Desenvolvimento de um Modelo de Mobilidade Urbana em Tempo Real para Simuladores de Rede
Resumo
Simulação é a abordagem mais adotada para avaliar redesveiculares, pois permite avaliar novos protocolos e infraesturutras de forma completa, ou seja, avaliar as novas ferramentas em todos os cenários possíveis. Para que essas simulações possam obter um resultado confiável é necessário que o ambiente de simulação utilizado se aproxime de um ambiente real. Portanto, os parâmetros de rede bem como o modelo de mobilidade tem que representar a topologia de rede real com alta fidelidade, ou seja, além dos parâmetros de rede terem que coincidir com os parâmetros e comportamentos dos equipamentos reais, o modelo de mobilidade também tem que representar a mobilidade do mundo real. Com isso em mente, foi proposto uma ferramenta que coleta o percurso dos veículos em tempo real de uma cidade na qual permitirá ao pesquisador utilizar esses dados em seu ambiente de simulação.
Referências
Bracciale, L., Bonola, M., Loreti, P., Bianchi, G., Amici, R., and Rabuffi, A. (2014). Crawdad dataset roma/taxi (v. 2014-07-17). See http://crawdad. org/roma/ta-xi/20140717.
Codeca, L., Frank, R., and Engel, T. (2015). Luxembourg sumo traffic (lust) scenario: 24 hours of mobility for vehicular networking research. In 2015 IEEE Vehicular Networking Conference (VNC), pages 1-8.
Daniel Krajzewicz, Jakob Erdmann, M. B. and Bieker, L. (2012). Recent development and applications of sumo-simulation of urban mobility. International Journal On Advances in Systems and Measurements, 5:128-138.
Grzybek, A., Seredynski, M., Danoy, G., and Bouvry, P. (2012). Aspects and trends in realistic vanet simulations. In 2012 IEEE International Symposium on a World of Wireless, Mobile and Multimedia Networks (WoWMoM), pages 1-6. IEEE.
Harri, J., Filali, F., and Bonnet, C. (2009). Mobility models for vehicular ad hoc networks: a survey and taxonomy. IEEE Communications Surveys Tutorials, 11(4):19-41.
Huang, H., Luo, P., Li, M., Li, D., Li, X., Shu, W., and Wu, M. (2007). Performance evaluation of suvnet with real-time traffic data. IEEE Transactions on Vehicular Tech-nology, 56(6):3381-3396.
Huang, H., Zhang, D., Zhu, Y., Li, M., and Wu, M.-Y. (2012). A metropolitan taxi mobility model from real gps traces. J. UCS, 18(9):1072-1092.
I. Meneguette, R., E. De Grande, R., and A. F. Loureiro, A. (2018). Implementation and Testing Tools, pages 167-182. Springer International Publishing, Cham.
Kuran, M. , Carneiro Viana, A., Iannone, L., Kofman, D., Mermoud, G., and Vasseur, J. P. (2015). A smart parking lot management system for scheduling the recharging of electric vehicles. IEEE Transactions on Smart Grid, 6(6):2942-2953.
Meneguette, R. I. and Boukerche, A. (2017). Peer-to-peer protocol for allocated resources in vehicular cloud based on v2v communication. In 2017 IEEE Wireless Communications and Networking Conference (WCNC), pages 1-6.
Piorkowski, M., Sarafijanovic-Djukic, N., and Grossglauser, M. (2009). Crawdad data set epfl/mobility (v. 2009-02-24).
Uppoor, S., Trullols-Cruces, O., Fiore, M., and Barcelo-Ordinas, J. M. (2014). Generation and analysis of a large-scale urban vehicular mobility dataset. IEEE Transactions on Mobile Computing, 13(5):1061-1075.
Wang, S., Djahel, S., and McManis, J. (2015). An adaptive and vanets-based next road re-routing system for unexpected urban traffic congestion avoidance. In 2015 IEEE Vehicular Networking Conference (VNC), pages 196-203.