Impacto do uso de RSUs em um Protocolo de Controle de Congetionamento de Tráfego baseado em Redes Veiculares Sebastião Galeno P. Filho 1, Roniel Soares de Sousa 1, André C. B. Soares 1 1 Programa de Pós-Graduação em Ciência da Computação (PPGCC) Universidade Federal do Piauí (UFPI) Caixa Postal 64.049-550 Teresina Piauí Brasil {galeno.sgpf,ronizsds}@gmail.com.br, andre.soares@ufpi.edu.br Abstract. With the increasing number of vehicles in cities, particularly in large urban centers, there are some mobility problems. A frequent problem is the traffic congestion that causes financial losses and stress to motorists. Intelligent transport systems as an application of vehicular networks V2V have been proposed to assist in the detection and reduction of traffic jams. This study aims to evaluate the impact of the use of RSUs (Road-Side Units) on the protocol proposed in [de Sousa and Soares 2015]. Through simulations, measured the protocol performance in detecting and disseminating information jams using V2X communications. Resumo. Com o crescente número de veículos nas cidades, principalmente em grandes centros urbanos, surgem alguns problemas de mobilidade. Um problema frequente é o congestionamento de trânsito que causa prejuízos financeiros e estresse aos motoristas. Sistemas Inteligentes de transportes como uma aplicação de redes veiculares V2V têm sido propostos para auxiliar na detecção e redução de congestionamentos de tráfego. Este trabalho tem como objetivo avaliar o impacto do uso de RSUs (Road-Side Units) no protocolo proposto em [de Sousa and Soares 2015]. Através de simulações, verificou-se o desempenho do protocolo em detectar e divulgar informações de congestionamentos utilizando comunicações V2X. 1. Introdução O aumento da concentração de pessoas nas cidades, principalmente em grandes regiões metropolitanas, e a consequente necessidade de mobilidade ligada ao aumento do uso dos veículos automotores têm resultados negativos para a sociedade. Estes fatores influenciam em uma baixa qualidade de vida para os condutores e pedestres, bem como prejuízos ambientais relacionados à emissão do dióxido de carbono (CO2) e prejuízos econômicos [de Vasconcellos 2014]. Para auxiliar na identificação e redução de congestionamentos no tráfego veicular, são propostos sistemas inteligentes de trânsito (ITS - Intelligent Transport System). Diversos trabalhos com soluções para monitoramento e controle de tráfego utilizando redes veiculares vem sendo publicados [Silva et al. 2013] [Júnior et al. 2013] [da Silva et al. ] [Aissaoui et al. 2014] [Gramaglia et al. 2014] [Milojevic and Rakocevic 2014]. As Redes Veiculares permitem a troca de informações entre veículos (comunicação V2V - Vehicle-to-Vehicle) e entre veículos e infraestruturas localizadas às margens
das vias (comunicação V2I - Vehicle-to-Infrastructure), existindo a possibilidade do uso desses dois tipos de comunicações em uma mesma rede (arquitetura V2X). As Redes Veiculares possuem características particulares que representam desafios na comunicação entre veículos, tais como: a alta mobilidade dos nós, a existência de redes densas que ocasionam altas taxas de perdas de pacotes por congestionamento na rede e a existência de redes esparsas que dificultam a disseminação de informações. Este trabalho tem foco no problema de controle de congestionamento de tráfego, baseando-se no cenário e protocolo utilizado em [de Sousa and Soares 2015]. O objetivo principal é analisar o impacto da adição e uso de RSUs. Neste artigo foi proposto uma solução de controle de congestionamento utilizando arquitetura V2X, onde cada RSU foi posicionada nos cruzamentos das vias. A RSU foi responsável por monitorar as vias que estão em sua direção e quantificar o congestionamento de veículos. O desempenho da solução foi comparado com a solução apresentada em [de Sousa and Soares 2015]. O restante deste artigo está organizado da seguinte forma. A Seção 2 apresenta os principais trabalhos relacionados. Na Seção 3 é detalhado o funcionamento do trabalho proposto. As simulações e os resultados do estudo de avaliação de desempenho do sistema são apresentados na Seção 4. Finalmente, a Seção 5 apresenta as conclusões e os possíveis trabalhos futuros. 