اخبار و اعلانات
آمار
| تعداد نشریات | 34 |
| تعداد شماره‌ها | 1,336 |
| تعداد مقالات | 9,660 |
| تعداد مشاهده مقاله | 9,900,547 |
| تعداد دریافت فایل اصل مقاله | 6,097,056 |
کاهش مصرف انرژی در شبکه‌های خودروی هوشمند با استفاده از مهاجرت پویای بار | ||
| پدافند الکترونیکی و سایبری | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 14 مهر 1404 | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| زهرا شریفی1؛ عباس حری* 2؛ لیلا صمیمی دهکردی2 | ||
| 1دانش آموخته دانشگاه شهرکرد | ||
| 2استادیار گروه مهندسی کامپیوتر دانشگاه شهرکرد | ||
| تاریخ دریافت: 16 دی 1403، تاریخ بازنگری: 20 اردیبهشت 1404، تاریخ پذیرش: 24 خرداد 1404 | ||
| چکیده | ||
| خودروهای هوشمند امروزی به شبکه‌های ارتباطی پیچیده متصل شده و حجم عظیمی از داده را مبادله می‌کنند. این امر منجر به افزایش مصرف انرژی در این شبکه‌ها شده است. در این پژوهش، روشی نوین برای بهینه‌سازی مصرف انرژی در شبکه‌های خودروهای هوشمند ارائه شده است. روش پیشنهادی بر پایه دو تکنیک متعادل‌سازی بار پویا طراحی شده است: نخست، تعیین آستانه‌های پویا بر اساس میانگین بار کاری ماشین‌های مجازی، دوم، پیش‌بینی بار آینده با استفاده از تحلیل رگرسیونی. نتایج شبیه‌سازی نشان می‌دهد که آستانه 10% و 20% بالاتر از میانگین بار کاری ماشین‌ها، مصرف انرژی شبکه را کاهش داده و نرخ تعادل بار را بهبود می‌بخشد. همچنین، مدل پیش‌بینی بار آینده، اختلاف میان بار پیش‌بینی‌شده و بار واقعی را تنها 5% نشان می‌دهد که بیانگر دقت بالای این روش است. این الگوریتم توانست مصرف انرژی را به طور قابل ملاحظه‌ای کاهش دهد و نرخ موفقیت مهاجرت ماشین‌های مجازی را بهبود ببخشد. این روش می‌تواند در آینده برای مدیریت بهینه منابع در شبکه‌های خودروهای هوشمند به کار گرفته شود و به کاهش هزینه‌های اجرایی و آلودگی محیط زیست کمک کند. | ||
| کلیدواژه‌ها | ||
| خودروهای هوشمند؛ اینترنت اشیا؛ مهاجرت پویای بار؛ بهینه‌سازی مصرف انرژی؛ شبکه‌های خودروهای متصل | ||
| موضوعات | ||
| مباحث دکترین، راهبردها و آینده پژوهی حوزه های مرتبط | ||
| عنوان مقاله [English] | ||
| Energy Efficiency in Smart Vehicular Networks Using Dynamic Load Migration | ||
| نویسندگان [English] | ||
| zahra Sharifi1؛ abbas horri2؛ leila samimi2 | ||
| 1Department of Computer Engineering, Shahrekord University- Iran | ||
| 2ssistant Professor, Department of Computer Engineering, Shahrekord University- Iran | ||
| چکیده [English] | ||
| Modern smart vehicles are connected to complex communication networks and exchange a massive volume of data, leading to increased energy consumption in these networks. In this study, a novel method for optimizing energy consumption in smart vehicular networks is proposed. The proposed approach is based on two dynamic load balancing techniques: First, setting dynamic thresholds based on the average workload of virtual machines, second, predicting future workload using regression analysis. Simulation results demonstrate that using 10% and 20% higher than the average workload threshold reduces energy consumption and improves load balancing efficiency. Additionally, the workload prediction model shows only a 5% deviation between predicted and actual values, indicating high accuracy. This algorithm significantly reduces energy consumption and improves the success rate of virtual machine migrations. The proposed method can be further utilized for efficient resource management in smart vehicular networks, contributing to lower operational costs and environmental sustainability. | ||
| کلیدواژه‌ها [English] | ||
| Smart vehicles, Internet of Things (IoT), Dynamic load migration, Energy consumption optimization, Vehicular networks | ||
|
آمار تعداد مشاهده مقاله: 5 |
||