يك طرح خوشه بندي دولايه اي پويا و پايدار از خودروها در شبكه هاي خودرويي اقتضايي

A 2-layer Dynamic and Stable Clustering Scheme in Vehicular Ad-hoc Networks

VANETها در حقيقت كلاس خاصي از شبكه هاي اقتضايي متحرك (MANETs) مي باشند كه چالش هاي منحصر به فردي مثل سرعت بالا و تغييرات مكرر توپولوژي، اين نوع شبكه را متمايز مي كند. تحقيقات صورت گرفته در مورد روش هاي خوشه بندي در VANET نشان مي دهد كه يك الگوريتم خوشه بندي با گروه بندي مناسب خودروها بسياري از مشكلات موجود در شبكه هاي VANET را مرتفع مي سازد. ما در اين مقاله يك طرح جديد خوشه بندي دولايه اي پويا و پايدار ارايه كرده ايم كه با تشكيل خوشه هاي ثابت در لايه بالايي و خوشه هاي پويا در لايه پاييني از مزاياي هر دو روش خوشه بندي بهره مي برد. الگوريتم پيشنهاد شده در فرايند شناسايي اعضا، انتخاب سرخوشه و همچنين نگهداري از خوشه، از هوشمندي و انعطاف پذيري فناوري عامل هاي نرم افزاري استفاده مي كند. ما در فرايند انتخاب سرخوشه، با استفاده از پارامترهاي مختلف تعداد همسايه ها، زمان ترك خوشه، سرعت نسبي مناسب و همچنين كيفيت اتصال به سرخوشه ي ثابت، يك معيار تركيبي جديد تعريف كرده ايم كه موجب افزايش ثبات خوشه ميگردد. همچنين با معرفي دو روش مجزا در نگهداري از خوشه، الگوريتم خود را براي هر دو سناريوي شهري و بزرگراه مناسب ساختيم. ما كارايي طرح پيشنهادي را نيز در مقايسه با دو روش خوشه بندي موجود ارزيابي كرده و براساس نتايج نشان ميدهيم كه الگوريتم ما در زمينه مدت زمان سرخوشه بودن خودروها، طول عمر خوشه، تعداد تغييرات خوشه و همچنين سربارهاي خوشه بندي، بهتر از دو روش موجود عمل ميكند.

VANETs are a class of Mobile Ad hoc Networks (MANETs) that characterized by their high mobility and frequent topology changes. According to the previous research, clustering can be used in VANETs to partition the network into smaller groups of moving vehicles. In this paper, we propose a novel 2-layer dynamic and stable clustering technique combining the features of static and dynamic clustering methods. In order to have dissemination and collection of messages, the proposed scheme uses Agents. Agents learn from the environment in which they are deployed, and accordingly, performs its task in collaboration with the other agents. Cluster head is selected among the cluster members based on a new stability metric derived from connectivity degree, relative average speed, time to leave the road intersection and quality of static cluster head connectivity. Cluster head predicts future association of cluster members based on mobility patterns, in two scenarios. Performance of the proposed scheme is evaluated using extensive simulation with respect to the various metrics such as the average cluster head duration, the average number of clusters changed per vehicle, the average cluster lifetime and the clustering overheads. The simulation shows that our technique has better results and provides more stable cluster structure compared to the two existing techniques.