شکل۴-۷ : معماری های مدولار از MOBEYES MSI ]44[
MSI کنترل و سنجش فرایند های مورد سنجش قرار گرفته را بر عهده دارد مانند فرمت و کیفیت، زمان پردازش حافظه ی اشغال شده و دقت تولید داده های حس شده و پردازش شده.
۴-۲-۴) واسط استاندارد با حسگر دما:
بخش سمت راست شکل معماری های مدولار از MOBEYES MSI زیر سیستم واسط حسگر دماست. MSI به طور مستقیم بر روی سطح پایین جاوا ارتباطات API ^[۴۶] را برای دسترسی و جمع آوری داده های حس شده بر عهده دارد.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۴-۲-۵) واسط استاندارد با تعیین موقعیت سیستم:
MSI به راحتی اجازه می دهد که مجموعه ای از داده های رصد شده که دارای مختصات جغرافیایی حسگرها نیز می باشد در ماژول ها ذخیره شود. ماژول های محل سکونت، طول و عرض جغرافیایی را در حافظه حسگرها ذخیره می کند و در مواقع مورد نیاز از آن اطلاعات استفاده می کنند. ذخیره ی داده های موقعیت سیستم به تصمیم گیری های سیستم برای حرکت گره ها به سمت موقعیت های پوشش داده نشده، کمک شایانی برای داشتن پوشش دینامیکی مطلوب برای شبکه های دینامیک است.
۴-۲-۶) انتشار / برداشت پردازنده MOBEYES (MDHP):
MDHP تمرکز اصلی اش بر انتشار / برداشت پردازنده MOBEYES که توسط خودروهای در حال حرکت جمع آوری شده است، می باشد. MDHP استراتژی های اکتشافی مبتنی بر استفاده ی درست برنامه ریزی ارتباطات گره ها برای پرهیز از تحویل خلاصه ی پیام ها را موجب می شود.
نظارت شهری در حال تبدیل شدن به یک زمینه ی تحقیقاتی رو به رشد است. در این بررسی بنده سعی کردم یک شمای کلی از MOBEYES نشان دهم و با این مقوله از لحاظ معماری آشنا شویم تا کاربرد این موضوع را در پوشش دینامیکی شبکه های حسگر خودرویی بیشتر بشناسیم]۴۳[ و ]۴۴[. ایده MOBEYES بر اساس بهره برداری از خودروهای متحرک برای جمع آوری اطلاعات شهری و پخش و توزیع آن اطلاعات است. شبکه های حسگر خودرویی نسبت به شبکه های حسگر دیگر محدودیت کمتری در توان و همچنین جمع آوری و پردازش اطلاعات محیطی دارند.
۴-۲-۷) MOBEYES؛ دستورالعمل ها و معماری:
MOBEYES دستوالعمل هایی است برای استفاده از تحرک خودروها برای کمک به دریافت و تحویل اطلاعات داده های شهری. در امر پوشش دینامیکی شبکه، نوع حرکت خودروها و چگونگی سنجش و برداشت اطلاعت شهری موضوعی مهم می باشد که همانطور که در معماری MOBEYES شرح داده شد، نحوه ی عملکرد این پروتکل به خوبی مورد بررسی قرار گرفت و چالش های پیش روی این امر در حد مورد نیاز بررسی شد.
۴-۲-۸) Bloom Filter و کاربرد آن:
Bloom Filter یک ساختار داده ی فضایی کار آمد برای نشان دادن یک مجموعه است و به طور کلی برای نشان دادن و چک کردن عضویت در این مجموعه کاربرد دارد. Bloom Filter در زمینه ی حرکت شبکه و بهره وری فضای مورد استفاده در شبکه و البته صرفه جویی در انرژی مورد استفاده قرار می گیرد. مراحل کار به شرح ذیل می باشد:
۱-عامل پخش “برداشت” با Bloom Filter درخواست خود را ارسال می کند. ۲-هر یک از همسایه ها یک لیست “از دست رفته” از بسته های دریافت شده ی Bloom Filter آماده می کنند. ۳-یکی از همسایه ها بسته های از دست رفته را به عامل پخش بر می گرداند. ۴-عامل، Acknowledgment بسته های دریافتی را به گره می فرستد. ۵-مراحل ۳ و ۴ تا زمانی که بسته ی باقی مانده وجود نداشته باشد، تکرار می شود.
