Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Bio-inspired approach for improving performance of information routing in Vehicular Ad Hoc Networks
KTH, School of Industrial Engineering and Management (ITM), Machine Design (Dept.).
KTH, School of Industrial Engineering and Management (ITM), Machine Design (Dept.).
2018 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Bio-inspirerad informationsrouting i natverk anpassade f ¨ or fordonstrafik (Swedish)
Abstract [en]

As a key technology for Intelligent Transportation Systems (ITS), vehicle-2-vehicle (V2V) communication enables the interconnection of vehicles to limit emissions, decrease congestion, increase traffic safety and much more. Vehicular Ad-hoc Networks (VANETs), a subset of Mobile Ad-hoc Networks (MANETs) is a peerto-peer network among vehicles that is utilized to route information through different forwarding algorithms. Utilizing VANETs it is possible to share information out of communication range without building expensive infrastructure. The underlying technology is standardized by Institute of Electrical and Electronics Engineers (IEEE) in the US and by the European Telecommunications Standards Institute (ETSI) in Europe. One of the current problems in VANETs is the poor performance of traditional MANET routing algorithms when applied to VANETs due to its high speeds, rapid variation in link connectivity and extremely varied density of vehicular nodes in the network. Therefore there exists a need for a better routing algorithm for VANETs which can guarantee a sufficient end-to-end delay and delivery performance. This thesis seeks to evaluate a bio-inspired approach for improving performance of information routing in VANETs. Specifically, a swarm-based routing algorithm based on Particle Swarm Optimization (PSO) is used to optimize the Next Forwarding Vehicle (NFV) selection in the routing process. The PSO consists of a fitness function that includes position and mobility information of neighbouring vehicles. The fitness function is optimized with a Genetic Algorithm that determines the optimal weights of the different components. The weights are determined from three scenarios on which they are tested and compared to Greedy Forwarding (GF) and Contention-Based Forwarding (CBF). The results show that PSO performs better than GF in terms of both end-to-end delay and packet delivery ratio (PDR). CBF achieves better PDR than PSO but at the cost of larger end-to-end delay. The PSO shows potential as an information routing algorithm but the high variation in its results indicates that refinements are necessary

Abstract [sv]

En underliggande teknologi för Intelligenta Transport System (ITS) är Vehicle-2-Vehicle (V2V) kommunikation som tillåter interkonnektivitet mellan bilar. Ändamålet med denna interkonnektivitet är att minska bilutsläpp, minska trängsel och öka säkerheten i trafiken. Vehicular Ad-hoc Nätverk (VANETs), en delgrupp av Mobila Ad-hoc Natverk, är ett peer-to-peer typ av nätverk som kommunicerar information mellan bilar i trafiken. Eftersom nätverket är av typen peer-to-peer måste algoritmer utnyttjas för att välja nästa reläfordon. Dessa reläfordon för att skicka informationen vidare baserat på multihop pricipen. Användandet av VANET gör det mojligt för enskilda bilar att kommunicera utanför sin maximala kommunikationsområde utan att behöva bygga eller utnyttja infrastruktur. Både Institute of Electrical and Electronics Engineers(IEEE) i USA och European Telecommunications Standards Institute (ETSI) i Europaområdet har standardiserat V2V kommunikation i sina respektive områden. MANET algoritmer är olämpliga att använda i VANET miljöer då de inte är tillräckligt adaptiva för att hantera de höga hastigheterna och snabba nätverksförändringar samt de stora skillnaderna i mängden trafik. VANET behöver därför en bättre information distribuerings algoritm som snabbt kan overföra informationen med hög tillförlitlighet i leveransfrekvensen. Denna rapport undersöker en bio-inspirerad lösning för förbättrandet av informationsrouting inom VANETs. En svärmbaserad algoritm baserad på Particle Swarm Optimization (PSO) används för att optimisera valet av nästa reläfordon. PSOn använder sig av informationen inhämtad genom mottagandet av Cooperative Awerness Messages (CAM) fran närliggande bilar. Dessa meddelanden innehåller information om grannbilarna. PSOn använder sig av en lämplighetsfunktion som utvärderar informationen från grannbilarna. Lämplighetsfunktionen är i sin tur optimiserad med hjälp av en genetisk algoritm som bestämmer lämpliga vikter av de olika komponenterna. PSO algoritmen jamförs sedan mot de redan implementerade Greedy Forwarding (GF) och Contention Based Forwarding (CBF). Resultaten visar att PSO algoritmen har bättre prestanda jämfört med GF i termer av leveranspålitlighet med väldigt liknande överföringstid. Samtidigt har PSO algoritmen sämre leveranspålitlighet jämfört mot CBF men avsevärt lägre end-to-end fördröjning. PSO algoritmen är potentiellt väldigt attraktiv men på grund av en relativ  stor variation i end-to-end fordröjning och paketleveransfrekvens måste algoritmen förfinas ytterligare.

Place, publisher, year, edition, pages
2018. , p. 76
Series
TRITA-ITM-EX ; 2018:717
National Category
Mechanical Engineering
Identifiers
URN: urn:nbn:se:kth:diva-252633OAI: oai:DiVA.org:kth-252633DiVA, id: diva2:1319632
External cooperation
Cybercom Group AB
Presentation
2018-08-30, 00:00 (English)
Supervisors
Examiners
Available from: 2019-06-03 Created: 2019-06-03 Last updated: 2019-06-03Bibliographically approved

Open Access in DiVA

fulltext(4935 kB)44 downloads
File information
File name FULLTEXT01.pdfFile size 4935 kBChecksum SHA-512
54c9a25242f4bcb5e6fc0c49d77276a0782e55a0285ad25c24f1b741716e2c5abcf67f908b63197daecbced088f797cb957c81a3d02b297b66727a5963395e92
Type fulltextMimetype application/pdf

By organisation
Machine Design (Dept.)
Mechanical Engineering

Search outside of DiVA

GoogleGoogle Scholar
Total: 44 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 179 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf