Delay Tolerant Networks에서 속성정보 예측 모델을 이용한 상황인식 연결성 분석 기법 Context-aware Connectivity Analysis Method using Context Data Prediction Model in Delay Tolerant Networks원문보기
본 논문에서는 계층적 클러스터 구조에서 속도, 방향 등의 속성정보를 예측하여 연결성을 분석하는 EPCM(Efficient Prediction-based Context-awareness Matrix) 알고리즘을 제안한다. 기존 DTN에서는 제한 없는 중계노드 선정으로 인한 지연시간이 증가하고, 제한적인 저장용량 및 처리능력의 한계로 패킷손실 및 오버헤드가 발생한다. 따라서 본 논문에서는 클러스터의 속성정보를 주어진 매트릭으로부터 정의하고 예측하여 베이스스테이션과의 연결성에 따라 중계노드를 선정하는 EPCM 알고리즘을 제안한다. 제안된 알고리즘은 클러스터의 속성정보를 상황정보 매트릭스에 저장 및 분석하고, 적응적 보정가중치의 오차보정으로 클러스터의 속성정보를 예측한다. 또한 예측된 속성정보에 따른 연결성으로 베이스스테이션을 향하여 이동하는 중계노드를 선정하게 된다. 주어진 환경에 따른 모의실험에서 예측된 노드의 속성정보를 통한 연결성으로 중계노드를 선정함으로써 전송능력을 비교 분석한 결과 높은 패킷 전송률을 보여주었다.
본 논문에서는 계층적 클러스터 구조에서 속도, 방향 등의 속성정보를 예측하여 연결성을 분석하는 EPCM(Efficient Prediction-based Context-awareness Matrix) 알고리즘을 제안한다. 기존 DTN에서는 제한 없는 중계노드 선정으로 인한 지연시간이 증가하고, 제한적인 저장용량 및 처리능력의 한계로 패킷손실 및 오버헤드가 발생한다. 따라서 본 논문에서는 클러스터의 속성정보를 주어진 매트릭으로부터 정의하고 예측하여 베이스스테이션과의 연결성에 따라 중계노드를 선정하는 EPCM 알고리즘을 제안한다. 제안된 알고리즘은 클러스터의 속성정보를 상황정보 매트릭스에 저장 및 분석하고, 적응적 보정가중치의 오차보정으로 클러스터의 속성정보를 예측한다. 또한 예측된 속성정보에 따른 연결성으로 베이스스테이션을 향하여 이동하는 중계노드를 선정하게 된다. 주어진 환경에 따른 모의실험에서 예측된 노드의 속성정보를 통한 연결성으로 중계노드를 선정함으로써 전송능력을 비교 분석한 결과 높은 패킷 전송률을 보여주었다.
In this paper, we propose EPCM(Efficient Prediction-based Context-awareness Matrix) algorithm analyzing connectivity by predicting cluster's context data such as velocity and direction. In the existing DTN, unrestricted relay node selection causes an increase of delay and packet loss. The overhead i...
In this paper, we propose EPCM(Efficient Prediction-based Context-awareness Matrix) algorithm analyzing connectivity by predicting cluster's context data such as velocity and direction. In the existing DTN, unrestricted relay node selection causes an increase of delay and packet loss. The overhead is occurred by limited storage and capability. Therefore, we propose the EPCM algorithm analyzing predicted context data using context matrix and adaptive revision weight, and selecting relay node by considering connectivity between cluster and base station. The proposed algorithm saves context data to the context matrix and analyzes context according to variation and predicts context data after revision from adaptive revision weight. From the simulation results, the EPCM algorithm provides the high packet delivery ratio by selecting relay node according to predicted context data matrix.
In this paper, we propose EPCM(Efficient Prediction-based Context-awareness Matrix) algorithm analyzing connectivity by predicting cluster's context data such as velocity and direction. In the existing DTN, unrestricted relay node selection causes an increase of delay and packet loss. The overhead is occurred by limited storage and capability. Therefore, we propose the EPCM algorithm analyzing predicted context data using context matrix and adaptive revision weight, and selecting relay node by considering connectivity between cluster and base station. The proposed algorithm saves context data to the context matrix and analyzes context according to variation and predicts context data after revision from adaptive revision weight. From the simulation results, the EPCM algorithm provides the high packet delivery ratio by selecting relay node according to predicted context data matrix.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
기존의 중계노드 선정 기법은 다른 속성을 가진 중계노드 선정으로 지연시간이 증가하고 네트워크 자원이 불필요하게 소비되는 결과가 나타난다. 따라서 본 논문에서는 DDV-hop 알고리즘으로 구성된 속도와 방향에 따른 클러스터 구조에서 클러스터 헤드노드의 속성정보를 저장 및 분석하여 노드의 속성정보를 예측한다. 그림 1과 같이 이웃 클러스터의 예측된 속성정보를 활용하여 베이스스테이션으로 이동함에 따른 연결성을 분석하는 방법을 표현하고 있다.
본 논문에서는 예측된 클러스터의 속성정보를 이용한 상황인식 중계노드 선정 기법인 EPCM(Efficient Prediction-based Context-awareness Matrix)알고리즘을 제안한다. 제안하는 EPCM 알고리즘은 계층적 클러스터 구조에서 노드의 예측 속도와 방향에 따라 베이스스테이션과의 연결성을 고려하여 중계노드를 선택하는 기법이다.
본 논문에서는 클러스터의 이동을 예측하고 베이스 스테이션과의 연결성을 고려하여 중계노드를 선정하는 EPCM 알고리즘을 제안하였다. 기존의 중계노드 선정 기법은 다른 속성을 가진 중계노드 선정으로 지연시간이 증가하고 네트워크 자원이 불필요하게 소비되는 결과가 나타난다.
본 논문은 클러스터의 이동 속성정보를 예측하여 베이스스테이션에 대한 지향성 및 속도에 따른 연결성을 분석한 EPCM 알고리즘을 제안하였다. EPCM 알고리즘은 속도와 방향의 유사성에 따른 계층적 클러스터 구조에서 각 클러스터 헤드노드들의 속성정보를 저장 분석하여 속도와 방향을 예측한다.
가설 설정
주어진 실험환경은 1000 × 1000(m), 2000 × 2000(m) 크기의 네트워크 영역에 배치된 노드들에 대해 DDV-hop알고리즘에 의하여 속도와 방향에 의한 클러스터가 구성되어 있음을 가정한다.
제안 방법
EPCM 알고리즘에서 예측된 속도와 방향등의 속성 정보를 통해 연결성을 도출하고, 중계노드 선정에 적용하는 방식의 효율성을 검증하고자 PROPHET 알고리즘과 패킷 전송률을 비교하였다. PROPHET 알고리즘은 두 중계노드의 접촉 여부에 따라 연결가능성을 판단하여 중계노드를 선택한다.
주어진 실험환경은 1000 × 1000(m), 2000 × 2000(m) 크기의 네트워크 영역에 배치된 노드들에 대해 DDV-hop알고리즘에 의하여 속도와 방향에 의한 클러스터가 구성되어 있음을 가정한다. 각 16개의 클러스터 헤드노드는 최대속도 5m/s 또는 10m/s으로 이동하여 네트워크 영역 가운데에 위치한 베이스스테이션으로 패킷을 전송하는 과정에서 속도와 네트워크 영역에 따른 패킷 전송률을 표 3과 같이 모의 실험하였다.
EPCM 알고리즘은 속도와 방향의 유사성에 따른 계층적 클러스터 구조에서 각 클러스터 헤드노드들의 속성정보를 저장 분석하여 속도와 방향을 예측한다. 또한 예측된 속성정보를 활용하여 해당 클러스터와 베이스스테이션간의 연결성을 산출하고, 연결성이 가장 높은 클러스터 헤드노드에게 선택적으로 데이터 패킷을 전달하는 방법을 제안하였다.
예측과정에서 정확도를 향상시키기 위해 최신의 타임 슬롯부터 속성 정보의 변화 추이가 같은 타임 슬롯들을 구간화한다. 따라서 구간으로 설정된 타임 슬롯 안의 속성정보만을 예측연산에 활용함으로써 예측에서 불필요한 데이터를 제외한다.
제안하는 EPCM 알고리즘은 DDV-hop 알고리즘으로부터 얻은 각 클러스터 헤드노드의 속도와 방향으로 클러스터의 이동성을 예측한다. 그림 2와 같이 연속적인 클러스터의 속성정보는 타임 슬롯 테이블의 매트릭스 형태로 저장되며, 생성시간에 따라 누적되어 정렬된다.
제안하는 EPCM 알고리즘은 클러스터 헤드노드들의 예측된 속성정보를 통하여, 베이스스테이션에 대한 지향성 및 속도에 따라 연결성을 산출한다.
성능/효과
따라서 최대속도와 네트워크 영역에 따른 패킷 전송률을 비교 분석한 결과 속도와 방향과 같은 속성정보를 활용한 EPCM 알고리즘이 PROPHET 알고리즘보다 더 좋은 성능을 보임을 알 수 있었다. 단, 이동성의 변화가 빈번하고 복잡해진다면 이동성 예측 정확도가 낮아져 중계노드 선정과정에서 악영향을 줄 가능성이 있다.
제안하는 EPCM 알고리즘은 계층적 클러스터 구조에서 노드의 예측 속도와 방향에 따라 베이스스테이션과의 연결성을 고려하여 중계노드를 선택하는 기법이다. 주어진 모의실험환경에서 노드의 속도와 방향에 따른 이동성을 예측함으로써 효율적인 패킷 전송률을 보여주었다.
후속연구
향후 속도와 방향 외에 다른 속성정보를 고려하여 연결성을 세밀하게 분석하는 연구가 필요할 것이다. 더불어 CAR, HMSCAR 등의 상황인식 라우팅 프로토콜과의 비교분석을 통해 DTN환경에서 더 효율적인 전송에 관한 연구가 필요하다.
