CLEVeR: Aprimorando a Eleição de Líderes de Cluster em Redes AD Hoc

• Vinicius B. Jesus UFBA
• Lucas M. Almeida UFBA
• Weslei F. Santos UFBA
• Joahannes B. D. da Costa UNIFESP
• Geraldo P. Rocha Filho UESB
• Maycon L. M. Peixoto UFBA

DOI: https://doi.org/10.5753/sbrc.2026.19751

Resumo

Redes Veiculares Ad Hoc (VANETs) requerem mecanismos eficientes de eleição de líderes para mitigar a sobrecarga de comunicação em ambientes altamente dinâmicos. Estratégias existentes geralmente se baseiam em métricas topológicas de centralidade, mas negligenciam a estabilidade da mobilidade, o que pode resultar em líderes que rapidamente perdem representatividade. Este artigo apresenta o CLEVeR, um modelo preditivo de eleição de líderes baseado em clusters que integra conectividade e mobilidade veicular por meio de um Gradient Boosting Regressor para estimar um score de liderança. Ao substituir a seleção puramente baseada em métricas por inferência supervisionada, a abordagem produz líderes mais estáveis e representativos sem introduzir sobrecarga computacional significativa. Simulações conduzidas em cenários urbanos realistas demonstram que o CLEVeR alcança scores de liderança superiores e reduz a instabilidade da mobilidade em mais de 40% quando comparado a métodos baseados em Betweenness e Closeness, além de apresentar menor variabilidade entre as execuções.

Referências

Aburukba, H., Al-Jaroodi, J. Z., and Zomaya, A. Y. (2020). Scheduling internet of things requests to minimize latency in hybrid fog–cloud computing. Future Generation Computer Systems, 111:539–551.

Araújo, G. B., Peixoto, M. L. M., and Sampaio, L. (2023). A comprehensive and configurable simulation environment for supporting vehicular named-data networking applications. Computer Networks, 235:109949.

Devi, A., Kait, R., and Ranga, V. (2025). Secure and efficient routing in fog-enabled VANETs: A clustering-based approach. International Journal of Current Science Research and Review. Accessed: 2026-01-15. Open access PDF.

Feng, Z., Li, K., and Li, B. (2024). A spectral clustering-based deployment strategy for roadside units in vehicular edge computing environments. Ad Hoc Networks, 158:103483.

Ferreira, J. V., Freire, M., Cruz, E., Prazeres, C., Figueiredo, G. B., and Peixoto, M. (2024). Leading the way: Reducing network traffic in vehicular ad hoc networks through cluster leader algorithms. available at ssrn: [link] or DOI: 10.2139/ssrn.4937250. Social Science Research Network.

Friedman, J. H. (2001). Greedy function approximation: A gradient boosting machine. Annals of Statistics, 29(5):1189–1232.

Kaur, G., Khurana, M., and Kaur, A. (2025). Cluster head selection metric in VANETs under dynamic environmental conditions. Journal of Transformative Technologies and Sustainable Development, 9:Article 5.

Liu, L., Chen, C., Pei, Q., Maharjan, S., and Zhang, Y. (2021). Vehicular edge computing and networking: A survey. Mob. Netw. Appl., 26(3):1145–1168.

Liu, L., Chen, C., Qiu, T., Zhang, M., Li, S., and Zhou, B. (2018). A data dissemination scheme based on clustering and probabilistic broadcasting in vanets. Vehicular Communications, 13:78–88.

Mohanty, A., Mahapatra, S., and Bhanja, U. (2019). Traffic congestion detection in a city using clustering techniques in vanets. Indonesian Journal of Electrical Engineering and Computer Science, 13(2):884–891.

Peixoto, M., Mota, E., Maia, A., Lobato, W., Salahuddin, M., Boutaba, R., and Villas, L. (2023). Fogjam: A fog service for detecting traffic congestion in a continuous data stream vanet. Ad Hoc Networks, 140:103046.

Peixoto, M. L. M., Cruz, E. M., Maia, A. H. O., Santos, M. C. A., Lobato, W., and Villas, L. A. (2020). Exploiting fog computing with an adapted dbscan for traffic congestion detection system. In 2020 IEEE 92nd Vehicular Technology Conference (VTC2020-Fall), pages 1–5.

Peixoto, M. L. M., Maia, A. H., Mota, E., Rangel, E., Costa, D. G., Turgut, D., and Villas, L. A. (2021). A traffic data clustering framework based on fog computing for vanets. Vehicular Communications, 31:100370.

Rui, L., Zhang, Y., Huang, H., and Qiu, X. (2018). A new traffic congestion detection and quantification method based on comprehensive fuzzy assessment in vanet. KSII Transactions on Internet & Information Systems, 12(1).

Sreenivasamurthy, S. and Obraczka, K. (2024). Clustering at the edge: Load balancing and energy efficiency for the iot. Ad Hoc Networks, 156:103433.

Yousefpour, A., Fung, C., Nguyen, T., Kadiyala, K., Jalali, F., Niakanlahiji, A., Kong, J., and Jue, J. P. (2019). All one needs to know about fog computing and related edge computing paradigms: A complete survey. Journal of Systems Architecture, 98(December 2018):289–330.