مقايسه ي خوشه بندي حاصل از دو الگوريتم K-MEANS و FUZZY C-MEANS در بهينه سازي مصرف انرژي در شبكه هاي حسگر خودرو

مدیریت و نظارت بر ترافیك در سیستم¬های حمل و نقل هوشمند (ITS) شهری، با استفاده از شبكه¬های حسگر خودرو به خوبی محقق می¬گردد. در یك شبكه¬ی حسگر خودرو، خودرو¬های مجهز به حسگر می¬توانند به عنوان حسگر¬های متحرك اطلاعات ترافیك شهری را جمع¬آوری و به مركز مدیریت ترافیك (TMC) ارسال نمایند. میزان انرژی¬ای كه توسط این گره¬های حسگر (خودرو¬ها) مصرف می¬گردد، یكی از مسائل اساسی در شبكه¬های حسگر بی¬سیم (WSNs) و مهمترین معیار طراحی این شبكه¬ها می¬باشد. خوشه¬بندی گره¬های حسگر به عنوان راه¬حلی مؤثر جهت كاهش مصرف انرژی در شبكه¬های حسگر بی¬سیم مطرح می-گردد. به این صورت كه هر خوشه (دسته) می¬بایست دارای یك سرخوشه (نماینده¬ی دسته) بوده كه تعدادی از حسگرهای دیگر در حوزه¬ی نفوذ آن قرار دارند. در این تحقیق از دو الگوریتم K-means و Fuzzy c-means (FCM) به¬منظور خوشه¬بندی حسگرها استفاده و میزان تأثیر آن¬ها در كاهش مصرف انرژی حسگرها بررسی شده است. مشاهده می¬شود كه دو الگوریتم K-means و FCM به ترتیب به میزان %5/51 و %3/53 در كاهش میزان مصرف انرژی حسگرهای خودرو مؤثر بوده¬اند. مقایسه¬ی عملكرد دو الگوریتم از برتری 8/1 درصدی الگوریتم FCM در اجرا و همچنین صرفه¬جویی زمانی 4/6 درصدی در مدت زمان پیاده سازی حكایت دارد