클러스터된 이기종 무선 센서 네트워크는 서로 다른 목적을 가지는 노드들이 계층적 구조를 이루어 링크를 구성하는 네트워크를 의미한다. 무선 센서 네트워크에서는 한정적인 메모리나 배터리 용량 내에서 운용되는 경우가 많기 때문에 이러한 자원을 효율적으로 관리해야만 네트워크의 수명, 커버리지, 연결성 등의 성능을 길게 유지할 수 있다. 예를 들어 특정 센서들의 부근에서 관심을 가지는 이벤트가 빈번하게 발생하여 계측되는 데이터가 증가하게 되면, 특정 클러스터 그룹의 클러스터 헤드로 전송되는 데이터의 양도 동시에 기하급수적으로 증가하게 된다. 특히 해당 클러스터 헤드에서 전송하는 데이터양보다 센서들로부터 수신하는 데이터양이 많을 경우나 링크가 끊어져 데이터 전송이 불가능한 경우 메모리 총 용량을 초과하는 데이터 혼잡 문제가 발생한다. 본 논문에서는 이러한 데이터 혼잡 문제를 해결하기 위해 모바일 싱크로서 드론을 이용한다. 네트워크, 센서 노드, 클러스터 헤드에 대한 모델링 후 데이터 혼잡도를 계산하기 위한 비용 함수와 혼잡 인디케이터를 정의한다. 이를 바탕으로 데이터 혼잡 지도 인덱스를 계산하여 데이터 혼잡 지도를 작성 후 지도를 기반으로 드론을 최적의 위치에 배치한다. 시뮬레이션을 통하여 드론의 배치에 따른 네트워크의 혼잡도가 감소하는 양상을 다양한 접근을 통해 보여준다. 제어 변수 α를 이용하여 배치되는 드론 수에 따른 데이터 혼잡도의 변화, 요구하는 데이터 혼잡도를 만족시키기 위한 통신 범위와 드론 수와의 관계를 알아본다. 또한 기존 연구와의 오버플로우 관점에서 비교를 통해 제안하는 알고리즘이 최소 20 %의 향상이 있음을 보여준다.
클러스터된 이기종 무선 센서 네트워크는 서로 다른 목적을 가지는 노드들이 계층적 구조를 이루어 링크를 구성하는 네트워크를 의미한다. 무선 센서 네트워크에서는 한정적인 메모리나 배터리 용량 내에서 운용되는 경우가 많기 때문에 이러한 자원을 효율적으로 관리해야만 네트워크의 수명, 커버리지, 연결성 등의 성능을 길게 유지할 수 있다. 예를 들어 특정 센서들의 부근에서 관심을 가지는 이벤트가 빈번하게 발생하여 계측되는 데이터가 증가하게 되면, 특정 클러스터 그룹의 클러스터 헤드로 전송되는 데이터의 양도 동시에 기하급수적으로 증가하게 된다. 특히 해당 클러스터 헤드에서 전송하는 데이터양보다 센서들로부터 수신하는 데이터양이 많을 경우나 링크가 끊어져 데이터 전송이 불가능한 경우 메모리 총 용량을 초과하는 데이터 혼잡 문제가 발생한다. 본 논문에서는 이러한 데이터 혼잡 문제를 해결하기 위해 모바일 싱크로서 드론을 이용한다. 네트워크, 센서 노드, 클러스터 헤드에 대한 모델링 후 데이터 혼잡도를 계산하기 위한 비용 함수와 혼잡 인디케이터를 정의한다. 이를 바탕으로 데이터 혼잡 지도 인덱스를 계산하여 데이터 혼잡 지도를 작성 후 지도를 기반으로 드론을 최적의 위치에 배치한다. 시뮬레이션을 통하여 드론의 배치에 따른 네트워크의 혼잡도가 감소하는 양상을 다양한 접근을 통해 보여준다. 제어 변수 α를 이용하여 배치되는 드론 수에 따른 데이터 혼잡도의 변화, 요구하는 데이터 혼잡도를 만족시키기 위한 통신 범위와 드론 수와의 관계를 알아본다. 또한 기존 연구와의 오버플로우 관점에서 비교를 통해 제안하는 알고리즘이 최소 20 %의 향상이 있음을 보여준다.
The clustered heterogeneous wireless sensor network is comprised of sensor nodes and cluster heads, which are hierarchically organized for different objectives. In the network, we should especially take care of managing node resources to enhance network performance based on memory and battery capaci...
The clustered heterogeneous wireless sensor network is comprised of sensor nodes and cluster heads, which are hierarchically organized for different objectives. In the network, we should especially take care of managing node resources to enhance network performance based on memory and battery capacity constraints. For instances, if some interesting events occur frequently in the vicinity of particular sensor nodes, those nodes might receive massive amounts of data. Data congestion can happen due to a memory bottleneck or link disconnection at cluster heads because the remaining memory space is filled with those data. In this paper, we utilize drones as mobile sinks to resolve data congestion and model the network, sensor nodes, and cluster heads. We also design a cost function and a congestion indicator to calculate the degree of congestion. Then we propose a data congestion map index and a data congestion mapping scheme to deploy drones at optimal points. Using control variable, we explore the relationship between the degree of congestion and the number of drones to be deployed, as well as the number of drones that must be below a certain degree of congestion and within communication range. Furthermore, we show that our algorithm outperforms previous work by a minimum of 20% in terms of memory overflow.
