The appropriateness of research methodology design

Na segunda parte desse estudo de caso, uma regi˜ao central foi utilizada. A extens˜ao da regi˜ao simulada ´e de cerca de 1 km, com uma avenida principal composta de 4 faixas, sendo duas em cada sentido de dire¸c˜ao e que oferece aos ve´ıculos possibilidades de seguir por v´arias ruas secund´arias. De forma diferente dos cen´arios simulados anteriormente, nesse caso h´a uma alta densidade e uma consequente situa¸c˜ao de congestionamento causadas pelo grande n´umero de ve´ıculos em um espa¸co reduzido, sujeitos a redu¸c˜oes de velocidade e paradas ocasionadas por convers˜oes dos outros ve´ıculos e por sem´aforos encontrados, em m´edia, a cada 100 m. A Figura 35 mostra o mapa da regi˜ao simulada.

Figura 35: Regi˜ao central em uma zona urbana

Algumas modifica¸c˜oes foram feitas em rela¸c˜ao `as simula¸c˜oes anteriores. Para este cen´ario, foram utilizados 80 ve´ıculos. Al´em disso, utilizamos trˆes ve´ıculos para a emiss˜ao de mensagens de alerta, simulando um acidente no in´ıcio do tempo de simula¸c˜ao. Como a densidade de ve´ıculos ´e diferente em regi˜oes de grandes concentra¸c˜oes de ve´ıculos e a velocidade ´e limitada, neste caso utilizamos o valor de 60 km/h como velocidade de fluxo livre. Os demais parˆametros s˜ao os mesmos utilizados nas simula¸c˜oes anteriores, como mostra a Tabela 11.

Beacons

O gr´afico da Figura 36 apresenta o atraso observado para o envio das mensagens peri´odicas. Podemos observar que h´a uma redu¸c˜ao no valor do atraso com a utiliza¸c˜ao das estrat´egias de adapta¸c˜ao. De forma semelhante ao caso anterior, verifica-se que a utiliza¸c˜ao do framework leva a uma maior redu¸c˜ao no atraso. Nesse caso, o uso do componente de coordena¸c˜ao leva a uma redu¸c˜ao ainda maior.

Mensagens de alerta

Na Figura 37, o gr´afico mostra o atraso m´edio para as quatro situa¸c˜oes simuladas. Esse gr´afico apresenta comportamento semelhante ao verificado para os beacons. Novamente os melhores resultados s˜ao obtidos com a utiliza¸c˜ao do framework, com uma redu¸c˜ao maior no atraso fim-a-fim.

Os dois pr´oximos gr´aficos, nas Figuras 38 e 39, apresentam, respectivamente, a quan- tidade de mensagens enviadas e o overhead de broadcast. Quanto `as mensagens enviadas,

Figura 36: Atraso fim-a-fim - beacons

as duas primeiras situa¸c˜oes simuladas levam a um maior n´umero de mensagens. A uti- liza¸c˜ao do framework apresenta praticamente a mesma quantidade de mensagens enviadas que a situa¸c˜ao que utiliza apenas supress˜ao de broadcast. A redu¸c˜ao ´e mais acentuada com a adi¸c˜ao do componente de coordena¸c˜ao. O overhead de broadcast segue a mesma tendˆencia, por´em ´e bem inferior no caso em que o framework ´e utilizado. Da mesma forma que foi observado para as mensagens enviadas, os valores s˜ao ainda menores com o componente de coordena¸c˜ao.

O gr´afico da Figura 40 traz o n´umero de mensagens perdidas. A utiliza¸c˜ao do fra- mework tem um desempenho semelhante ao do uso do mecanismo weighted p-persistence e esse n´umero ´e reduzido quando da utiliza¸c˜ao do framework com o componente de coor- dena¸c˜ao. Esse gr´afico se assemelha ao gr´afico da primeira situa¸c˜ao deste estudo de caso. Por´em, neste ´ultimo cen´ario a redu¸c˜ao com a utiliza¸c˜ao do componente de coordena¸c˜ao foi bem acentuada.

