Optimum Deployment of RSU for efficient
communications multi-hop from vehicle to
infrastructure on VANET
Renato Cumbal§, Héctor Palacios†, Roberto Hincapié‡
Universidad Politécnica Salesiana Ecuador – Universidad Pontificia Bolivariana Colombia
§Email: jcumbal@ups.edu.ec
†Email: hpalacios@est.ups.edu.ec
‡Email: roberto.hincapie@upb.edu.co
Abstract— This paper presents an optimal
deployment of the Vehicular Ad Hoc Network (VANET)
Infrastructure for achieve an ideal Multi-hop
communications environment between vehicles and
Road Side Units (RSU). Our first aim of this work is to
minimize the number of the RSUs in a planning area
without losing communications and then access almost
all capacity of the infrastructure. The optimal
dimensioning of the RSUs leads us to a second aim
which it is the access to the vehicular communications,
either directly vehicle to vehicle (V2V) or by jumping
(Multi-hops) toward the required destination vehicle to
infrastructure (V2I). The number of hops, distances
between vehicles and the nearest infrastructure are
considered and reaching to the vehicles without initial
coverage. Also the analysis of the coverage, capacity and
interference in the infrastructure allows us to obtain
metrics of direct connections or by hops to the RSU at
any given time.
Keywords— Vanet Infraestructure; ILP; RSU; optimization;
Multi-hop; V2V; V2I; ITS.
I. INTRODUCCIÓN
L as VANETs han surgido y llamado la atención de
investigadores en el campo de comunicaciones
inalámbricas y móviles desde varios enfoques como es el
caso del desarrollo de aplicaciones, protocolos y
herramientas de simulación[1][2][3]. Promover una
conducción vehicular segura, compartiendo información
sobre el tráfico, el estado carreteras, accidentes de tránsito y
otros eventos en las vías se lo puede lograr mediante el uso
de estas redes, convirtiendo a cada vehículo en una fuente
de información que se conectan con otros vehículos (V2V)
en las vías y tienen la capacidad de conectarse a una
infraestructura (V2I) de red mediante Unidades Roadside
(RSU)[4][5][6], que extienden la comunicación dando la
capacidad de obtener varios servicios. Además de ser una
guía de ruta inteligente, una VANET también puede
proveer servicios de localización de pasajeros, restaurantes
cercanos, estaciones de servicios, información del clima y
otras aplicaciones[7][8]. Por otro lado, los vehículos a
978-1-5090-1083-7 /16/$31.00 ©2016 IEEE
través de conexiones AdHoc de Múltiples Saltos (Multi-
Hops) pueden tener el privilegio de acceder a servicios que
son suministrados por las RSUs, ya que estas son unidades
que se encuentran fijas y desplegadas a lo largo de las
carreteras[9][10]. Estos dispositivos, dependiendo de las
tecnologías instaladas, pueden brindar cierta capacidad y
cobertura, pero en el caso en que los vehículos se salgan de
dicho rango, entran en una zona oscura que podrían
ocasionar desconexiones. Sin embargo, en cierta forma
podrían aún mantener conectividad con la Infraestructura a
través de comunicaciones de múltiples saltos entre
vehículos hasta llegar a su objetivo de alcanzar una
conectividad con la RSU más cercana[9] como se puede
observar en la figura 1.
Hoy en día los componentes de una red vehicular Adhoc
son equipados con módulos computarizados y dispositivos
inalámbricos, con el fin de ser parte de un Sistema de
Transporte Inteligente (ITS)[9], ya que en una típica
VANET un vehículo puede beneficiarse de varios servicios
de estos sistemas durante su tiempo de permanencia dentro
de su rango de comunicación. Sin embargo, a partir de su
alejamiento del alcance de cobertura de la RSU, este
vehículo entra en un área oscura, perdiendo todo medio de
comunicación con la misma. De esta manera, con la
combinación de V2V junto con comunicaciones V2I, se
permite establecer un camino de conectividad entre
vehículos lejanos y la infraestructura VANET.
