Fair Auto-Adaptive Clustering for Hybrid Vehicular Networks
Clustering auto-adaptatif et équitable dans les réseaux véhiculaires hybrides
Résumé
For the development of innovative Intelligent Transportation Systems applications, connected vehicles
will frequently need to upload and download position-based information to and from servers.
These vehicles will be equipped with different Radio Access Technologies (RAT), like cellular and
vehicle-to-vehicle (V2V) technologies such as LTE and IEEE 802.11p respectively. Cellular networks
can provide internet access almost anywhere, with QoS guarantees. However, accessing these networks
has an economic cost. In this thesis, a multi-hop clustering algorithm is proposed in the aim
of reducing the cellular access costs by aggregating information and off-loading data in the V2V network,
using the Cluster Head as a single gateway to the cellular network. For the example application
of uploading aggregated Floating Car Data, simulation results show that this approach reduce cellular
data consumption by more than 80% by reducing the typical redundancy of position-based data in
a vehicular network. There is a threefold contribution: First, an approach that delegates the Cluster
Head selection to the cellular base station in order to maximize the cluster size, thus maximizing
aggregation. Secondly, a self-adaptation algorithm that dynamically changes the maximum number
of hops, addressing the trade-off between cellular access reduction and V2V packet loss. Finally,
the incorporation of a theory of distributive justice, for improving fairness over time regarding the
distribution of the cost in which Cluster Heads have to incur, thus improving the proposal’s social
acceptability. The proposed algorithms were tested via simulation, and the results show a significant
reduction in cellular network usage, a successful adaptation of the number of hops to changes
in the vehicular traffic density, and an improvement in fairness metrics, without affecting network
performance.
Dans le cadre du développement des innovations dans les Systèmes de Transport Intelligents, les
véhicules connectés devront être capables de télécharger des informations basées sur la position sur
et depuis des serveurs distants. Ces véhicules seront équipés avec des différentes technologies d’accès
radio, telles que les réseaux cellulaires ou les réseaux véhicule-à-véhicule (V2V) comme IEEE 802.11p.
Les réseaux cellulaires, avec une couverture presque omniprésente, fournissent un accès à internet
avec garanties de qualité de service. Cependant, l’accès à ces réseaux est payant. Dans cette thèse,
un algorithme de clustering multi-saut est proposé avec pour objectif de réduire le coût d’accès au
réseau cellulaire en agrégeant des données sur le réseau V2V. Pour faire ceci, le leader du cluster
(CH, de l’anglais Cluster Head) est utilisé comme passerelle unique vers le réseau cellulaire. Pour
le test d’une application d’exemple pour télécharger du Floating Car Data agrégé, les résultats des
simulations montrent que cette approche réduit l’utilisation du réseau cellulaire de plus de 80%, en
s’attaquant à la redondance typique des données basées sur la position dans les réseaux véhiculaires.
Il y a une contribution en trois parties : Premièrement, une approche pour déléguer la sélection du
CH à la station de base du réseau cellulaire afin de maximiser la taille des clusters, et par conséquent
le taux de compression. Deuxièmement, un algorithme auto-adaptatif qui change dynamiquement
le nombre maximum de sauts afin de maintenir un équilibre entre la réduction des coûts d’accès au
réseau cellulaire et le taux de perte de paquets dans le réseau V2V. Finalement, l’incorporation d’une
théorie de la justice distributive, afin d’améliorer l’équité sur la durée concernant la distribution des
coûts auxquels les CH doivent faire face, améliorant ainsi l’acceptabilité sociale de la proposition. Les
algorithmes proposés ont été testés via simulation, et les résultats montrent une réduction significative
dans l’utilisation du réseau cellulaire, une adaptation réussie du nombre de sauts aux changements
de la densité du trafic véhiculaire, et une amélioration dans les métriques d’équité, sans affecter la
performance des réseaux.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...