Study and experiments of a framework for disseminating semantic annotations in vehicular networks
1. Studio e sperimentazione di un modello di
disseminazione di annotazioni semantiche
in reti veicolari
Relatore: Prof. Ing. Michele Ruta
Correlatori: Ing. Floriano Scioscia - Ing. Filippo Gramegna
Corso di Laurea Triennale Tesi di laurea in Telematica II
in Ingegneria Informatica A.A. 2011 - 2012
Laureando:
Giorgio Basile
2. Sommario
Studio e sperimentazione di un modello di disseminazione di
annotazioni semantiche in reti veicolari
Giorgio Basile2
Dedicated Short-Range Communications (DSRC) e
Intelligent Transport Systems (ITS)
Vehicular Ad-hoc Networks (VANET) basate sulla
semantica
Soluzione proposta
Modello di disseminazione
Algoritmi di matchmaking
Architettura del sistema
Risultati sperimentali
Conclusioni e sviluppi futuri
3. Applicazioni ITS e DSRC
Studio e sperimentazione di un modello di disseminazione di
annotazioni semantiche in reti veicolari
3 Giorgio Basile
OBU
(On-Board Unit)
V2V
(Vehicle-to-Vehicle)
RSU
(Road-Side Unit)
V2I
(Vehicle-to-Infrastructure)
4. VANET basate sulla semantica
Studio e sperimentazione di un modello di disseminazione di
annotazioni semantiche in reti veicolari
Giorgio Basile4
Reti veicolari che utilizzano i valori rilevati dai dispositivi
intra-veicolo e recuperati attraverso lo standard OBD-II
(On-Board Diagnostic II)
I dati estrapolati caratterizzano il mining verso
annotazioni semantiche
Le descrizioni semantiche permettono la deduzione
implicita a partire da informazione esplicita
Utilizzo di procedure di ragionamento ed elaborazione
intelligente (aumento complessivo della conoscenza del
sistema)
Supporto di un’architettura di Pervasive Computing
Specializzazione di infrastrutture per Internet of Things
Adottano i fondamenti alla base del Semantic Web
SWoT, Semantic Web of Things
5. Push model / Dissemination
Generated Data / Relayed Data
Same direction:
dati generati e di relay nello
stesso pacchetto
propagazione lungo la direzione
di marcia del veicolo sender
informazione disponibile sul tratto
di strada da percorrere
Opposite direction:
sfrutta il transito di veicoli in
direzione opposta al sender
Trasporto rapido di informazione
verso i nodi molto distanti dal
sender
Giorgio Basile
Soluzione proposta:
modello di disseminazione
Studio e sperimentazione di un modello di disseminazione di
annotazioni semantiche in reti veicolari
5
[Nadeem T. et al., MOBIQUITOUS 2006]
6. Soluzione proposta :
algoritmi di matchmaking
Studio e sperimentazione di un modello di disseminazione di
annotazioni semantiche in reti veicolari
Giorgio Basile6
Caso 1
PosizioneDato un veicolo V che genera i dati:
Keep: ciò che sia V sia altri veicoli hanno osservato
Giveup: ciò che V ha osservato, in contrasto rispetto ad
osservazioni di altri veicoli
Hypothesis : ciò che V ha osservato, ma altri veicoli no
Bonus : ciò che altri veicoli hanno osservato, ma V no
7. Soluzione proposta :
algoritmi di matchmaking (2)
Studio e sperimentazione di un modello di disseminazione di
annotazioni semantiche in reti veicolari
Giorgio Basile7
Caso 2: algoritmi di matchmaking
Servizi di inferenza:
Concept Conjunction
Concept Contraction
[Ruta M. et al., WIAS 2011]
Concept Abduction
[Ruta M. et al., WIAS 2011]
Concept Difference
Compute Bonus
8. Architettura del sistema
Studio e sperimentazione di un modello di disseminazione di
annotazioni semantiche in reti veicolari
Giorgio Basile8
Software di simulazione
NCTUns 6.0
Kernel Re-Entering
Applicativi C / C++
Generatore pseudo-casuale
di annotazioni semantiche
Ipotizza su base probabilistica le
rilevazioni del veicolo in uno
scenario reale
9. Architettura del sistema (2)
Studio e sperimentazione di un modello di disseminazione di
annotazioni semantiche in reti veicolari
Giorgio Basile9
Server Reasoner (Java)
Architettura multithread
Mini Matchmaking Engine
[Ruta M. et al., ORE 2012]
CarAgent (C++)
Modello di movimento
Modello di rete
Protocollo IEEE 802.11b ad-hoc
One VS Last
One VS All
One VS Average
10. Obiettivi
Studio e sperimentazione di un modello di disseminazione di
annotazioni semantiche in reti veicolari
Giorgio Basile10
Valutazione delle prestazioni delle VANET in termini di
traffico di rete
Prestazioni della disseminazione di informazioni di natura
semantica
Influenza di fenomeni di collisione e perdita di pacchetti
Valutazione delle prestazioni degli algoritmi di
matchmaking
Prestazioni < 50 ms per confronto con IEEE 802.11p
11. Risultati Sperimentali
Studio e sperimentazione di un modello di disseminazione di
annotazioni semantiche in reti veicolari
Giorgio Basile11
Scenario A
(strada extraurbana
ES. Tangenziale di Bari SS16)