En el presente estudio proponemos un despliegue óptimo
de la infraestructura VANET en una región de
planeación[11] y para esto se analizará un modelo de
optimización ILP (Programación Lineal Entera), en el cual
consideramos el despliegue de un número mínimo de
RSUs[12] para cubrir a la mayor cantidad de vehículos del
sector, así como el uso adecuado de la capacidad de la
infraestructura. El análisis lo realizaremos mediante el uso
de mapas geo-referenciados de Open Street Map
(OSM)[13], para después proceder a realizar esquema de
múltiples saltos en V2V y V2I mediante el uso del
algoritmo Dijkstra que nos permitirá encontrar la rutas
cercanas y óptimas en los dominios de la red.
 Figura. 1. Arquitectura VANET MULTIHOP
En adelante este artículo se organiza de la siguiente manera.
En la Sección II se exponen estudios de otros autores sobre
los métodos para optimizar la posición de las RSUs así
como las características multi-hop que se utilizan para
realizar la proyección de acceso de los vehículos a la
infraestructura de red. En la Sección III se desarrolla el
planteamiento del problema, así como las variables, función
objetivo y las restricciones del modelo ILP, además
siguiendo con el proceso del esquema de múltiples saltos
mediante el algoritmo Dijkstra, para luego en la Sección IV
presentar los resultados y su respectivo análisis, y
finalmente concluimos este artículo en la Sección V.
II. DESPLIEGUE ÓPTIMO DE LA INFRAESTRUCTURA
VANET PARA COMUNICACIONES MULTI-HOP
A. Despligue Óptimo de la Infraestructura RSU en
VANET.
En los principales dominios de comunicación de una
VANET, como es el caso de V2V dependen del número y
la localización de vehículos, así como en las
comunicaciones V2I dependen del número y la localización
de las RSUs [11], estos últimos forman parte de la
infraestructura de la red y son elementos principales para
las comunicaciones. Se observa que en escenarios con un
número pequeño de RSUs, no se da la necesidad de
colocarlas de una manera óptima con el fin de maximizar el
rendimiento de la red, pero en grandes escenarios si se
despliegan de una manera generalizada en una región, la
cobertura se extenderá pero el costo de la instalación de
RSU sería demasiado alto, lo que puede imponer una cuota
de acceso a los usuarios de estos. Por lo tanto, la posición
de la infraestructura debe estar bien planificada antes de
hacer su despliegue con el fin de maximizar la cobertura de
comunicación y minimizar el número de RSUs[14].
Para garantizar un despliegue óptimo de la infraestructura
de una VANET se han realizado varios estudios, como es el
caso en el que se presentan dos soluciones diferentes al
problema de ubicación con el objetivo de maximizar el
flujo de información desde los vehículos hacia estos
dispositivos fijos en ambientes urbanos mediante el
modelamiento del método de Programación Entera Binaria
(BIP) y un método Heurístico de Expansión, obteniendo en
este último una mayor versatilidad que puede ser usado
para resolver el problema de optimización [11] y además un
esquema adicional que se esfuerza por minimizar el tiempo
promedio que toman los vehículos en reportar un incidente
o evento a la infraestructura [15]. Por otro lado se propone
un algoritmo evolutivo multi-objetivo de optimización para
la ubicación de RSUs, siendo planteado de forma heurística
para optimizar el área de cobertura de comunicación [14] y
el considerar el despliegue mínimo de un número de RSUs
a lo largo de una carretera en el cual los vehículos pueden
comunicarse con la RSU mediante un salto toma relevancia
para poder acceder a varios servicios, además de considerar
el problema de la ubicación de la infraestructura [12] que
aporta al ahorro de recursos de la red.
La principal contribución en [16] se centra en la colocación
óptima de las RSUs en carreteras y en entornos urbanos
considerando las limitaciones del medio ambiente y de la
red, para esto su formulación se plantea como un problema
BIP. La función objetivo es minimizar el costo de
instalación y mantenimiento de las RSUs mientras las
limitaciones específicas del ambiente y de la red han sido
tomadas en cuenta a través de las restricciones de
optimización. Las simulaciones muestran que el modelo
propuesto tiene un cierto rendimiento, ya que reduce el
tiempo de recepción de información de tráfico a través de la
colocación óptima de las RSU.
Con la información mencionada procedemos a configurar
un escenario inicial de planeación como se muestra en la
figura 2 que contiene los elementos básicos para empezar el
desarrollo de nuestro primer objetivo del presente estudio
que es la optimización de la infraestructura VANET, luego
del proceso de optimización obtenemos los RSU necesarios
para cubrir la mayor cantidad de vehículos en el sector
como se muestra en la figura 3.
Figura. 2. Escenario Inicial de Optimización
Figura. 3. Despliegue Óptimo de RSU
B. Redes Multi-Hop sobre ubicaciones óptimas de RSU
en VANET
Para garantizar una conectividad segura de los vehículos
a los servicios que provee la infraestructura en una
VANET, es prescindible plantear la necesidad de establecer
caminos entre estos elementos, es decir alcanzar conexiones
cooperativas V2V y V2I mediante múltiples saltos y
además implementar el algoritmo de Dijkstra para
encontrar el mejor tiempo de ruta desde un segmento en la
carretera al RSU más cercano [22].
Para conseguir caminos adecuados y establecer
conectividad se han realizado varios estudios como es el
caso en el que tiene por objetivo evaluar el rendimiento de
la comunicación de múltiples saltos entre un vehículo
origen que reside dentro de un área oscura de una carretera
y un destino. Este camino de conectividad puede ser
afectado por el comportamiento del tráfico vehicular, la
disponibilidad por salto de un enlace de comunicación y el
envío de paquetes exitoso por salto de un vehículo a otro
del área oscura [17]. Además una de las características de
las VANETs es que los vehículos se comunican de forma
cooperativa para intercambiar la información, sin embargo,
asuntos de escalabilidad surgen en escenarios de alta
densidad, en donde un alto porcentaje de redundancia de
datos y colisión de paquetes pueden conducir fácilmente al
problema de difusión[18], para esto toma importancia la
probabilidad de establecer una vía de conectividad entre un
vehículo lejano que reside en una zona oscura y una RSU
desplegada a lo largo de un camino, experimentando las
condiciones de tráfico de libre flujo y para esto en otro
estudio se ha establecido un marco de trabajo matemático
estocástico que considera conjuntamente la disponibilidad
de vehículos de retransmisión intermedia, así como su
capacidad para capturar el canal de comunicación. Este
modelo consigue ser validado a través de simulaciones y
evaluado en términos de la probabilidad de la
disponibilidad del camino [9].
Un método para optimizar el rendimiento de la selección de
ruta de una VANET presentando un nuevo protocolo del
cual se toma ventajas del algoritmo de la optimización de la
colonia de hormigas para proveer la selección de ruta en
ambientes V2I es propuesto en [19] y de los resultados
experimentales concluyen que este protocolo tiene
rendimiento efectivo. Por otro lado proponer un punto de
agregación de datos universal ideal para recibir información
es considerado en [20], en el cual analiza un árbol de
expansión multi-hop con el que se puede transportar la
información desde el concentrador universal a otro
dependiendo de la cobertura, además de la restricción del
número de saltos máximo entre concentradores, es decir
formando un camino óptimo entre estos, Analizar la entrega
de paquetes multi-hop en una VANET con baja densidad
vehicular y presentar un marco de trabajo analítico el cual
ayude a estimar aproximadamente el mínimo número de
RSUs requeridas para cubrir un segmento de carretera es
expuesto en [21] y los resultados numéricos concluyen que
tanto el retardo de la entrega de paquetes extremo a
extremo no es influenciado por una variación en la
densidad vehicular o en el rango de transmisión.
Una vez configurado el escenario inicial con su respectiva
optimización, procedemos a realizar el uso del algoritmo
Dijkstra adaptándolo a nuestro problema con el fin de
encontrar los caminos óptimos desde los vehículos hasta el
RSU más cercano mediante esquema de múltiples saltos,
además tomando en cuenta las distancias entre vehículos y
la infraestructura. Con esta configuración procedemos a
desarrollar el tercer objetivo de lograr encontrara caminos
que proporcionen mayor conectividad a la red en un
momento determinado como se muestra en la figura 4.
Figura. 4. Red Multi-Hop Mediante algoritmo Dijkstra
 III. FORMULACIÓN DEL PROBLEMA 𝐾

V.
∑ 𝑅𝑖,𝑘 ≤ 𝑅𝑖 ; ∀𝑖 ∈ 𝑆, ∀𝑘 ∈ {1,2, … , 𝐾}
Se establece un sistema vial donde se realizarán 𝑘=1
escenarios simulados y optimizados de una red de
𝑋𝑖,𝑘,𝑗 ≤ 𝛼𝑖,𝑗 𝑅𝑖,𝑘 ; ∀𝑖 ∈ 𝑆, ∀𝑘 ∈ {1,2, … , 𝐾}, ∀𝑗 ∈ 𝑈
comunicaciones VANET para brindar servicios mediante el VI.
despliegue adecuado de RSUs con un radio de cobertura VII. 𝑅𝑖,𝑘 + 𝑅𝑗,𝑘 ≤ 2 − 𝛽𝑖,𝑗 ; ∀𝑖 ∈ 𝑆, ∀𝑗 ∈ 𝑆, ∀𝑘 ∈ {1,2, … , 𝐾}
fijo, una capacidad limitada para brindar conectividad a un
número de vehículos simultáneamente y la opción de operar La ecuación I representa la función objetivo que busca
en uno de tres canales adyacentes para evitar interferencias. minimizar el número de RSUs sujeta a ciertas restricciones
Los vehículos pueden ubicarse en cualquier parte de las según lo expuesto en la formulación del problema, las
vías y buscar conectarse a un RSU que se encuentre cuales se explicarán en las siguientes ecuaciones. La
disponible y que tenga la capacidad de atenderlo ecuación II plantea como límite un porcentaje mínimo de
directamente o mediante saltos a través de otros vehículos. vehículos a los cuales se les garantiza cobertura mediante la
Por otro lado se define un conjunto N de vehículos optimización de las RSUs. La ecuación III muestra la
ubicados de forma aleatoria sobre las vías y un conjunto M posible conexión de un vehículo analizado a cada RSU, en
de sitios candidatos donde posiblemente se pueden ubicar cada uno de los canales y haciendo uso de la variable 𝑋𝑖,𝑘,𝑗 .
las RSUs. Un sitio candidato es un lugar donde se podría
La ecuación IV garantiza que cada RSU no exceda la
activar una RSU, pero no necesariamente consiga hacerlo.
capacidad asignada, donde la sumatoria de los vehículos
Del mismo modo se define el conjunto K de canales
conectados a la misma RSU operando en un único canal
disponibles en cada RSU, para que un vehículo mantenga
debe ser menor o igual a la capacidad C de cada RSU. La
conectividad si se encuentra dentro de un radio de cobertura
ecuación V limita a la RSU a trabajar en un solo canal
ρ de al menos una RSU activo y con capacidad C de un
mediante la sumatoria de la variable 𝑅𝑖,𝑘 que representa a
número de vehículos operando simultáneamente en un
único canal k, por lo que se establece que dos RSUs que la RSU operando en los posibles canales k. La ecuación VI
trabajan en el mismo canal, deben estar ubicados a una determina la conectividad de un vehículo a una RSU que
distancia mayor a 2 veces el radio de cobertura para evitar opera en un canal representado por la
interferencia. variable 𝑋𝑖,𝑘,𝑗 mediante la utilización del valor ∝. La
A partir de la información mencionada anteriormente se ecuación VII garantiza que no exista interferencia producto
determina el problema y su planteamiento se ve de la activación de dos RSUs que operan en el mismo
representado mediante las siguientes definiciones: canal y se hace uso de la variable β para este fin.
encontrar el mínimo número de RSUs activos tales que se En la tabla I presentamos la nomenclatura utilizada en el
permita la conexión de al menos un porcentaje Porc de trabajo, la cual se divide en tres partes como son en
vehículos. El conjunto 𝑆 = {𝑆1 , 𝑆2 , 𝑆3 , … , 𝑆𝑀 } que conjuntos, parámetros y variables de decisión, cada una con
corresponde a los sitios candidatos ubicados en las su respectivo dominio e interpretación.
