Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cómo citar:
Parameswari, S., Parameswari, S., Kavitha, K. y Elango, P. (2022). Un nuevo protocolo de enrutamiento basado en clústeres
consciente de la energía para la difusión de mensajes de emergencia en redes ad hoc vehiculares. Revista Internacional de
Ciencias de la Salud, 6(S5), 4205–4224. https://doi.org/10.53730/ijhs.v6nS5.9543
S. Parameswari
Departamento de Informática e Ingeniería, Universidad de Annamalai, Annamalai Nagar-608
002 y Departamento de Tecnología de la Información, Instituto de Ingeniería y Tecnología
Perunthalivar Kamarajar (PKIET), Karaikal-609603
Dra. K. Kavitha
Departamento de Informática e Ingeniería, Universidad de Annamalai, Annamalai Nagar-608
002
Dr. P. Elango
Departamento de Tecnología de la Información, Instituto Perunthalivar Kamarajar de Ingeniería
y Tecnología (PKIET), Karaikal-609603
4206
1. Introducción
Generalmente, los mensajes normales no son críticos en cuanto al tiempo, por otro lado, los
mensajes de emergencia o de seguridad son críticos en el tiempo y necesitan una comunicación
efectiva lo más rápido posible [3]. Existen varios métodos para la distribución de mensajes de
emergencia (EM), pero casi todos están desarrollados para funcionar en determinadas situaciones.
Aún así, hay espacio para mejoras considerables ya que la técnica aún no ha alcanzado su madurez
y todavía está en la etapa de desarrollo. La figura 1 ilustra la arquitectura de VANET [4].
4207
Paranjothi et al. [13] presentó una computación de niebla basada en un método híbrido llamado
Hybrid-Vehfog para transmitir mensajes en la región de sombra de obstáculos y un método multisalto
para transmitir mensajes en la región de sombra sin obstáculos. La técnica presentada se adapta
dinámicamente a los cambios del entorno y se requiere una fuerte capacidad de posicionamiento de
drones. Sha et al. [14] desarrolló un método de transmisión de datos con mecanismos de barrera de
tiempo para disminuir la sobrecarga de mensajes que podría saturar las redes. El método presentado
depende de los conceptos de un supernodo para distribuir con precisión el mensaje. Además, para
evitar transmisiones no deseadas que podrían crear problemas de tormentas de transmisión, se
adopta el método de barrera de tiempo para manejar estos problemas.
Prathiba et al. [15] propuso un método de agrupamiento continuo habilitado para SDN llamado
Migrating Consignment Region (MiCR) basado en Federated K-means method para difundir SCM al
AV a través de la transmisión 5G-V2X. A diferencia de otras metodologías que generan clústeres
para todas las instancias, MiCR continúa manteniendo un clúster en movimiento para transmitir SCM
a AV con baja latencia y confiabilidad ultra alta. Benrhaiem et al. [16] introdujeron un sistema,
denominado sistema fiable de difusión de mensajes de emergencia (REMD), que alcanza una
fiabilidad predeterminada para la difusión de mensajes cuando se cumple el requisito de retardo, para
diferentes condiciones de canal. El objetivo principal es garantizar una mayor confiabilidad en todos
los saltos, con una sobrecarga de control más baja al mantener una latencia de extremo a extremo
más baja para aplicaciones de tiempo crítico.
Machine Translated by Google
4208
Benkerdagh et al. [17] presentó un sistema que comprende la gestión de datos de antemano método
de difusión como la fase inicial de esta técnica. En este proceso, se mejora el mensaje original para
reducir la cantidad de paquetes intercambiados. A continuación, la propuesta contiene la creación de
clústeres estables y rápidos para mejorar el tiempo de difusión del mensaje y obtener una utilización
eficaz del ancho de banda. Este método depende de una función de aptitud que consideró varios
parámetros, a saber, la validez de la vida útil del enlace, el tiempo de transmisión, la velocidad relativa
y el grado de conectividad.
2. El Modelo Propuesto
Este documento ha establecido una nueva técnica EAC-RPCMD para difundir los EM en el entorno
VANET basado en clúster. La técnica EAC-RPCMD selecciona inicialmente los CH y organiza los
clústeres utilizando la técnica EOC.
Seguidamente, la elección óptima de las rutas se lleva a cabo mediante la técnica MRFO-RS. La Fig.
2 demuestra el proceso de trabajo general de la técnica EAC RPCMD propuesta.
Machine Translated by Google
4209
En la etapa inicial, los vehículos se colocan en el entorno de destino y se inicia la fase de recopilación
de información. Luego, se ejecuta el EOC para elegir el conjunto competente de CH. El método EO
es presentado inicialmente por Faramarzi et al.
[18]. El OE es estimulado por el método de balance de masa de volumen de control que se utiliza
para la evaluación de los estados de equilibrio y dinámicos. En EO, cada individuo de la población
es análogo a las soluciones y la concentración única es
análogo a una ubicación de partículas en el método PSO.
= + (-). + (1 - ), (1)
Considerando que se determina como unidad, denota el candidato de equilibrio e indica el término
exponencial y la tasa de generación, correspondientemente. = ( 1, 2, … , )
representar un vector aleatorio dentro de [0,1] significa la cantidad de parámetros de la concentración
única. El estado de equilibrio muestra el último estado de convergencia de EO. El grupo de equilibrio
contiene cinco individuos.
Pero, para problemas de optimización multiobjetivo, por lo general, hay un grupo de compensaciones
alternativas entre este objetivo. No pudieron arreglar la solución.
Machine Translated by Google
4210
, ={ }, (3)
En la ecuación. (3) Rep significa el repositorio externo, y Rep se emplea para guardar
registros anteriores de soluciones no dominadas encontradas junto con todo el método de
búsqueda. Todos los individuos en cada iteración mejoran su concentración (ubicación)
con selecciones de la rueda de la ruleta entre los candidatos de equilibrio [19].
El proceso de selección antes mencionado es capaz de mantener la variedad de las
soluciones alcanzadas en el método de búsqueda. Las reglas de mejora de la concentración
están controladas por el término exponencial,
= ÿ ( ÿ 0)
, (4)
( 2( / ))
, (5)
= (1 ÿ )
1
0 = en (ÿ 1 ( 0 ÿ 0.5)[1 ÿ ÿ ]) + , (6)
Aquí 1 representa un valor constante que impacta la capacidad de exploración, signo ÿ 0.5)
se usa para controlar la dirección de explotación y exploración, 0
( 0 significa un valor arbitrario dentro de [0, 1]. En el estudio, el valor de fijo a 1 y 2 son
2 y 1, correspondientemente. La elección de ambos valores es confiable con el método EO
original. Por lo tanto, el término exponencial se expresa por:
= 0
ÿ ( ÿ 0)
,
0 = (-), (8)
0.5 1, 2 ÿ ,
= { 0, 2 < ,
= 0_ (9)
Machine Translated by Google
4211
= ÿ ( ( , ) + ( )) (21)
donde denota la energía actual del vehículo y disipada por el indica la energía
vehículo en el momento de la transmisión de datos.
(,)=+ 2
(22)
= (23)
()
Además, el ADNV define el valor medio del DNV en la comunicación de un solo salto. Se
puede equiparar de la siguiente manera.
ÿ (, )
= =1
, (24)
= | ( )| (25)
La técnica MRFO fue proyectada por [20]. Simula las actuaciones de mantarrayas.
El MRFO se expresó reproduciendo los enfoques de alimentación importantes, a saber, salto
mortal, encadenamiento y ciclón. Pero, el MRFO es igual que muchos
Machine Translated by Google
4212
(: ) = + (: ) ÿ ( ÿ ij)ÿ ÿ , ÿ (26)
()+ , ()- , ( )) ÿ ( (: ) ÿ ) ÿ = 1, ÿ ( )) ÿ
, (27)
( + 1) = { , , ( ( ) + ( ÿ1, ( ) - , ( (: ) ÿ ) ÿ > 1:
(28)
= 2 ÿ (: ) ÿ ÿ| registro( (: )))|
Por el contrario, el enjambre nada en espiral al igual que los ciclones y luego detecta el
alimento. Eventualmente, los últimos lugares de las mantarrayas se modificaron sobre el
lugar óptimo en esta técnica de operador utilizando la ecuación escrita como en la ecuación.
(29).
