2016-Centralized and Localized Data Congestion Control Strategy for Vehicular Ad Hoc Networks

本文链接：https://blog.youkuaiyun.com/js_sji/article/details/79458709

该论文提出了一种结合集中和分布式的Vehicular Ad Hoc Networks（VANETs）数据拥塞控制策略，利用RSU进行机器学习聚类算法，以降低十字路口的通信冲突和数据丢失。通过信道利用率检测拥塞，使用K-means算法对信息进行聚类，并调整通信参数来优化传输效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

《Centralized and Localized Data Congestion Control Strategy for Vehicular Ad Hoc Networks Using a Machine Learning Clustering Algorithm》发表于2016年的IEEE Transactions on Intelligent Transportation Systems，由Nasrin Taherkhani 和Samuel Pierre 编写

摘要

在城市环境中，十字路口是关键的位置，因为大部分交通事故和死伤的人员都发生在这里。VANETs可以通过向车辆发送报警信息来减少交通事故。但是VANETs的性能还需要提升特别是在向目的地传输安全信息的时候。其中数据拥塞控制就是解决数据包丢失和延迟的有效方式。

这篇论文提出了一个集中和本地式的数据拥塞控制策略，使用到了路边设备（RSU）。这一策略包括三个方面，分别是检测拥塞，聚类信息和控制数据拥塞。其中使用信道使用率作为检测拥塞的标准。信息被收集过滤，然后使用机器学习K-means算法，根据信息的尺寸、有消息、类型进行聚类。数据拥塞控制单元决定各个类别的传输范围和速率、通信窗口和仲裁帧间间隔的合适值。最后，十字路口的RSU设备将这些通信参数的值发送给停在红灯前的车辆来减少数据冲突。