datasets-for-VANET

本仓库中的所有数据集包含VANET的轨迹，每个数据集包含多个从不同车辆（发送者）发送到一辆车（接收者）的请求，请求特定的数据传输速率和特定的严重性。每个请求都有开始和结束时间。部分数据集基于真实城市的模拟生成，其他则基于特定参数生成。

All datasets in this repository contain trajectories of VANET (Vehicular Ad-hoc Network). Each dataset includes multiple requests sent from different vehicles (senders) to a single vehicle (receiver), specifying a particular data transmission rate and severity level. Each request is timestamped with both start and end times. Some datasets are generated based on simulations of real cities, while others are created using specific parameters.

原始信息汇总

数据集概述

数据集列表

• 32: 基于SUMO模拟，最大邻近车辆数为32。
• 64: 基于SUMO模拟，最大邻近车辆数为64。
• 128: 基于SUMO模拟，最大邻近车辆数为128。
• Bologna: 基于意大利博洛尼亚市的模拟。
• Erlangen: 基于德国埃尔兰根市的模拟。

数据集文件结构

每个数据集文件夹包含以下文件：

• filename_disc.csv: 包含所有数据记录。

数据集字段

所有数据集包含以下字段：

• Start time: 请求到达的时间，单位为秒。
• End time: 请求完成的时间，单位为秒。
• Time Period: 结束时间减去开始时间。
• Packets: 请求所需的包数。
• Rate: 每秒的包数，由包数除以时间周期计算得出。
• Sender Stopping Distance: 发送者的停车距离，单位为米。
• Receiver Stopping Distance: 接收者的停车距离，单位为米。
• Actual Distance: 发送者与接收者之间的实际距离，单位为米。
• Severity: 请求的严重程度。

搜集汇总

数据集介绍

构建方式

该数据集的构建基于对车载自组织网络（VANET）的模拟，采用了SUMO仿真工具生成数据。具体而言，数据集包括了不同规模的模拟场景，如32、64和128辆车的邻近车辆模拟，以及基于意大利博洛尼亚和德国埃尔兰根两个真实城市的模拟数据。每个数据集记录了从不同车辆（发送者）到单一车辆（接收者）的数据传输请求，涵盖了请求的开始和结束时间、所需的传输速率以及请求的严重程度。

特点

该数据集的显著特点在于其多样化的模拟场景和详细的请求信息。每个请求记录不仅包括时间戳和传输速率，还涵盖了发送者和接收者的停车距离、实际距离以及请求的严重程度。这种多维度的数据结构使得该数据集在研究VANET的通信效率和网络性能时具有极高的实用价值。此外，数据集的多样性也为其在不同规模和环境下的应用提供了广泛的可能性。

使用方法

该数据集的使用方法相对直观，用户可以通过提供的CSV文件直接访问和分析数据。每个数据文件包含了详细的请求记录，用户可以根据需要提取特定的字段进行分析，如时间周期、数据包数量、传输速率等。此外，数据集的结构允许用户进行复杂的网络性能分析，如计算平均传输速率、评估不同严重程度请求的影响等。通过这些分析，研究者可以深入理解VANET的通信机制，并为优化网络性能提供依据。

背景与挑战

背景概述

在车联网（VANET）领域，数据集的构建对于研究车辆间通信和数据传输至关重要。datasets-for-VANET数据集由多个子数据集组成，这些数据集通过模拟真实城市环境（如意大利的博洛尼亚和德国的埃尔兰根）以及不同数量的邻近车辆（如32、64和128辆）生成。每个数据集包含车辆间发送的请求，涉及特定的数据传输速率和严重性等级，并记录了请求的开始和结束时间。这些数据集的创建旨在为VANET领域的研究人员提供一个标准化的测试平台，以评估和优化车辆间通信的性能和效率。

当前挑战

datasets-for-VANET数据集在构建过程中面临多项挑战。首先，模拟真实城市环境需要高度精确的交通模型和参数设置，以确保数据的代表性和可靠性。其次，随着邻近车辆数量的增加，数据集的规模和复杂性显著提升，这对数据处理和分析技术提出了更高的要求。此外，如何有效地处理和分析这些包含大量时间序列和空间信息的数据，以提取有用的模式和洞察，是当前研究中的一个重要挑战。最后，确保数据集的多样性和覆盖范围，以适应不同研究需求和应用场景，也是构建过程中需要克服的难题。

常用场景

经典使用场景

在车联网（VANET）领域，datasets-for-VANET数据集被广泛用于模拟和分析车辆间通信的动态行为。该数据集通过模拟不同城市（如博洛尼亚和埃尔兰根）的交通环境，提供了车辆发送请求到接收车辆的详细轨迹，包括请求的开始和结束时间、数据传输速率及请求的严重性。这些数据为研究车辆间通信的实时性和效率提供了基础，特别是在处理高密度交通场景下的数据传输问题。

衍生相关工作

基于datasets-for-VANET数据集，研究者们开展了多项经典工作，包括优化车辆间通信协议、提升数据传输效率以及分析车辆间通信的动态行为。例如，有研究利用该数据集开发了新的通信算法，以应对高密度交通场景下的数据传输挑战。此外，数据集还被用于验证和改进现有的车联网通信模型，推动了车联网技术的发展和应用。

数据集最近研究

最新研究方向

在车联网（VANET）领域，datasets-for-VANET数据集的最新研究方向主要集中在优化数据传输效率和提升网络性能。随着智能交通系统的快速发展，研究人员利用该数据集模拟真实城市环境中的车辆通信，探索如何在复杂的交通场景中实现高效、稳定的数据传输。特别是，针对不同车辆密度和城市规模的模拟数据，研究者们致力于开发智能调度算法和资源分配策略，以应对高并发请求和动态变化的网络环境。此外，该数据集还为研究车辆间通信的安全性和可靠性提供了重要基础，推动了VANET在自动驾驶和智能交通管理中的应用。