• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2012년도 춘계학술논문집 2부
• /
• pp.481-485
• /
• 2012

차량 통신 네트워크(VANET, Vehicular Ad Hoc Network)는 운전자 안전 정보 및 ITS(Intelligent Transp ortation System) 서비스를 지원하기 위해 IEEE 1609.4와 IEEE 802.11p를 활용한다. 그러나 차량 노드들의 숫자가 증가할 경우에는 트래픽 경합 문제(Traffic Contention Problem), 숨은 터미널 문제(Hidden Terminal Problem), 전송 지연 문제, 경합으로 인한 패킷 손실 문제, 처리량 감소 문제, MAC의 동적 채널 할당 방법 등 많은 문제점이 발생한다. 따라서 본 논문에서는 IEEE 1609.4와 IEEE 802.11p 기반 차량 통신 네트워크의 특징을 살펴봄으로써 기존 제안되었던 차량 통신 네트워크를 위한 MAC 및 멀티채널 기술의 특징의 장단점을 분석한다. 또한 분석된 문제점을 해결하기 위한 연구 방향을 제시한다.

• 한국인터넷방송통신학회논문지
• /
• 제16권4호
• /
• pp.31-40
• /
• 2016

VANET에서 차량은 사고나 예기치 못한 긴급 상황에 관한 정보를 감지하고 이 정보를 뒤따르는 차량들에게 전파함과 동시에 서버에 전달한다. 하지만 긴급메시지의 전파는 방송 전송 방식을 취하게 되고 방송메시지의 다량 발생 즉, 폭풍 현상을 유발하게 된다. 본 논문에서는 이러한 문제점을 해결코자 전파전달범위내에서 가장 먼 곳에 위한 차량을 선출하는 방법을 사용하고 특히, 수신 패킷의 SNR에 따른 송신자와의 상대적 위치를 이용한 SNR 기반 백오프 방법을 검토한다. 상대적 위치를 통해 송신자에서 가장 멀리 떨어진 노드가 상재적으로 짧은 백오프 시간을 갖고 전달 과정에 참여케 됨으로써 다른 노드들은 이를 엿듣게 되어 전달자 임무를 포기하게 된다. NS-3 VANET 시뮬레이션 환경을 구축하여 WiFi-IP 게이트웨이 기반 서비스 네트워크에 대해서 SNR 기반 백오프 방식을 포함한 긴급 메시지 전송방식들을 시뮬레이션을 수행하였다. 다른 일반 방송 방식에 비해 SNR 기반 백오프 방식이 1/20 정도 전송횟수의 감소를 보이면서도 최적의 전파지연시간과 홉 수를 통해 긴급메시지 전파능력을 보여준다.

• 한국ITS학회 논문지
• /
• 제10권4호
• /
• pp.78-85
• /
• 2011

차량 통신 환경에서 운전자가 돌발 상황에 미리 대비하여 교통사고를 예방하기 위해서는 교통사고 정보, 응급상황 정보, 차량 및 도로 상태 정보를 실시간으로 정확하게 다른 차량 및 기지국으로 전달하여야 한다. 본 논문에서는, 기존의 경쟁 기반 싱글 채널 동작 환경에서 충돌로 인한 송 수신 지연 및 통신 실패가 발생 수 있기 때문에 멀티 채널 동작에 적합한 Multi-Channel MAC (MCM) 기술에 대하여 설명한다. 차량 간 통신 및 차량과 기지국 간 통신 시 다양한 서비스를 수용하면서도 끊김없는 안전 서비스 제공을 위한 WAVE 표준 기반의 MAC 기술이 필요하다. 본 논문에서 소개하는 WAVE 표준 기반 MCM은 C 언어 기반 Real Time Operating System에 구현된 MAC 소프트웨어와 FPGA에 VHDL로 구현된 MAC 하드웨어로 구성된다. 구현 된 MCM의 QoS 보장 및 성능 검증은 기존 싱글 채널 동작과 비교하여 수행하였다.

• 한국통신학회논문지
• /
• 제40권1호
• /
• pp.96-107
• /
• 2015

네트워크(Vehicular Ad-hoc Networks; VANET) 기술은 텔레매틱스/지능형 교통시스템을 구축하여 실시간 정보를 수집 및 공유하여 교통 체증 완화, 교통사고 예방뿐만 아니라, 차량 안에서 인포테인먼트(Infotainment) 서비스를 제공한다. 요구하는 서비스 증가로, 고정된 프레임 안에서 한정된 자원을 사용하는 기존의 기술은 효율적인 차량통신 서비스에 한계가 있다. 따라서 주변 상황에 따라 유연한 동작의 프로토콜 설계와 정보를 효율적으로 인식, 예측, 분배, 공유를 할 수 있도록 적응적인 설계가 필요하다. 본 논문에서는 차량과 RSU(Road Side Units) 기반의 V2I(Vehicle to Infrastructure) 구조와 차량간 통신 V2V(Vehicle to Vehicle) 구조를 상호 결합하여 차량 통신에 할당된 자원을 보다 효율적으로 관리, 사용하기 위한 새로운 방법을 제안한다. 성능 평가를 통해 제안된 V2I/V2V 협력 스케줄 메시지 전송을 통해 높은 자원 이용률을 달성할 수 있음을 보였고, 제어정보를 넓은 범위로의 신속한 전송을 위한 최적 전송 기회 시간과 2차 릴레이 차량 전송 확률 값을 도출하였다.

• 한국정보통신학회논문지
• /
• 제14권9호
• /
• pp.2008-2015
• /
• 2010

Ns-2는 유 무선 네트워크의 성능을 평가하기 위해 광범위하게 활용되고 있는 검증된 시뮬레이터이다. Ns-2.33 버전은 IEEE 802.11의 PHY 계층과 MAC 계층의 핵심 기능들이 구현된 모듈들을 포함하는 확장 버전을 제공하고 있지만, 만약 이 확장 버전에 무선 네트워크 시뮬레이션의 중요한 성능 평가 파라미터 중의 하나인 Error Rate가 적용되면 몇몇 치명적인 오류로 인해 시뮬레이션이 중단되는 상황이 발생한다. 뿐만 아니라, 패킷 에러는 실제로 MAC 계층에서 감지되고 폐기되어져야 하지만 이 버전에서는 PHY 계층에서 패킷 에러를 처리함으로써 에러가 발생된 패킷에 대한 정보를 확인할 수 없다는 문제점이 있다. 본 논문에서는 위에서 언급된 문제들을 해결하기 위해 IEEE 802.11 확장 버전을 수정하였으며 IEEE 802.11p 기반의 차량 에드-혹 네트워크상에서 수정된 버전을 이용하여 시뮬레이션을 수행하고 Error Rate가 끼치는 영향을 분석하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권9호
• /
• pp.4228-4247
• /
• 2018

Many methods have been developed for the vehicles to create clusters in vehicular ad hoc networks (VANETs). Usually, nodes are vehicles in the VANETs, and they are dynamic in nature. Clusters of vehicles are made for making the communication between the network nodes. Cluster Heads (CHs) are selected in each cluster for managing the whole cluster. This CH maintains the communication in the same cluster and with outside the other cluster. The lifetime of the cluster should be longer for increasing the performance of the network. Meanwhile, lesser the CH's in the network also lead to efficient communication in the VANETs. In this paper, a novel algorithm for clustering which is based on the social behavior of Gray Wolf Optimization (GWO) for VANET named as Intelligent Clustering using Gray Wolf Optimization (ICGWO) is proposed. This clustering based algorithm provides the optimized solution for smooth and robust communication in the VANETs. The key parameters of proposed algorithm are grid size, load balance factor (LBF), the speed of the nodes, directions and transmission range. The ICGWO is compared with the well-known meta-heuristics, Multi-Objective Particle Swarm Optimization (MOPSO) and Comprehensive Learning Particle Swarm Optimization (CLPSO) for clustering in VANETs. Experiments are performed by varying the key parameters of the ICGWO, for measuring the effectiveness of the proposed algorithm. These parameters include grid sizes, transmission ranges, and a number of nodes. The effectiveness of the proposed algorithm is evaluated in terms of optimization of number of cluster with respect to transmission range, grid size and number of nodes. ICGWO selects the 10% of the nodes as CHs where as CLPSO and MOPSO selects the 13% and 14% respectively.