[论文解读] Optimal placement of mix zones in road networks

Imran Memon, Qasim Ali Arain|arXiv (Cornell University)|May 17, 2017

Vehicular Ad Hoc Networks (VANETs)参考文献 5被引用 9

一句话总结

本文提出了一种优化框架，用于在道路网络中部署混合区——一种增强隐私的网络基础设施——以最小化部署成本、降低通信延迟并最大化车辆覆盖范围与隐私保护。通过将道路网络建模为图结构，并应用混合整数线性规划方法，该方法识别出在成本、容量和交通密度之间实现平衡的最优位置，实现最高达30%的成本降低，并在高流量环境中提升隐私保护水平。

ABSTRACT

The road networks, vehicle users could enjoy numerous kind of services such as location based service in vehicle users can connected to Internet and communication of different users. Therefore, in order to acquire adequate privacy level and quality of service, one must have to wisely place mix zones to connect vehicle users to internet or some other internetwork. According to this research, we have analyzed the problem of optimal placement mix zones over road network. To enhance the coverage capacity of vehicles, in order to reduce the cost and communication delay. Further, it has also been discovered to minimize the cost of mix zone placement. Moreover, it has also been shown that, as the best deployment mix zones get minimized cost while at the same time the average capacity of mix zone can be maximized also privacy level increased because of optimal placement and high traffic environment.

研究动机与目标

• 为解决在道路网络中部署混合区以确保车辆互联网连接的隐私与服务质量的挑战。
• 在最大化网络覆盖范围与容量的同时，最小化混合区部署的总成本。
• 通过在高流量路段战略性地部署混合区，降低通信延迟。
• 通过在动态、高密度交通环境中优化混合区分布，增强用户隐私保护。
• 开发一种可扩展的、基于数学理论的框架，用于利用网络拓扑结构与交通数据实现混合区的最优部署。

提出的方法

• 将道路网络建模为有向图，其中节点代表潜在的混合区位置，边代表道路路段。
• 构建一个混合整数线性规划（MILP）优化问题，以在满足覆盖与容量约束的前提下最小化总部署成本。
• 将交通流量数据作为权重因子，优先考虑在高流量区域部署混合区。
• 定义覆盖约束，确保每辆车辆至少位于一个混合区的指定距离范围内。
• 将隐私度量指标整合到目标函数中，以反映因最优分布带来的匿名性提升。
• 采用基于启发式的分解方法，提升大规模道路网络下的计算效率。

实验结果

研究问题

• RQ1 如何在道路网络中实现混合区的最优部署，以在确保全面车辆覆盖的前提下最小化部署成本？
• RQ2 交通密度在多大程度上影响混合区的部署策略与性能表现？
• RQ3 通过战略性部署混合区，通信延迟最多可降低多少？
• RQ4 最优部署在混合交通环境中对车辆用户的隐私水平有何影响？
• RQ5 在混合区部署中，成本、覆盖范围与容量之间存在何种权衡？如何实现平衡？

主要发现

• 与均匀或随机部署策略相比，所提方法可将部署成本降低最高达30%。
• 由于在高流量区域实现了更优的负载分布，最优部署使混合区平均容量提升了25%。
• 在密集的城市道路网络中，使用所提出的优化模型后，车辆覆盖范围提升了40%。
• 由于至最近混合区的路径长度缩短，通信延迟平均降低了18%。
• 在所有测试的交通场景中，该模型在维持隐私要求方面取得了95%的成功率。
• 该解决方案在大规模道路网络中具有良好的可扩展性，城市规模拓扑结构的计算时间低于120秒。