ارائه یک روش خوشه‌بندی پویای چندسطحی وزن‌دار آگاه بر شاخص‌دهی فضایی در شبکه‌های میان‌خودرویی

رسول‌زاده دارآباد, رضا; اصغری توچائی, سید امیر; بینش مروستی, محمدرضا; شاه بختی, کیمیا

doi:10.22052/scj.2024.254853.1241

ارائه یک روش خوشه‌بندی پویای چندسطحی وزن‌دار آگاه بر شاخص‌دهی فضایی در شبکه‌های میان‌خودرویی

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ گروه مهندسی برق و کامپیوتر، دانشکده فنی مهندسی، دانشگاه خوارزمی، تهران، ایران

² گروه علوم و فناوری داده، دانشکده مهندسی سامانه های هوشمند، دانشگاه تهران، تهران، ایران

10.22052/scj.2024.254853.1241

چکیده

شبکه‌های میان خودرویی، یکی از فناوری‌های درحال رشد است که مدیریت ایمن و کارآمد ترافیک جاده را تضمین می‌کند. مدیریت تحرک چالش اصلی در شبکه‌های میان‌خودرویی است. بنابراین، پروتکل خوشه‌بندی تطبیقی و پایدار یک مساله حیاتی در فناوری شبکه‌های میان‌خودرویی است. شبکه‌های میان‌خودرویی مبتنی بر خوشه‌بندی روزبه‌روز توجه بیشتری را به خود جلب می‌کند. متغیرهای اصلی که در تشکیل پروتکل‌های خوشه‌بندی مورد استفاده قرار می‌گیرند، سرعت، فاصله و جهت حرکت می‌باشند. اگرچه در روش‌های مختلف، متغیرهای دیگری از قبیل میزان اطمینان، طول عمر، مقدار شباهت، کیفیت پیوند ارتباطی، نرخ نویز سیگنال و نرخ انتقال بسته در کنار سه مولفه اصلی بکار گرفته شده‌اند. در این مقاله قصد بر این است که با بکارگیری روش‌های مختلف و تکنیک‌های ارائه شده، مواردی از قبیل تعداد خوشه‌های ایجاد شده و تعداد تغییرات در سرخوشه‌ها بهبود داده شوند. هدف از بهبود این موارد، ایجاد انسجام و پایداری بیشتر در خوشه‌های ایجاد شده می‌باشد. در این الگوریتم با استفاده از شاخص‌دهی فضایی و بررسی موقعیت خطی که وسیله نقلیه از آن عبور می‌کند، تعداد خوشه‌های ایجاد شده را حداقل 5.7 درصد بهبود داده شد. همچنین این الگوریتم توانست بهبودی 3.2 درصدی در تعداد تغییرات سرخوشه‌ها حاصل کند.

کلیدواژه‌ها

موضوعات

شبکه بی سیم

عنوان مقاله [English]

A dynamic multi-level spatially aware clustering with weighted cluster head selection in vehicular Ad-hoc networks

نویسندگان [English]

Reza Rasoulzadeh Darabad ¹
Seyyed Amir Asghari Tochaei ²
Mohammad Reza Binesh Marvasti ¹
Kimiya Shahbakhti ¹

¹ Department of Electricity and Computer, Faculty of Engineering, Kharazmi University, Tehran, Iran

² Department of Data Science and Technology, Faculty of Intelligent Systems, University of Tehran, Tehran, Iran

چکیده [English]

Vehicular Ad-hoc Networks are a growing technology that ensures safe and efficient road traffic management. Mobility management is the primary challenge in inter-vehicle networks. Therefore, an adaptive and stable clustering protocol is a crucial issue in inter-vehicle network technology. Day by day, inter-vehicle networks based on clustering are attracting more attention. The main variables used in forming clustering protocols are speed, distance, and direction of movement. However, in different methods, other variables such as confidence level, lifespan, and similarity measure, quality of communication link, signal noise rate, and packet transmission rate have been used alongside the three main components. In this paper, we aim to improve aspects such as the number of clusters formed and the number of changes in cluster heads by employing various methods and techniques presented. The purpose of these improvements is to create more cohesion and stability in the formed clusters. In the proposed algorithm, we aim to improve the number of clusters formed by at least 5.7% by using spatial indexing and examining the linear position that the vehicle passes through. Additionally, we have achieved a 3.2% improvement in the number of cluster head changes.

