سناريوهايي براي كنترل و پايش هوشمند وسايل نقليه با استفاده از اينترنت اشياء

Scenarios for intelligent control and monitoring of vehicles using the Internet of Things

حمل‌ونقل هوشمند به‌عنوان يك ضرورت و راه‌حل انكارناپذير در شهرهاي پرترافيك امروزي مطرح است. در اين پژوهش، شش سناريو مبتني بر حمل‌ونقل هوشمند طراحي و پياده‌سازي گرديد. در سناريو اول؛ فرآيند پايش و كنترل سرعت خودرو تحليل و پياده‌سازي گرديد. در سناريو دوم و سوم؛ فرآيندهاي پايش خودروها در ورود و تردد در محدوده‌هاي طرح ترافيك و زوج و فرد تحليل و پياده‌سازي گرديد. در سناريو چهارم؛ فرآيند پايش خودروها در هنگام نقص فني خودرو و اطلاع‌رساني هوشمند سيستم امداد خودرو طراحي و پياده‌سازي شد. در سناريو پنجم؛ سيستم امدادرساني در حوادث و تصادفات و اطلاع‌رساني هوشمند به مركز اورژانس طراحي و پياده‌سازي گرديد و در سناريو ششم؛ سيستم هوشمند پايش خودرو و اطلاع‌رساني و ارسال پيام به مالك و نيروي انتظامي، در حين و پس از سرقت خودرو در جهت پيشگيري و مكان‌يابي خودرو مسروقه طراحي و پياده‌سازي شد. فرآيند ارسال پيام به‌صورت پوشش كامل در محدوده شهر هوشمند به‌ نحوي‌ پياده‌سازي گرديده كه در صورت لزوم علاوه بر مركز، كليه خودروهاي موجود در فرآيند حمل‌ونقل هوشمند پيام را دريافت نمايند. جهت انجام فرآيند پياده‌سازي از يك نقطه دسترسي كه وظيفه‌اش ارسال پيام است استفاده شد. اولين چالش اين پژوهش، انتخاب گره‌هاي ثابت هدف بود كه با استفاده از الگوريتم برنامه‌ريزي آرماني رتبه‌بندي شده فازي، طراحي و پياده‌سازي گرديد. پس از حل چالش اول، با توجه به مشكل برد ارتباطي در شبكه خودرويي چالش مسيريابي پيام از نقطه دسترســـي به گره ثابت هدف مطرح شد كه با استفاده از روش الگوريتم Dijkstra برطرف شد. پس از شبيه‌سازي، نتايج به‌دست‌آمده با الگوريتم eTGMD ازنظر پارامترهاي نرخ تحويل پيام، تأخير تحويل، تعداد مخابره‌هاي بسته مصرفي و تعداد گره‌هاي هدف ثابت مقايسه شد. نتايج الگوريتم پيشنهادي، بهبود مناسب و بهينه‌اي را نسبت به الگوريتم eTGMD نشان داد.v

Smart transport is an indispensable necessity in today's smart cities. In this thesis, six scenarios were implemented based on intelligent transportation. In the first scenario, the speed control process was implemented. In the second and third scenarios, the process of traffic planning was even and odd. In the fourth scenario, the vehicle relief system was implemented. In the fifth scenario, an emergency relief system was implemented. In the sixth scenario, the message was executed at the time of the car theft. The message delivery process has been fully implemented in the smart city area so that all vehicles in the smart transport process receive the message. An access point is called an access point whose task is to send a message. Given that the number of messages sent to the network decreases, there are two advantages to the low cost of sending messages as well as full coverage. So instead of sending the message directly to each car individually, the messages are sent to the roadside equipment and then sent to the vehicles passing the road through the roadside equipment. This roadside equipment is called fixed nodes. Certainly, sending messages to all these fixed nodes is not optimal and has two major drawbacks. The first disadvantage is that a car may cross several fixed target nodes and receive all of these fixed target nodes of the message. Also the second problem is that the number of messages received creates terrible statistics and imposes a computational overhead. So the solution to this problem is to select some of these fixed nodes as the target constant node. Only send the message to fixed target nodes and send it to the cars passing by. The first challenge of this thesis is the selection of these target constant nodes, which is implemented using the fuzzy ranked idealized programming algorithm. After solving the first challenge due to the communication board problem in the car network, the challenge of routing the message from the access point to the fixed node is raised. The solution to this challenge is computed using the Dijkstra algorithm and compared with the eTGMD algorithm in terms of message delivery rate, delivery delay, number of packets used, and number of fixed target nodes. The results of the proposed algorithm show a good and optimal improvement over the eTGMD algorithm.