گره های موجود در شبکه به لحاظ منطقی متحرک هستند بطور کلی پیام های کنترل جهت بروز کردن فهرست مسیریابی بطور غیرقابل قبولی بالا می شود همچنین ذخیره کردن فهرست های مسیر یابی بزرگ در گره های متحرک ارزان می تواند گران باشد .
از طرف دیگر الگوریتم های مسیر یابی ریاکتیو مسیرها را فقط از طریق مطالبه و درخواست کردن پیدا می کنند وضعیت این روش این است که هیچ هزینه ثابتی برای کاغذ بازی و بروکراسی وجود ندارد . با این وجود زمانی که یک گره نیاز دارد تا یک پیام را به گره دیگر بفرستند فرستنده نیاز است که شبکه را بررسی کرده تا بتواند یک دریافت کننده و یک مسیر در آن پیدا کنند اگرچه هزاران حیله مطلوب وجود دارد که (گاهی واضح و گاهی مفید ) هستند این فرایند می توانند از مقادیری مناسبی از باندهای بی سیم نادر استفاده کنند مروری بر الگوریتم های مسیریابی در شبکه ویژه (ad-hoc) موبایل و (متحرک) در (4) و (21) وجود دارد حدود 10 سال پیش محققان شروع کردند به حمایت از تجهیز کردن هر گره با سیستم اطلاعات محلی (7،11،23و ) هرگرهی ، گره متناسب هندسی خود را می شناسد اگر تقریبا گره های متناسب با مقصد هم شناخته شوند یک پیام می تواند به سادگی به بهترین جهت به مسیر فرستاده شود این نظریه مسیریابی براساس موقعیت جغرافیایی و هندسی و مسیر یابی جهت دار نامیده می شود با افزایش دسترسی به سیستمهای موقعیت جهانی (یعنی GPS یا Galileo) میتواند باسانی تصور شود که در گرهی یک دریافت کننده وجود داشته باشد حتی اگر این مورد هم نباشند گره ها می توانند موقعیت خودشان را از طریق طرح و نقشه محلی محاسبه کنند این یک بخش از تحقیقات است که اخیرا به خوبی در مورد آن مطالعه شده است .
مسیریابی هندسی فقط هنگامی کار می کند که گره ها موقعیت مقصد را بشناسند بطور واضح (تقریبا ) موقعیت مقصد بطور متناوب تراز ساختار گراف زیرین و زیرساز تغییر پیدا می کند در این مورد مطمئنا نگهداری موقعیت های تقریبی مقصد هزینه کمتری را نسبت به کل گراف دربر می گیرد . در زمینه شبکه peert tp peer تعداد زیادی از ساختارهای اطلاعاتی ارائه شده اند که این نوع از اطلاعات را به روش مفید موثری را ذخیره میکند . این امکان وجود خواهد داشت که از شبکه peert tp peer استفاده شود تا موقعیت تمام مقصد های نگهداری شود (16) مطلب آخر اینکه کسی میتواند تصور کند که ما می خواهیم یک پیامی را به گرهی را در منطقه برسانیم یا مفهوم مسیریابی که به عنوان jeocastinj شناخته شده است (13و19) الگوریتم های مسیریابی هندسی در 20-18-9 داده شده است.
– الگوریتم های مسیر یابی هندسی کاملا حریص بودند : پیام همیشه فرستاده می شود به گره همسایه که مجاور است به مقصد (23 و 11 و 7) نشان داده است که حتی وضعیت های محلی ساده این مطلب را ضمانت نمی کنند که یک پیام به مقصدش خواهد رسید زمانی که بطور حریصانه (jreedlvi) برای مثال به ما شبکه ای داده شده است که گره هایی دارد که روی حرف c توزیع شده اند (پراکنده اند)فرض کنید که گره s از c می خواهد یک پیامی را به مقصد t یعنی نوک جنوب شرقی c با مسیریابی حریصانه پیام از منبع به بهترین همسایه در جهت جنوب شرقی فرستاده می شود در گره U شمال شرقی نوک C گره همسایه ای که نزدیک به مقصد باشد وجود ندارد و الگوریتم مسیریابی با شکست مواجه می شود برای گیرانداختن شکاف C بهترین همسایه یعنی بهترین همسایه کدام است برای مثال بهترین زاویه A.K.A، Compass Routinj تضمینی ندارد .
– الگوریتم مسیریابی هندسی اول که ضمانت دارد الگوریتم مسیریابی رودرو است که درمقاله ای توسط Kranakis Urrutia,Singh پیشنهاد داده شده است در مقاله کوتاه آنها ، آنها الگوریتم را routinj Comeass می نامند . الگوریتم مسیر یابی رودرو یک بخش سازنده از الگوریتم مسیر یابی AFR ما می باشد و بعدا در مورد جزئیات آن بحث خواهد شد الگوریتم مسیریابی رودررو تضمین میکند که پیام خواهد رسید به مقصد و پایان خواهد یافت در قدمهای On پایان می پذیرد در مواردی که منبع مبدا و مقصد نزدیک هم هستند و ترجیح می دهیم که الگوریتمی داشته باشیم که زودترپایان پذیرد بطور خاص علاقمند به نسبت رقابتی مسیر پیدا شده توسط الگوریتم به بهترین مسیر ممکن هستیم .