کلیدواژه‌ها [English]

Vehicular Ad-hoc networks
Clustering
Cluster head
Spatial indexing
Cluster head changes
Lifetime

مراجع

[1] A. Amirshahi, M. Romoozi, M. A. Raayatpanah, and S. A. Asghari, “Modeling Geographical Anycasting Routing in Vehicular Networks,” KSII Trans. Internet Inf. Syst., vol. 14, no. 4, pp. 1624-1647, 2020, doi: 10.3837/tiis.2020.04.012.
[2] A. Amirshahi, M. Romoozi, M. A. Raayatpanah, and S. A. Asghari, “Anycast Routing in Time-Expanded Vehicular Networks,” Comput. Electr. Eng., vol. 82, Art. no. 106560, 2020, doi: 10.1016/j.compeleceng.2020.106560.
[3] M. A. Al-shareeda, M. A. Alazzawi, M. Anbar, S. Manickam, and A. K. Al-Ani, “A Comprehensive Survey on Vehicular Ad Hoc Networks (VANETs),” in Proc. Int. Conf. Adv. Comput. Appl. (ACA), Maysan, Iraq, 2021, pp. 156-160, doi: 10.1109/ACA52198.2021.9626779.
[4] M. Nabilou and N. Daneshpour, “A Clustering Algorithm for Categorical Data with Combining Measures,” Soft Comput. J., vol. 5, no. 1, pp. 14-25, 2017 [In Persian].
[5] N. Sadeghzadeh, M. Shamsi, and A. Rasouli Kenari, “Image Annotation Using a Semi-Supervised Spectral Clustering Algorithm,” Soft Comput. J., vol. 3, no. 1, pp. 20-35, 2014, dor: 20.1001.1.23223707.1393.3.1.55.6 [In Persian].
[6] A. Zadedehbalaei, A. Bagheri, and H. Afshar, “A Study on DBSCAN Clustering Algorithm Issues and a Survey on its Improvements,” Soft Comput. J., vol. 6, no. 1, pp. 2-37, 2017 [In Persian].
[7] B. Su and L. Tong, “Transmission Protocol of Emergency Messages in VANET Based on the Trust Level of Nodes,” IEEE Access, vol. 11, pp. 68243-68256, 2023, doi: 10.1109/ACCESS.2023.3292234.
[8] N. Khatri, S. Lee, A. Mateen, and S. Y. Nam, “Event Message Clustering Algorithm for Selection of Majority Message in VANETs,” IEEE Access, vol. 11, pp. 14621-14635, 2023, doi: 10.1109/ACCESS.2023.3244327.
[9] H. N. Abdulrazzak, G. C. Hock, N. A. M. Radzi, and N. M. L. Tan, “A New Unsupervised Validation Index Model Suitable for Energy-Efficient Clustering Techniques in VANET,” IEEE Access, vol. 11, pp. 67540-67555, 2023, doi: 10.1109/ACCESS.2023.3281302.
[10] X. Cheng, B. Huang, and W. Cheng, “Stable Clustering for VANETs on Highways,” in Proc. IEEE/ACM Symp. Edge Comput. (SEC), Seattle, WA, USA, 2018, pp. 399-403, doi: 10.1109/SEC.2018.00053.
[11] O. Baradia and L. Jalalaltamimi, “Stable Clustering Algorithms for VANETs: A Survey,” in Proc. Int. Conf. Inf. Technol. (ICIT), Amman, Jordan, 2023, pp. 637-642, doi: 10.1109/ICIT58056.2023.10226088.
[12] M. K. Jabbar and H. Trabelsi, “A Review on Clustering in VANET: Algorithms, Phases, and Comparisons,” in Proc. 19th Int. Multi-Conf. Syst. Signals Devices (SSD), Setif, Algeria, 2022, pp. 444-451, doi: 10.1109/SSD54932.2022.9955850.