coordenadas(𝑥𝑠𝑖, 𝑦𝑠𝑖 ), el conjunto 𝑈 = {𝑢1 , 𝑢2 , … , 𝑢𝑁 }
T ABLA I: VARIABLES Y COEFICIENTES
corresponde a los vehículos cuya posición j-ésimo está dada EN EL M ODELO DE O PTIMIZACIÓN
por (𝑥𝑢𝑗 , 𝑦𝑢𝑗 ). Por otro lado se define la cantidad 𝛼𝑖,𝑗 ∈
Nombre Dominio Interpretación
{0,1} de la siguiente forma: si el vehículo j es cubierto por Conjuntos
alguna RSU del sitio i, entonces el valor es 1, de lo U ∈ 𝒵 Conjunto de Vehículos
S ∈ 𝒵 Conjunto de Sitios Candidatos
contrario el valor es 0, además la cantidad 𝛽𝑖,𝑚 ∈ {0,1} si K ∈ 𝒵 Conjunto de Canales
cuyo valor es asignado en 1, entonces la RSU en el sitio i y Parámetros
la RSU en el sitio m se interfieren entre sí y 0 caso M 𝒵>0 Cantidad de Sitios Candidatos
N 𝒵>0 Cantidad de Vehículos
contrario. Otra variable adicional es Porc para el porcentaje C Capacidad de las RSU
≥0
de vehículos que se requiere atender dentro del área de k 𝒵>0 Cantidad de canales asignados a las RSU
planeación y 𝑅𝑖 un identificador que muestra si alguna RSU ρ 𝒵>0 Radio de Cobertura
Porc
en el sitio i se encuentra activa. De igual manera se define ≥0 Porcentaje de Cobertura
Variables de
𝑅𝑖,𝑘 como una variable que indica si el sitio i tiene una RSU Decisión
activa en el canal k, 𝑉𝑗 que muestra que el vehículo j está 𝑅𝑖 𝒵>0 RSU i-ésimo
𝑉𝑗 𝒵>0 Vehículo j-ésimo
dentro del área de planeación y 𝑋𝑖,𝑘,𝑗 identifica si el RSU i-ésimo operando en el canal k.
𝑅𝑖,𝑘 𝑘
vehículo j se conecta a la RSU i, en el canal k. 𝑋𝑖,𝑘,𝑗 𝑀 Variable de conectividad entre el vehículo j, RSU i y el canal k
𝛼𝑖,𝑗  {0, 1} Variable de conectividad entre vehículo j-ésimo y RSU i-ésimo
Variable de interferencia entre RSU i-ésimo y RSU m-ésimo
MODELO DE OPTIMIZACIÓN DE LA INFRAESTRUCTURA 𝛽𝑖,𝑚  {0, 1}

VANET
𝑀

min ∑ 𝑅𝑖
I.
IV. ANÁLISIS DE RESULTADOS
𝑖=1
En la figura 5 se presenta el escenario optimizado de la
Sujeto a:
𝑁 infraestructura VANET mediante ILP y las conexiones de
II. ∑ 𝑉𝑗 ≥ 𝑁. 𝑃𝑜𝑟𝑐 los vehículos sin cobertura inicial que mediante múltiples
𝑗=1 saltos entre estos alcanzan a las RSUs más cercanas,
𝑀 𝐾
consiguiendo obtener una red fiable, que además se puede
III. 𝑉𝑗 = ∑ ∑ 𝑋𝑖,𝑘,𝑗 ; ∀𝑗 ∈ 𝑈
observar que con el 50% de las RSUs planteados
𝑖=1 𝑘=1
𝑁 inicialmente como sitios candidatos en la figura 2 pueden
IV. ∑ 𝑋𝑖,𝑘,𝑗 ≤ 𝐶𝑅𝑖,𝑘 ; ∀𝑖 ∈ 𝑆, ∀𝑘 ∈ {1,2, … , 𝐾} garantizar el servicio a la mayoría de los vehículos
𝑗=𝑖 desplegados por todo el escenario de planeación.

Figura. 5. Escenario Optimizado con conectividad
Los porcentajes de vehículos que acceden al servicio de
la Infraestructura mediante conexiones hacia las RSUs se
presentan en la figura.6, donde se cumple que el 70% es
debido al modelo de optimización planteado el cual
aumenta debido a las condiciones del escenario y a la
capacidad de las RSUs aun disponibles en un 6%. Además
la característica multi-hop de VANET permite incrementar
un 20% adicional de vehículos que acceden al servicio
mediante la conexión entre vehículos V2V para alcanzar un
RSU teniendo finalmente un 96% de vehículos que pueden
acceder a la infraestructura de red.
