28559

رديابي اهداف حس‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌گر در شبكه‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌هاي بين خودرويي متصل به‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌اينترنت اشيا با الگوريتم‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌هاي هوش ازدحامي

كارشناسي ارشد

مهندسي برق- الكترونيك ـ ديجيتال

1399

1401/12/10

ستار ميرزا كوچكي

دانشكده مهندسي برق

رانندگي به كمك‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌اينترنت، معروف به‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌اينترنت وسايل نقليه يا شبكه‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌اينترنت اشياء بين خودرويي (IoVT)، جهت بهبود‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ايمني جاده¬‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ها ومديريت ترافيك، در عصر حاضر چالش¬‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌هايي به همراه داشت‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌هاست. يكي از چالش¬‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌هاي مهم در‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌اين زمينه، رديابي اهداف حس‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌گر‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌هاي جاي¬گذاري شده برپايه شبكه حس‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌گر بي‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌سيم (WSN) در خودرو‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ها در يك ناحيه نظارتي IoVT جهت تبادل اطلاعات با يكديگر و يا RSU با خودرو‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ها مي¬باشد كه تحت عنوان موضوع مسيريابي مطرح مي¬گردد. در زمينه رديابي اهداف متحرك و مسيريابي در شبكه¬ي‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌اينترنت اشياء (IoT) و شبكه بين خودرويي (VANET)، مطالعات متعددي انجام شده است، اما در باره¬ي حالت تركيبي آن با عنوان IoVT، تحقيقات محدودي صورت پذيرفته و‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌اين موضوع جاي كار عل‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌مي‌و تحقيقاتي بسيار دارد. لذا‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌اين تحقيق با استفاده از پروتكل رديابي هدف و مسيريابي RARE سعي در بهبود‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌اين موضوع خواهد داشت؛ چرا كه به دليل عدم كارآمدي پروتكل RARE در خوشه بندي پويا و راه يابي چندمسيره، يك الگوريتم بهينه ساز تحت عنوان الگوريتم سنجاقك، مورد استفاده قرار ميگيرد. هدف‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌اين تحقيق ارائه يك رويكرد رديابي هدف براي خودرو‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌هاي داراي حس‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌گر متصل به‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌اينترنت اشياء است تا مسيريابي در آن ‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ها ممكن شود. شبيه سازي‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌اين تحقيق در محيط¬‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌هاي¬ MATLAB و Python انجام گرفته و نتايج شيبه¬سازي با روش تركيبي پروتكل RARE و الگوريتم سنجاقك تحت عنوان روش RARE-DF، نشان مي¬دهد كه كاهش انرژي مصرفي و معيار‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌هاي كيفيت خدمات شامل گذردهي و نرخ خطاي بيت، بهبود ك‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌مي‌داشته¬ و در مقايسه با عملكرد پروتكل RARE به ‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌تنهايي تا حدودي بهينه شد‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌هاست. همين طور ساير معيار‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ها شامل نرخ تخمين خطا، كارايي شبكه IoVT مبتني بر شبكه حس‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌گر بي‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌سيم را با افزايش تعداد گره‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ها يا خودرو‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌هاي در مسير در سناريوي 300 ثانيه‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌اي به ميزان قابل توجهي بهينه شده و از لحاظ نرخ تحويل داده يا بسته و از لحاظ نرخ از دست دادن داده يا بسته نسبت به دو پروتكل AODV و AOMDV، بهينه سازي و تا 15% بهبود پيدا كرده است.

1402/05/03

Trajectory Sensor targets in Vehicular ad-hoc Network connected to internet of things using Dragonfly algorithm

1/1/1900 12:00:00 AM

The Internet of Vehicles (IoVT), also known as vehicle-to-vehicle (V2V) or vehicle-to-infrastructure (V2I) communication via the internet, presents various challenges in improving road safety and traffic management. Among the challenges in this area is the tracking of targets of wireless sensor network (WSN) sensors placed in vehicles within an IoV monitoring area for exchanging information with each other or with Road Side Units (RSUs), which is referred to as the routing problem. Although numerous studies have been conducted on target tracking and routing in the Internet of Things (IoT) and Vehicular Ad-Hoc Network (VANET), limited research has been carried out on the combined state of IoV, presenting a significant opportunity for scientific and research work. Therefore, this research aims to improve the routing problem by proposing a solution utilizing the RARE target tracking and routing protocol. Since the RARE protocol is inefficient in dynamic clustering and multi-path routing, an optimal algorithm called the Grasshopper algorithm is proposed to improve the RARE protocol. The objective of this research is to present an approach for target tracking in vehicles equipped with internet-connected sensors to enable routing. The proposed approach is simulated in both MATLAB and Python environments, and the results of the combined RARE protocol and Grasshopper algorithm approach, known as the RARE-DF method, demonstrate significant improvements in energy consumption reduction and quality of service metrics such as throughput and bit error rate. Moreover, the results also indicate optimization of other metrics, such as error estimation rate and IoV network performance based on wireless sensor networks, and data delivery or packet loss rates compared to the AODV and AOMDV protocols, with up to 15% improvement in some cases. In conclusion, this research contributes to the field of IoVT by proposing a solution to the routing problem, which is an important challenge in the area. The proposed solution, RARE-DF, provides significant improvements in various metrics, and it is a promising approach for improving road safety and traffic management in IoVT

اينترنت اشيا , مسيريابي , الگوريتم سنجاقك

internet of things , Trajectory , Dragonfly Algorithm

Reihane Jahanian

Dr. Sattar Mirzakoochaki