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

Imaginez un monde où votre voiture ne se contente pas de conduire seule, mais parle aussi à toutes les autres voitures sur la route, murmurant des secrets sur les embouteillages, les plaques de verglas ou les accidents soudains. Ce n'est pas de la science-fiction ; c'est la réalité des réseaux ad hoc véhiculaires, ou VANET. Considérez ces voitures comme un immense banc de poissons en mouvement qui doit constamment partager des informations pour rester en sécurité. Mais voici le hic : contrairement aux poissons dans un étang calme, les voitures filent à grande vitesse, tournent les coins et sont bloquées par des bâtiments. Cela rend leurs « conversations » incroyablement instables. Les signaux qu'elles utilisent pour communiquer peuvent s'affaiblir, être interrompus ou se perdre dans le bruit d'une rue bondée.

Pour maintenir ces conversations, les voitures ont besoin d'une « carte » ou d'un ensemble de règles pour déterminer le meilleur chemin pour envoyer un message. Dans le monde numérique, on appelle cela un protocole de routage. Le manuel de règles le plus courant utilisé aujourd'hui s'appelle AODV. C'est comme un voyageur qui ne regarde qu'une carte et demande : « Quel chemin a le moins d'arrêts ? » (nombre de sauts ou hop count). Si cela fonctionne plutôt bien dans un quartier calme, c'est un désastre dans une ville chaotique. Si le voyageur choisit un chemin avec le moins d'arrêts mais que ces arrêts se trouvent sur un pont en ruine, le message tombe dans la rivière. La grande question que les chercheurs tentent de résoudre est la suivante : comment rendre ces voitures plus intelligentes pour qu'elles ne se contentent pas de compter les arrêts, mais vérifient réellement si la route devant elles est sûre et stable avant de s'engager dans le voyage ?

C'est précisément là que les chercheurs Hamida Ikhlef et Ali Melit interviennent avec leur nouvelle idée. Ils ont pris le manuel de règles standard AODV et lui ont donné une mise à niveau cérébrale, créant un nouveau système qu'ils appellent AODV-LSENN. Au lieu de simplement compter les arrêts, leur nouveau protocole utilise un « assistant intelligent » (un réseau de neurones) pour jeter un coup d'œil aux conditions physiques de la route. Il vérifie des éléments tels que la force du signal radio, la distance entre les voitures, leur vitesse relative, et même si le message numérique est déformé pendant la transmission.

Les chercheurs ont entraîné cet assistant intelligent, nommé LSENN (Link State Estimation Neural Network), pour qu'il agisse comme un prévisionniste météo pour la route. Au lieu de dire simplement « il pleut », il prédit si une connexion est Connectée (ensoleillée et dégagée), Transitoire (nuageuse et sur le point de devenir orageuse) ou Déconnectée (un black-out total). Si l'assistant prédit une tempête arrivant sur une route spécifique, la voiture n'attend pas que le message s'écrase ; elle change immédiatement pour un itinéraire différent et plus sûr. C'est la différence entre un conducteur qui attend de heurter un nid-de-poule pour l'éviter et un conducteur qui voit le nid-de-poule à un kilomètre de distance et tourne autour.

Pour tester si ce « conducteur intelligent » fonctionne réellement, les auteurs n'ont pas mis de vraies voitures sur de vraies routes. À la place, ils ont construit une simulation de jeu vidéo massive et détaillée à l'aide d'un outil appelé NS-3. Ils ont créé une ville virtuelle avec un quadrillage de rues (comme Manhattan) et l'ont remplie de 10 à 80 voitures virtuelles filant à des vitesses comprises entre 5 et 20 mètres par seconde. Ils ont fait tourner la simulation pendant 150 secondes, laissant les voitures tenter d'envoyer des messages en utilisant à la fois l'ancienne méthode AODV et leur nouvelle méthode AODV-LSENN.

Les résultats étaient très parlants, surtout selon l'encombrement de la ville virtuelle. Dans un scénario à faible densité avec seulement 10 voitures, le nouveau système était un vainqueur clair. Il a réussi à livrer 100 % des messages avec succès, tandis que l'ancien système n'en a fait passer que 95,03 %. Le nouveau système a également réduit le temps nécessaire pour qu'un message voyage du début à la fin (délai de bout en bout) à seulement 12,6 millisecondes, contre des 38,98 millisecondes léthargiques pour l'ancienne méthode.

À mesure que la ville devenait plus occupée, avec 40 voitures (une densité moyenne), l'écart s'est encore creusé. Le protocole AODV-LSENN a livré 83,87 % des paquets, tandis que l'ancien peinait à 65,46 %. Le délai pour le nouveau système était de 86,98 millisecondes, alors que l'ancien système atteignait un colossal 251,11 millisecondes. Cela s'est produit parce que l'assistant intelligent détectait avec succès les liaisons instables et redirigeait le trafic avant que les messages ne soient perdus.

Cependant, l'histoire change un peu lorsque la ville est saturée avec 80 voitures. Dans ce chaos de haute densité, les deux systèmes ont commencé à avoir du mal. Le taux de réussite du nouveau système est tombé à 52,61 %, et l'ancien à 49,48 %. Le délai pour les deux a grimpé en flèche, dépassant les 300 millisecondes. Les chercheurs expliquent que ce n'est pas parce que leur assistant intelligent a échoué, mais parce que « l'air » lui-même est devenu trop encombré. Avec autant de voitures qui parlent en même temps, les signaux radio commencent à s'entrechoquer (collisions) et le canal devient saturé. C'est comme essayer d'avoir une conversation dans une pièce où 80 personnes crient toutes en même temps ; même la personne la plus intelligente ne peut pas être entendue clairement.

Malgré l'embouteillage, le nouveau système a tout de même mieux tenu bon que l'ancien. Il a systématiquement montré un « jitter » (gigue) plus faible, qui est la mesure de la variation du temps de livraison. Dans le scénario à 40 voitures, le nouveau système présentait un jitter de seulement 11,88 millisecondes, tandis que l'ancien oscillait sauvagement à 203,68 millisecondes. Cela signifie que le nouveau protocole offre une course beaucoup plus fluide et prévisible pour les données, ce qui est crucial pour les messages de sécurité qui doivent arriver à temps, à chaque fois.

En résumé, l'article suggère qu'en ajoutant une couche de prédiction intelligente aux règles de routage, nous pouvons rendre la communication de voiture à voiture nettement plus fiable, surtout lorsque les routes ne sont pas complètement paralysées. Les auteurs ont découvert que, bien qu'ils ne puissent pas magiquement corriger la physique des ondes radio dans une ville surpeuplée, ils peuvent certainement aider les voitures à naviguer dans le chaos bien mieux qu'auparavant. La simulation prouve que savoir quand une route est sur le point de se briser est tout aussi important que de savoir quel chemin est le plus court.