, ( + 1) = (29) ÿ
, ( ) + ÿ ( 2 , 3 , ( )) ÿ ÿ
,
+ , ÿ ( ÿ ) ÿ = 1, ÿ ( ) ÿ
,
( + 1) = { , +ÿ( ÿ1, ( )) + ÿ , ,
ÿ > 1:
ÿ = ()ÿÿ () (30)
, , ,
máximo
+1
(2 1 ) (31)
= 2 ÿ exp( 1 máximo
)ÿ
+ , . ( ÿ ) ÿ = 1, ÿ ( ) ÿ
,
( + 1) = { , +.( ÿ1, ( )) + ÿ ÿ
, ,
ÿ > 1:
= ÿ
() (32)
, ,
(: ) = + (: ) ÿ ( ÿ ) (33)
4213
ÿ, (34)
= { 10 ÿ
ÿ, (35)
ÿ: ÿÿ , : ÿÿ , : ÿÿ ,
ÿ, (36)
ÿ, (37)
El objetivo principal es minimizar la demora de tiempo y mejorar la cobertura completa para una transmisión EM
exitosa, además de que el mensaje que no es crítico en el tiempo se obtiene con una demora. Además, el
reenvío de EM a través de la transmisión podría crear congestión en la red y degradar toda la eficiencia de las
redes. El método presentado en el Algoritmo 2 se ocupa de la selección de CH y la formación de grupos, junto
con la gestión de vehículos UNreg. Al recibir un EM, los vehículos comprueban inicialmente su estado.
La validación experimental de la técnica EAC-RPCMD se lleva a cabo con un número y una velocidad de
vehículos variables [22, 23]. La Tabla 1 proporciona un estudio comparativo detallado de la técnica EAC-RPCMD
con métodos recientes bajo el número distinto de vehículos. El análisis PDR de la técnica EAC-RPCMD y los
métodos existentes bajo varios vehículos se realizan en la Fig. 3. A partir de la figura, se observa que la técnica
GPSR ha logrado un rendimiento deficiente con los valores PDR más bajos. Al mismo tiempo, la técnica QADD
ha ganado un valor de PDR ligeramente mejorado mientras que la técnica DPSO-VANET ha logrado incluso
Machine Translated by Google
4214
El análisis ATT del método EAC-RPCMD y los enfoques actuales bajo muchos vehículos se ejecutan
en la Fig. 4. De la figura, se observa que el sistema GPSR ha logrado un desempeño deficiente con
los valores ATT menores.
Simultáneamente, el procedimiento QADD ha recibido un valor ATT ligeramente mejorado, mientras
que la técnica DPSO-VANET ha logrado resultados aún mejores.
Sin embargo, la técnica EAC-RPCMD ha alcanzado el rendimiento máximo sobre los otros sistemas
con ATT de 222,61 kbps, 211,27 kbps, 191,70 kbps, 185,38 kbps y 179,03 kbps en los vehículos
100-500 correspondientemente.
Machine Translated by Google
4215
Posteriormente, en la figura 6 se lleva a cabo un análisis de retardo de extremo a extremo (ETED) del
procedimiento EAC-RPCMD con otros métodos. Los resultados describen que los enfoques QADD y
GPSR han obtenido resultados ineficaces con los valores leves de ETED. Luego, el proceso DPSO-
VANET ha logrado resultados casi óptimos con el ETED razonable. Sin embargo, el sistema EAC-
RPCMD ha demostrado su resultado más alto con el ETED mínimo de 72,02 ms, 121,71 ms, 185,65
ms, 252,50 ms y 376,96 ms respectivamente.
Machine Translated by Google
4216
4217
La Tabla 2 proporciona un estudio detallado del método EAC-RPCMD con metodologías recientes bajo
distintas velocidades de vehículos. El análisis PDR del método EAC RPCMD y los enfoques actuales
bajo diferentes velocidades de vehículos se lleva a cabo en la Fig. 7. De la figura, se observa que el
sistema GPSR ha logrado un rendimiento deficiente con los valores PDR subordinados.
Simultáneamente, el método QADD ha obtenido un valor de PDR ligeramente mejorado mientras que
el procedimiento DPSO-VANET ha alcanzado resultados aún mejores. Sin embargo, el sistema EAC-
RPCMD ha alcanzado el máximo rendimiento sobre las otras metodologías con el PDR de 98,84 %,
98,36 %, 96,42 %, 91,12 % y 84,34 % a una velocidad de los vehículos de 20 a 100 respectivamente.
