무선 센서 네트워크에서 데이터 수집의 효율성 및 정확성 향상을 위한 데이터 병합기법 A Data Aggregation Scheme for Enhancing the Efficiency of Data Aggregation and Correctness in Wireless Sensor Networks원문보기
센서 기술과 무선 통신 기술의 발달로 무선 센서 네트워크 환경에서 데이터 처리 중심의 미들웨어에 대한 연구가 크게 증가하고 있다. 무선 센서 네트워크에서 효율적인 데이터 처리와 신속한 전송을 위해 사용되는 미들웨어는 순간적인 데이터 밀집현상(burstness)으로 발생하는 중간 노드의 데이터 손실 문제를 해결하여야 하며, 이를 위해 폐기정책을 사용하거나 전송해야 할 데이터양을 최소화하는 압축 기법이 사용되고 있다. 그러나 폐기정책은 수집된 데이터의 정확성을 저하시키는 문제점이 있으며, 압축기법은 알고리즘 복잡도가 커서 추가적으로 프로세싱 오버헤드가 커지는 문제점을 지니고 있다. 본 논문에서는 계산 능력, 소비 전력 등 극히 한정된 자원만을 사용하여 데이터를 전달해야 하는 무선 센서 네트워크 환경에서 수집된 데이터의 효율성 및 정확성을 향상시킬 수 있는 Delta-Average 기법을 제시하였다. 제안된 기법을 통해 평균화 방식을 이용함으로써 순간적인 데이터 밀집현상으로부터 중복된 데이터에 대한 불필요한 전송을 방지하면서 정확성을 높이도록 하였다. 마지막으로 제안된 기법의 성능을 평가하기 위해 TinyDB에서 TOSSIM 시뮬레이션을 수행하였으며, 성능분석 결과를 통해 데이터 정확성이 향상되었음을 입증하였다.
센서 기술과 무선 통신 기술의 발달로 무선 센서 네트워크 환경에서 데이터 처리 중심의 미들웨어에 대한 연구가 크게 증가하고 있다. 무선 센서 네트워크에서 효율적인 데이터 처리와 신속한 전송을 위해 사용되는 미들웨어는 순간적인 데이터 밀집현상(burstness)으로 발생하는 중간 노드의 데이터 손실 문제를 해결하여야 하며, 이를 위해 폐기정책을 사용하거나 전송해야 할 데이터양을 최소화하는 압축 기법이 사용되고 있다. 그러나 폐기정책은 수집된 데이터의 정확성을 저하시키는 문제점이 있으며, 압축기법은 알고리즘 복잡도가 커서 추가적으로 프로세싱 오버헤드가 커지는 문제점을 지니고 있다. 본 논문에서는 계산 능력, 소비 전력 등 극히 한정된 자원만을 사용하여 데이터를 전달해야 하는 무선 센서 네트워크 환경에서 수집된 데이터의 효율성 및 정확성을 향상시킬 수 있는 Delta-Average 기법을 제시하였다. 제안된 기법을 통해 평균화 방식을 이용함으로써 순간적인 데이터 밀집현상으로부터 중복된 데이터에 대한 불필요한 전송을 방지하면서 정확성을 높이도록 하였다. 마지막으로 제안된 기법의 성능을 평가하기 위해 TinyDB에서 TOSSIM 시뮬레이션을 수행하였으며, 성능분석 결과를 통해 데이터 정확성이 향상되었음을 입증하였다.
Recently, many of researchers have been studied in data processing oriented middleware for wireless sensor networks with the rapid advances on sensor and wireless communication technologies. In a wireless sensor network, a middleware should handle the data loss problem at an intermediate sensor node...
Recently, many of researchers have been studied in data processing oriented middleware for wireless sensor networks with the rapid advances on sensor and wireless communication technologies. In a wireless sensor network, a middleware should handle the data loss problem at an intermediate sensor node caused by instantaneous data burstness to support efficient processing and fast delivering of the sensing data. To handle this problem, a simple data discarding or data compressing policy for reducing the total amount of data to be transferred is typically used. But, data discarding policy decreases the correctness of a collected data, in other hand, data compressing policy requires additional processing overhead with the high complexity of the given algorithm. In this paper, it proposes a data-average method for enhancing the efficiency of data aggregation and correctness where the sensed data should be delivered only with the limited computing power and energy resource. With the proposed method, unnecessary data transfer of the overlapped data is eliminated and data correctness is enhanced by using the proposed averaging scheme when an instantaneous data burstness is occurred. Finally, with the TOSSTM simulation results on TinyBB, we show that the correctness of the transferred data is enhanced.
