Affordable Access

Modèle d'auto-organisation pour les protocoles de routage dans les réseaux ad hoc de véhicules : application à la perception élargie et à la localisation coopératives

Authors
  • RIVOIRARD, Lucas
Publication Date
Sep 21, 2018
Source
HAL-UPMC
Keywords
Language
French
License
Unknown
External links

Abstract

Automatiser la conduite peut réduire le risque d'accidents et fluidifier le trafic en s'appuyant sur des communications entre véhicules et avec une infrastructure dédiée. Maintenir les services lorsque l'infrastructure faillit nécessite un protocole de routage adapté aux communications véhicule-à-véhicule (V2V). Cette thèse pose l'hypothèse de l'absence d'infrastructure et de service global de localisation, chaque véhicule connaissant sa seule position. Un modèle d'organisation des communications V2V, Chain Branch Leaf (CBL), est proposé pour créer et maintenir une structure supportant les échanges proches, entre véhicules voisins, et lointains à travers le trafic. Il crée une hiérarchie où des groupes dissociés de véhicules voisins (feuilles) sont connectés via un véhicule leader (branche) à une colonne vertébrale (chaîne) formée le long de la route par interconnexion des branches. Chain Branch Leaf (CBL) requière la seule connaissance du voisinage à un saut et peut s'intégrer à tout protocole de routage. Les évaluations sur des scénarios routiers montrent que CBL exploite mieux les contraintes spatiales dues à la route, obtenant une structure plus adaptée à l'optimisation du trafic broadcast comparativement à la technique des multipoints relais dans OLSR, mais aussi aux protocoles DSR, AODV et GRP pour un trafic basé sur les préconisations IEEE de taille et fréquence de messages en milieu routier. Des évaluations sur des trafics d'applications coopératives telles que l'ego-localisation et la perception élargie montrent que CBL offre un service de communication à latence et taux de pertes faibles selon un compromis voulu entre fréquence de messages et performances.

Report this publication

Statistics

Seen <100 times