कैलिब्रेटेड वाहन गतिशीलता ट्रेस के साथ VANET अनुकरण में सुधार

अनुकरण वाहनों के अद-हॉक नेटवर्क (VANETs) और विलंब-रुचि नेटवर्क (DTNs) के लिए प्रोटोकॉल और एल्गोरिदम का मूल्यांकन करने के लिए अपनाया जाने वाला सबसे सामान्य दृष्टिकोण है। आमतौर पर, अनुकरण उपकरण मौजूदा संपर्कों के आधार पर नेटवर्कTopology बनाने के लिए गतिशीलता ट्रेस का उपयोग करते हैं। हालाँकि, ट्रेस की गुणवत्ता, लॉगफ़ाइल में प्रत्येक प्रविष्टि की स्थानिक और अस्थायी विषमता के संदर्भ में, वह कुंजी तत्व है जो सीधे नेटवर्कTopology को प्रभावित करता है। इसलिए, परिणामों की विश्वसनीयता वाहन गतिशीलता मॉडल द्वारा वास्तविक नेटवर्कTopology का सटीक प्रतिनिधित्व पर बहुत निर्भर करती है। हम दिखाते हैं कि पांच व्यापक रूप से अपनाए गए वास्तविक वाहन गतिशीलता ट्रेस में गैप्स होते हैं, जो गलत परिणामों की ओर ले जाते हैं। इस काम में, हम उन गैप्स को भरने के लिए एक समाधान प्रस्तुत करते हैं, जो अधिक बारीक ट्रेस की ओर ले जाते हैं, जो अधिक विश्वसनीय अनुकरण परिणामों में परिणत होते हैं। हम वास्तविक दुनिया के ट्रेस के गैप्स को भरने के लिए क्लस्टरिंग एल्गोरिदम का उपयोग करते हुए एक डेटा आधारित समाधान प्रस्तुत करते हैं और मूल्यांकन परिणाम भी प्रस्तुत करते हैं जो नेटवर्क मैट्रिक्स का उपयोग करते हुए मूल और कैलिब्रेटेड ट्रेस के संचार ग्राफ की तुलना करते हैं। परिणाम दर्शाते हैं कि गैप वास्तव में नेटवर्कTopology को वास्तविकता से भिन्न बनाते हैं, जो मूल्यांकन परिणामों की गुणवत्ता को प्रभावित करता है। अनुसंधान समुदाय का समर्थन करने के लिए, हमने कैलिब्रेटेड ट्रेस को सार्वजनिक रूप से उपलब्ध कराया है, ताकि अन्य शोधकर्ता उन्हें अपने मूल्यांकन परिणामों में सुधार के लिए अपना सकें।