Protocolo MAC de aprendizaje basado en contención para comunicación vehicular a vehicular

La Comunicación Vehicular a Vehicular (V2V) es una tecnología emergente que puede permitir un transporte más seguro y eficiente a través de la conectividad inalámbrica entre automóviles en movimiento. La tecnología clave que permite esto, especificando las capas física y de control de acceso al medio (MAC) de la pila V2V, es el IEEE 802.11p, que pertenece a la familia de protocolos IEEE 802.11 diseñados originalmente para su uso en redes de área local inalámbrica (WLANs). Las redes V2V se forman de forma ad hoc a partir de estaciones vehiculares que dependen de la entrega de transmisiones de difusión para los servicios y aplicaciones que tienen en mente. La difusión es inherentemente más sensible a la contención de canal que el unidifusión debido a la incapacidad del protocolo MAC para adaptarse al aumento del tráfico de red y los paquetes en colisión nunca ser detectados o recuperados. Este artículo aborda este problema inherente de escalabilidad del protocolo MAC IEEE 802.11p. La densidad de la red puede variar desde ser muy dispersa hasta cientos de estaciones contendiendo por el acceso al canal. Un MAC adecuado necesita ofrecer la capacidad para intercambios V2V incluso en tales topologías densas que serán comunes en redes urbanas. Presentamos una versión modificada del MAC IEEE 802.11p basada en el Aprendizaje por Refuerzo (RL), con el objetivo de reducir la probabilidad de colisión de paquetes y el desperdicio de ancho de banda. Se proporcionan detalles de implementación tanto sobre el ajuste del algoritmo de aprendizaje como del lado de la red. También presentamos resultados de simulación sobre la entrega de paquetes de mensajes lograda y el posible sobrecosto de retraso de esta solución. Nuestra solución muestra un aumento de hasta el 70% en el rendimiento en comparación con el IEEE 802.11p estándar a medida que aumenta el tráfico de red, mientras se mantiene la latencia de transmisión dentro de los niveles aceptables.