4218
El análisis ATT del modelo EAC-RPCMD y las metodologías actuales bajo múltiples velocidades de
vehículos se ejecuta en la Fig. 8. A partir de la figura, se afirma que la técnica GPSR ha logrado un
rendimiento deficiente con los valores mínimos de ATT.
Simultáneamente, el algoritmo QADD obtuvo un valor ATT ligeramente más alto, mientras que el sistema
DPSO-VANET logró resultados mejorados. Pero, el EAC-RPCMD
Machine Translated by Google
4219
El sistema ha ganado el rendimiento más alto sobre los otros métodos con el ATT de 236.31kbps,
222.57kbps, 207.32kbps, 194.78kbps y 191.63kbps bajo velocidades de vehículos 20-100
correspondientemente.
A continuación, se realiza un análisis de ROH del método EAC-RPCMD con otros modelos en la Fig.
9. El resultado describió que los procedimientos QADD y GPSR han obtenido resultados ineficaces
con los valores leves de ROH. Posteriormente, el procedimiento DPSO VANET ha logrado resultados
casi óptimos con el ROH razonable.
Sin embargo, el enfoque EAC-RPCMD ha demostrado sus mejores resultados con un ROH mínimo
de 9,01 %, 13,25 %, 11,11 %, 14,67 % y 19,01 % correspondientemente.
A continuación, un análisis ETED del enfoque EAC-RPCMD con otras metodologías se lleva a cabo
en la Fig. 10. Los resultados describen que los métodos QADD y GPSR han obtenido resultados
ineficaces con los valores menores de ETED.
Después de eso, la metodología DPSO-VANET ha logrado resultados casi óptimos con el ETED
razonable. Pero el método EAC-RPCMD ha establecido su mayor resultado con el ETED mínimo de
52,32 ms, 107,31 ms, 168,65 ms, 232,00 ms y 351,06 ms respectivamente.
Machine Translated by Google
4220
Fig. 10. Análisis ETED de la técnica EAC-RPCMD con velocidad de vehículos variable
Finalmente, en la Tabla 3 se ofrece un análisis CHD y CMD de la técnica EAC-RPCMD con otros
métodos. En la Fig. 11 se ofrece un breve análisis CHD de la técnica EAC-RPCMD con metodologías
comparadas. Para un resultado efectivo, el valor de el CHD debe ser máximo. Los resultados
demostraron
Machine Translated by Google
4221
que el GPSR solo puede lograr un CHD más bajo que las otras técnicas. Además, las técnicas QADD y
DPSO-VANET han alcanzado una CC moderada sobre la técnica EAC-RPCMD. Sin embargo, la técnica EAC-
RPCMD ha asegurado un rendimiento óptimo con un CHD máximo de 73,52 s a una velocidad del vehículo
de 20.
4222
4. Conclusión
Este documento ha establecido una nueva metodología EAC-RPCMD para difundir los EM en el
entorno VANET basado en clúster. La técnica EAC-RPCMD selecciona inicialmente los CH y
organiza los clústeres utilizando la técnica EOC.
Seguidamente, la elección óptima de las rutas se lleva a cabo mediante la técnica MRFO-RS.
Finalmente, el esquema de difusión EM también se emplea en VANET.
Se lleva a cabo la validación del rendimiento de la técnica EAC-RPCMD y los resultados se
inspeccionan bajo varios aspectos. Los resultados de la simulación informaron de la mejora de la
técnica EAC-RPCMD en comparación con los enfoques más recientes. Por lo tanto, la técnica EAC-
RPCMD se puede utilizar como un enfoque eficiente para la difusión de EM en el entorno VANET.
Machine Translated by Google
4223
Referencias
[5] Ghazi, MU, Khattak, MAK, Shabir, B., Malik, AW y Ramzan, MS, 2020. Diseminación de mensajes
de emergencia en redes vehiculares: una revisión. IEEE Access, 8, págs. 38606-38621.
[6] Harrabi, S., Jaafar, IB y Ghedira, K., 2017. Difusión de mensajes en redes vehiculares sobre la base
de tecnología de agentes. Comunicaciones personales inalámbricas, 96(4), pp.6129-6146.
[7] Ullah, S., Abbas, G., Abbas, ZH, Waqas, M. y Ahmed, M., 2020. RBO EM: esquema de sobrecarga
de transmisión reducida para la difusión de mensajes de emergencia en VANET. Acceso IEEE,
8, págs. 175205-175219.