Mais uma vez a taxa de entrega ´e superior com a utiliza¸c˜ao do componente de coor-

Tabela 11: Parˆametros de simula¸c˜ao - Estudo de caso 2.2 Vers˜ao do simulador ns-2.35

N´umero de ve´ıculos 80 Tempo de simula¸c˜ao 150 s Qunatidade de rodadas de simula¸c˜ao 35

Ambiente Urbano

Alcance 400 m

Tamanho do beacon 250 bytes Tamanho da mensagem de alerta 200 bytes Modelo de propaga¸c˜ao de r´adio Nakagami

Figura 37: Atraso fim-a-fim - mensagens de alerta

Figura 38: Mensagens enviadas

dena¸c˜ao, como pode ser observado na Figura 41. E, novamente, a utiliza¸c˜ao do framework sem o componente de coordena¸c˜ao leva a uma taxa de entrega muito pr´oxima, sendo leve- mente inferior `a situa¸c˜ao em que apenas o mecanismo de supress˜ao de broadcast ´e utilizado. A taxa de entrega foi bem superior ao caso em que se utiliza inunda¸c˜ao simples, como j´a havia sido observado no primeiro estudo de caso.

6.3

Discuss˜ao sobre os resultados

Neste segundo estudo de caso, comparamos situa¸c˜oes extremas com a realiza¸c˜ao de si- mula¸c˜oes em condi¸c˜oes de baixa e alta densidade de ve´ıculos em ambientes diferentes. Pelos resultados obtidos, observamos que o desempenho dos m´etodos aplicados ´e seme-

Figura 39: Overhead de broadcast

Figura 40: Quantidade de mensagens perdidas

lhante em ambas as situa¸c˜oes e esses resultados seguem o que foi verificado no estudo de caso realizado no Cap´ıtulo 5.

Dessa forma, excetuando-se o caso de inunda¸c˜ao simples, em que os resultados de- monstram o pior caso, como j´a esperado, podemos comparar a atua¸c˜ao dos demais me- canismos. O atraso foi verificado para o envio de beacons e mensagens de alerta, com resultados semelhantes. Em rela¸c˜ao `as mensagens de alerta, vimos que, no cen´ario em que se utiliza baixa densidade de ve´ıculos, a utiliza¸c˜ao do framework levou a um atraso fim-a-fim reduzido, menor do que o atraso observado no caso em que se utiliza apenas a supress˜ao de broadcast. O mesmo aconteceu na situa¸c˜ao de alta densidade, em que o atraso apresentou um valor ainda menor. Logo, evidencia-se uma rela¸c˜ao entre a maior utiliza¸c˜ao de estrat´egias de adapta¸c˜ao e supress˜ao de mensagens utilizadas em situa¸c˜oes

Figura 41: Taxa de entrega de mensagens

de alta densidade e de congestionamento, o que influenciou no resultado observado para o atraso. No caso de baixa densidade, a redu¸c˜ao do atraso para as mensagens de alerta com o uso de supress˜ao de broadcast foi de 29,49%, houve uma redu¸c˜ao de 5,27% a mais com a utiliza¸c˜ao do framework e uma redu¸c˜ao de ainda mais 0,85% com o componente de coordena¸c˜ao. As situa¸c˜oes de alta densidade apresentaram valores 37,7% menores com a supress˜ao de broadcast, uma redu¸c˜ao adicional de 6,35% com o uso do framework e uma redu¸c˜ao de mais 5,64% com a utiliza¸c˜ao do componente de coordena¸c˜ao.

