Προσομοίωση Διάδοσης Περιεχομένου σε Ασύρματα Οδικά Δίκτυα (VANETs) με τη χρήση μεθόδων μηχανικής μάθησης

Abstract

Η παρούσα διπλωματική εργασία έχει ως στόχο τη δημιουργία προσομοιώσεων ενός ad-hoc οδικού δικτύου και την εφαρμογή διαφόρων μεθόδων διάδοσης περιεχομένου σε αυτές, ώστε να συγκρίνουμε την αποδοτικότητα τους. Η ανάλυση των ad-hoc οδικών δικτύων είναι πολύ σημαντική, καθώς μέσα από αυτή μπορούμε να βελτιώσουμε την οδική ασφάλεια και να κάνουμε την διαδικασία της οδήγησης πιο άνετη. Ο τρόπος µε τον οποίο έγιναν αυτές οι προσομοιώσεις ήταν µε τη χρήση των εργαλείων OMNET++, Veins και SUMO. Αναλυτικότερα, γράφτηκε κώδικας ώστε να προστεθούν διάφορες λειτουργίες στις έτοιμες προσομοιώσεις του Veins. Οι βασικότερες εξ αυτών των λειτουργιών είναι η δυνατότητα υπολογισμού διαφόρων μετρικών του δικτύου, η δημιουργία πολιτικών διαγραφής και αποθήκευσης δεδομένων καθώς και ο ορισμός πολιτικών για τη διάδοση περιεχομένου. Ταυτόχρονα, υπάρχει και η δυνατότητα χρήσης αλγορίθμων μηχανικής μάθησης ώστε να καθοριστεί πιο εύκολα και γρήγορα ο βέλτιστος τρόπος διάδοσης περιεχομένου. Οι αλγόριθμοι αυτοί κάνουν χρήση προεκπαιδευµένων μοντέλων νευρωνικών δικτύων της βιβλιοθήκης scikit-learn. Με αυτές τις λειτουργίες, μπορούμε να εκτελέσουμε την προσομοίωση, θέτοντας τις παραμέτρους που επιθυμούμε (όπως για παράδειγμα τι είδος μετρικών θα χρησιμοποιηθούν) και να μετρήσουμε τους χρόνους απόκρισης, ώστε να έχουμε µία εικόνα για το ποιες μετρικές και πολιτικές είναι αποδοτικότερες για την μετάδοση περιεχομένου.