V2X-Routing in einem VANET basierend auf dem versteckten Markov-Modell

Es ist sehr schwierig, End-to-End-Verbindungen in einem Fahrzeug-Ad-hoc-Netzwerk (VANET) aufrechtzuerhalten und zu etablieren, aufgrund der hohen Fahrzeuggeschwindigkeit, der langen Abstände zwischen Fahrzeugen und der variierenden Fahrzeugdichte. Stattdessen wurde eine Store-and-Forward-Strategie für die Fahrzeugkommunikation in Betracht gezogen. Der Erfolg dieser Strategie hängt jedoch stark von der Zusammenarbeit zwischen den Knoten ab. Im Gegensatz zu bestehenden Store-and-Forward-Lösungen schlagen wir vorausschauendes Routing basierend auf dem versteckten Markov-Modell (PRHMM) für VANETs vor, das die Regelmäßigkeit des Fahrverhaltens nutzt, um die Übertragungsleistung zu steigern. Da Fahrzeugbewegungen häufig einen hohen Wiederholungsgrad aufweisen, einschließlich regelmäßiger Besuche bestimmter Orte und regelmäßiger Kontakte während alltäglicher Aktivitäten, können wir die zukünftigen Standorte eines Fahrzeugs basierend auf dem Wissen über vergangene Spuren und das versteckte Markov-Modell vorhersagen. Folglich kann die kurzfristige Route eines Fahrzeugs und die Zustellwahrscheinlichkeit seiner Pakete für ein bestimmtes mobiles Ziel vorhergesagt werden. Darüber hinaus ermöglicht PRHMM einen nahtlosen Übergang zwischen Fahrzeug-zu-Fahrzeug- und Fahrzeug-zu-Infrastruktur-Kommunikationen, sodass die Übertragungsleistung nicht durch die Fahrzeugdichte und die Bewegungsgeschwindigkeit eingeschränkt wird. Simulationsevaluationen zeigen, dass PRHMM in Bezug auf Zustellquote, End-to-End-Verzögerung, Verkehrsüberkopf und Pufferbelegung deutlich besser abschneidet.