As outras m´etricas foram verificadas apenas para o envio de mensagens de alerta. Observa-se que a utiliza¸c˜ao de um mecanismo de supress˜ao de broadcast leva a um melhor aproveitamento de recursos durante o envio de mensagens de alerta. Por´em, a quantidade de mensagens enviadas ainda ´e elevada. Isso se reflete na grande quantidade de mensagens duplicadas recebidas (overhead). Com o uso do framework, a utiliza¸c˜ao em conjunto de um mecanismo de supress˜ao de broadcast e t´ecnicas de adapta¸c˜ao contribuem para uma redu¸c˜ao da quantidade de mensagens de alerta enviadas. Essa redu¸c˜ao ´e mais evidente quando se utiliza o componente de coordena¸c˜ao na situa¸c˜ao de alta densidade. Para baixa densidade, o mecanismo de supress˜ao de broadcast levou a uma redu¸c˜ao de 55,32% no n´umero de mensagens, com uma redu¸c˜ao de mais 7,54% com a utiliza¸c˜ao do framework, e ainda maior com a utiliza¸c˜ao do componente de coordena¸c˜ao, com uma redu¸c˜ao de mais 2,74% na quantidade de mensagens enviadas. Nessa situa¸c˜ao de baixa densidade, no entanto, o overhead de mensagens recebidas no caso em que o framework ´e utilizado com o componente de coordena¸c˜ao teve valores inferiores ao caso da utiliza¸c˜ao de apenas a supress˜ao de broadcast, com 8,69% a menos e um pouco maior que o caso em que o framework ´e utilizado sem o componente (2,89% a mais). Logo, vimos que a utiliza¸c˜ao da adapta¸c˜ao do valor da janela de conten¸c˜ao e da potˆencia levou a um menor n´umero de r´eplicas, contribuindo para um n´umero menor de mensagens enviadas.

reduzido devido `a maior supress˜ao de mensagens. Nessa situa¸c˜ao, a supress˜ao de broadcast levou a uma redu¸c˜ao de 63,27% no n´umero de mensagens. A utiliza¸c˜ao do framework reduziu a quantidade em mais 3,59% e com o componente de coordena¸c˜ao alcan¸cou-se uma redu¸c˜ao de mais 20,65% em rela¸c˜ao `a situa¸c˜ao em que n˜ao foi utilizado.

Quanto `a taxa de entrega, pudemos ver situa¸c˜oes diferentes nos cen´arios de baixa e alta densidade. Utilizando essa m´etrica, nas duas situa¸c˜oes o valor foi melhor quando utilizado o framework com o componente de coordena¸c˜ao. Por´em, na situa¸c˜ao de alta densidade de ve´ıculos, a utiliza¸c˜ao do framework sem o componente de coordena¸c˜ao apresentou valores muito pr´oximos `a situa¸c˜ao que utiliza supress˜ao de broadcast apenas, sendo mesmo um pouco inferior. No entanto, a utiliza¸c˜ao do componente de coordena¸c˜ao levou a uma taxa maior do que com a utiliza¸c˜ao de apenas o mecanismo de supress˜ao de broadcast.

6.4

Resumo

Neste cap´ıtulo apresentamos um outro estudo de caso, com a utiliza¸c˜ao de simula¸c˜oes de regi˜oes diferentes quanto `a densidade de ve´ıculos, continuidade do fluxo e veloci- dade m´axima da via. Atrav´es dos resultados obtidos por meio de simula¸c˜ao, vimos que as m´etricas analisadas apresentam comportamento semelhante ao que foi observado no cap´ıtulo anterior. Mais uma vez, verificamos que a utiliza¸c˜ao do framework com um componente respons´avel por decidir sobre a adapta¸c˜ao de acordo com o que est´a sendo informado pelos outros n´os da rede leva a um melhor resultado quanto `a taxa de en- trega de mensagens. Em rela¸c˜ao a outras m´etricas, pudemos comparar a utiliza¸c˜ao do framework com o componente de coordena¸c˜ao e sem a presen¸ca desse componente. Vimos que, na situa¸c˜ao de baixa densidade, os valores observados para as m´etricas utilizadas apresentaram resultados bem pr´oximos nos dois casos.