Recently, many of researchers have been studied in data processing oriented middleware for wireless sensor networks with the rapid advances on sensor and wireless communication technologies. In a wireless sensor network, a middleware should handle the data loss problem at an intermediate sensor node caused by instantaneous data burstness to support efficient processing and fast delivering of the sensing data. To handle this problem, a simple data discarding or data compressing policy for reducing the total amount of data to be transferred is typically used. But, data discarding policy decreases the correctness of a collected data, in other hand, data compressing policy requires additional processing overhead with the high complexity of the given algorithm. In this paper, it proposes a data-average method for enhancing the efficiency of data aggregation and correctness where the sensed data should be delivered only with the limited computing power and energy resource. With the proposed method, unnecessary data transfer of the overlapped data is eliminated and data correctness is enhanced by using the proposed averaging scheme when an instantaneous data burstness is occurred. Finally, with the TOSSTM simulation results on TinyBB, we show that the correctness of the transferred data is enhanced.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
데이터 근사화 및 압축기법은 무선센서 네트워크의 제한된 자원(resource constraint)을 가지고 높은 복잡도를 요구하는 연산을 수행하기 때문에 전력 소비의 증가로 전체 네트워크의 수명시간 (network lifetime)이 단축되는 문제점을 지니고 있다[6][7]. 이러한 문제를 해결하기 위해, 본 논문에서는 한정된 자원으로 최종 사용자가 요구하는 QoS 요구 조건을 만족시킬 수 있는 Delta-Average 기법을 제안하였다.이 기법은 전송 노드의 버퍼큐에서 오버플로우가 발생하면, 가장 최근에 전송한 데이터 값과 큐에 삽입되는 더〕이터 값들 간의 차이 (difference)가 어떤 임계치(threshold)보다 작으면 데이터들을 병합(aggregation)하여 평균값을 전송함으로써 데이터의 정확성을 높임과 동시에 라우팅 트리의 상위 방향으로 전달되어야(forwarding) 할 데이터의 양을 절감시켜 전체 네트워크의 트래픽을 줄이는 방식을 사용한다.
제안 방법
TOSSIM 시뮬레이터는 mica 40Kbit RFM-based 스택을 지원하며, TinyOS CSMA 프로토콜을 사용하지만 본 논문에서는 TinyDB의 SRT를 적용하여 트리기반의 멀티홉 라우팅 구조를 갖는 토폴로지를 적용하였다.
또한, 제안된 큐 관리에서는 데이터의 병합에 따른 평균값을 구하기 위해 병합된 질의 결과들의 합계(sum)와 원소개수(count)로 구성된 구조를 사용한다.
시뮬레이션을 위해 TinyDB 응용을 PC로 컴파일 한 후 5 개의 노드를 통해 조도 값을 가져오도록 하였다. 그림 6은 TOSSIM 을 통해 실행시킨 시뮬레이션을 Tiny Viz 를 통해 표현한 것으로 센서 네트워크의 구성과 데이터의 도착 값들을 보여 주며, 제안된 Delta-Average 기법을 평가하기 위해 기존의 Naive 기법과 Delta 기법에 대하여 패킷 손실률(Packet Loss Rate)과 충실도(Fidelity), 전송 지연 시간(Latency)을 측정하고 비교 및 분석하였다.
이것은 획득된 데이터를 최종 목적 노드까지 라우팅 트리를 통하여 전달할 때, 데이터 병합연산을 통해 큐를 효율적으로 관리할 수 있다는 것을 의미한다. 이를 위해 본 논문에서는 데이터 값들 간의 상이성 정도를 적응적으로 조절하여 평균화에 따른 손실 값을 최소화하는 방식을 적용함으로써 결과 데이터의 정확성을 높이도록 하였다.