این مراحل برداشت داده های شهری توسط شبکه های حسگر خودرویی با مقادیر احتمال بالایی برداشت می شوند و کمک بسیار مناسبی برای پوشش دینامیکی مطلوب شبکه می کنند.
۴-۲-۹) عملکرد MOBEYES:
عملکرد MOBEYES را می توان با مدل های حرکت RT ^[۴۷]، RWP ^[۴۸] و منهتن سنجید. به عنوان مثال مدل حرکت RT برای خودروهایی که در تقاطع ها تغییر جهت می دهند و سیگنال های ترافیکی بالایی دارند، استفاده می شود. با توجه به هر کدام از این مدل های حرکت و اختلاف های این سه مدل می توان به ارزیابی عملکرد MOBEYES پرداخت ]۴۴[ و ]۴۵[.
۴-۲-۱۰) ارزیابی عملکرد MOBEYES:
الف) تجزیه و تحلیل و سنجش اطلاعات. ب) استفاده از رله های K پرشه. ج) بررسی بین تاخیرهای برداشت و بار تحمیل شده بر کانال های ارتباطی. د) ثبات و مقیاس پذیری. و) پیگیری کاربردی سنجش و ردیابی محیط. ه) در مدل های تحرک پیچیده کاربرد بهتری دارد.
شکل ۴-۸: انتشار غیر فعال MOBEYES تک پرشه]۴۵[
شکل ۴-۹: نقشه ی منطقه ی Westwood ]45[
حال نرخ بسته های رسیده به خودروها را برای مسیرهای یک پرشه و سه پرشه برای سه مدل حرکت منهتن (MAN)، مسیر واقعی (RT) و مسیر نقطه ای تصادفی (RWP) برای ۳ میانگین سرعت ۵ ، ۱۵ و ۲۵ متر بر ثانیه بررسی می کنیم.
شکل ۴-۱۰: تعداد بسته های دریافت شده با تعداد پرش یک (K=1) ]45[
شکل ۴-۱۱: تعداد بسته های دریافت شده با تعداد پرش سه (K=3) ]45[
با توجه به شکل های ۴-۱۰ و ۴-۱۱ با در نظر گرفتن این سه مدل حرکت بررسی شده می توان نتیجه گرفت که در میانگین سرعت های مختلف، RWP نسبت به RT و MAN دارای نرخ بسته های رسیده ی بهتری است. البته مشاهده می شود که RT هم وضع نسبتا خوبی دارد اما MAN نسبت به دو مدل حرکت دیگر وضع نامناسب تری را دارد.
۴-۳) پوشش واحدهای کنار جاده:
حال بر روی گسترش منطقه ی تحت پوشش واحد کنار جاده ای (RSU) ^[۴۹] تمرکز می کنیم که الگوریتم حمل و نقل متکی بر اساس اطلاعات محلی OBU ^[۵۰] پیشنهاد داده شده است. شبکه های خودرویی در حال جذب کاربران خاص خود می باشد و این امر مطالعه بر روی این شبکه را بیش از پیش دارای اهمیت می کند. خدمات ایمنی و اطلاعات ترافیکی و تبلیغات و امثال این موارد از ویژگی های مهم این شبکه است.
هدف این است که منطقه ی تحت پوشش در واحدهای کنار جاده گسترش پیدا کند، برای لمس بهتر این مطلب می توانیم از شکل زیر کمک بگیریم.
شکل ۴-۱۲: نمونه ای از منطقه خدمات RSU ]46[
۴-۳-۱) کارهای مرتبط:
انتشار و جمع آوری اطلاعات در طول مسیر جاده ها همیشه دغدغه ی اصلی محققانی بوده است که بر روی این شبکه مطالعه می کرده اند. حال باید توجه داشت که جمع آوری و انتشار اطلاعات در واحدهای کنار جاده ای و به خصوص تقاطع ها مشکل اصلی این شبکه می باشد. پیشنهاد این پایان نامه برای حل این مشکل استفاده از اصل حمل و نقل مثلث است.
