ارايه يك ساختار درختي مبتني بر ماشين يادگير و الگوريتم ژنتيك در شبكه هاي بين خودرويي به منظور يافتن مكان پارك خودرو

Provide a tree structure based on learning automata and genetic algorithm in vanet networks to locating parking

امروزه كشورهاي توسعه يافته و درحال توسعه به منظور حل مسائل حمل و نقل خود از سيستم¬هاي هوشمند استفاده مي¬كنند. سيستم¬هاي هدايت پاركينگ هوشمند، يكي از الزامات معماري حمل و نقل هوشمند محسوب مي¬شود. يك سيستم هدايت پاركينگ هوشمند مي¬تواند اطلاعات پاركينگ¬هاي موجود را در اختيار راننده قرار دهد و يا حتي پيشنهاداتي براي بهترين جاي پارك داشته باشد. اين سيستم¬ها موجب سهولت در پيدا كردن جاي پارك براي رانندگان مي شوند هدف اين پژوهش ارايه راه كاري به منظور كشف مكان پارك در شبكه¬هاي بين خودرويي است. در اين پژوهش به منظور مديريت بهتر مكان¬ها با تقسيم بندي منطقه عملياتي، به مناطق كوچكتر، ساختاري درختي ارايه مي¬كنيم به گونه¬اي كه مكان هاي مجاز در برگ ها قرار دارند و گره ريشه مركز شهر مورد نظر يا كل محيط شبكه و گره¬هاي مياني مناطق شهر است. پس از ساخت درخت به كمك الگوريتم ژنتيك سعي در كاهش زمان مسافرت خودروها و يافتن بهينه ترين مسير داريم و به منظور بهره¬برداري حداكثري از منابع و رسيدگي به درخواست¬ها كه هدف اصلي اين پژوهش است جهت تخمين فاصله زماني ميان مبدا و مقصد از اتوماتاي يادگير بهره مي¬گيريم. نهايتا الگوريتم پيشنهادي با نرم افزار Matlab 2011 مورد شبيه سازي و ارزيابي قرار مي¬گيرد. نتايج شبيه سازي نشان دهنده 20% افزايش بهره برداري از مكان¬ها نسبت به حالت بدون اتوماتا و افزايش 6% پاسخگويي به درخواست ها، كاهش چشم¬گير تعداد ملاقات گره ها نسبت به روش ارسال سيل¬آسا به علت ساختار درختي منسجم و زمان جست¬وجو و كاهش زمان مسافرت مي باشد

Nowadays, developed and developing countries using smart systems to solve their transportation problems. Parking guidance intelligent systems for finding an available parking space, are considered one of the architectural requirements in transportation. An intelligent parking guidance system can give the driver information available parking or even have some suggestions for the best parking. This system makes it easy to find parking spaces for drivers. The aim of this thesis is provide a way to discover parking places in VANET networks. In this thesis to better manage places we divide area to smaller area, to reach this aim we provide a tree structure that the allowed places are in leaves and the root is the city. After making the tree using genetic algorithms to reduce the travel time of cars and find the most optimal way. . In order to get the most out of resources and handle requests that is the main objective of this research and also in order to In order to estimate the interval between the source and destination we used the learning automata. Finally the proposed algotithm was simulated an evaluated by Matlab software. The simulation results show a 20% increase in usage of parking places in comparison with algorithm without automata and 6% increase in responsiveness to request, reducing the number of meeting nodes compared with flooding base approach and travel and searcing time.