Generación de Políticas Óptimas de Cobertura y Asignación de Recursos desde una Infraestructura VANET Mediante Algoritmos de Machine Learning (Fase 2)

Este proyecto aborda los desafíos técnicos persistentes en las redes vehiculares (VANET), 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 gestionar eficientemente recursos esenciales como la cobertura, la capacidad y la asignación de canales de comunicación desde la infraestructura. Para solucionar 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 como recursos, enfrentándose a los cambios dinámicos inherentes a la movilidad y la congestión. Mediante procedimientos algorítmicos avanzados, el objetivo final es lograr una asignación óptima de estos recursos para maximizar la cobertura y satisfacer la demanda de los usuarios vehiculares, asegurando una conectividad adecuada en las áreas planificadas.<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 el uso de algoritmos de Machine Learning.<br/><br/><b>Líneas de investigación</b>: <br/>Redes de telecomunicaciones de nueva generación