Vehicle mobility, communication channel modeling and traffic density estimation in VANETs

Abstract

Geçici Araç Ağları (GAA), yol trafik durumunu iyileştirme ve yolcuların güvenliğini sağlama özellikleriyle ümit veren bir Akıllı Taşıma Sistemleri teknolojisidir.Bu tez çalışmasının ilk bölümü, çeşitli temel başarım ölçütleri kullanarak GAA?ların zaman ve konum tabanlı topoloji özelliklerinin gerçekçi analizinin sağlanmasıyla ilgilidir. Bu analizde, gerçek yol topolojileri ve PeMS veritabanından alınan gerçek zamanlı veriler, otoyollarda gerçekçi trafik akışları üretebilmek için mikroskobik hareketlilik modeliyle birleştirilmektedir. Ayrıca, daha gerçekçi, yakın zamanda önerilmiş engel-tabanlı kanal modeli kullanılmış ve bu karmaşık sistemin başarımı en çok kullanılan sabit-disk ve log-normal gibi daha basit kanal modelleriyle karşılaştırılmıştır. Temel başarım ölçütleri üzerindeki araştırmamız sabit-disk ve log-normal kanal modellerinin gerçekçi GAA topoloji özellikleri sağlamada yetersiz olduğunu açığa çıkarmıştır. Bu nedenle, link özelliklerinin zamana bağlı değişimlerini hesaba katmak amacıyla, araç yoğunluğu ve bir korelasyon modeline göre log-normal modelin parametrelerini adapte eden bir eşleştirme mekanizması önermekteyiz. Önerilen yöntemin karmaşık, hesaplama açısından pahalı ve gerçekleştirme açısından zor olan engel-tabanlı kanal modeliyle iyi bir eşleme sağladığı gösterilmiş ve modelin işlevselliği Kaliforniya?da bulunan iki farklı otoyoldan alınan gerçek verilerle doğrulanmıştır.Çalışmamızın ikinci bölümü, GAA?larda yoğunluk hesaplaması için dağıtık algoritmalarla ilgilidir. Araç yoğunluğu yol trafik durumunun gözlemlenmesinde kullanılan önemli bir sistem ölçütüdür. Araç yoğunluk hesaplaması için önerilmiş algoritmaların çoğu ya belli bir altyapıya dayanmakta ya da sisteme genel araç yoğunluğunu hesaplamak için yerel komşu bilgisini kullanmaktadır. Ancak, bu algoritmalar yüksek yerleştirme ve bakım masraflarının yanı sıra düşük güvenilirlik ve kısıtlı kapsamadan dolayı dezavantajlıdırlar. Çalışmamızda, görevdeş ağlarda sistem boyutunu hesaplamak için önerilmiş mekanizmalardan esinlenerek üç farklı tamamen dağıtık algoritma tasarladık. Sonuçlarımız sistem büyüklüğü hesaplama tekniği GAA?larda trafik yoğunluğunu hesaplamak için de kullanılabileceğini gösterdi. Buna ek olarak, GAA?lar için özel olarak tasarlanmış tamamen dağıtık CluSampling algoritmasını önerdik. Hem otoyollarda hem de şehir-içi bölgelerde, farklı bölge genişlikleri ve trafik yoğunluklarında yapılan kapsamlı benzetimler CluSampling algoritmasının ağdaki değişikliklere dayanıklı, yüksek kesinlikte ve en az zaman gerektiren çözüm sunan bir algoritma olduğunu ve bunları sağlarken ağ ve öncü araç üzerinde daha az yük oluşturduğunu göstermiştir.

Vehicular Ad-Hoc Network (VANET) is a promising Intelligent Transportation System (ITS) technology that aims to improve road traffic conditions and safety of passengers.First part of our work deals with providing a realistic analysis of the VANET topology characteristics over time and space using various key metrics of interest. In this analysis, we integrate real-world road topology and real-time data extracted from the Freeway Performance Measurement System (PeMS) database into a microscopic mobility model to generate realistic traffic flows along the highway. Moreover, we use a more realistic, recently proposed, obstacle-based channel model and compare the performance of this sophisticated model to the most commonly used more simplistic channel models including the unit disc and log-normal shadowing models. Our investigation on the key metrics reveals that both log normal and unit disc models fail to provide realistic VANET topology characteristics. We therefore propose a matching mechanism to tune the parameters of the lognormal model according to the vehicle density and a correlation model to take into account the evolution of the link characteristics over time. The proposed method has been demonstrated to provide a good match with more sophisticated but computationally expensive and difficult to implement obstacle based model and validated over the real data of two different highways in California.Second part of our work deals with distributed algorithms for density estimation in VANETs. Vehicle density is an important system metric used in monitoring road traffic conditions. Most of the existing methods for vehicular density estimation either use infrastructure, or use local neighbor information to estimate global vehicle density. These techniques however suffer from low reliability and limited coverage as well as high deployment and maintenance cost. We adapted and implemented three fully distributed algorithms for density estimation, inspired by the mechanisms proposed for system size estimation in peer-to-peer networks. Results show that system size estimation technique can be used for density estimation in VANETs. Moreover, we proposed a completely distributed algorithm CluSampling which has been specifically tailored for VANETs. The extensive simulations of these algorithms at different vehicle traffic densities and area sizes for both highways and urban areas reveal that CluSampling is robust to changes in the network and it provides high accuracy in least convergence time and introduces less overhead on the network and the initiator node.