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

एक ऐसी दुनिया की कल्पना करें जहाँ आपकी कार न केवल खुद चलती है बल्कि सड़क पर मौजूद हर दूसरी कार से बातें भी करती है, और ट्रैफिक जाम, बर्फीले पैच या अचानक हुई दुर्घटनाओं के बारे में रहस्य साझा करती है। यह कोई विज्ञान कथा नहीं है; यह व्हीकुलर एड हॉक नेटवर्क्स (Vehicular Ad Hoc Networks), या VANETs की वास्तविकता है। इन कारों को मछलियों के एक विशाल, चलते-फिरते झुंड के रूप में सोचें जिन्हें सुरक्षित रहने के लिए लगातार जानकारी साझा करने की आवश्यकता होती है। लेकिन यहाँ एक पेंच है: एक शांत तालाब की मछलियों के विपरीत, कारें उच्च गति से इधर-उधर दौड़ती हैं, मोड़ लेती हैं, और इमारतों द्वारा बाधित होती हैं। यह उनकी "बातचीत" को अविश्वसनीय रूप से अस्थिर बना देता है। वे बात करने के लिए जिन संकेतों का उपयोग करती हैं, वे फीके पड़ सकते हैं, बाधित हो सकते हैं, या भीड़भाड़ वाली सड़क के शोर में खो सकते हैं।

इन बातचीत को जारी रखने के लिए, कारों को संदेश भेजने के सर्वोत्तम पथ का पता लगाने के लिए एक "मानचित्र" या नियमों के एक सेट की आवश्यकता होती है। डिजिटल दुनिया में, इसे रूटिंग प्रोटोकॉल कहा जाता है। आज उपयोग किया जाने वाला सबसे आम नियमकोश AODV कहलाता है। यह एक यात्री की तरह है जो केवल मानचित्र को देखता है और पूछता है, "किस रास्ते में सबसे कम स्टॉप हैं?" (हॉप काउंट)। जबकि यह एक शांत मोहल्ले में ठीक काम करता है, एक अराजक शहर में यह एक आपदा है। यदि यात्री एक ऐसा रास्ता चुनता है जिसमें सबसे कम स्टॉप हैं लेकिन वे स्टॉप एक टूटते हुए पुल पर हैं, तो संदेश नदी में गिर जाता है। बड़ा सवाल जिसे शोधकर्ता हल करने की कोशिश कर रहे हैं वह यह है: हम इन कारों को स्मार्ट कैसे बनाएं ताकि वे केवल स्टॉप न गिनें, बल्कि यात्रा के लिए प्रतिबद्ध होने से पहले वास्तव में यह जांच लें कि आगे का रास्ता सुरक्षित और स्थिर है या नहीं?

यहीं पर शोधकर्ता हमीदा इखलेफ और अली मेलिट अपने नए विचार के साथ आते हैं। उन्होंने मानक AODV नियमकोश को एक "ब्रेन अपग्रेड" दिया, जिससे उन्होंने एक नई प्रणाली बनाई जिसे वे AODV-LSENN कहते हैं। केवल स्टॉप गिनने के बजाय, उनका नया प्रोटोकॉल एक "स्मार्ट असिस्टेंट" (एक न्यूरल नेटवर्क) का उपयोग करता है जो सड़क की भौतिक स्थितियों पर नज़र रखता है। यह रेडियो सिग्नल की ताकत, कारों के बीच की दूरी, उनकी सापेक्ष गति, और यहाँ तक कि यह भी जाँचता है कि ट्रांसमिशन के दौरान डिजिटल संदेश विकृत हो रहा है या नहीं।

शोधकर्ताओं ने अपने स्मार्ट असिस्टेंट को प्रशिक्षित किया, जिसका नाम उन्होंने LSENN (लिंक स्टेट एस्टिमेशन न्यूरल नेटवर्क) रखा, ताकि यह सड़क के लिए एक मौसम पूर्वानुमानकर्ता की तरह कार्य कर सके। केवल यह कहने के बजाय कि "बारिश हो रही है," यह भविष्यवाणी करता है कि कनेक्शन कनेक्टेड (धूप वाला और साफ़) है, ट्रांजिएंट (बादल छाए हुए और तूफानी होने वाला) है, या डिस्कनेक्टेड (एक पूर्ण ब्लैकआउट) है। यदि असिस्टेंट किसी विशेष सड़क पर तूफान आने की भविष्यवाणी करता है, तो कार संदेश के क्रैश होने का इंतज़ार नहीं करती; वह तुरंत एक अलग, सुरक्षित मार्ग पर स्विच कर लेती है। यह उस ड्राइवर के बीच का अंतर है जो गड्ढे में गिरने के बाद मुड़ने का इंतज़ार करता है, और उस ड्राइवर के बीच जो एक मील दूर से ही गड्ढा देख लेता है और उससे बचकर निकल जाता है।