Campo: 5 Km x 1.5 Km
Broadcast Period : 7 secondi
Veicoli : 50
Simulation Time: 300 secondi
Pacchetti
Pacchettiinviati 43,367347
Pacchettiricevuti 41,142857
Pacchetti
generati
24,755102
Pacchettiricevuti
e d'interesse
29,836735
Pacchettiricevuti
e d'interesse per
sender
29,604167
Pacchettiricevuti
per sender
40,489796
0
10
20
30
40
50
One VS Last
Pacchetti
Pacchettiinviati 52,44898
Pacchettiricevuti 48,326531
Pacchetti
generati
32,040816
Pacchettiricevuti
e d'interesse
32,857143
Pacchettiricevuti
e d'interesse per
sender
32,183673
Pacchettiricevuti
per sender
47,632653
0
10
20
30
40
50
60
One VS All
Pacchetti
Pacchettiinviati 49,653061
Pacchettiricevuti 46,346939
Pacchetti
generati
29,469388
Pacchettiricevuti
e d'interesse
32,469388
Pacchettiricevuti
e d'interesse per
sender
31,75551
Pacchettiricevuti
per sender
45,755102
0
10
20
30
40
50
60
One VS Average
12. Pacchetti
Pacchettiinviati 47,186047
Pacchettiricevuti 47,534884
Pacchetti
generati
24,44186
Pacchettiricevuti
e d'interesse
31,534884
Pacchettiricevuti
e d'interesse per
sender
30,953488
Pacchettiricevuti
per sender
47,046512
0
10
20
30
40
50
One VS Average
Pacchetti
Pacchettiinviati 59,465116
Pacchettiricevuti 59,604651
Pacchetti
generati
34,162791
Pacchettiricevuti
e d'interesse
36,116279
Pacchettiricevuti
e d'interesse per
sender
35,604651
Pacchettiricevuti
per sender
59,651163
0
20
40
60
80
One VS All
Pacchetti
Pacchettiinviati 39,697674
Pacchettiricevuti 42,395349
Pacchetti
generati
23,372093
Pacchettiricevuti
e d'interesse
24,395349
Pacchettiricevuti
e d'interesse per
sender
23,627907
Pacchettiricevuti
per sender
42,046512
0
10
20
30
40
50
One VS Last
Risultati Sperimentali (2)
Studio e sperimentazione di un modello di disseminazione di
annotazioni semantiche in reti veicolari
Giorgio Basile12
Scenario B
(strada urbana a rapido scorrimento
ES. Viale Luigi Einaudi o Viale Papa
Giovanni XXIII, Bari)
Campo: 2 Km x 1 Km
Broadcast Period : 7 secondi
Veicoli : 44
Simulation Time : 300 secondi
13. Pacchetti
Pacchettiinviati 47,489796
Pacchettiricevuti 47,755102
Pacchetti
generati
25,918367
Pacchettiricevuti
e d'interesse
27,755102
Pacchettiricevuti
e d'interesse per
sender
26,571429
Pacchettiricevuti
per sender
46,285714
0
15
30
45
60
One VS Average
Pacchetti
Pacchettiinviati 50,204082
Pacchettiricevuti 48,44898
Pacchetti
generati
27,857143
Pacchettiricevuti
e d'interesse
28,306122
Pacchettiricevuti
e d'interesse per
sender
27,285714
Pacchettiricevuti
per sender
47,44898
0
15
30
45
60
One VS All
Pacchetti
Pacchettiinviati 45,061224
Pacchettiricevuti 43,693878
Pacchetti
generati
24,346939
Pacchettiricevuti
e d'interesse
25,306122
Pacchettiricevuti
e d'interesse per
sender
24,8125
Pacchettiricevuti
per sender
42,530612
0
10
20
30
40
50
One VS Last
Risultati Sperimentali (3)
Studio e sperimentazione di un modello di disseminazione di
annotazioni semantiche in reti veicolari
Giorgio Basile13
Scenario C
(strada urbana
ES. Quartiere Murat, Bari)
Campo: 1.5 Km x 1 Km
Broadcast Period : 9 secondi
Veicoli : 50
Simulation Time : 500 secondi
14. Risultati sperimentali (4)
Studio e sperimentazione di un modello di disseminazione di
annotazioni semantiche in reti veicolari
Giorgio Basile14
Tempi di matchmaking (secondi)
Scenario A One VS Last One VS All One VS Average
Tempo matchmaking 0,241872394 0,250780248 0,241224011
Tempo ciclo 0,241872394 0,529133737 0,258616706
Scenario B One VS Last One VS All One VS Average
Tempo matchmaking 0,260290413 0,253669296 0,252096274
Tempo ciclo 0,260290413 0,58229455 0,302197413
Scenario C One VS Last One VS All One VS Average
Tempo matchmaking 0,244249898 0,246689816 0,244019428
Tempo ciclo 0,244249898 0,560522691 0,263447726
Occupazione media di memoria del CarAgent : 2.31 MB
15. Analisi dei risultati
Studio e sperimentazione di un modello di disseminazione di
annotazioni semantiche in reti veicolari
Giorgio Basile15
Soluzioni
Aggregazione dei dati
(algoritmi di compressione delle
annotazioni semantiche)
Eliminazione ritardi di
comunicazione Client - Server
(singoli servizi di inferenza eseguiti
in 10-4 s)
Problematiche
Alto numero di collisioni
Matchmaking lento
(problema di pura simulazione)
16. Conclusioni e sviluppi futuri
Studio e sperimentazione di un modello di disseminazione di
annotazioni semantiche in reti veicolari
Giorgio Basile16
Modello di disseminazione meno prolifico con l’aggregazione dei dati
Occorre un testing dell’algoritmo di matchmaking eseguito lato Server
Sviluppi futuri:
Avvertimenti di emergenza
Comunicazione con unità RSU
Annotazione real-time su server OpenStreetMap semantic-enabled
Utilizzo separato dei quattro campi semantici per il supporto alle decisioni
del guidatore