Avaliação da Predição do Tempo de Vida do Enlace no Processo de Offloading Computacional em VANETs

Abstract

As redes veiculares (VANETs) possibilitam aplicações inteligentes em cenários de mobilidade urbana. No entanto, o tempo de comunicação (tempo de vida do enlace — TVE) entre os nós é geralmente curto devido ao dinamismo dos cenários móveis veiculares, o que pode afetar aplicações e processos em VANETs, como o offloading computacional. Assim, é fundamental obter uma boa estimativa do TVE entre os veículos para melhorar a decisão de quando e para qual dispositivo fazer offloading. Este trabalho investiga diferentes algoritmos de aprendizado de máquina (do inglês, Machine Learning - ML) para avaliar a viabilidade de prever o TVE em cenários Rodoviários e Urbanos. Vários modelos de ML foram treinados e os resultados mostram que as técnicas de ML baseadas em SVR (Support Vector Regression) são efetivas, chegando a reduzir a taxa de perda de tarefas em 5% no processo de offloading computacional.