Sistema distribuído para gerenciamento de informação e distribuição de conhecimento em redes veiculares

Abstract

Sabe-se que, em Sistemas de Transporte Inteligentes (STIs), a constante troca de informação entre os véıculos é de vital importância para prover serviços em um ambiente veicular. Tipicamente, os STIs fazem uso dessa prática para extrair o conhecimento sobre a condição do tráfego veicular e distribuir o conhecimento. Apesar das soluções que aplicam essa abordagem atingirem o objetivo principal, distribuição do conhecimento, elas não se preocupam em selecionar o véıculo mais relevante na rede para realizar a tarefa de extração do conhecimento. Nessas soluções a extração pode ser realizada por qualquer veículo, consequentemente acarretará na sobrecarga da rede, devido as elevadas transmissões de mensagens redundantes. Com isso em mente, foi proposto SDGI, um sistema para o gerenciamento de informação e distribuição de conhecimento que aplica a métrica de centralidade de intermediação egocêntrica, com o propósito de selecionar o véıculo mais relevante para realizar a extração do conhecimento. Os resultados mostraram que o SDGI tem o melhor desempenho em diferentes requisitos em comparação com as soluções da literatura.

In Intelligent Transportation System (ITS), the periodic information exchange between vehicles is of vital importance to provide services in a vehi-cular environment. Typically, ITS applies this practice to extract knowledge about the vehicle traffic condition and to distribute knowledge. Although the solutions designed to use this approach reach the main goal, distribution of knowledge, they do not worry about selection of the most relevant vehicle in the network to perform the task of knowledge extraction. In these solutions the ex-traction can be carried out by any vehicle, consequently, it could easily cause a network overhead, thus, generating a highly redundant traffic of knowledge in the network. With this in mind, we propose the SDGI, a system for infor-mation management and knowledge distribution, which applies the egocentric betweenness measure, with the purpose of selecting the most relevant vehicle to carry out the knowledge generation. The results have shown that the SDGI outperforms solutions found in the literature at different requirements.