[13] M. K. J. Alsabah, H. Trabelsi, and W. Jerbi, “Survey on Clustering in VANET Networks,” in Proc. 18th Int. Multi-Conf. Syst. Signals Devices (SSD), Monastir, Tunisia, 2021, pp. 493-502, doi: 10.1109/SSD52085.2021.9429353.
[14] R. Adrian, S. Sulistyo, I. W. Mustika, and S. Alam, “MRV-M: A Cluster Stability in Highway VANET using Minimum Relative Velocity based on K-Medoids,” in Proc. 5th Int. Conf. Sci. Technol. (ICST), Yogyakarta, Indonesia, 2019, pp. 1-5, doi: 10.1109/ICST47872.2019.9166290.
[15] G. Khayat et al., “VANET Clustering Based on Weighted Trusted Cluster Head Selection,” in Proc. Int. Wireless Commun. Mobile Comput. (IWCMC), 2020, pp. 623-628, doi: 10.1109/IWCMC48107.2020.9148339.
[16] M. A. Islam, M. Hossen, and M. F. Hossen, “Central Lane-Based Life Time Routing Protocol in Vehicular Ad Hoc Network,” in Proc. 2nd Int. Conf. Adv. Inf. Commun. Technol. (ICAICT), 2020, pp. 359-363, doi: 10.1109/ICAICT51780.2020.9333500.
[17] M. F. Hossen, M. A. Islam, M. Hossen, and S. Saha, “Optical Network-Based Clustering Hierarchy for Energy Efficiency in Vehicular Ad Hoc Network,” in Proc. Int. Conf. Comput. Commun. Chem. Mater. Electron. Eng. (IC4ME2), 2019, pp. 1-5, doi: 10.1109/IC4ME247184.2019.9036655.
[18] P. S. Hamedani and A. Rezazadeh, “A New Two Level Cluster-Based Routing Protocol for Vehicular Ad Hoc NETwork (VANET),” in Proc. UKSim-AMSS 20th Int. Conf. Comput. Model. Simul. (UKSim), 2018, pp. 121-126, doi: 10.1109/UKSim.2018.00033.
[19] S. Vergis, G. Tsoumanis, and K. Oikonomou, “A Proposed Multi-Head Clustering Algorithm for VANET Environments,” in Proc. 6th South-East Eur. Des. Autom. Comput. Eng. Comput. Netw. Soc. Media Conf. (SEEDA-CECNSM), Preveza, Greece, 2021, pp. 1-8, doi: 10.1109/SEEDA-CECNSM53056.2021.9566263.
[20] M. K. Jabbar and H. Trabelsi, “A Betweenness Centrality Based Clustering in VANETs,” in Proc. 15th Int. Conf. Secur. Inf. Netw. (SIN), Sousse, Tunisia, 2022, pp. 1-4, doi: 10.1109/SIN56466.2022.9970553.
[21] H. Ferng and M. Abdullah, “Mobility-Based Clustering With Link Quality Estimation for Urban VANETs,” in Proc. Int. Conf. Mach. Learn. Cybern. (ICMLC), 2019, pp. 1-7, doi: 10.1109/ICMLC48188.2019.8949241.
[22] A. Abuashour and M. Kadoch, “Passive CH Election Avoidance Protocol and CH Routing Protocol in VANET,” in Proc. IEEE Int. Conf. Internet Things (iThings), 2018, pp. 1753-1758, doi: 10.1109/Cybermatics_2018.2018.00292.
[23] G. Khayat et al., “Successful Delivery in VANETs with Damaged Infrastructures Based on Double Cluster Head Selection,” in Proc. IEEE 25th Int. Workshop Comput. Aided Model. Des. Commun. Links Netw. (CAMAD), 2020, pp. 1-5, doi: 10.1109/CAMAD50429.2020.9209259.