An Energy-Efficient Traffic-Aware Dynamic Cluster Head Selection in EMAO-MTRUST for VANETs

تخيل مدينة حيث كل سيارة ليست مجرد وسيلة نقل، بل هي عقدة متحدثة في شبكة واسعة ومتحركة. تتواصل هذه السيارات، المعروفة باسم الشبكات المتنقلة للسيارات (Vehicular Ad Hoc Networks)، مع بعضها البعض ومع البنية التحتية للطرق لتبادل المعلومات الحيوية حول حركة المرور، والحوادث، وظروف الطريق. الهدف هو جعل القيادة أكثر أمانًا وكفاءة من خلال السماح للمركبات بالتحذير من الأخطر فيما بينها في الوقت الفعلي. ومع ذلك، يواجه هذا النظام تحديًا فريدًا: فالشبكة تتغير باستمرار. تتحرك السيارات بسرعات عالية، وتنقطع الاتصالات وتتشكل فورًا، والعدد الهائل من المركبات يمكن أن يربك النظام. وعلاوة على ذلك، نظرًا لأن هذه الشبكات مفتوحة ولامركزية، فهي عرضة لجهات خبيثة قد تحاول تعطيل الاتصالات أو سرقة البيانات. إذا لم تستطع الشبكة مواكبة فوضى الطريق، أو إذا لم تستطع الوثوق بالمعلومات التي تتلقاها، فإن نظام السلامة بأكمله سيفشل.

ولمعالجة هذه المشكلات المعقدة، اقترح الباحثان باريمالا غارنيبودي وإم فانيثا إطار عمل جديدًا يسمى MOTMER-VANET. تم تصميم هذا النظام ليعمل كمدير مروري ذكي يتنبأ بوجهات السيارات، ويتحقق من موثوقيتها، ويجد المسارات الأكثر كفاءة لانتقال البيانات. وقد بنى الباحثان محاكاة حاسوبية لاختبار كيفية أداء هذا النظام الجديد تحت ظروف صعبة، بما في ذلك سيناريوهات تحاول فيها مركبات خبيثة تعطيل الشبكة أو إسقاط رسائل مهمة. ويشير عملهما إلى أنه من خلال الجمع بين أدوات التنبؤ المتقدمة ونظام ثقة ديناميكي، من الممكن إنشاء شبكة مركبات أكثر موثوقية وأمانًا وكفاءة في استهلاك الطاقة بشكل ملحوظ من الطرق الحالية.

يكمن جوهر هذا النهج الجديد في كيفية توقع التحركات المستقبلية للمركبات. في الأنظمة التقليدية، غالبًا ما تُتخذ قرارات التوجيه بناءً على مكان وجود السيارة الآن، مما قد يؤدي إلى انقطاع الاتصالات في اللحظة التي تنعطف فيها السيارة أو تزيد من سرعتها. وقد استبدل الباحثان هذا الأسلوب القائم على رد الفعل بأسلوب تنبئي؛ حيث استخدما نموذج تعلم متطور، وهو نوع من الذكاء الاصطناعي القادر على تذكر الأنماط بمرور الوقت، للتنبؤ بمكان كل مركبة في المستقبل القريب. ومن خلال تحليل سرعة السيارة واتجاهها وتسارعها، يمكن للنظام حساب "درجة استقرار" لكل اتصال محتمل. وهذا يسمح للشبكة بتشكيل مجموعات من المركبات، تُعرف باسم العناقيد (clusters)، حول قادة يُتوقع بقاؤهم في أماكنهم لفترة أطول، مما يضمن بقاء خطوط الاتصال مفتوحة حتى مع تدفق حركة المرور بسرعة.

بمجرد تنظيم الشبكة، يجب على النظام التأكد من أن المركبات التي تقود هذه المجموعات صادقة وموثوقة. في عالم يمكن لمركبة مارقة فيه أن تتظاهر بأنها قائدة ثم تختفي ومعها بيانات حيوية، تصبح الثقة أمرًا بالغ الأهمية. لقد قدم الباحثان آلية تقيم سلوك كل عقدة باستمرار؛ حيث تراقب مدى جودة قيام المركبة بتمرير الرسائل، ومدى اتساق تفاعلاتها، وما يقوله جيرانها عنها. إذا تصرفت مركبة بشكل مريب، مثل إسقاط الحزم أو إرسال الكثير من الطلبات الوهمية، تنخفض درجة ثقتها، وتقوم الشبكة بعزلها. هذه العملية تكيفية، مما يعني أنها تتعلم وتتحدث في الوقت الفعلي، فتكافئ السلوك التعاوني وتعاقب الأفعال الخبيثة دون الحاجة إلى سلطة مركزية تشرف على كل تفاعل.

إن اختيار القائد المناسب لكل مجموعة من السيارات هو الخطوة الحرجة التالية. فبدلاً من اختيار قائد بناءً على عامل واحد، مثل من لديه أكبر قدر من طاقة البطارية المتبقية، يستخدم إطار العمل الجديد عملية قرار موزونة. فهو يأخذ في الاعتبار ثلاثة أمور رئيسية في آن واحد: مدى استقرار حركة المركبة المتوقعة، ومدى الموثوقية التي أثبتتها، ومقدار الطاقة المتبقية لديها. يضمن هذا النهج المتوازن أن القادة المختارين ليسوا موثوقين وآمنين فحسب، بل قادرين أيضًا على استدامة الشبكة لفترة طويلة دون استنزاف طاقتهم. وهذا يمنع الشبكة من الاضطرار المستمر لإعادة انتخاب القادة، مما يهدر الطاقة ويتسبب في التأخير.