제안된 Delta-Average 기법에서는 순간적인 데이터의 밀집 현상(burstness)으로 발생하는 중간 노드의 버퍼 오버플로우 현상으로부터 효율적인 데이터 관리를 하기 위해 데이터의 변화와 평균화를 이용하여 사용자에게 제공되는 데이터의 정확성을 높이면서 네트워크의 혼잡을 회피하도록 하였다. 시뮬레이션 결과를 통해 정확성이 보다 향상되었음을 확인하였으며, 반면에 데이터 병합의 정확성 향상을 위한 전송지연 시간이 오버헤드로 작용하는 것을 알 수 있었다.
큰 영향을 미친다. 제안된 기법에서는 임계치를 결정하기 위해 사용자가 질의 유포 단계에서 질의에 포함된 품질 기준값 quality value)과 네트워크 상태를 반영하기 위한 가중치(a)에 의해식 ⑴과 같이 결정한다.
데이터처리
노드를 통해 조도 값을 가져오도록 하였다. 그림 6은 TOSSIM 을 통해 실행시킨 시뮬레이션을 Tiny Viz 를 통해 표현한 것으로 센서 네트워크의 구성과 데이터의 도착 값들을 보여 주며, 제안된 Delta-Average 기법을 평가하기 위해 기존의 Naive 기법과 Delta 기법에 대하여 패킷 손실률(Packet Loss Rate)과 충실도(Fidelity), 전송 지연 시간(Latency)을 측정하고 비교 및 분석하였다.
충실도는 원본 데이터를 얼마나 정확하게 베이스 스테이션까지 전달하였는지를 알아보기 위해 본래의 조도값을 주고 Delta 기법과 제안된 Delta-Average 기법에 적용한 후의값을 비교하였다. 데이터 값의 정확성을 직관적으로 살펴보기 위해 손실 네트워크 모델을 제외시켜 적용시켰으며, 그림 8에서 볼 수 있듯이 Delta 기법보다 Delta-Average 기법이 본래 값에 가까운 것을 알 수 있다.
이론/모형
사용하였다. 데이터 병합과 관련하여 미들웨어는 TinyDB를 사용하였으며 Delta-Average 병합기법을 추가하여 평가하였다 [11M12]. 질의어와 패킷량의 변화를 분석하기 위해 TinyDB GUI 툴을 사용하였으며, 전체 네트워크의 흐름을 파악하기 위해 TOSSIM 의 비쥬얼을 지원하는 Tiny Viz 를 이용하였다.
성능을 평가하기 위해 TinyOS[9]의 TOSSIM 시뮬레이터 [10]를 사용하였다. 데이터 병합과 관련하여 미들웨어는 TinyDB를 사용하였으며 Delta-Average 병합기법을 추가하여 평가하였다 [11M12].
이 실험에서는 TOSSIM에서 제공하는 손실 네트워크 모델을 사용하였으며, Delta 기법과 Delta-Average 기법 내에서 병합되는 패킷은 손실 대상에서 제외시켰다. 제안된 Delta-Average 기법이 Naive와 Delta 기법에 비해 work- load가 증가할수록 패킷 손실률이 보다 효과적으로 낮아진다는 것을 알 수 있다.
데이터 병합과 관련하여 미들웨어는 TinyDB를 사용하였으며 Delta-Average 병합기법을 추가하여 평가하였다 [11M12]. 질의어와 패킷량의 변화를 분석하기 위해 TinyDB GUI 툴을 사용하였으며, 전체 네트워크의 흐름을 파악하기 위해 TOSSIM 의 비쥬얼을 지원하는 Tiny Viz 를 이용하였다.
성능/효과
WSNs의 각 센서들에서 획득된 데이터에 대한 데이터 병합 연산은 센서 노드의 전력 소비를 절감하고 센서의 버퍼 큐와 네트워크 채널의 효율성을 높일 수 있다. 이것은 획득된 데이터를 최종 목적 노드까지 라우팅 트리를 통하여 전달할 때, 데이터 병합연산을 통해 큐를 효율적으로 관리할 수 있다는 것을 의미한다.
