Please use this identifier to cite or link to this item: http://www.repositorio.ufop.br/jspui/handle/123456789/12810
Title: Caracterização e análise de sensibilidade dos modelos de mobilidade veicular utilizando quantificadores de teoria da informação.
Other Titles: Characterization and sensitivity analysis of vehicular mobility models using theory information quantifiers.
Authors: Silva, Maurício José da
metadata.dc.contributor.advisor: Oliveira, Ricardo Augusto Rabelo
Aquino, André Luiz Lins de
Keywords: Mobilidade de mão-de-obra
Entropia - teoria da informação
Simulação - computadores
Issue Date: 2020
metadata.dc.contributor.referee: Aquino, André Luiz Lins de
Bianchi, Andrea Gomes Campos
Rosso, Osvaldo Anibal
Correia, Luiz Henrique Andrade
Citation: SILVA, Maurício José da. Caracterização e análise de sensibilidade dos modelos de mobilidade veicular utilizando quantificadores de teoria da informação. 132 f. 2020. Tese (Doutorado em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2020.
Abstract: Novas propostas de aplicações e protocolos para redes veiculares surgem todos os dias. É crucial avaliar, testar e validar estas propostas em larga escala antes de implantá-las no mundo real. Simulação ´e o método preferido pelos pesquisadores para avaliar suas propostas por permitir avaliações em larga escala e com baixo custo. É conhecido que, em simuladores para redes veiculares, modelos de mobilidade realistas são um requisito para produzir avaliações confiáveis. Porém, os modelos de mobilidade atuais são baseados em modelos aleatórios, normalmente o Random Waypoint, e eles não representam a mobilidade veicular real quando consideramos a variação de velocidade como elemento a ser avaliado. Neste trabalho apresentamos a caracterização global, por dia da semana e por hora do dia, do comportamento veicular utilizando informações de velocidades coletadas em diferentes cenários reais. Para realizar esta caracterização utilizamos a metodologia de Bandt-Pompe aplicada às séries temporais produzidas a partir das velocidades dos veículos. Em seguida, o histograma de probabilidade é atribuído aos seguintes quantificadores de Teoria da Informação: Entropia de Shannon, Complexidade Estatística e Medida de Informação de Fisher. Os resultados mostram que as velocidades veiculares possuem comportamento similar ao ruído colorido com espectro de potência f−k para k ≥ 0. Adicionalmente, utilizando a mesma metodologia, verificamos a fidelidade dos modelos de mobilidade usados nos principais simuladores de redes veiculares. A avaliação revelou que o modelo de Krauss é o modelo que mais se aproxima do comportamento veicular observado nos cenários reais. Em seguida, fizemos a análise de sensibilidade dos parâmetros do modelo de Krauss com o objetivo de identificar os parâmetros que mais influenciam para produzir comportamento correlacionado com o ruído colorido. Observamos que o parâmetro sigma, que utiliza o ruído branco (ruído branco, f−k para k = 0) para modelar o comportamento do motorista, é o que mais influencia no comportamento veicular. Assim, o parâmetro sigma precisa ser modificado para utilizar o ruído colorido f−k para k variando entre 0 < k ≤ 3.
metadata.dc.description.abstracten: New proposals of applications and protocols for vehicular networks appear every day. It is crucial to evaluate, test and validate these proposals on a large scale before deploying them in the real world. Simulation is by far the preferred method by the researchers to evaluate their proposals in a scalable way with low costs. It is known, in vehicular network simulators, that realistic mobility models are the foremost requirement to make reliable evaluations. However, until then, the mobility models proposed are based on random models, usually on Random Waypoint, and they do not represent real vehicle mobility when we consider velocities variation as the element to be evaluated. In this work, we present the characterization of global, daily and hourly vehicular behavior using velocities information collected in different real scenarios. To perform this characterization it was used the Bandt-Pompe methodology applied to time series from vehicular velocities. Then, the probability histogram was assigned to the following Information Theory quantifiers: Shannon Entropy, Statistical Complexity, and Fisher Information Measure. The results show that the vehicles velocities are compatible with the correlated noise with f−k Power Spectrum with k ≥ 0. Additionally, by using the same methodology, we verify the fidelity of mobility models used in popular simulation tools. The evaluation showed that the Krauss model is the model that most closely matches the vehicular behavior observed in real scenarios. Then, we performed a sensitivity analysis of the parameters of the Krauss model, in order to identify which parameters have the greatest influence to produce vehicular behavior compatible with colored noise. We observed that the parameter sigma, which introduces white noise (noise with power spectrum of f−k for k = 0) to model the driver’s behavior, has most influence on the vehicle behavior. Thus, the parameter sigma needs to be modified to use the colored noise (noise with power spectrum of f −k to k ranging between 0 < k ≤ 3) in its formulation.
Description: Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto.
URI: http://www.repositorio.ufop.br/handle/123456789/12810
metadata.dc.rights.license: Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 17/09/2020 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite a adaptação.
Appears in Collections:PPGCC - Doutorado (Teses)

Files in This Item:
File Description SizeFormat 
TESE_CaracterizaçãoAnáliseSensibilidade.pdf22,05 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons