Key points are not available for this paper at this time.
Cet article discute de la simulation et de l'évaluation d'un système de détection de congestion routière qui combine les communications inter-véhiculaires, l'infrastructure fixe en bord de route et la connectivité infrastructure à infrastructure ainsi que les big data. Le système discuté dans cet article permet aux conducteurs d'identifier la congestion routière et de modifier leurs itinéraires en conséquence, réduisant ainsi les émissions totales de CO₂ et diminuant le temps de trajet. Ce système surveille, traite et stocke de grandes quantités de données, ce qui peut détecter la congestion routière de manière précise au moyen d'une série d'algorithmes qui réduit les émissions de véhicules localisées en réacheminant les véhicules. Pour simuler et évaluer le système proposé, un cluster de big data a été développé basé sur Cassandra, utilisé en tandem avec le simulateur de réseau d'événements discrets OMNeT++, associé au simulateur de trafic SUMO (Simulation of Urban MObility) et au cadre de réseau véhiculaire Veins. Les résultats valident l'efficacité du système de détection de trafic et son impact positif dans la détection, le rapport et le réacheminement du trafic lors de la survenue d'événements de trafic.
Cárdenas-Benítez et al. (Jeudi,) ont étudié cette question.