Sistema contex-aware para la selección y parametrización de mecanismos de diseminación en redes vehiculares ad-hoc

Abstract

El desarrollo del transporte en las sociedades del siglo XXI y el aumento explosivo de vehículos presentes en la ciudad, ha traído consigo diversos problemas, tales como: congestión del tráfico en avenidas importantes, empeoramiento de la calidad de aire, el aumento de muertes a causa de accidentes de tráfico, entre otros. Las Tecnologías de Información y Comunicaciones (TICs) ofrecen en este ámbito una oportunidad para poder paliar los problemas asociados al tráfico vehicular dentro de las ciudades. Las llamadas redes vehiculares ad-hoc (Vehicular Ad-hoc Networks VANETs) que se han desarrollado bajo el concepto de las Smart Cities, permiten la confección de un abanico de aplicaciones que explotan mecanismos de comunicación para poder manejar el tráfico, dar mensajes de alertas, implementar esquemas cooperativos, entre otros. Estas redes forman parte de los Sistemas Inteligentes de Transporte (Intelligent Transportation Systems ITS) que en el último tiempo han despertado el interés de distintas instituciones tanto de carácter privado o público, aportando a su desarrollo, investigación e implementación. El desarrollo de este tipo de redes presenta nuevos desafíos, dado que se enfrentan a nuevas dificultades que en las redes digitales convencionales no se experimentan, tales como: topología dinámica, tráfico de red variable, altas velocidades, etc. Surge a partir de estas características, la implementación de un sistema consciente del contexto (Context-Aware System), que permita mejorar el desempeño de mecanismos de diseminación para aplicaciones de seguridad, las cuales requieren de reducidos tiempos de retardo en el traspaso de información. Para lograr este objetivo es necesario que el sistema sea capaz de identificar el escenario de tráfico vehicular y el escenario de tráfico de la red. En este trabajo se propone un sistema consciente del contexto donde para la primera clasificación se utiliza un modelo ya existente ampliamente validado, que luego de algunos ajustes es posible utilizarlo en escenarios urbanos tipo intersección, mientras que para la segunda, se desarrolla un clasificador basado en redes neuronales que permite la discriminación de los escenarios de interés. Ambas fases de clasificación se desarrollan con base en información no directa que maneja cada nodo o vehículo. Los resultados muestran que efectivamente se puede mejorar el desempeño de protocolos de diseminación a través de ajustes de sus parámetros, en concordancia del escenario en el cual se desenvuelven. La estimación de tráfico vehicular resulta ser exitosa utilizando el modelo propuesto, mientras que la clasificación de la carga del tráfico de la red de comunicaciones en escenarios de baja y alta densidad vehicular puede llegar al 99% y 94.5% respectivamente, de muestras clasificadas exitosamente.