مدیریت اعتماد عادلانه آگاه به زمینه مبتنی بر یادگیری ماشین در شبکه‌های بین خودرویی

شبکه‌های بین‌خودرویی به‌عنوان زیرساختی هوشمند برای تبادل اطلاعات میان خودروها و واحدهای کنار جاده‌ای، نقش کلیدی در افزایش ایمنی و بهبود کارایی سیستم‌های حمل‌ونقل ایفاء می‌کنند. در این مقاله، مدلی مبتنی بر یادگیری ماشین ارائه شده است که ارزیابی اعتماد را به‌صورت پویا و عادلانه انجام می‌دهد. این مدل با در نظر گرفتن عوامل زمینه‌ای، نظیر تراکم ترافیک، نوع بسته و نوع منطقه، ضرایب پاداش و جریمه را به‌صورت آگاه به زمینه و منصافانه محاسبه و اعتماد را به‌روزرسانی می‌کند. برخلاف بسیاری از روش‌های پیشین که از ضرایب ثابت برای پاداش و جریمه استفاده می‌کردند و شرایط زمینه‌ای را در محاسبه‌ی جریمه و پاداش لحاظ نمی‌کردند، روش پیشنهادی با تحلیل گزارش‌های دریافتی از خودروها، یاد می‌گیرد تا سیاست‌های پاداش و جریمه را متناسب با شرایط زمینه‌ای به شکلی عادلانه تنظیم کند. همچنین فرآیند یادگیری و تعیین پاداش و جریمه به‌صورت متمرکز در لایه‌ی قابل اعتماد مرکزی انجام می‌گیرد. نتایج ارزیابی‌ها نشان می‌دهد که مدل پیشنهادی با انجام تحلیل‌های آگاه به زمینه و در نظر گرفتن پاداش و جریمه عادلانه‌تر نسبت به روش‌های پیشین، مدیریت اعتماد را به سطحی هوشمندانه‌تر و عادلانه‌تر ارتقاء داده است.