단, 이동성의 변화가 빈번하고 복잡해진다면 이동성 예측 정확도가 낮아져 중계노드 선정과정에서 악영향을 줄 가능성이 있다. 향후 속도와 방향 외에 다른 속성정보를 고려하여 연결성을 세밀하게 분석하는 연구가 필요할 것이다. 더불어 CAR, HMSCAR 등의 상황인식 라우팅 프로토콜과의 비교분석을 통해 DTN환경에서 더 효율적인 전송에 관한 연구가 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
모의시험을 통해 확인된 EPCM 알고리즘의 장점은?
또한 예측된 속성정보에 따른 연결성으로 베이스스테이션을 향하여 이동하는 중계노드를 선정하게 된다. 주어진 환경에 따른 모의실험에서 예측된 노드의 속성정보를 통한 연결성으로 중계노드를 선정함으로써 전송능력을 비교 분석한 결과 높은 패킷 전송률을 보여주었다.
본 논문에서 제안하는 EPCM 알고리즘이란?
기존 DTN에서는 제한 없는 중계노드 선정으로 인한 지연시간이 증가하고, 제한적인 저장용량 및 처리능력의 한계로 패킷손실 및 오버헤드가 발생한다. 따라서 본 논문에서는 클러스터의 속성정보를 주어진 매트릭으로부터 정의하고 예측하여 베이스스테이션과의 연결성에 따라 중계노드를 선정하는 EPCM 알고리즘을 제안한다. 제안된 알고리즘은 클러스터의 속성정보를 상황정보 매트릭스에 저장 및 분석하고, 적응적 보정가중치의 오차보정으로 클러스터의 속성정보를 예측한다.
기존 DTN의 단점은?
본 논문에서는 계층적 클러스터 구조에서 속도, 방향 등의 속성정보를 예측하여 연결성을 분석하는 EPCM(Efficient Prediction-based Context-awareness Matrix) 알고리즘을 제안한다. 기존 DTN에서는 제한 없는 중계노드 선정으로 인한 지연시간이 증가하고, 제한적인 저장용량 및 처리능력의 한계로 패킷손실 및 오버헤드가 발생한다. 따라서 본 논문에서는 클러스터의 속성정보를 주어진 매트릭으로부터 정의하고 예측하여 베이스스테이션과의 연결성에 따라 중계노드를 선정하는 EPCM 알고리즘을 제안한다.
참고문헌 (9)
M. R. Schurgot, C. Comaniciu and K. Jaffres-Runser, "Beyond Traditional DTN Routing : Social Networks for Opportunistic Communication," Communications Magazine IEEE, vol. 50, no. 7, pp. 155-162, July. 2012.
L. Pelusi, A. Passarella and M. Conti, "Opportunistic Networking : Data Forwarding in Disconnected Mobile Ad Hoc Networks," Communications Magazine IEEE, vol. 44, no. 11, pp. 134-141, Nov. 2006.
H. Zargari Asl, A. Iera, L. Atzori and G. Morabito, "How often social objects meet each other? Analysis of the properties of a social network of IoT devices based on real data," Global Communications Conference (GLOBECOM) 2013 IEEE, Atlanta: GA, pp. 2804-2809, 2013.
A. Lindgren, A. Doria, and O. Schelen, "Probabilistic routing in intermittently connected networks," in Service Assurance with Partial and Intermittent Resources, Springer Berlin Heidelberg, pp 239-254, 2004.
P. Hui, J. Crowcroft and E. Yoneki, "BUBBLE Rap: Social- Based Forwarding in Delay Tolerant Networks," Mobile Computing IEEE Transactions, vol. 10, no. 11, pp. 1576-1589, Nov. 2011.
M. Musolesi and C. Mascolo, "CAR: Context-Aware Adaptive Routing for Delay-Tolerant Mobile Networks," Mobile Computing IEEE Transactions, vol. 8, no. 2, pp. 1536-1233, Feb. 2009.
M. B. Shah, S. N. Merchant, and U. B. Desai, "Human- Mobility-Based Sensor Context-Aware Routing Protocol for Delay-Tolerant Data Gathering in Multi-Sink Cell-Phone- Based Sensor Networks," International Journal of Distributed Sensor Networks, vol. 2012, pp. 1-19, July. 2012.
A. Petz, A. Hennessy, B. Walker C. Fok and C. Julien, "An Architecture for Context-Aware Adaptation of Routing in Delay-Tolerant Networks," Proceedings of the 4th Extreme Conference on Communication (ExtremeCom 2012), 2012.
Y. J. Oh, K. W. Lee, "Energy conserving routing algorithm based on the direction for Mobile Ad-hoc network," Journal of the Korea Institute of Information and Communication Engineering, vol. 17, no. 11, pp. 2699-2707, Nov. 2013.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.