ولإيجاد أفضل المسارات لانتقال البيانات بين هذه العناقيد، استخدم الباحثون استراتيجية تحسين هجينة. تجمع هذه الطريقة بين تقنيتين مختلفتين للبحث لاستكشاف العدد الهائل من المسارات الممكنة وإيجاد المسار الذي يقدم أفضل توازن بين السرعة والاستقرار واستهلاك الطاقة. وهي مصممة لتجنب الوقوع في حلول محلية قد تبدو جيدة ولكنها ليست الأفضل بشكل عام. ومن خلال تحسين اختيار المسار باستمرار بناءً على الحالة الراهنة للشبكة، يضمن النظام تدفق البيانات بسلاسة، حتى عندما تتغير ظروف الطريق بشكل غير متوقع.

هناك ميزة مهمة للغاية لهذا الإطار وهي قدرته على التعامل مع حالات الطوارئ. في سيناريو مروري واقعي، يجب أن تصل رسالة حول حادث مفاجئ أو مركبة متعطلة إلى وجهتها فورًا، بينما يمكن لرسائل حركة المرور الروتينية الانتظار. لقد بنى الباحثون نظام أولويات يعامل هذه الرسائل بشكل مختلف؛ فعند حدوث حالة طوارئ، يقوم النظام تلقائيًا بتحويل وضع الاتصال الخاص به لمنح الرسائل الحرجة مسارًا سريعًا مخصصًا، مما يضمن تسليمها بأقل قدر من التأخير. ويتم إدارة ذلك من خلال نظام جدولة ذكي يمكنه التبديل بين طرق إرسال مختلفة اعتمادًا على أهمية البيانات، مما يمنع التنبيهات المتعلقة بالسلامة من التكدس خلف المعلومات الأقل أهمية.

اختبر الباحثون إطار عملهم في بيئة محاكاة تحاكي منطقة حضرية كبيرة تضم ما يصل إلى مائتي مركبة تتحرك بسرعات متفاوتة. وقد أخضعوا النظام لنوعين شائعين من الهجمات السيبرانية: هجوم "الثقب الأسود" (black hole attack)، حيث تخدع عقدة خبيثة الشبكة بإرسال البيانات إليها ثم تتخلص منها، وهجوم "الفيضان" (flooding attack)، حيث تغمر عقدة الشبكة بطلبات وهمية لسد القنوات. وأظهرت النتائج أن النظام المقترح كان فعالاً للغاية في مقاومة هذه التهديدات. ففي مواجهة هجوم الثقب الأسود، حافظ النظام على نسبة تسليم حزم بلغت 94.8 بالمائة، وهو ما يتفوق بشكل كبير على بروتوكولات التوجيه التقليدية التي انخفضت نسبتها إلى ما دون 70 بالمائة. وعند تعرضه لهجمات الفيضان، حافظ النظام على تأخير الرسائل عند 78 مللي ثانية فقط، مقارنة بأكثر من 100 مللي ثانية للطرق الأقدم.

بعيدًا عن الأمن، أظهر النظام كفاءة مثيرة للإعجاب. ففي عمليات المحاكاة ذات الكثافة المتوسطة للمركبات، حقق إطار العمل نسبة تسليم حزم بلغت 98.9 بالمائة، مما يعني أن كل رسالة يتم إرسالها تقريبًا قد تم استلامها بنجاح. كما انخفض الوقت الذي تستغرقه الرسالة للانتقال من المصدر إلى الوجهة إلى متوسط 63 مللي ثانية، وهو تحسن حاسم لتطبيقات السلامة الحساسة للوقت. كما أدارت الشبكة استهلاك الطاقة بشكل أفضل، حيث استخدمت 1.91 جول فقط لكل جولة إرسال، وهو أقل بكثير من الطاقة التي تستهلكها البروتوكولات التقليدية. بالإضافة إلى ذلك، ظلت العناقيد التي شكلها النظام مستقرة لمدة متوسطة بلغت 87.3 ثانية قبل الحاجة إلى إعادة التنظيم، وهو ما يقرب من ضعف استقرار الطرق الحالية.

تخلص الدراسة إلى أنه من خلال دمج التنبؤ بالتنقل، وإدارة الثقة التكيفية، وتحسين التوجيه الذكي، من الممكن إنشاء شبكة مركبات قوية بما يكفي للتعامل مع فوضى حركة المرور في العالم الحقيقي وتهديدات الجهات الخبيثة. وبينما تستند هذه النتائج إلى عمليات محاكاة حاسوبية، إلا أنها توفر أساسًا قويًا لتطوير الجيل القادم من أنظمة النقل الذكية. ويقترح الباحثون أن العمل المستقبلي يمكن أن يتضمن اختبار هذه المفاهيم في سيناريوهات من العالم الحقيقي ودمجها مع التقنيات الناشية لتعزيز سلامة وكفاءة طرقنا بشكل أكبر. إن هذا العمل يقدم لمحة عن مستقبل يمكن لمركباتنا فيه ألا تتواصل لمشاركة البيانات فحسب، بل لتفعل ذلك بمستوى من الذكاء والثقة يحافظ على سلامة الجميع على الطريق.