Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Study and experiments of a framework for disseminating semantic annotations in vehicular networks

286 views

Published on

My Bachelor's thesis presentation (2013)

Published in: Software
  • Be the first to comment

  • Be the first to like this

Study and experiments of a framework for disseminating semantic annotations in vehicular networks

  1. 1. Studio e sperimentazione di un modello di disseminazione di annotazioni semantiche in reti veicolari Relatore: Prof. Ing. Michele Ruta Correlatori: Ing. Floriano Scioscia - Ing. Filippo Gramegna Corso di Laurea Triennale Tesi di laurea in Telematica II in Ingegneria Informatica A.A. 2011 - 2012 Laureando: Giorgio Basile
  2. 2. Sommario Studio e sperimentazione di un modello di disseminazione di annotazioni semantiche in reti veicolari Giorgio Basile2  Dedicated Short-Range Communications (DSRC) e Intelligent Transport Systems (ITS)  Vehicular Ad-hoc Networks (VANET) basate sulla semantica  Soluzione proposta  Modello di disseminazione  Algoritmi di matchmaking  Architettura del sistema  Risultati sperimentali  Conclusioni e sviluppi futuri
  3. 3. Applicazioni ITS e DSRC Studio e sperimentazione di un modello di disseminazione di annotazioni semantiche in reti veicolari 3 Giorgio Basile OBU (On-Board Unit) V2V (Vehicle-to-Vehicle) RSU (Road-Side Unit) V2I (Vehicle-to-Infrastructure)
  4. 4. VANET basate sulla semantica Studio e sperimentazione di un modello di disseminazione di annotazioni semantiche in reti veicolari Giorgio Basile4  Reti veicolari che utilizzano i valori rilevati dai dispositivi intra-veicolo e recuperati attraverso lo standard OBD-II (On-Board Diagnostic II)  I dati estrapolati caratterizzano il mining verso annotazioni semantiche  Le descrizioni semantiche permettono la deduzione implicita a partire da informazione esplicita  Utilizzo di procedure di ragionamento ed elaborazione intelligente (aumento complessivo della conoscenza del sistema)  Supporto di un’architettura di Pervasive Computing  Specializzazione di infrastrutture per Internet of Things  Adottano i fondamenti alla base del Semantic Web SWoT, Semantic Web of Things
  5. 5.  Push model / Dissemination  Generated Data / Relayed Data  Same direction:  dati generati e di relay nello stesso pacchetto  propagazione lungo la direzione di marcia del veicolo sender  informazione disponibile sul tratto di strada da percorrere  Opposite direction:  sfrutta il transito di veicoli in direzione opposta al sender  Trasporto rapido di informazione verso i nodi molto distanti dal sender Giorgio Basile Soluzione proposta: modello di disseminazione Studio e sperimentazione di un modello di disseminazione di annotazioni semantiche in reti veicolari 5 [Nadeem T. et al., MOBIQUITOUS 2006]
  6. 6. Soluzione proposta : algoritmi di matchmaking Studio e sperimentazione di un modello di disseminazione di annotazioni semantiche in reti veicolari Giorgio Basile6  Caso 1 PosizioneDato un veicolo V che genera i dati: Keep: ciò che sia V sia altri veicoli hanno osservato Giveup: ciò che V ha osservato, in contrasto rispetto ad osservazioni di altri veicoli Hypothesis : ciò che V ha osservato, ma altri veicoli no Bonus : ciò che altri veicoli hanno osservato, ma V no
  7. 7. Soluzione proposta : algoritmi di matchmaking (2) Studio e sperimentazione di un modello di disseminazione di annotazioni semantiche in reti veicolari Giorgio Basile7  Caso 2: algoritmi di matchmaking Servizi di inferenza:  Concept Conjunction  Concept Contraction [Ruta M. et al., WIAS 2011]  Concept Abduction [Ruta M. et al., WIAS 2011]  Concept Difference  Compute Bonus
  8. 8. Architettura del sistema Studio e sperimentazione di un modello di disseminazione di annotazioni semantiche in reti veicolari Giorgio Basile8  Software di simulazione NCTUns 6.0  Kernel Re-Entering  Applicativi C / C++  Generatore pseudo-casuale di annotazioni semantiche  Ipotizza su base probabilistica le rilevazioni del veicolo in uno scenario reale
  9. 9. Architettura del sistema (2) Studio e sperimentazione di un modello di disseminazione di annotazioni semantiche in reti veicolari Giorgio Basile9  Server Reasoner (Java)  Architettura multithread  Mini Matchmaking Engine [Ruta M. et al., ORE 2012]  CarAgent (C++)  Modello di movimento  Modello di rete  Protocollo IEEE 802.11b ad-hoc  One VS Last  One VS All  One VS Average
  10. 10. Obiettivi Studio e sperimentazione di un modello di disseminazione di annotazioni semantiche in reti veicolari Giorgio Basile10  Valutazione delle prestazioni delle VANET in termini di traffico di rete  Prestazioni della disseminazione di informazioni di natura semantica  Influenza di fenomeni di collisione e perdita di pacchetti  Valutazione delle prestazioni degli algoritmi di matchmaking  Prestazioni < 50 ms per confronto con IEEE 802.11p