[8] MM Bhuiyan, SM Salim y MR Hasan, "Esquema de transmisión consciente de la densidad para
VANET", en Proc. 17ª Conferencia de Asia Pacífico. Commun., octubre de 2011, págs. 467–471.
[9] Rahim, A., Ahmad, I., Khan, ZS, Sher, M., Shoaib, M., Javed, A., et al.
(2009). Un estudio comparativo de redes adhoc móviles y vehiculares.
Revista internacional de ingeniería de tendencias recientes, 2 (4), 195–197.
[10] F. Cunha, L. Villas, A. Boukerche, G. Maia, A. Viana, RAF Mini y A.
AF Loureiro, ''Comunicación de datos en VANET: protocolos, aplicaciones y desafíos'', Ad Hoc
Netw., vol. 44, págs. 90 a 103, julio de 2016.
[11] A.-M. Ahmad, H. Idriss, AE Mouallem y ZE Bazzal, "Diseminación de datos basada en cadenas en
redes ad-hoc vehiculares (VANET)", en Proc. 6to Int. Conf. Dígito. Inf., Red., Inalámbrico Comun.
(DINWC), abril de 2018, págs. 75–
80.
[12] Lenin, SB y Tamilarasan, NS, 2021. Optimización de hiena manchada y esquema de localización
de nodos NLOS basados en recocido simulado para mejorar la distribución de mensajes de
advertencia en VANET.
[13] Paranjothi, A., Tanik, U., Wang, Y. y Khan, MS, 2019. HybridÿVehfog: un enfoque sólido para la
difusión confiable de mensajes críticos en vehículos conectados. Transacciones Emerging
Telecommunications Technologies, 30(6),
en p.e3595.
[14] Shah, SS, Malik, AW, Rahman, AU, Iqbal, S. y Khan, SU, 2019.
Difusión de mensajes de emergencia basados en barrera de tiempo en redes vehiculares ad-hoc.
Acceso IEEE, 7, págs. 16494-16503.
[15] Prathiba, SB, Raja, G., Bashir, AK, Alzubi, AA y Gupta, B., 2021.
Marco de diseminación de mensajes de seguridad asistida por SDN para infraestructura de
energía crítica vehicular. Transacciones IEEE sobre informática industrial.
Machine Translated by Google
4224
[16] Benrhaiem, W., Hafid, A. y Sahu, PK, 2019. Esquema confiable de difusión de mensajes de
emergencia para redes vehiculares urbanas. IEEE Transactions on Intelligent Transportation
Systems, 21(3), pp.1154-1166.
[17] Benkerdagh, S. y Duvallet, C., 2019. Estrategia de difusión de mensajes de emergencia basada
en clústeres para VANET mediante comunicación V2V. Revista Internacional de Sistemas de
Comunicación, 32(5), p.e3897.
[18] Ernawati, E., Baso, YS, Hidayanty, H., Syarif, S., Aminuddin, A. y Bahar, B. (2022). Los efectos
de la educación sobre la anemia utilizando she smart basado en la web para mejorar el
conocimiento, las actitudes y la práctica en las adolescentes. Revista Internacional de Salud
y Ciencias Médicas, 44-49. https://doi.org/10.21744/ijhms.v5n1.1831 5(1),
[22] Zhao, W., Zhang, Z., Wang, L., 2020. Optimización de forrajeo de mantarrayas: un optimizador
bioinspirado efectivo para aplicaciones de ingeniería. Ing. aplicación Artefacto
Intel. 87, 103300.
[23] Hassan, MH, Houssein, EH, Mahdy, MA y Kamel, S., 2021. Un optimizador mejorado de forrajeo
de mantarrayas para problemas de despacho de emisiones rentables. Aplicaciones de
Ingeniería de la Inteligencia Artificial, 100, p.104155.
[24] Chahal, M. y Harit, S., 2019. Ruta óptima para la difusión de datos en redes vehiculares ad hoc
mediante metaheurística. Informática e ingeniería eléctrica, 76, pp.40-55.
[25] Ullah, S., Abbas, G., Waqas, M., Abbas, ZH, Tu, S. y Hameed, IA, 2021. EEMDS: Un esquema
efectivo de difusión de mensajes de emergencia para las VANET urbanas. Sensores, 21(5),
p.1588.