2. Trabalhos Relacionados Algumas das soluções de detecção de congestionamentos, que utilizam apenas comunicação V2I, podem ser estudadas a partir dos trabalhos apresentados em [Aissaoui et al. 2014], [da Silva et al. ], [Silva et al. 2013] e [Júnior et al. 2013]. Em [Aissaoui et al. 2014] é proposta uma solução para monitoramento de tráfego em tempo real baseada em clusters. Assume-se que uma RSU é colocada em cada cruzamento, sendo ela responsável por salvar as mensagens enviadas pelos veículos com as informações de suas respectivas vias. Cada veículo mantém uma tabela com as posições de outros veículos recebidas através de beacons. O veículo mais próximo do centro do cluster de sua via é eleito como cluster-head, tornando-se responsável por transmitir a sua posição e de todos os veículos conhecidos para RSU da via através do protocolo de roteamento GeoUnicast. Dentre as soluções de detecção de congestionamentos que utilizam apenas comunicação V2V, pode-se mencionar os trabalhos apresentados em [de Sousa and Soares 2015], [Gramaglia et al. 2014] e [Milojevic and Rakocevic 2014]. Em [Gramaglia et al. 2014] é proposta uma solução para monitoramento de tráfego chamada ABEONA. Esta solução permite o monitoramento de tráfego em tempo real de uma maneira flexível e com um custo eficiente. ABEONA faz uso do conhecimento cooperativo e distribuído das condições de tráfego (velocidade, fluxo, densidade veicular média) e é capaz de prever as condições de tráfego em uma janela entre 15 e 20 minutos. Os autores não abordam a maneira como as informações podem ser disseminadas e nem avaliam o impacto do uso dessas informações para melhorar as condições de tráfego das vias. Em [de Sousa and Soares 2015] buscou-se superar algumas das limitações dos trabalhos relacionados. Neste trabalho foi proposto um protocolo para minimizar os congestionamentos de veículos sem a exigência de Unidades de Acostamento (RSUs) e baseia-
se no algoritmo de quantificação do artigo [Milojevic and Rakocevic 2014]. Em especial, destaca-se que o protocolo proposto usa de forma mais eficiente o meio sem fio através do uso de clusters, reduzindo o custo de sinalização. Neste trabalho é proposto um protocolo baseado em [de Sousa and Soares 2015] que utiliza RSUs com o objetivo de minimizar os congestionamentos. Com isso é analisado o impacto da adição e uso de RSUs no trabalho apresentado em [de Sousa and Soares 2015]. 3. Sistema de Controle de Congestionamento de Tráfego baseado em arquitetura V2X O sistema proposto neste trabalho para o controle de congestionamento de tráfego utilizando arquitetura V2X é apresentado nesta seção. O sistema faz uso de três mecanismos: (i) detecção e quantificação de congestionamento, (ii) disseminação de informação e (iii) minimização de congestionamento. É importante ressaltar que esses três mecanismos são os mesmos utilizados em [de Sousa and Soares 2015], contudo o protocolo de sinalização de congestionamento é executado nas unidades de acostamento (RSUs) em conjunto com os veículos nesta nova proposta. Uma visão geral do sistema pode ser descrita como segue. Uma RSU é posicionada em todos os cruzamentos de duas ou mais vias. Cada uma dessas RSUs é responsável por monitorar as velocidades dos veículos nas vias em sua direção. Os veículos, por sua vez, transmitem suas informações e de seus vizinhos para as respectivas RSUs responsáveis. Com base nessas informações cada RSU é capaz de detectar e quantificar o congestionamento de cada uma das vias do cenário. Quando uma RSU detecta um congestionamento é disseminado uma mensagem para os veículos que estão em seu alcance sobre o congestionamento existente, e os veículos retransmitem em broadcast para outros veículos. Por fim, os veículos que receberam a mensagem sobre o congestionamento recalculam as suas rotas para evitar as vias congestionadas. 3.1. Detecção e Quantificação de Congestionamento Cada via de trânsito tem um limiar de velocidade de referência e utiliza as velocidades de cada veículo como parâmetro para quantificar o nível de congestionamento. Assim como em [de Sousa and Soares 2015] [Milojevic and Rakocevic 2014], neste artigo adotou-se um limiar de velocidade igual 6m/s. Dessa forma, cada RSU calcula o nível de congestionamento das vias monitoradas, analisando o período de tempo em que a média das velocidades dos veículos da via se mantem acima ou abaixo do limiar de velocidade. A estimativa de congestionamento utilizada neste artigo é a mesma proposta em [de Sousa and Soares 2015]. O nível de congestionamento pode assumir valores discretos de 1 a 10, sendo valor inicial igual a 1 que representa fluxo livre. Os valores de 2 a 10 são reservados para situações onde a média das velocidades é menor que o limiar. A cada 20 segundos, o nível de congestionamento de uma via é incrementado em 1 unidade se a média de velocidade dos veículos se mantiver abaixo do limiar. Se a média for mantida acima do limiar por 10 segundos, então o nível de congestionamento é alterado para 1. 3.2. Disseminação de Informação Nesta proposta os veículos transmitem suas informações para seus vizinhos através de beacons. A disseminação das informações do veículo e dos seus vizinhos é transmitida
com o uso de clusters. Esta abordagem também é utilizada em [Aissaoui et al. 2014]. Assume-se que cada veículo possui um mapa digital com uma lista dos centros de todos os clusters e todas as RSUs da cidade. Para cada cluster um único veículo (cluster-head) é escolhido para transmitir para RSU as informações coletadas. O veículo escolhido para ser o cluster-head é o veículo mais próximo do centro do cluster. O cluster-head agrega todas as informações dos veículos pertencentes ao seu cluster e as transmite para RSU. As RSU armazenam as informações recebidas pelos diferentes clusters-head, detectando e quantificando os níveis de congestionamento de cada uma das vias monitoradas. A cada 5 segundos todas as RSUs do sistema enviam uma tabela com os novos níveis de congestionamento das respectivas vias monitoradas, transmitindo esta mensagem em broadcast. Os veículos ao receberem esta mensagem pela primeira vez retransmitem em broadcast para seus vizinhos, e descartam as mensagem já recebidas. Cada veículo possui uma tabela com as estimativas dos níveis de congestionamento de todas as vias, sendo atualizada periodicamente através do recebimento de mensagens enviadas pelas RSUs. 3.3. Minimização de Congestionamento O processo de minimização de congestionamento utilizado no sistema proposto neste artigo segue o mesmo método apresentado em [de Sousa and Soares 2015]. Sempre que uma alteração na tabela de congestionamento do veículo for feita, ele poderá recalcular a sua rota da seguinte forma. Será atribuído um peso para cada via através da equação: P=(T/V)*C, onde P é o peso atribuído para via, T é o tamanho da via em metros, V é a velocidade máxima permitida para via e C é o nível de congestionamento da via salvo na tabela. Calculado os pesos de todas as vias, o veículo poderá recalcular sua rota através do algoritmo de menor caminho de Dijkstra. 4. Avaliação do Sistema Simulações foram conduzidas para avaliar o protocolo proposto. A finalidade é analisar o impacto no desempenho do protocolo de estimativa de congestionamento apresentado em [de Sousa and Soares 2015], adicionando RSUs no cenário. As seguintes métricas foram observadas: Quantidade total de mensagens geradas para sinalizar as estimativas de congestionamento e o Tempo médio levado por cada veículo para concluir o trajeto. Para este propósito foi utilizada a ferramenta de simulação de rede OMNET++ 4.6 [Varga and Hornig 2008] em conjunto com o simulador de tráfego e mobilidade urbana SUMO 0.21.0 [Krajzewicz et al. 2012]. O framework Veins 3.0 [Sommer et al. 2011], que é amplamente utilizado no estudo de redes veiculares [Gramaglia et al. 2014] [Milojevic and Rakocevic 2014] [Araújo et al. 2014] e possui suporte para o padrão 802.11p, foi utilizado para integrar estes dois simuladores. O cenário de avaliação gerado através do SUMO foi um Manhattan Grid (5x5) sob uma região de 1 Km 2. Cada segmento de via possui extensão de 250 metros, duas faixas em cada direção e limite de velocidade de 50 km/h. Foram geradas 3600 rotas aleatórias de tamanho mínimo de 1 km. Estas rotas foram criadas escolhendo pares aleatórios de vias origem e destino. Para cada par uma rota era criada composta pela sequência de vias com o menor caminho que ligassem esse par. A duração de cada simulação foi de 1000 segundos. A quantidade de veículos foi mantida constante em 150, 200, 250 e 300, e cada cenário foi replicado 5 vezes, totalizando 20 replicações por cenário.
O desempenho do sistema de controle congestionamento V2X proposto foi analisado e comparado com a sistema V2V apresentado em [de Sousa and Soares 2015] objetivando analisar o impacto do uso de RSUs. Todos os gráficos apresentados nesta seção possuem intervalos de confiança de 95%. A primeira métrica avaliada foi o custo de sinalização de congestionamento. Na Figura 1(a) é apresentado a quantidade total de pacotes gerados em cada cenário. Pode-se observar que a quantidade de mensagens geradas pelo sistema V2V é inferior ao sistema proposto. A principal característica do sistema V2X proposto que causa este resultado é o envio periódico de mensagens enviadas pelas RSUs, cujo o intervalo utilizado neste trabalho foi de apenas 5 segundos. (a) Quantidade total de mensagens geradas para sinalizar as estimativas de congestionamento. (b) Tempo médio levado por cada veículo para concluir o trajeto. Figura 1. Desempenho dos Sistemas V2V e V2X A Figura 1(b) apresenta o tempo médio de viagem por veículo. Em ambos os cenários comparados é feito o uso de alterações de rotas caso haja um congestionamento. A partir dos resultados apresentados é possível notar que o sistema V2X obteve um tempo médio de viagem dos veículos ligeiramente superior ao obtido no sistema V2V, exceto no cenário com 150 veículos. Os resultados mostram-se favoráveis ao sistema V2V nos cenários com um maior número de veículos, pois os veículos formam uma rede fortemente conectada (rede densa), assim garantindo que todos os veículos obtenham os níveis de congestionamentos de todas as vias. Em cenários com menor número de veículos formam-se redes fracamente conectadas (redes esparsas), assim o sistema V2X se sobressai conseguindo disseminar os níveis de congestionamento para uma maior quantidade de veículos no cenário. 5. Conclusões e Trabalhos Futuros Neste trabalho foi proposto um sistema para controle de congestionamento de tráfego em redes veiculares baseado na arquitetura V2X com o objetivo de analisar o impacto do uso de RSUs no cenário proposto em [de Sousa and Soares 2015]. Analisou-se as métricas: Quantidade total de mensagens geradas para sinalizar as estimativas de congestionamento e o Tempo médio levado por cada veículo para concluir o trajeto. O sistema V2X apresentou um maior custo de sinalização e um desempenho similar ao sistema V2V com relação ao tempo médio de viagem dos veículos. Como trabalhos futuros, pretende-se analisar a utilização de RSUs em cenários que apresentam redes esparsas. Também pretende-se analisar a variação de tempo do envio de mensagens periódicas pelas RSUs e a utilização de protocolos GeoUnicast no sistema V2X para diminuir o custo de mensagens retransmitidas pelos veículos.
Referências Aissaoui, R., Menouar, H., Dhraief, A., Filali, F., Belghith, A., and Abu-Dayya, A. (2014). Advanced real-time traffic monitoring system based on v2x communications. In Communications (ICC), 2014 IEEE International Conference on, pages 2713 2718. Araújo, G. B., Tostes, A. I. J., de L. P. Duarte-Figueiredo, F., and Loureiro, A. A. F. (2014). Um protocolo de identificação e minimização de congestionamentos de tráfego para redes veiculares. In XXXII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 207 220, Florianópolis. da Silva, V. B. C., Sciammarella, T., Campista, M. E. M., and Costa, L. H. M. Wibus: Um sistema de monitoramento de transportes publicos usando redes ieee 802.11. XXXII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos SBRC 2014, pages 925 938. de Sousa, R. S. and Soares, A. C. B. (2015). Estimativa e sinalização de congestionamentos de tráfego através de redes veiculares v2v. pages 665 667. de Vasconcellos, E. A. (2014). Congestionamento no trânsito e financiamento da mobilidade avaliação dos estudos no brasil e das perspectivas metodológicas. Revista dos Transportes Públicos-ANTP-Ano, 36:1 o. Gramaglia, M., Calderon, M., and Bernardos, C. (2014). Abeona monitored traffic: Vanetassisted cooperative traffic congestion forecasting. Vehicular Technology Magazine, IEEE, 9(2):50 57. Júnior, J. G. R., Quintanilha, I. M., Campista, M. E. M., and Costa, L. (2013). Sistema para monitoramento descentralizado de trânsito baseado em redes veiculares infraestruturadas. XXXI Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 863 876. Krajzewicz, D., Erdmann, J., Behrisch, M., and Bieker, L. (2012). Recent development and applications of SUMO - Simulation of Urban MObility. International Journal On Advances in Systems and Measurements, 5(3&4):128 138. Milojevic, M. and Rakocevic, V. (2014). Distributed road traffic congestion quantification using cooperative vanets. In Ad Hoc Networking Workshop (MED-HOC-NET), 2014 13th Annual Mediterranean, pages 203 210. Silva, F., Silva, T., Ruiz, L., and Loureiro, A. (2013). Conprova: A smart context provisioning middleware for vanet applications. In Vehicular Technology Conference (VTC Spring), 2013 IEEE 77th, pages 1 5. Sommer, C., German, R., and Dressler, F. (2011). Bidirectionally coupled network and road traffic simulation for improved ivc analysis. IEEE Transactions on Mobile Computing, 10(1):3 15. Varga, A. and Hornig, R. (2008). An overview of the omnet++ simulation environment. In Proceedings of the 1st International Conference on Simulation Tools and Techniques for Communications, Networks and Systems & Workshops, Simutools 08, pages 60:1 60:10, ICST, Brussels, Belgium, Belgium. ICST (Institute for Computer Sciences, Social-Informatics and Telecommunications Engineering).