بهبود پوشش‌دهي و نرخ مجموع در شبكه‌هاي ارتباط خودرويي كمك‌شونده توسط رله‌هاي پهپادي

اصفهان : دانشگاه صنعتي اصفهان

مهندسي برق

كارشناسي ارشد

افزايش پيوسته تراكم وسايل‌نقليه و پيچيدگي هندسي تقاطع‌هاي شهري در كنار سهم بالاي اين نقاط در آمار تصادفات جاده‌اي، لزوم بهره‌گيري از ارتباطات خودرويي سريع، پايدار و هوشمند را دوچندان كرده است؛ با اين‌حال، پيوندهاي كوتاه‌بُرد V2V در تقاطع‌هاي محصور ميان ساختمان‌ها به‌سبب انسداد خط ديد و وجود تداخل، دچار افت شديد عملكرد مي‌شوند و بدين ترتيب پيام‌هاي ايمني حياتي به‌ موقع به همه كاربران نمي‌رسد. از طرف ديگر، به دليل شرايط متفاوت محيط تقاطع نسبت به محيط بزرگراه، پژوهش‌هايي كه تا كنون در اين حوزه انجام شده، براي محيط تقاطع قابل تعميم نيست و نياز به مدلسازي و بررسي بهتر و دقيق‌تر دارد. اين پايان‌نامه با هدف رفع اين كاستي، چارچوبي نو براي سيستم‌هاي V2X ارائه مي‌كند كه در آن پهپادهاي رله با ديد مستقيم و چابكي بالا بر فراز تقاطع پرواز مي‌كنند و به‌صورت خودمختار پيام‌هاي خودروهاي اولويت‌دار (اضطراري، نيمه‌اضطراري و عادي) را دريافت و روي كانال‌هاي فركانسي مجزا بازپخش مي‌كنند. براي بهينه‌سازي توأم مسير پرواز پهپادها و تخصيص بهينه هر رله به خودروهاي هدف و تضمين كيفيت سرويس خودروهاي مختلف، يك مسئله بهينه‌سازي با تابع هدف نرخ مجموع وزن‌دار مطرح شده و به جاي روش‌هاي بهينه‌سازي پرهزينه و با پيچيدگي محاسباتي بالا، از روش يادگيري تقويتي عميق براي حل مسئله استفاده شده است. در اين مدل، عامل هوشمند بر اساس مشاهدات خود از وضعيت خودروها سياست بهينه براي جهت حركت و انتخاب خودرو هدف را فرا مي‌گيرد. به دليل ماهيت خاص روش يادگيري تقويتي، اين مدل براي آموزش نياز به داده‌هاي از پيش برچسب‌گذاري شده ندارد و صرفا از طريق تعامل با محيط و دريافت پاداش و مجازات آموزش مي‌بيند. يافته‌هاي اين پژوهش نشان مي‌دهد كه به‌كارگيري رله‌هاي پهپادي، به‌ويژه در محيط‌هاي پرتراكم، مي‌تواند راهكاري تحول‌آفرين در ارتباطات خودرويي باشد. شبيه‌سازي‌ها بيانگر آن است كه با افزايش تراكم خودروها، نقش تقويتي پهپادها در شبكه به‌مراتب پررنگ‌تر مي‌شود. به‌گونه‌اي كه در يك سناريو با 80 خودرو در يك تقاطع شهري، به‌كارگيري تنها 4 پهپاد منجر به بهبود 8٫5 درصدي تابع هدف مي‌شود. افزون‌ براين، نرخ پوشش‌دهي براي خودروهاي پراهميت، با جهشي بيش از 40 درصد، به سطح قابل‌توجه 84 درصد ارتقا مي‌يابد. اين نتايج نشان مي‌دهند كه چارچوب پيشنهادي، كه بر پايه تلفيق رله‌هاي هوايي و الگوريتم يادگيري تقويتي عميق طراحي شده، در عمل مي‌تواند به‌عنوان يك راهكار مقياس‌پذير، اقتصادي و منطبق با استانداردهاي روز، نقش كليدي در بهبود ايمني و كارايي ارتباطات در گره‌هاي بحراني ترافيكي ايفا كند.

237630

مخابرات سيستم

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان