선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 이동 경로 예측을 하기위한 방법인 history cache를 이용하는 방법을 기반으로 주기적인 signal power level 분석법과 단말의 속도를 기반으로 한 예측 알고리즘을 제안하고자 한다. 본 논문의 구성은 다음과 II 장에서I장에서 제안하는 알고리즘을 소개하며 적용하도록 한다.
- 그러나 지금까지 연구되어졌던 이동성 예측 알고리즘들의 정확도가 아무리 높아도 이를 실제 환경에서 적용하기에는 실패의 위험성이 상대적으로 비중이 크기 때문에, 즉 돌발적인 행동에 대처하는 방안이 부족하였기 때문에 실제의 환경에는 적용하지 못하고 문서화에 그치고 말았다. 본 논문에서는 이러한 기술에 보탬이 되고자 이동성을 지원하는 예측 알고리즘을 제안하였다. 기존의 이동성 예측 알고리즘을 보완하여 이동 단말 사용-자가 예측되었던 경로에서 벗어나는 돌발 행동을 수행한다.
- 본 논문의 주 관점은 핸드오버 딜레이에 관한 것이며 그림 5의 모델로 시뮬레이션했을 경우 단말이 두 번째 CDMA에서 WiBro3을 만나는 부분 경로에서는 속도를 Highway Speed로 선정하여 WiBro3으로 핸드오버 하는 것의 효율성에 대해서 논하여 볼 것이다
- 이 시나리오는 3.1.2의 시나리오에서 단말이 예측되어진 경로를 따라서 이동하고 있는 도중에 갑자기 돌발적인 행동, 즉 갑자기 경로를 이탈해 버리는 경우를 생각해 보았다 이 시나리오는 다음 시나리오인 돌발적인 경로에 대처하는 알고리즘을 적용했을 경우와 비교하기 위한 것이다.
- 이렇게 단말의 속도에 따른 이동 성향을 구분하고 각각의 성향에 확률 밀도 함수(PDF : Probability Density Function)를 적용하여 이동 단말이 다음 진입하게 될 셀의 평균 이동 거리를 예측하고 이에 따른 상주 예상 시간을 예측하는 것이다. 이렇게 계산되어진 시간과 핸드오버 하는데 걸리는 총시간을 비교하여 단말이 다음 진입하게 될 네트워크로의 핸드오버가 효율적인 것인지를 판단하는 것이다
- 이렇게 단말의 속도에 따른 이동 성향을 구분하고 각각의 성향에 확률 밀도 함수(PDF : Probability Density Function)를 적용하여 이동 단말이 다음 진입하게 될 셀의 평균 이동 거리를 예측하고 이에 따른 상주 예상 시간을 예측하는 것이다. 이렇게 계산되어진 시간과 핸드오버 하는데 걸리는 총시간을 비교하여 단말이 다음 진입하게 될 네트워크로의 핸드오버가 효율적인 것인지를 판단하는 것이다
※ AI-Helper는 부적절한 답변을 할 수 있습니다.