Generación de Políticas Óptimas de Cobertura y Asignación de Recursos desde una Infraestructura VANET Mediante Algoritmos de Machine Learning

Este proyecto aborda los desafíos técnicos persistentes en las redes vehiculares (VANETs), específicamente la inestabilidad de la topología de red causada por la movilidad vehicular, lo que resulta en desconexiones frecuentes y afecta el rendimiento general. Un problema crítico es la necesidad de obtener información precisa y fiable sobre la congestión vehicular para ejecutar servicios esenciales como la asignación de cobertura, capacidad y canales desde la infraestructura. Para resolver esto, se propone el desarrollo de un modelo algorítmico de planeación basado en políticas para redes vehiculares. Este modelo considerará variables clave como la capacidad y la asignación de canales, enfrentándose a los cambios dinámicos de la red, con un énfasis particular en la congestión vehicular. Mediante procedimientos algorítmicos avanzados, se buscará una asignación óptima de recursos para maximizar la cobertura de la demanda de los usuarios. La metodología incluye una exhaustiva investigación del estado del arte, la implementación de modelos en software de simulación especializado en VANETs, y el uso de Matlab para ajustar los esquemas de movilidad y aplicar modelos de Machine Learning para la cobertura y asignación de recursos.<br/><br/><b>Objetivo</b>: <br/>Proponer un modelo algorítmico de cobertura y asignación de recursos desde la infraestructura VANET sobre escenarios de planeación urbanos, con el fin de cubrir la mayoría de usuarios en ambientes dinámicos, predictivos y escalables, haciendo uso de algoritmos de Machine Learning.<br/><br/><b>Líneas de investigación</b>: <br/>Redes de telecomunicaciones de nueva generación