Figura. 6. Porcentajes de vehículos con conexión
En la figura 7 podemos identificar la cantidad de
vehículos conectados a cada RSU en las diferentes etapas
de la optimización. Se observa que con el despliegue
óptimo las RSUs 5, 11 y 3 no sobrepasan el 50% de su
capacidad, posterior a esto las condiciones del escenario
permite hacer uso de la capacidad disponible de las RSUs
11, 3 y 7 para brindar conexión directa a más vehículos sin
saturar su capacidad, finalmente la comunicación V2V
permite a las RSUs 5, 11, 7 y 6 brindar acceso a la
infraestructura de red a los vehículos que se encuentran
fuera de cobertura inicial.
Figura. 7. Cantidad de vehículos conectados a las RSU en las diferentes
etapas de optimización
V. CONCLUSIONES Y FUTUROS TRABAJOS
El presente trabajo define tres pasos para la planeación y
despliegue óptimo de una red de comunicaciones VANET
iniciando con un modelo matemático ILP que resuelve la
mejor posición de las RSUs que además permite obtener los
resultados adecuados en cuanto a la cantidad de vehículos
que acceden a la infraestructura de red aprovechando la
capacidad adicional de las RSUs aun disponibles,
finalmente la característica multi-hop en VANET permite
extender la cobertura por toda el área de planeación,
logrando obtener mayor alcance en la conectividad de
vehículos que inicialmente no eran cubiertos por la
infraestructura.
Nuestro trabajo se centra en el análisis de un escenario
definido en un tiempo determinado con la variación de las
ubicaciones tanto de vehículos y RSUs, con un
planteamiento matemático que puede integrar restricciones
adicionales para controlar métricas en escenarios variables.
Adicionalmente como trabajos futuros se puede presentar la
opción de ubicar redes heterogéneas en la infraestructura
mediante la configuración de ciertas tecnologías puntuales
que logren activarse de acuerdo al cambio dinámico del
flujo vehicular, logrando tener una cobertura adaptable a las
condiciones de cualquier escenario vehicular y con esto
conseguir un ahorro de recursos en toda la red.
REFERENCIAS
[1] S. Al-Sultan, M. M. Al-Doori, A. H. Al-Bayatti, and H. Zedan,
“A comprehensive survey on vehicular Ad Hoc network,” J.
Netw. Comput. Appl., vol. 37, no. 1, pp. 380–392, 2014.
[2] E. C. Eze, S. Zhang, and E. Liu, “Vehicular Ad Hoc Networks (
VANETs ): Current State , Challenges , Potentials and Way
Forward,” no. September, pp. 12–13, 2014.
[3] “Taxonomy of Intelligent Transportation Systems ( VANET ): A
Survey,” vol. 5, no. 1, pp. 69–82, 2014.
[4] J. Barrachina, J. A. Sanguesa, M. Fogue, P. Garrido, F. J.
Martinez, J. C. Cano, C. T. Calafate, and P. Manzoni, “V2X-d:
A vehicular density estimation system that combines V2V and
V2I communications,” IFIP Wirel. Days, 2013.
[5] R. S. Deshmukh, T. S. Chouhan, and P. Vetrivelan, “VANETS
Model: Vehicle-to-Vehicle, Infrastructure-to-Infrastructure and
Vehicle-to-Infrastructure Communication using NS-3,” vol. 5,
no. 3, pp. 2053–2057, 2015.
[6] N. P. T, S. Suvitha, and D. Balakumaran, “Design and
Implementation of Intelligent Vehicular Ad-hoc Network,” vol.
1, no. 4, pp. 51–55, 2015.
[7] C.-F. Wang, Y.-P. Chiou, and G.-H. Liaw, “Nexthop selection
mechanism for nodes with heterogeneous transmission range in
VANETs,” Comput. Commun., vol. 55, no. September, pp. 22–
31, 2015.
[8] H. Vahdat-Nejad, A. Ramazani, T. Mohammadi, and W.
Mansoor, “A survey on context-aware vehicular network
applications,” Veh. Commun., vol. 3, pp. 43–57, 2016.
[9] R. Atallah, M. Khabbaz, and C. Assi, “Modelling of Multi-Hop
Inter-Vehicular Path Formation For Connecting Far Vehicles to
RSUs,” no. January 2016, pp. 1972–1977, 2015.
[10] S. C. Ng, W. Zhang, Y. Zhang, Y. Yang, and G. Mao, “Analysis
of access and connectivity probabilities in vehicular relay
networks,” IEEE J. Sel. Areas Commun., vol. 29, no. 1, pp. 140–
150, 2011.