  11. 11. Risultati Sperimentali Studio e sperimentazione di un modello di disseminazione di annotazioni semantiche in reti veicolari Giorgio Basile11  Scenario A (strada extraurbana ES. Tangenziale di Bari SS16)  Campo: 5 Km x 1.5 Km  Broadcast Period : 7 secondi  Veicoli : 50  Simulation Time: 300 secondi Pacchetti Pacchettiinviati 43,367347 Pacchettiricevuti 41,142857 Pacchetti generati 24,755102 Pacchettiricevuti e d'interesse 29,836735 Pacchettiricevuti e d'interesse per sender 29,604167 Pacchettiricevuti per sender 40,489796 0 10 20 30 40 50 One VS Last Pacchetti Pacchettiinviati 52,44898 Pacchettiricevuti 48,326531 Pacchetti generati 32,040816 Pacchettiricevuti e d'interesse 32,857143 Pacchettiricevuti e d'interesse per sender 32,183673 Pacchettiricevuti per sender 47,632653 0 10 20 30 40 50 60 One VS All Pacchetti Pacchettiinviati 49,653061 Pacchettiricevuti 46,346939 Pacchetti generati 29,469388 Pacchettiricevuti e d'interesse 32,469388 Pacchettiricevuti e d'interesse per sender 31,75551 Pacchettiricevuti per sender 45,755102 0 10 20 30 40 50 60 One VS Average
  12. 12. Pacchetti Pacchettiinviati 47,186047 Pacchettiricevuti 47,534884 Pacchetti generati 24,44186 Pacchettiricevuti e d'interesse 31,534884 Pacchettiricevuti e d'interesse per sender 30,953488 Pacchettiricevuti per sender 47,046512 0 10 20 30 40 50 One VS Average Pacchetti Pacchettiinviati 59,465116 Pacchettiricevuti 59,604651 Pacchetti generati 34,162791 Pacchettiricevuti e d'interesse 36,116279 Pacchettiricevuti e d'interesse per sender 35,604651 Pacchettiricevuti per sender 59,651163 0 20 40 60 80 One VS All Pacchetti Pacchettiinviati 39,697674 Pacchettiricevuti 42,395349 Pacchetti generati 23,372093 Pacchettiricevuti e d'interesse 24,395349 Pacchettiricevuti e d'interesse per sender 23,627907 Pacchettiricevuti per sender 42,046512 0 10 20 30 40 50 One VS Last Risultati Sperimentali (2) Studio e sperimentazione di un modello di disseminazione di annotazioni semantiche in reti veicolari Giorgio Basile12  Scenario B (strada urbana a rapido scorrimento ES. Viale Luigi Einaudi o Viale Papa Giovanni XXIII, Bari)  Campo: 2 Km x 1 Km  Broadcast Period : 7 secondi  Veicoli : 44  Simulation Time : 300 secondi
  13. 13. Pacchetti Pacchettiinviati 47,489796 Pacchettiricevuti 47,755102 Pacchetti generati 25,918367 Pacchettiricevuti e d'interesse 27,755102 Pacchettiricevuti e d'interesse per sender 26,571429 Pacchettiricevuti per sender 46,285714 0 15 30 45 60 One VS Average Pacchetti Pacchettiinviati 50,204082 Pacchettiricevuti 48,44898 Pacchetti generati 27,857143 Pacchettiricevuti e d'interesse 28,306122 Pacchettiricevuti e d'interesse per sender 27,285714 Pacchettiricevuti per sender 47,44898 0 15 30 45 60 One VS All Pacchetti Pacchettiinviati 45,061224 Pacchettiricevuti 43,693878 Pacchetti generati 24,346939 Pacchettiricevuti e d'interesse 25,306122 Pacchettiricevuti e d'interesse per sender 24,8125 Pacchettiricevuti per sender 42,530612 0 10 20 30 40 50 One VS Last Risultati Sperimentali (3) Studio e sperimentazione di un modello di disseminazione di annotazioni semantiche in reti veicolari Giorgio Basile13  Scenario C (strada urbana ES. Quartiere Murat, Bari)  Campo: 1.5 Km x 1 Km  Broadcast Period : 9 secondi  Veicoli : 50  Simulation Time : 500 secondi
  14. 14. Risultati sperimentali (4) Studio e sperimentazione di un modello di disseminazione di annotazioni semantiche in reti veicolari Giorgio Basile14 Tempi di matchmaking (secondi) Scenario A One VS Last One VS All One VS Average Tempo matchmaking 0,241872394 0,250780248 0,241224011 Tempo ciclo 0,241872394 0,529133737 0,258616706 Scenario B One VS Last One VS All One VS Average Tempo matchmaking 0,260290413 0,253669296 0,252096274 Tempo ciclo 0,260290413 0,58229455 0,302197413 Scenario C One VS Last One VS All One VS Average Tempo matchmaking 0,244249898 0,246689816 0,244019428 Tempo ciclo 0,244249898 0,560522691 0,263447726 Occupazione media di memoria del CarAgent : 2.31 MB
  15. 15. Analisi dei risultati Studio e sperimentazione di un modello di disseminazione di annotazioni semantiche in reti veicolari Giorgio Basile15 Soluzioni Aggregazione dei dati (algoritmi di compressione delle annotazioni semantiche) Eliminazione ritardi di comunicazione Client - Server (singoli servizi di inferenza eseguiti in 10-4 s) Problematiche  Alto numero di collisioni   Matchmaking lento  (problema di pura simulazione)
  16. 16. Conclusioni e sviluppi futuri Studio e sperimentazione di un modello di disseminazione di annotazioni semantiche in reti veicolari Giorgio Basile16  Modello di disseminazione meno prolifico con l’aggregazione dei dati  Occorre un testing dell’algoritmo di matchmaking eseguito lato Server Sviluppi futuri:  Avvertimenti di emergenza  Comunicazione con unità RSU  Annotazione real-time su server OpenStreetMap semantic-enabled  Utilizzo separato dei quattro campi semantici per il supporto alle decisioni del guidatore

×