بخشی از مقاله انگلیسی:

ABSTRACT In this paper we present AFR, a new geometric mobile adhoc routing algorithm. The algorithm is completely distributed; nodes need to communicate only with direct neighbors in their transmission range. We show that if a best route has cost c, AFR finds a route and terminates with cost O(c 2 ) in the worst case. AFR is the first algorithm with cost bounded by a function of the optimal route. We also give a tight lower bound by showing that any geometric routing algorithm has worst-case cost Ω(c 2 ). Thus AFR is asymptotically optimal. We give a non-geometric algorithm that also matches the lower bound, but needs some memory at each node. This establishes an intriguing trade-off between geometry and memory. Categories and Subject Descriptors F.2.2 [Analysis of Algorithms and Problem Complexity]: Nonnumerical Algorithms and Problems—geometrical problems and computations, routing and layout; C.2.2 [Computer-Communication Networks]: Network Protocols—routing protocols General Terms Algorithms, Theory Keywords Ad-Hoc Networks, Face Routing, Geometric Routing, Routing, Unit Disk Graphs, Wireless Communication ∗The work presented in this paper was supported (in part) by the National Competence Center in Research on Mobile Information and Communication Systems (NCCR-MICS), a center supported by the Swiss National Science Foundation under grant number 5005-67322. Permission to make digital or hard copies of all or part of this work for personal or classroom use is granted without fee provided that copies are not made or distributed for profit or commercial advantage and that copies bear this notice and the full citation on the first page. To copy otherwise, to republish, to post on servers or to redistribute to lists, requires prior specific permission and/or a fee. Dial-M’02, September 28, 2002, Atlanta, Georgia, USA. Copyright 2002 ACM 1-58113-587-4/02/0009 …$5.00. 1. INTRODUCTION A mobile ad-hoc network consists of mobile nodes equipped with a wireless radio. We think of mobile nodes as points in the Euclidean plane. Two nodes can directly communicate with each other if and only if they are within transmission range of each other. Throughout this paper we assume that all nodes have the same transmission range R 1 . Two nodes with distance greater than R can communicate by relaying their messages through a series of intermediate nodes; this process is called multi-hop routing. In this paper we study so-called geometric routing; in networks that support geometric routing a) each node is equipped with a location service, i.e. each node knows its Euclidean coordinates, b) each node knows all the neighbor nodes (nodes within transmission range R) and their coordinates, and c) the sender of a message knows the coordinates of the destination. In addition to the standard assumptions a), b) and c), we take for granted that mobile nodes are not arbitrarily close to each other, i.e. d) there is a positive constant d0 such that the distance between any pair of nodes is at least d0. This is motivated by the fact that there are physical limitations on how close to each other two mobile nodes can be placed. Further, distances between neighboring nodes in an ad-hoc network will typically be in the order of the transmission range.2 In this paper we present a new geometric routing algorithm which borrows from the eminent Face Routing algorithm by Kranakis, Singh, and Urrutia [14]. As it is the tradition in the community, we give our algorithm a name: AFR which stands for Adaptive Face Routing3 . Our algorithm is completely local; nodes only exchange messages with their direct neighbors, i.e. nodes in their transmission range R. We show that if a best route has cost c, our algorithm finds a route and terminates with cost O(c 2 ) in the worst case. This bound holds for many prominent cost models such as distance, energy, or the link metric. Note that the distance of the best route (the sum of the distances of the single hops) can be arbitrarily larger than the Euclidean distance of source and destination. Our algorithm is the first algorithm that is bounded by a function of the optimal route; the original Face Routing algorithm and all other geo- 1 In the technical part of the paper we simplify the presentation by scaling the coordinates of the system such that R = 1. 2Meanwhile, we have achieved similar results without assumption d) in [15]. 3 Is it a coincidence that AFR also reflects our first names? metric routing algorithms are only bounded by a function of the number of nodes. Moreover we show that any geometric routing algorithm has cost Ω(c 2 ). This tight lower bound proves that our algorithm is asymptotically optimal4 . The lower bound also holds for randomized algorithms. Apart from the theoretical relevance of our results, we feel that our algorithm has practical potential, especially as a fall-back mechanism for greedy geometric routing algorithms (which are efficient in an average case). It is surprising that the cost of geometric routing algorithms is quadratic in the cost of the best route. We show that this bound can also be achieved by a simple non-geometric routing algorithm. In exchange for the missing location service we give the algorithm some extra memory at each node. We show that this algorithm also has cost O(c 2 ), which, contrary to intuition, proves that in the worst case a GPS is about as useful as some extra bits of memory. The paper is organized as follows. In the next section we discuss the related work. In Section 3 we formally model mobile ad-hoc networks and geometric routing algorithms. In Section 4 we present and analyze our geometric routing algorithm AFR. We give a matching lower bound in Section 5. Section 6 concludes and discusses the paper.