Skip to main content
Erweiterte Suche
Anmelden
nach oben
Peer-to-Peer Networking and Applications
Erschienen in:

27.03.2024

ARSL-V: A risk-aware relay selection scheme using reinforcement learning in VANETs

verfasst von: Xuejiao Liu, Chuanhua Wang, Lingfeng Huang, Yingjie Xia

Erschienen in: Peer-to-Peer Networking and Applications | Ausgabe 3/2024

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Der Artikel stellt ARSL-V vor, ein neuartiges risikobewusstes Relais-Auswahlschema für Ad-hoc-Netzwerke (VANETs). ARSL-V adressiert die Herausforderungen einer sicheren und zuverlässigen Datenübertragung in dynamischen Umgebungen durch die Integration eines Risikobewertungsmechanismus, eines verbesserten Kuhn-Munkres-Algorithmus zur Relaisauswahl und eines Q-Learning-Algorithmus zur dynamischen Gewichtsanpassung. Das System bewertet Fahrzeugrisiken umfassend, indem es Faktoren wie Reputationsvariabilität, abnormales Verhalten und Umweltauswirkungen berücksichtigt. Außerdem modelliert es die Relaisauswahl als maximal gewichtetes Matching-Problem in einem zweiseitigen Diagramm, wodurch der Auswahlprozess in Echtzeit optimiert wird. Der Einsatz von Q-Learning ermöglicht es dem System, sich dynamisch an sich ändernde Straßenbedingungen und Feedbackdaten anzupassen, wodurch eine robuste und sichere Datenübertragung in VANETs gewährleistet ist. Der Artikel hebt den einzigartigen Ansatz von ARSL-V hervor, sowohl Sicherheits- als auch Zuverlässigkeitsprobleme zu lösen, was es zu einer wertvollen Ressource für Forscher und Praktiker auf dem Gebiet der VANETs macht.
KI-Generiert

Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

Vorheriger Artikel Enhancing intrusion detection using wireless sensor networks: A novel ahp-madm aggregated multiple type 3 fuzzy logic-based k-barriers prediction system
Nächster Artikel IGWOA: Improved Grey Wolf optimization algorithm for resource scheduling in cloud-fog environment for delay-sensitive applications

