NEMESIS: Mecanismo para Formação de Nuvens Veiculares Baseado em Previsão de Mobilidade

• Joahannes B. D. da Costa UNICAMP
• Wellington V. Lobato Junior UNICAMP
• Allan M. de Souza UNICAMP
• Eduardo Cerqueira UFPA
• Denis Rosário UFPA
• Leandro A. Villas UNICAMP

DOI: https://doi.org/10.5753/sbrc.2022.222309

Resumo

Levando em consideração a rápida modernização dos veículos, que os direciona para entidades cada vez mais inteligentes e conectadas, surge o paradigma de Computação de Borda Veicular. Esse paradigma fornece serviços de computação em nuvem mais próximos dos usuários veiculares através da agregação dos recursos de veículos, a qual é denominada formação de nuvens veiculares. No entanto, devido à alta dinamicidade do ambiente veicular, agregar e utilizar esses recursos impõe alguns desafios. O principal desafio é selecionar de forma eficiente quais veículos irão assumir papéis de gerenciamento na utilização do poder computacional, os chamados veículos líderes. Sendo assim, este trabalho apresenta o NEMESIS, um mecanismo baseado em previsão de mobilidade para formação de nuvens veiculares. O NEMESIS seleciona os veículos com maior tempo de permanência nas nuvens para gerenciar o processo de utilização dos recursos. Os resultados de simulação mostraram que o NEMESIS consegue aumentar o tempo de vida das nuvens, minimizar as mudanças de líderes, enviar menos mensagens na rede, o que colabora na diminuição da colisão de pacotes, e por fim, possibilita uma utilização eficiente dos recursos veiculares agregados.

Referências

Abdel-Halim, I. T., Fahmy, H. M. A., and Bahaa-El Din, A. M. (2019). Mobility prediction-based efficient clustering scheme for connected and automated vehicles in vanets. Computer Networks, 150:217–233.

Boukerche, A. and Soto, V. (2020). Computation offloading and retrieval for vehicular edge computing: Algorithms, models, and classification. ACM Computing Surveys (CSUR), 53(4):1–35.

da Costa, J. B. D., Meneguette, R. I., Rosário, D., and Villas, L. A. (2020). Combinatorial optimization-based task allocation mechanism for vehicular clouds. In Proceedings of the IEEE 91st Vehicular Technology Conference (VTC Spring), pages 1–5. IEEE.

Duarte, J. M., Kalogeiton, E., Soua, R., Manzo, G., Palattella, M. R., Maio, A. D., Braun, T., Engel, T., Villas, L. A., and Rizzo, G. A. (2018). A multi-pronged approach to adaptive and context aware content dissemination in vanets. Mobile Networks and Applications, 23(5):1247–1259.

Hagenauer, F., Higuchi, T., Altintas, O., and Dressler, F. (2019). Efficient data handling in vehicular micro clouds. Ad Hoc Networks, 91:101871.

Long, W., Li, T., Xiao, Z., Wang, D., Zhang, R., Regan, A., Chen, H., and Zhu, Y. (2022). Location prediction for individual vehicles via exploiting travel regularity and preference. IEEE Transactions on Vehicular Technology.

Luo, Q., Li, C., Luan, T., and Shi, W. (2021). Minimizing the delay and cost of computation offloading for vehicular edge computing. IEEE Transactions on Services Computing, 1374:1–12.

Meneguette, R., De Grande, R., Ueyama, J., Filho, G. P. R., and Madeira, E. (2021). Vehicular edge computing: Architecture, resource management, security, and challenges. ACM Computing Surveys (CSUR), 55(1):1–46.

Olariu, S. (2019). A survey of vehicular cloud research: Trends, applications and challenges. IEEE Transactions on Intelligent Transportation Systems, 21(6):2648–2663.

Pannu, G. S., Ucar, S., Higuchi, T., Altintas, O., and Dressler, F. (2021). Dwell time estimation at intersections for improved vehicular micro cloud operations. Ad Hoc Networks, 122:102606.

Sun, G., Song, L., Yu, H., Chang, V., Du, X., and Guizani, M. (2018). V2v routing in a vanet based on the autoregressive integrated moving average model. IEEE Transactions on Vehicular Technology, 68(1):908–922.

Wu, X., Zhao, S., Zhang, R., and Yang, L. (2020). Mobility prediction-based joint task In Proceedings of assignment and resource allocation in vehicular fog computing. the IEEE Wireless Communications and Networking Conference (WCNC), pages 1–6. IEEE.

Zhao, P., Feng, L., Yu, P., Li, W., and Qiu, X. (2017). A social-aware resource allocation for 5g device-to-device multicast communication. IEEE Access, 5:15717–15730.