비교하였다. 데이터 값의 정확성을 직관적으로 살펴보기 위해 손실 네트워크 모델을 제외시켜 적용시켰으며, 그림 8에서 볼 수 있듯이 Delta 기법보다 Delta-Average 기법이 본래 값에 가까운 것을 알 수 있다. 극단적인 값의 차이를 기반으로 하는 Delta 기법에 비해 Delta-Average 기법은 중간값을 보상해주는 이유로 이러한 차이가 있음을 보인다.
하였다. 시뮬레이션 결과를 통해 정확성이 보다 향상되었음을 확인하였으며, 반면에 데이터 병합의 정확성 향상을 위한 전송지연 시간이 오버헤드로 작용하는 것을 알 수 있었다. 그러나 큰 폭으로 향상된 정확성과 무선센서 네트워크 내의 데이터량을 획기적으로 줄일 수 있는 Delta-Average 기법의 성능 향상은 지연 시간과의 트레드오프를 보상할 수 있을 것이다.
이 실험에서는 TOSSIM에서 제공하는 손실 네트워크 모델을 사용하였으며, Delta 기법과 Delta-Average 기법 내에서 병합되는 패킷은 손실 대상에서 제외시켰다. 제안된 Delta-Average 기법이 Naive와 Delta 기법에 비해 work- load가 증가할수록 패킷 손실률이 보다 효과적으로 낮아진다는 것을 알 수 있다.
후속연구
시뮬레이션 결과를 통해 정확성이 보다 향상되었음을 확인하였으며, 반면에 데이터 병합의 정확성 향상을 위한 전송지연 시간이 오버헤드로 작용하는 것을 알 수 있었다. 그러나 큰 폭으로 향상된 정확성과 무선센서 네트워크 내의 데이터량을 획기적으로 줄일 수 있는 Delta-Average 기법의 성능 향상은 지연 시간과의 트레드오프를 보상할 수 있을 것이다.
참고문헌 (12)
Y. Yao, J. Gehrke, 'Query Processing for Sensor Networks', In Proceedings of the 1st Biennial Conference on Innovative Data Systems Research, January 2003
A. Woo, D. Culler, 'A Transmission Control Scheme for Media Access in Sensor networks', In Proceedings of the ACM/IEEE International Conference on Mobile Computing and Networking, pp. 221-225, July 2001
V. Erramilli, I. Matta, A. Bestavros, 'On the Interaction between Data Aggregation and Topology Control in Wireless Sensor Networks', Proceeding of IEEE Sensor and Ad Hoc Communications and Networks, October 2004
S. Madden, M. Franklin, J. Hellerstein, W. Hong, 'TAG: a Tiny Aggregation Service for Ad-Hoc Sensor Networks', OSDI, December 2002
J. M. Hellerstein, W. Wang 'Optimization of In-Network Data Reduction', International Workshop on Data Management for Sensor Networks (DMSN), August 2004
B. Krishnamachari, D. Estrin, S. Wicker, 'The Impact of Data Aggregation in Wireless Sensor Networks,' icdcsw, p. 575, 22nd International Conference on Distributed Computing Systems Workshops (ICDCSW '02), October 2002
A. Boulis, S. Ganeriwal, M. Srivastava, 'Aggregation in Sensor Networks: An Energy-Accuracy Trade-off', Proc. of IEEE SANPA, May 2003
S. Madden, M. J. Franklin, J. M. Hellerstein, 'The design of an Acquisitional Query Processor For Sensor Networks', To appear in Proc. ACM Int. Conf. on Management of Data, June 2003
http://www.tinyos.net
P.Levis, Nelson Lee, 'TOSSIM: Accurate and scalable simulation of entire TinyOS applications', international conference on Embedded networked sensor systems, pp. 126-137, ACM Press, November 2003
D. Gay, P. Levis, R. von Behren, M.t Welsh, Eric Brewer, D. Culler, 'The necC Language: A Holistic Approach to Networked Embedded Systems', Proceedings of Programming Language Design and Implementation (PLDI), June 2003
S. Madden, J Hellerstein, W Hong, 'TinyDB: In-Network Query Processing in TinyOS', IRB-TR-02-014, September, 2003
※ AI-Helper는 부적절한 답변을 할 수 있습니다.