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Literatur
1.
Lee M, Atkison T (2021) VANET applications: Past, present, and future. Veh Commun 28:100310–100323
2.
Yang P, Deng L, Yang J, Yan J (2019) Sasmf: Socially aware security message forwarding mechanism in vanets. Mob Netw Appl, pp 1–12
3.
Cui LJ, Wei L, Zhang H, Yan X, Liu L (2020) Edge computing in vanets-an efficient and privacy-preserving cooperative downloading scheme. IEEE J Sel Areas Commun 38(6):1191–1204CrossRef
4.
Yuhan S, Xiaozhen L, Zhao Y, Huang L, Xiaojiang D (2019) Cooperative communications with relay selection based on deep reinforcement learning in wireless sensor networks. IEEE Sens J 19(20):9561–9569CrossRef
5.
Rashid SA, Audah L, Hamdi MM, Alani S (2020) Prediction based efficient multi-hop clustering approach with adaptive relay node selection for vanet. J Commun 15(4):332–344
6.
Tomar R, Sastry HG, Prateek M (2020) Establishing parameters for comparative analysis of v2v communication in vanet
7.
Cao D, Liu Y, Ma X, Wang J, Ji B, Feng C, Si J (2019) A relay-node selection on curve road in vehicular networks. IEEE Access 7:12714–12728CrossRef
8.
Hao H, Rongxing L, Huang C, Zhang Z (2017) Ptrs: A privacy-preserving trust-based relay selection scheme in vanets. Peer-to-Peer Netw Appl 10(5):1204–1218CrossRef
9.
Toor GS, Ma M (2019) Cetvsp: Cost efficient trust-based vehicle selection for platoon. In 2019 IEEE Wireless Communications and Networking Conference (WCNC), pp 1–6. IEEE
10.
Tripathi KN, Sharma SC, Jain G (2020) A new reputation-based algorithm (rba) to detect malicious nodes in vehicular ad hoc networks (vanets). Adv Intell Syst Comput Soft Comput Theories Appl, pp 395–404
11.
Kerrache CA, Calafate CT, Lagraa N, Cano J-C, Manzoni P (2016) Rita: Risk-aware trust-based architecture for collaborative multi-hop vehicular communications. Secur Commun Netw 9(17):4428–4442
12.
Chai R, Qin Y, Peng S, Chen Q (2017) Transmission performance evaluation and optimal selection of relay vehicles in vanets. In 2017 IEEE Wireless Communications and Networking Conference (WCNC), pp 1–6. IEEE
13.
Mu DX, Ahmed SH, Lee S, Guizani N, Kim D (2017) An adaptive multiple-relay selection in vehicular delay tolerant networks. In GLOBECOM 2017-2017 IEEE Global Communications Conference, pp 1–6. IEEE
14.
Zhang W, Jiang S, Zhu X, Wang Y (2016) Cooperative downloading with privacy preservation and access control for value-added services in vanets. Int J Grid Util Comput 7(1):50–60CrossRef
15.
Michiardi P, Molva R (2002) Core: a collaborative reputation mechanism to enforce node cooperation in mobile ad hoc networks. In Advanced Communications and Multimedia Security, pp 107–121. Springer
16.
Ullah S, Abbas G, Waqas M et al (2023) RSU assisted reliable relay selection for emergency message routing in intermittently connected VANETs. In Wireless Networks, pp 1311–1332
17.
Chen W, Liu X-J, Xia Y-J (2020) Multi-factor reputation evaluation model based on analytic hierarchy process in vehicle ad-hoc networks. J ZheJiang Univ Eng Sci 54(4):722–731
18.
Kadadha M, Otrok H (2021) A blockchain-enabled relay selection for qos-olsr in urban vanet: A stackelberg game model. Ad Hoc Networks 117:102502CrossRef
19.
Liang Z, Shi W (2005) Pet: A personalized trust model with reputation and risk evaluation for p2p resource sharing. In Proceedings of the 38th Annual Hawaii International Conference on System Sciences, pp 201b–201b. IEEE
20.
Feng S, Haykin S (2019) Cognitive risk control for anti-jamming v2v communications in autonomous vehicle networks. IEEE Trans Veh Technol 68(10):9920–9934CrossRef
21.
Zhang Y, Yue S, Shen X, Wang A, Wang B, Liu Y, Bai W (2022) Reinforcement learning based relay selection for underwater acoustic cooperative networks. Remote Sens 14(6):1417–1443CrossRef
22.
Zhou D, Yan B, Li C, Wang A, Wei H (2022) Relay selection scheme based on deep reinforcement learning in wireless sensor networks. Phys Commun 54:101799–101809CrossRef
23.
Chong H, G Chen, Gong Y (2021) Delay-constrained buffer-aided relay selection in the internet of things with decision-assisted reinforcement learning. IEEE Internet Things J 8(12):10198–10208
24.
Al-Kharasani NM, Zukarnain ZA, Subramaniam SK, Hanapi ZM (2020) An adaptive relay selection scheme for enhancing network stability in vanets. IEEE Access 8:128757–128765
25.
Ho W, Ma X (2018) The state-of-the-art integrations and applications of the analytic hierarchy process. Eur J Oper Res 267(2):399–414MathSciNetCrossRef
26.
Rehman O, Ould-Khaoua M (2019) A hybrid relay node selection scheme for message dissemination in vanets. Futur Gener Comput Syst 93:1–17CrossRef
27.
Nawej C, Owolawi P, Walingo T (2021) Design and simulation of vanets testbed using openstreetmap, sumo, and ns-2. In 2021 IEEE 6th International Conference on Computer and Communication Systems (ICCCS), pp 582–587. IEEE
28.
Ullah A, Yaqoob S, Imran M, Ning H (2018) Emergency message dissemination schemes based on congestion avoidance in vanet and vehicular fog computing. IEEE Access 7:1570–1585CrossRef
29.
Hui Y, Su Z, Luan TH, Li C (2020) Reservation service: Trusted relay selection for edge computing services in vehicular networks. IEEE J Selected Areas Commun 38(12):2734–2746
30.
Halabian H, Changiz R, Yu FR, Lambadaris I, Tang H (2012) Optimal reliable relay selection in multiuser cooperative relaying networks. Wirel Netw 18(6):591–603
Metadaten
Titel
ARSL-V: A risk-aware relay selection scheme using reinforcement learning in VANETs
verfasst von
Xuejiao Liu
Chuanhua Wang
Lingfeng Huang
Yingjie Xia
Publikationsdatum
27.03.2024
Verlag
Springer US
Erschienen in
Peer-to-Peer Networking and Applications / Ausgabe 3/2024
Print ISSN: 1936-6442
Elektronische ISSN: 1936-6450
DOI
https://doi.org/10.1007/s12083-023-01589-4

Weitere Artikel der Ausgabe 3/2024

Probabilistic intrusion detection based on an optimal strong K-barrier strategy in WSNs

Developing a novel blockchain-based vaccine tracking and certificate system: An end-to-end approach

T-AODV: A trust-based routing against black-hole attacks in VANETs

A novel approach to alleviate wealth compounding in proof-of-stake cryptocurrencies

IGWOA: Improved Grey Wolf optimization algorithm for resource scheduling in cloud-fog environment for delay-sensitive applications

A personalized and efficient EMR sharing and management scheme based on smart contracts

Premium Partner

    Bildnachweise