[11] B. Aslam, F. Amjad, and C. C. Zou, “Optimal roadside units
placement in urban areas for vehicular networks,” Proc. - IEEE
Symp. Comput. Commun., vol. 1, pp. 000423–000429, 2012.
[12] V. Networks, C. Lin, and D. Deng, “Optimal Two-Lane
Placement for Hybrid.”
[13] M. Haklay and P. Weber, “OpenStreetMap: User-Generated
Street Maps. Pervasive Computing,” IEEE Pervasive Comput.,
vol. 7, no. 4, pp. 12–18, 2008.
[14] T. Kumrai, K. Ota, M. Dong, and P. Champrasert, “RSU
Placement Optimization in Vehicular Participatory Sensing
Networks,” pp. 207–208, 2014.
[15] B. Aslam and C. C. Zou, “Optimal roadside units placement
along highways,” 2011 IEEE Consum. Commun. Netw. Conf.
CCNC’2011, pp. 814–815, 2011.
[16] N. M. Balouchzahi, A. Akbari, and M. Fathy, “Optimal road
side units placement model based on binary integer
programming for efficient traffic information advertisement and
discovery in vehicular environment,” IET Intell. Transp. Syst.,
vol. 9, no. 9, pp. 851–861, 2015.
[17] R. Atallah, M. Khabbaz, and C. Assi, “Throughout analysis of
IEEE 802.11p-based multi-hop V2I communications,” 2015
IEEE 16th Int. Symp. A World Wireless, Mob. Multimed.
Networks, no. JUNE, pp. 1–6, 2015.
[18] M. Chaqfeh and A. Lakas, “A novel approach for scalable multi-
hop data dissemination in vehicular ad hoc networks,” Ad Hoc
Networks, 2015.
[19] H. Dong, X. H. Zhao, L. D. Qu, X. F. Chi, and X. Y. Cui,
“Multi-Hop Routing Optimization Method Based on Improved
Ant Algorithm for Vehicle to Roadside Network,” J. Bionic
Eng., vol. 11, no. 3, pp. 490–496, 2014.
[20] A. Peralta-Sevilla, E. Inga, R. Cumbal, and R. Hincapi??,
“Optimum deployment of FiWi Networks using wireless sensors
based on Universal Data Aggregation Points,” 2015 IEEE
Colomb. Conf. Commun. Comput. COLCOM 2015 - Conf. Proc.,
2015.
[21] A. Abdrabou and W. Zhuang, “Probabilistic Delay Control and
Road Side Unit Placement for Vehicular Ad Hoc Networks with
Disrupted Connectivity,” IEEE J. Sel. Areas Commun., vol. 29,
no. 1, pp. 129–139, Jan. 2011.
[22] S. Mehar, S. M. Senouci, A. Kies, and M. M. Zoulikha, “An
Optimized Roadside Units (RSU) placement for delay-sensitive
applications in vehicular networks,” 2015 12th Annu. IEEE
Consum. Commun. Netw. Conf. CCNC 2015, pp. 121–127, 2015.

BIOGRAFÍA

Renato Cumbal He graduated from the

Universidad Central. He is professor at the
Universidad Politécnica Salesiana - Quito. He is
member of the Telecommunications Research
Group (GIETEC). He is currently working
toward his Ph.D degree in Engineering with the
Universidad Pontificia Bolivariana – Medellín
Colombia. His research interest is in
mathematical modeling, simulation techniques,
development of mathematical optimization
models and architecture, sizing and deployment
in vehicle ad hoc networks.

Hector Palacios He graduated in electronics

engineering with a specialization in
Telecommunications from Universidad
Politécnica Salesiana - Quito. His research
interest is the development of mathematical
optimization models.

Roberto Hincapié He received the B.S. degree

in electronic engineering, the M.S. degree in
engineering, and the Ph.D. degree in engineering
from the Universidad Pontificia Bolivariana,
Medellín, Colombia, 1996, 2005, and 2009,
respectively. He is currently an Assistant
Professor of telecommunications engineering
with the Universidad Pontificia Bolivariana –
Colombia-Medellín and is the Director of the
GIDATI Research Group. His work is based on
mathematical modeling and simulation
techniques. His research interests include
resource allocation in wireless mesh networks,
network planning, and tele-traffic engineering,
with applications to quality of service and rural
coverage.