Na situa¸c˜ao de alta densidade simulada, no entanto, os resultados para m´etricas como atraso e overhead de mensagens recebidas com a utiliza¸c˜ao do componente de coordena¸c˜ao foram bem melhores. Isso demonstra a influˆencia das estrat´egias de adapta¸c˜ao e de supress˜ao de broadcast utilizadas nos resultados obtidos em situa¸c˜oes de alta densidade, considerando que sua aplica¸c˜ao ´e realizada quando condi¸c˜oes de congestionamento s˜ao detectadas. Assim, atrav´es das simula¸c˜oes realizadas, verificamos que a utiliza¸c˜ao do framework proposto, com a utiliza¸c˜ao de um componente respons´avel por coordenar a utiliza¸c˜ao das estrat´egias de adapta¸c˜ao, apresenta os melhores resultados em todos os cen´arios.

Cap´ıtulo 7

CONCLUS ˜AO

Neste cap´ıtulo conclu´ımos este trabalho, discutindo na Se¸c˜ao 7.1 as contribui¸c˜oes dadas ao longo do estudo para a defini¸c˜ao e implementa¸c˜ao da solu¸c˜ao proposta. Em seguida, a Se¸c˜ao 7.2 relata as limita¸c˜oes encontradas. Finalizamos apresentando perspectivas para a realiza¸c˜ao de trabalhos futuros.

7.1

Contribui¸c˜oes

Devido `a importˆancia dos servi¸cos de seguran¸ca em redes veiculares, ´e fundamental que haja uma preocupa¸c˜ao com a sua eficiˆencia. Como existem v´arios desafios para a dis- semina¸c˜ao das mensagens desse tipo de servi¸co, ´e necess´ario desenvolver solu¸c˜oes que possam aprimorar seu desempenho. Este trabalho contribui nesse sentido, ao propor uma forma de melhorar a taxa de entrega das mensagens de seguran¸ca.

No desenvolvimento deste trabalho, realizamos uma revis˜ao do estado da arte em rela¸c˜ao a solu¸c˜oes para a dissemina¸c˜ao de mensagens de seguran¸ca em redes veiculares, mais especificamente em se tratando de solu¸c˜oes adaptativas. A partir da´ı, apresentamos os problemas encontrados e relatamos formas de solu¸c˜ao propostas na literatura, o que permite uma compreens˜ao sobre os desafios existentes no desenvolvimento de solu¸c˜oes para VANETs. Assim, uma das contribui¸c˜oes foi o desenvolvimento de uma taxonomia para resiliˆencia em redes veiculares, gerada a partir dos estudos sobre a utiliza¸c˜ao de conceitos de redes resilientes em redes veiculares. Nessa fase identificamos a forma como os problemas s˜ao tratados, o que levou `a classifica¸c˜ao das formas de recupera¸c˜ao em fun¸c˜ao dos problemas encontrados. A partir da elabora¸c˜ao da taxonomia, a solu¸c˜ao proposta foi desenvolvida, com o intuito de promover robustez `a entrega de mensagens de seguran¸ca. Essa solu¸c˜ao baseou-se na adapta¸c˜ao dos parˆametros utilizados para a comunica¸c˜ao em VANETs, especificamente, o ajuste da potˆencia de transmiss˜ao e do tamanho da janela de conten¸c˜ao. Apesar de j´a existirem solu¸c˜oes adaptativas para o tratamento da dissemina¸c˜ao de mensagens em redes veiculares, este trabalho contribui fornecendo um novo paradigma para a utiliza¸c˜ao de estrat´egias de adapta¸c˜ao. Com o objetivo de tornar a rede robusta, esse novo paradigma utiliza princ´ıpios de redes resilientes, em que etapas de preven¸c˜ao de amea¸cas, detec¸c˜ao de problemas e, finalmente, adapta¸c˜ao a uma nova

situa¸c˜ao, s˜ao empregadas.

