24066

COM2 661

كارشناسي ارشد

مهندسي كامپيوتر- شبكه هاي كامپيوتري

مهندسي كامپيوتر

1403/06/25

148 ص.

ندا مقيم

احمدرضا منتظرالقائم

ارتباطات سلولي خودرو به همه چيز , تخصيص منابع , شبكه‌هاي نرم‌افزار محور , خوشه‌بندي , برخورد منابع

در ارتباطات خودرويي، كنترل برخورد منابع به دليل تأثير مستقيم بر ايمني جاده‌ها از اهميت بالايي برخوردار است. عدم كنترل مناسب مي‌تواند باعث تداخل در ارتباطات، از دست رفتن اطلاعات حياتي و تأخير در ارسال پيام‌هاي ايمني شود؛ بنابراين، كاهش برخورد منابع از اولويت‌هاي اصلي پژوهشي در اين حوزه است. اين پژوهش به بهبود روش‌هاي كنترل برخورد منابع در ارتباطات سلولي خودرو به همه چيز مي‌پردازد. با توجه به اهميت اين حوزه در بهبود ايمني و كارايي سيستم‌هاي حمل‌ونقل هوشمند، روشي مبتني بر خوشه‌بندي با در نظر گرفتن پيش‌بيني بلندمدت مسير و الگوي رفتاري رانندگان ارائه شده است تا مشكل برخورد منابع در محيط‌هاي شهري و بزرگراهي حل شود. در اين پژوهش، يك رويكرد جهت كنترل برخورد منابع ارائه شده است. روش پيشنهادي مبتني بر شبكه نرم‌افزار محور خواهد بود. خودرو‌ها از طريق پيش‌بيني مسير و همچنين درنظرگرفتن الگوي رفتاري رانندگان در يك خوشه قرار مي‌گيرند. به عبارت بهتر، خودروهايي كه بيشترين مسير يكسان را با يكديگر دارند و الگوي رفتاري رانندگان آن‌ها يكسان است، در يك خوشه قرار مي‌گيرند. سپس از خودروهاي درون خوشه، دو خودرو به‌عنوان سرخوشه اصلي و پشتيبان تعيين مي‌شود. انتخاب دوتايي سرخوشه‌ها پايداري خوشه را افزايش مي‌دهد و در صورت تغييرات ناگهاني در حركت خودروها، ساختار آن را حفظ مي‌كند. در تخصيص منابع دو حالت وجود دارد، حالت مستقل و كنترلي. در حالت مستقل، سرخوشه با اندازه‌گيري قدرت سيگنال دريافتي، مجموعه منابع را انتخاب و سپس با استفاده از الگوريتم SPS و در نظر گرفتن تداخلات آينده، اين منابع را بين اعضاي خوشه توزيع مي‌كند. در حالت كنترلي، كنترلر مجموعه منابع را براي هر خوشه انتخاب كرده و همراه با ليست تداخلات آينده از طريق ايستگاه پايه به سرخوشه اصلي ارسال مي‌كند. سرخوشه بر اساس اين ليست، منابع را بين اعضاي خوشه توزيع مي‌كند. براي كنترل ازدحام و كاهش سربار سيگنالينگ، تنها سرخوشه اصلي با ايستگاه پايه ارتباط دارد. روش پيشنهادي با انعطاف‌پذيري بالا در محيط‌هاي شهري و بزرگراهي به‌طور كارآمد عمل مي‌كند و با فناوري‌هاي LTE و 5G سازگار است. همچنين، اين روش قابليت استفاده در هر دو حالت تخصيص منابع مستقل و كنترلي را داراست و امكان تخصيص بهينه منابع را در شرايط مختلف فراهم مي‌آورد. نتايج شبيه‌سازي در بزرگراه با تعداد متفاوتي از خودروها و منابع نشان‌دهنده بهبود قابل‌توجهي در عملكرد الگوريتم پيشنهادي است. اين روش در مقايسه با راهكار مقايسه شده، به ترتيب در شرايط ازدحام كم، متوسط و زياد، بهبود ميانگين 17 درصدي، 18 درصدي و 5 درصدي در نرخ دريافت بسته و نرخ خطا داشته است. به‌طور كلي، بهبود ميانگين 14 درصدي در تمامي شرايط مشاهده شده است. با اين حال، در زمينه نرخ بلاك بسته، اين روش تنها زماني كه منابع كافي در دسترس باشد، بهبود ناچيزي را ارائه مي‌دهد. نتايج شبيه‌سازي در فضاي شهري با برد آگاهي 300 متر، كه به عنوان سخت‌ترين شرايط در نظر گرفته شده است، نشان مي‌دهد كه ميانگين نرخ دريافت بسته در شرايط ازدحام كم، متوسط و زياد به ترتيب 40 درصد، 36 درصد و 33 درصد است. اين نتايج نشان مي‌دهد كه روش پيشنهادي حتي در سخت‌ترين شرايط محيط‌هاي شهري توانسته است عملكرد مؤثري ارائه دهد و تأثير مثبتي بر ايمني و پايداري ارتباطات حياتي داشته باشد.