यह परीक्षण करने के लिए कि क्या यह "स्मार्ट ड्राइवर" वास्तव में काम करता है, लेखकों ने वास्तविक सड़कों पर असली कारें नहीं रखीं। इसके बजाय, उन्होंने NS-3 नामक टूल का उपयोग करके एक विशाल, विस्तृत वीडियो गेम सिमुलेशन बनाया। उन्होंने एक ग्रिड वाली सड़कों (जैसे मैनहट्टन) वाला एक आभासी शहर बनाया और उसमें 5 से 20 मीटर प्रति सेकंड की गति से दौड़ती 10 से 80 आभासी कारों को भरा। उन्होंने सिमुलेशन को 150 सेकंड तक चलाया, जिससे कारों ने पुराने AODV तरीके और उनके नए AODV-LSENN तरीके का उपयोग करके संदेश भेजने का प्रयास किया।

परिणाम काफी स्पष्ट थे, विशेष रूप से इस पर निर्भर करते हुए कि आभासी शहर कितना भीड़भाड़ वाला था। केवल 10 कारों वाले कम घनत्व वाले परिदृश्य में, नई प्रणाली एक स्पष्ट विजेता थी। इसने सफलतापूर्वक 100% संदेशों को डिलीवर किया, जबकि पुराने सिस्टम ने केवल 95.03% संदेश ही पहुँचा पाए। नए सिस्टम ने संदेश को शुरू से अंत तक जाने में लगने वाले समय (एंड-टू-एंड डिले) को घटाकर केवल 12.6 मिलीसेकंड कर दिया, जबकि पुराने तरीके के लिए यह 38.98 मिलीसेकंड का था।

जैसे-जैसे शहर व्यस्त हुआ, 40 कारों के साथ (एक मध्यम घनत्व), अंतर और भी बढ़ गया। नया AODV-LSENN प्रोटोकॉल 83.87% पैकेट डिलीवर करता है, जबकि पुराना सिस्टम 65.46% पर संघर्ष करता है। नए सिस्टम के लिए डिले 86.98 मिलीसेकंड था, जबकि पुराने सिस्टम के लिए यह भारी 251.11 मिलीसेकंड था। ऐसा इसलिए हुआ क्योंकि स्मार्ट असिस्टेंट सफलतापूर्वक अस्थिर लिंक को पहचान रहा था और संदेश खोने से पहले ट्रैफिक को फिर से रूट कर रहा था।

हालाँकि, जब शहर 80 कारों के साथ पूरी तरह भर जाता है, तो कहानी बदल जाती है। इस उच्च-घनत्व वाली अराजकता में, दोनों सिस्टम संघर्ष करने लगे। नए सिस्टम की सफलता दर गिरकर 52.61% हो गई, और पुराने की 49.48% रह गई। दोनों के लिए डिले आसमान छू गया, जो 300 मिलीसेकंड से अधिक पहुँच गया। शोधकर्ता बताते हैं कि ऐसा इसलिए नहीं है कि उनका स्मार्ट असिस्टेंट विफल हो गया, बल्कि इसलिए कि "हवा" खुद बहुत अधिक भीड़भाड़ वाली हो गई थी। इतने सारे कारों के एक साथ बात करने से रेडियो सिग्नल आपस में टकराने लगे (कोलिजन) और चैनल संतृप्त (सैचुरेटेड) हो गया। यह एक ऐसे कमरे में बातचीत करने जैसा है जहाँ 80 लोग एक साथ चिल्ला रहे हों; यहाँ तक कि सबसे बुद्धिमान व्यक्ति भी स्पष्ट रूप से नहीं सुना जा सकता।

ट्रैफिक जाम के बावजूद, नया सिस्टम पुराने की तुलना में बेहतर स्थिति बनाए रखता है। यह लगातार कम "जिटर" (jitter) दिखाता है, जो डिलीवरी समय में होने वाले बदलाव का माप है। 40-कार वाले परिदृश्य में, नए सिस्टम का जिटर केवल 11.88 मिलीसेकंड था, जबकि पुराना सिस्टम 203.68 मिलीसेकंड के साथ बुरी तरह डगमगा रहा था। इसका मतलब है कि नया प्रोटोकॉल डेटा के लिए बहुत सहज और अधिक अनुमानित सवारी प्रदान करता है, जो सुरक्षा संदेशों के लिए महत्वपूर्ण है जिन्हें समय पर, हर बार पहुँचना होता है।

संक्षेप में, पेपर सुझाव देता है कि रूटिंग नियमों में इंटेलिजेंट प्रेडिक्शन (बुद्धिमान भविष्यवाणी) की एक परत जोड़कर, हम कार-से-कार संचार को काफी विश्वसनीय बना सकते हैं, विशेष रूप से तब जब सड़कें पूरी तरह से जाम न हों। लेखकों ने पाया कि हालांकि हम अत्यधिक भीड़भाड़ वाले शहर में रेडियो तरंगों के भौतिक विज्ञान को जादू से ठीक नहीं कर सकते, लेकिन हम निश्चित रूप से कारों को पहले की तुलना में बहुत बेहतर तरीके से अराजकता के बीच नेविगेट करने में मदद कर सकते हैं। सिमुलेशन साबित करता है कि यह जानना कि सड़क कब टूटने वाली है, यह जानने जितना ही महत्वपूर्ण है कि सबसे छोटा रास्ता कौन सा है।