۴-۳-۲) الگوریتم حمل و نقل و مدل شبیه سازی:
در شکل زیر نمونه ای از منطقه ی تحت مشاهده را ملاحظه می کنیم که خودروها در جاده ها در حال تردد هستند.
شکل ۴-۱۳: موقعیت خودروها و RSU در جاده ها ]۴۶[
۴-۳-۳) قانون حمل و نقل مثلث:
برای مشکل تحت پوشش قرار دادن واحد های کنار جاده ای و تقاطع ها از اصل مثلث استفاده می شود به صورتی که سه خودرو هر یک، یکی از رئوس مثلث را تشکیل می دهند.
شکل ۴-۱۴: در دو قسمت (الف) و (ب) انواع مختلف استفاده از اصل مثلث را مشاهده می کنیم ]۴۶[
حال از اصل مثلث برای تحلیل پوشش دینامیکی شبکه استفاده می کنیم به صورتی که اگر هر دو قسمت (الف) و (ب) شکل ۴-۱۴ دارای شعاع حسی یکسان باشند شکل ۴-۱۵ منتج می شود.
شکل ۴-۱۵: نواحی پوشش داده شده ی جاده
با توجه به شکل ۴-۱۵ می توان نتیجه گرفت که هر چه زوایای α و β کوچکتر و زاویه ی ϒ بزرگتر باشد یا به عبارت دیگر مثلث ما متساوی الساقین باشد و نه متساوی الاضلاع، پوشش مطلوب تری از سطح جاده و همچنین واحد های کناری جاده خواهیم داشت اما اگر وضعیت قرار گیری خودروها همانند قسمت الف شکل ۴-۱۵ باشد، با گسترش ناحیه ی پوشش حسی می توان این مشکل را بهبود بخشید]۴۶[.
حال بر چگونگی مشاهده و پوشش محیط زیست توسط شبکه های حسگر بی سیم خودرویی می پردازیم به نحوی که هزینه و زمان کمتری را نسبت به حسگرهای بی سیم استاتیک شامل شوند و استفاده از این حسگرهای متحرک را به صرفه تر کند.
۴-۴) ایده ی اصلی برای مطالعه بر روی پوشش دینامیکی محیط زیست:
در بسیاری از شهرهای شلوغ و پر رفت و آمد، آلودگی هوا یک معضل مهم در این شهرها می باشد که باعث آلودگی محیط زیست می شود. یک روش برای نظارت بر روی آلودگی هوا استفاده از حسگر های استاتیک است اما هزینه ی زیاد و مشکلات گسترش حسگرهای استاتیک، استفاده از این نوع حسگرها را عملا غیر اقتصادی می کند. حال برای نظارت بر این آلودگی بهترین روش، استفاده از شبکه های حسگر خودرویی است که میزان آلودگی را در سطح شهر سنجیده و اطلاعات بدست آورده را برای پردازش در خود ذخیره کند. اما چگونگی سنجش و پوشش یا در حالت کلی مشاهده ی دینامیک فضا توسط این حسگرهای متحرک، امری است که در ادامه به آن می پردازیم.
۴-۴-۱) پیشینه ی کار:
ایستگاه های اندازه گیری آلودگی هوا دارای حسگرهای بی سیم استاتیکی می باشند که به فاصله ی ۱۵۰۰ تا ۲۰۰۰ متر از هم واقع شده اند و هر کدام منطقه ی مورد نظر خود را پوشش می دهند و در آن منطقه به سنجش میزان آلودگی هوا می پردازند. اما بنا بر مسایل اقتصادی و همچنین پیشرفت تکنولوژی، استفاده از حسگرهای متحرک به خصوص حسگرهای بی سیم خودرویی برای پوشش دادن مناطق مورد نظر نسبت به حسگرهای بی سیم استاتیک به صرفه تر است.