A principal contribui¸c˜ao ´e a especifica¸c˜ao de um framework pra tratar da gerˆencia de configura¸c˜ao dos parˆametros em solu¸c˜oes adaptativas. Com a apresenta¸c˜ao do framework, propusemos uma forma de verificar as estrat´egias de adapta¸c˜ao e decidir pela sua utiliza¸c˜ao dependendo das condi¸c˜oes da rede, tanto do ponto de vista local como atrav´es do que ´e reportado pelos n´os vizinhos. A solu¸c˜ao proposta traz pouco impacto na sobrecarga da rede, uma vez que as informa¸c˜oes extras que precisam ser disseminadas s˜ao representadas por um conjunto reduzido de flags. Mostramos que, com a utiliza¸c˜ao desses flags, ´e poss´ıvel expressar as estimativas de trˆes aspectos (conectividade, densidade e congestionamento) e as compartilhar com os outros n´os da rede.

Apresentamos a utiliza¸c˜ao do framework em situa¸c˜oes de densidade diferentes. Dessa forma, pudemos demonstrar que pode ser aplicado para a dissemina¸c˜ao de mensagens de alerta em situa¸c˜oes distintas como uma rodovia em uma regi˜ao rural ou no centro de uma cidade que apresente alta densidade de ve´ıculos. Comparamos os resultados de forma a verificar que, ao realizar a adapta¸c˜ao de forma coordenada, de acordo com as informa¸c˜oes enviadas pelos n´os vizinhos, a taxa de entrega se manteve melhor em todas as situa¸c˜oes. Verificamos que a utiliza¸c˜ao do framework leva a um melhor aproveitamento dos re- cursos durante a dissemina¸c˜ao das mensagens de alerta. Esse fato se comprovou tanto na utiliza¸c˜ao em situa¸c˜oes de alta densidade quanto em outras situa¸c˜oes em que o n´umero de ve´ıculos era reduzido. No entanto, o maior desempenho em alta densidade ´e proporcio- nado pela utiliza¸c˜ao das estrat´egias de adapta¸c˜ao e supress˜ao de mensagens, que s˜ao mais utilizadas em situa¸c˜oes de congestionamento. Verificou-se, em todas as situa¸c˜oes, que a utiliza¸c˜ao de estrat´egias de adapta¸c˜ao levou a bons resultados em rela¸c˜ao ao overhead de broadcast, o que indica ser uma boa solu¸c˜ao para reduzir o n´umero de mensagens na rede. Dois tipos de mensagens foram verificados: beacons e mensagens de alerta. Os beacons, mensagens de seguran¸ca enviadas periodicamente para informar o status dos ve´ıculos, sofreram pouca influˆencia da adapta¸c˜ao proposta. Por´em, h´a que se considerar que a quantidade de mensagens desse tipo ´e bem superior ao n´umero de mensagens de alerta e que elas s˜ao utilizadas em toda a ´area simulada. Ao contr´ario, as mensagens de alerta s˜ao geradas pr´oximo aos locais dos incidentes simulados sendo, portanto, mais sujeitas `as condi¸c˜oes encontradas nessas regi˜oes. Fica, assim, uma quest˜ao a ser investigada quanto `as formas de tratar as mensagens peri´odicas com informa¸c˜ao sobre os ve´ıculos. Essa quest˜ao pode ser tratada a partir da utiliza¸c˜ao de estrat´egias de controle de sua taxa de transmiss˜ao, parˆametro que n˜ao foi utilizado no framework proposto neste trabalho.

Ainda como contribui¸c˜ao, durante o desenvolvimento deste trabalho o artigo Uma Taxonomia para Resiliˆencia em Redes Veiculares Ad Hoc foi publicado na revista IEEE Latin America Transactions.