Adaptative strategy for data dissemination using signal strenght

Abstract

Rede Ad hoc Veicular (VANET) é um subconjunto singular das redes ad hoc móveis (MANET), com o diferencial de que os nós são veículos providos de tecnologia própria de comunicação e que interagem para formar redes espontâneas, valendo-se de pouca ou nenhuma infraestrutura estabelecida previamente. VANETs admitem a integração de diferentes tecnologias sem fio na pretensão de mitigar adversidades, agregar segurança e eficiência ao tráfego. Na disseminação de dados, um salto único é suficiente para orientar os elementos ao alcance do sinal de rádio, e nós intermediários sustentam a comunicação aos demais, em encaminhamento multihop. Amparados em dispositivos embarcados, os veículos produzem registros, detectam sinais, trocam advertências e métricas. Avaliações dessas informações permitem ao condutor decisões ou reações antecipadas em situações adversas, a exemplo dos acidentes ou congestionamentos. Nesse contexto, a execução deste trabalho trata questões para elaborar estratégias adaptativas inteligentes de disseminação de dados, uma vez que as mesmas se consolidam como lastros da comunicação em VANET com condições adversas de operação. A abordagem proposta se utiliza de sistemas fuzzy para a detecção de congestionamento, com o propósito de agregar autonomia e adaptar a estratégia de disseminação às condições de tráfego identificadas. A convergência nos desenvolvimentos realizados se reflete na estratégia eFIRST, uma solução robusta para a detecção autônoma da condição atual de congestionamento que resguarda a disseminação adaptativa de alertas e abranda o problema da interrupção no tráfego. A abordagem se sustenta apenas na comunicação entre veículos e nos registros de identificação da vizinhança local, agregados em uma estratégia fuzzy e no ajuste adaptativo da potência do sinal de transmissão. Em conformidade com as tendências de condução e com os sistemas inteligentes, este desenvolvimento contribui com subsídios para ratificar a aproximação fuzzy como estratégia adaptativa às flutuações na densidade veicular, em diferentes cenários e regimes de tráfego. As avaliações comparativas do eFIRST respaldam concluir que a estratégia oportuniza o equilíbrio otimizado das perdas, colisões e cobertura, com superior alcance de propagação e redução dos congestionamentos. Vehicular Ad hoc Network (VANET) is a unique subset of mobile ad hoc networks (MANET), with the difference that nodes are vehicles provided with their own communication technology and interact to form spontaneous networks, with little or no infrastructure previously established. VANETs support the integration of different wireless technologies in order to mitigate adversities, add security and efficiency to traffic. In the data dissemination, a single hop is sufficient to guide the elements within reach of the radio signal, and intermediary nodes support the communication with the others in multihop routing. Supported by embedded devices, vehicles produce records, detect signals, exchange warnings and metrics. Assessments of this information allow the driver to make decisions or react beforehand in adverse situations, such as accidents or traffic congestions. From the observations in this context, this work deals with questions to elaborate intelligent adaptive strategies in data dissemination, since they consolidate themselves as ballast communication in VANET with adverse operating conditions. The proposed approach uses fuzzy systems to detect traffic congestion, with the purpose of aggregating autonomy and adapting the dissemination strategy to the identified traffic conditions. The convergence in the developments performed is reflected in the eFIRST strategy, a robust solution for the autonomous detection of the current traffic congestion condition that protects the adaptive dissemination of alerts and reduces the problem of the interruption in the traffic. The approach is supported only by communication between vehicles and in local neighborhood identification records, aggregated in a fuzzy strategy and in the adaptive adjustment of transmission signal power. In accordance with the driving trends and with the intelligent systems, this development contributes with assistance for ratify the fuzzy approach as an adaptive strategy to fluctuations in vehicular density in different scenarios and traffic regimes. Comparative evaluations of eFIRST support the conclusion that the strategy favors the optimal balance of losses, collisions and coverage, with a greater range of propagation and reduction of congestion.