Cellular Vehicle-to-Everything , Resource Allocation , Software Defined Networks (SDN) , Clustering , Resource collision

An environment-aware mechanism for resource collision control in SDN-based cellular vehicular communication

مهندسي كامپيوتر

In vehicular communications, resource collision control is of paramount importance due to its direct impact on road safety. Inadequate control can lead to communication interference, loss of critical information, and delays in the transmission of safety messages. Therefore, reducing resource collisions is a key research priority in this field. This study focuses on improving resource collision control methods in cellular vehicle-to-everything (C-V2X) communications. Given the importance of this domain in enhancing the safety and efficiency of intelligent transportation systems, a clustering-based method is proposed. This method takes into account long-term trajectory prediction and driversʹ behavioral patterns to address the issue of resource collisions in both urban and highway environments. A novel approach for resource collision control is presented in this study. The proposed method is based on a software-defined network (SDN) architecture. Vehicles are clustered based on predicted trajectories and driver behavioral patterns. More specifically, vehicles that share the highest similarity in their routes and driving behavior are grouped into the same cluster. Within each cluster, two vehicles are selected as the primary and backup cluster heads. This dual selection of cluster heads increases the cluster’s stability and maintains its structure in the event of sudden changes in vehicle movement. Resource allocation occurs in two modes: independent and controlled. In the independent mode, the cluster head selects a resource set by measuring the received signal strength and distributes these resources among the cluster members using the Semi-Persistent Scheduling (SPS) algorithm, considering future interference. In the controlled mode, a controller selects the resource set for each cluster and, along with a list of future interferences, sends it to the primary cluster head through the base station. The primary cluster head then allocates resources to the cluster members based on this list. To manage congestion and reduce signaling overhead, only the primary cluster head communicates with the base station. The proposed method demonstrates high flexibility and efficiency in both urban and highway environments and is compatible with LTE and 5G technologies. It supports both independent and controlled resource allocation modes, enabling optimal resource distribution under various conditions. Simulation results on highways with varying numbers of vehicles and resources show a significant improvement in the performance of the proposed algorithm. Compared to the benchmark solution, the proposed method achieves average improvements of 17%, 18%, and 5% in packet reception rate and error rate under low, medium, and high congestion, respectively. Overall, a 14% average improvement was observed across all conditions. However, in terms of packet block rate, the method only provides a slight improvement when sufficient resources are available. Simulation results in urban scenarios with a 300-meter awareness range considered the most challenging conditions—demonstrate that the average packet reception rate under low, medium, and high congestion is 40%, 36%, and 33%, respectively. These findings indicate that the proposed method has performed effectively even in the most demanding urban environments, contributing positively to the safety and stability of critical communications

6

77733