AI-Driven Optimization of OLSR in UAV Assisted VANETs. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF MSc_Shahad_Salman_A_Thesis.pdf Restricted to Repository staff only until 15 February 2027. Download (3MB)

Arabic Abstract

يُركز هذا البحث بشكل أساسي على تحسين بروتوكول OLSR في شبكات المركبات المُخصصة المدعومة بالطائرات بدون طيار. ولتحقيق ذلك، تُطبّق هذه الدراسة التعلم المعزز لتحسين فعالية بروتوكول OLSR في شبكات المركبات الديناميكية والمعقدة. ولإجراء التقييم، تم افتراض سيناريوهات مركبات متنوعة باستخدام ظروف المرور ومقاييس أداء الشبكة المُستقاة من مجموعة البيانات. يهدف هذا العمل إلى ضبط المعايير الأساسية مثل الحمل الزائد والتأخير والإنتاجية في بروتوكول OLSR المُصمم للعمل في سياق أنظمة النقل ذات التنقل العالي للمستخدمين، وكثافة المرور المتغيرة، وطوبولوجيا الطرق الديناميكية. تدرس الدراسة طوبولوجيا متعددة وعُقد استقبال مُثبتة على طائرات بدون طيار لتسهيل توزيع البيانات وتحسين الشبكات. سيساهد استخدام التعلم المعزز في تسهيل عملية اتخاذ القرارات الرشيدة واستكشاف تحسينات التوجيه لتقنية OLSR في شبكات المركبات المخصصة المدعومة بالطائرات بدون طيار. وتُظهر نتائج هذه الدراسة مزايا وعيوب تقنية OLSR ، وتقدم حلولاً مُحسّنة لتعزيز توافر الاتصالات وموثوقيتها في أنظمة النقل الذكية.

English Abstract

The main concern of this research, thus, is the enhancement of the OLSR protocol in UAV aided VANETs. To address this problem, this study applies Reinforcement Learning (RL) to improve the efficacy of OLSR in dynamic and complex vehicular networks. To perform the evaluation, various vehicular scenarios are assumed by using traffic conditions and network performance metrics obtained from the dataset. The aim of the work is to fine tune central parameters like overhead, delay and throughput in OLSR intended to operate in the context of transport systems with high user mobility, varying traffic intensity and dynamic road topology. It examines multiple topologies and UAV-mounted sink nodes to facilitate data distribution and networking improvements. The use of reinforcement learning will help the study to facilitate rational decision making and explore routing improvements for OLSR in UAV-assisted VANETs. The results of this study present the benefits and drawbacks of OLSR, and to present optimized solutions for the improvement of communication availability and dependability in intelligent transportation systems.

Item Type:	Thesis (Masters)
Subjects:	Computer Systems Math
Department:	College of Computing and Mathematics > Computer Engineering
Thesis Advisor:	Tarek Sheltami,
Thesis Committee Members:	Abdulaziz Barnawi, Abdallah Moubayed,
Depositing User:	SHAHAD ALANAZI (g202304090)
Date Deposited:	13 Apr 2026 06:20
Last Modified:	13 Apr 2026 06:20
URI:	http://eprints.kfupm.edu.sa/id/eprint/144097