Enhancement of the AODV routing protocol for VANET based on intelligent link quality estimation

Imagina un mundo donde tu coche no solo se conduce solo, sino que también habla con todos los demás coches de la carretera, susurrando secretos sobre atascos, parches de hielo o accidentes repentinos. Esto no es ciencia ficción; es la realidad de las Redes Vehiculares Ad Hoc, o VANETs. Piensa en estos coches como un gigantesco y móvil banco de peces que constantemente necesita compartir información para mantenerse seguro. Pero aquí está el truco: a diferencia de los peces en un estanque tranquilo, los coches se desplazan a altas velocidades, dando vueltas en las esquinas y siendo bloqueados por edificios. Esto hace que sus "conversaciones" sean increíblemente inestables. Las señales que utilizan para hablar pueden desvanecerse, interrumpirse o perderse en el ruido de una calle concurrida.

Para mantener estas conversaciones, los coches necesitan un "mapa" o un conjunto de reglas para determinar la mejor ruta para enviar un mensaje. En el mundo digital, esto se llama protocolo de enrutamiento. El libro de reglas más común utilizado hoy en día se llama AODV. Es como un viajero que solo mira un mapa y pregunta: "¿Qué ruta tiene menos paradas?" (conteo de saltos o hop count). Si bien esto funciona aceptablemente en un vecindario tranquilo, es un desastre en una ciudad caótica. Si el viajero elige una ruta con menos paradas pero esas paradas están en un puente que se derrumba, el mensaje cae al río. La gran pregunta que los investigadores intentan resolver es: ¿Cómo podemos hacer que estos coches sean más inteligentes para que no solo cuenten paradas, sino que realmente comprueben si el camino por delante es seguro y estable antes de comprometerse con el viaje?

Aquí es exactamente donde los investigadores Hamida Ikhlef y Ali Melit intervienen con su nueva idea. Tomaron el libro de reglas estándar AODV y le dieron una mejora cerebral, creando un nuevo sistema que llaman AODV-LSENN. En lugar de solo contar paradas, su nuevo protocolo utiliza un "asistente inteligente" (una red neuronal) para echar un vistazo a las condiciones físicas de la carretera. Comprueba cosas como la fuerza de la señal de radio, la distancia entre los coches, la velocidad a la que se mueven uno respecto al otro e incluso si el mensaje digital se está distorsionando durante la transmisión.

Los investigadores entrenaron a este asistente inteligente, al que llamaron LSENN (Red Neuronal de Estimación del Estado del Enlace), para que actuara como un pronosticador del tiempo para la carretera. En lugar de solo decir "está lloviendo", predice si una conexión está Conectada (soleado y despejado), Transitoria (nublado y a punto de tormentosos) o Desconectada (un apagón total). Si el asistente predice que una tormenta se aproxima en una carretera específica, el coche no espera a que el mensaje se estrelle; inmediatamente cambia a una ruta diferente y más segura. Es la diferencia entre un conductor que espera hasta golpear un bache para esquivar y uno que ve el bache desde un kilómetro de distancia y lo rodea.

Para probar si este "conductor inteligente" realmente funciona, los autores no pusieron coches reales en carreteras reales. En su lugar, construyeron una simulación de videojuego masiva y detallada utilizando una herramienta llamada NS-3. Crearon una ciudad virtual con una cuadrícula de calles (como Manhattan) y la llenaron de entre 10 y 80 coches virtuales que se desplazaban a velocidades de entre 5 y 20 metros por segundo. Ejecutaron la simulación durante 150 segundos, dejando que los coches intentaran enviar mensajes usando tanto el método AODV antiguo como su nuevo método AODV-LSENN.

Los resultados fueron muy reveladores, especialmente dependiendo de qué tan concurrida fuera la ciudad virtual. En un escenario de baja densidad con solo 10 coches, el nuevo sistema fue un claro ganador. Logró entregar el 100% de los mensajes con éxito, mientras que el sistema antiguo solo logró pasar el 95.03%. El nuevo sistema también redujo el tiempo que tardaba un mensaje en viajar desde el principio hasta el final (retraso extremo a extremo o end-to-end delay) a solo 12.6 milisegundos, comparado con los lentos 38.98 milisegundos del método antiguo.

A medida que la ciudad se volvía más ocupada, con 40 coches (una densidad media), la brecha se amplió aún más. El protocolo AODV-LSENN entregó el 83.87% de los paquetes, mientras que el antiguo luchaba con un 65.46%. El retraso para el nuevo sistema fue de 86.98 milisegundos, mientras que el sistema antiguo tomó unos enormes 251.11 milisegundos. Esto sucedió porque el asistente inteligente estaba detectando con éxito los enlaces inestables y redirigiendo el tráfico antes de que los mensajes se perdieran.

Sin embargo, la historia cambia un poco cuando la ciudad se llena con 80 coches. En este caos de alta densidad, ambos sistemas empezaron a tener dificultades. La tasa de éxito del nuevo sistema cayó al 52.61%, y la del antiguo cayó al 49.48%. El retraso para ambos se disparó, alcanzando más de 300 milisegundos. Los investigadores explican que esto no es porque su asistente inteligente fallara, sino porque el "aire" mismo se volvió demasiado concurrido. Con tantos coches hablando a la vez, las señales de radio empezaron a chocar entre sí (colisiones) y el canal se saturó. Es como intentar tener una conversación en una habitación donde 80 personas están gritando al mismo tiempo; incluso la persona más inteligente no puede ser escuchada claramente.

A pesar del atasco de tráfico, el nuevo sistema mantuvo mejor su posición que el antiguo. Mostró consistentemente un "jitter" más bajo, que es la medida de cuánto varía el tiempo de entrega. En el escenario de 40 coches, el nuevo sistema tuvo un jitter de solo 11.88 milisegundos, mientras que el antiguo tambaleó salvajemente con 203.68 milisegundos. Esto significa que el nuevo protocolo proporciona un viaje mucho más suave y predecible para los datos, lo cual es crucial para los mensajes de seguridad que deben llegar a tiempo, siempre.

En resumen, el artículo sugiere que, al añadir una capa de predicción inteligente a las reglas de enrutamiento, podemos hacer que la comunicación de coche a coche sea significativamente más fiable, especialmente cuando las carreteras no están completamente colapsadas. Los autores encontraron que, si bien no pueden arreglar mágicamente la física de las ondas de radio en una ciudad súper concurrida, definitivamente pueden ayudar a los coches a navegar el caos mucho mejor que antes. La simulación demuestra que saber cuándo una carretera está a punto de romperse es tan importante como saber qué carretera es la más corta.