The clustered heterogeneous wireless sensor network is comprised of sensor nodes and cluster heads, which are hierarchically organized for different objectives. In the network, we should especially take care of managing node resources to enhance network performance based on memory and battery capacity constraints. For instances, if some interesting events occur frequently in the vicinity of particular sensor nodes, those nodes might receive massive amounts of data. Data congestion can happen due to a memory bottleneck or link disconnection at cluster heads because the remaining memory space is filled with those data. In this paper, we utilize drones as mobile sinks to resolve data congestion and model the network, sensor nodes, and cluster heads. We also design a cost function and a congestion indicator to calculate the degree of congestion. Then we propose a data congestion map index and a data congestion mapping scheme to deploy drones at optimal points. Using control variable, we explore the relationship between the degree of congestion and the number of drones to be deployed, as well as the number of drones that must be below a certain degree of congestion and within communication range. Furthermore, we show that our algorithm outperforms previous work by a minimum of 20% in terms of memory overflow.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이러한 오버플로우 등으로 야기되는 데이터 혼잡 때문에 특정 노드들의 메모리 소모가 급속도로 증가한다면 그 노드는 다른 데이터를 더 이상 수신할 수 없으므로 링크는 끊어지게 되고 결국 네트워크의 수명도 동시에 줄어든다. 본 논문에서는 클러스터된 이기종 무선 센서 네트워크에서 드론을 이용 하여 데이터 혼잡을 제어해 전체 네트워크의 메모리 균형을 유지하는 방법을 제시한다. 2장에서는 무선 센서 네트워크에서 발생하는 데이터 혼잡에 대한 문제를 정의하 고, 3장에서는 네트워크를 구성하는 요소들에 대한 모델을 소개한다.
이때 드론이 데이터 혼잡이 발생하는 노드의 주변으로 이동하여 일부의 데이터를 전송받는다면 상위 노드에서의 데이터 혼잡은 발생하지 않는다. 본 논문에서는 특정 클러스터 헤드에 데이터가 집중되어 네트워크의 데이터 혼잡이 발생하는 경우 드론을 이용하여 데이터를 분산시켜 혼잡을 방지 또는 감소시키는 방법에 대하여 알아본다. 또한 기존의 TCCA 알고리즘[10]과의 비교를 통하여 메모리 오버 플로우 발생이 감소함을 알아본다.
본 장에서는 드론을 이용하여 이기종 무선 센서 네트워크에서의 데이터 혼잡을 제어하는 방법에 대해서 알아본다. 무선 센서 네트워크에서의 이상적인 데이터의 흐름은 센서 노드에서 계측한 데이터가 클러스터 헤드들 사이에서 별도의 지연 없이 베이스 스테이션으로 전송되는 상황이다.
가설 설정
따라서 이러한 현상을 방지하기 위해 모바일 싱크로서 드론을 이용하여 데이터 혼잡을 완화해준다. 드론은 무선 센서 네트워크의 수명 내에 충분하게 가용할 수 있는 용량의 메모리와 배터리를 구축하고 있다고 가정한다.
모든 경우에 대해서 보다 정확한 측정값을 얻기 위해서 각각 세 번씩의 시나리오를 실행하여 평균값을 계산한다. 또한 본 알고리즘에 대한 시뮬레이션 수행 시 드론은 충분한 메모리 및 배터리 용량을 확보하고 있다고 가정한다.
제안 방법
마지막으로 시뮬레이션을 통해 α값의 변화에 따른 데이터 혼잡이 완화되는 양상을 확인해보았다.
본 논문에서는 클러스터된 이기종 무선 센서 네트워크 에서 발생하는 데이터 혼잡을 완화 또는 방지하기 위해서 드론을 모바일 싱크로 사용하였다. 먼저 네트워크, 센서 노드, 클러스터 헤드에 대한 모델링을 하였고, 이를 바탕으로 데이터 혼잡도를 계산하기 위한 비용 함수와 혼잡 인디케이터를 정의하였다. 이를 이용하여 드론을 적절한 위치에 배치하기 위한 데이터 혼잡 지도 인덱스를 계산하였고 데이터 혼잡 지도를 작성하였다.
본 논문에서는 클러스터된 이기종 무선 센서 네트워크 에서 발생하는 데이터 혼잡을 완화 또는 방지하기 위해서 드론을 모바일 싱크로 사용하였다. 먼저 네트워크, 센서 노드, 클러스터 헤드에 대한 모델링을 하였고, 이를 바탕으로 데이터 혼잡도를 계산하기 위한 비용 함수와 혼잡 인디케이터를 정의하였다.
네트워크의 혼잡도를 완화시켜주기 위해 움직이는 노드를 추가하는 알고리즘도 소개되었다[8]. 움직이는 노드가 네트워크에서 과도한 혼잡이 일어나는 부분에 중복되지 않는 링크를 구성하여 싱크로 직접 데이터를 전달함으로써 문제점을 해결하였다. 특정 이벤트를 중복하며 계측하면서 생기는 데이터 혼잡 문제를 해결하기 위해 에너지 균형과 커버리지를 함께 고려한 연구도 진행되었다[9].
먼저 네트워크, 센서 노드, 클러스터 헤드에 대한 모델링을 하였고, 이를 바탕으로 데이터 혼잡도를 계산하기 위한 비용 함수와 혼잡 인디케이터를 정의하였다. 이를 이용하여 드론을 적절한 위치에 배치하기 위한 데이터 혼잡 지도 인덱스를 계산하였고 데이터 혼잡 지도를 작성하였다. 마지막으로 시뮬레이션을 통해 α값의 변화에 따른 데이터 혼잡이 완화되는 양상을 확인해보았다.
또한 기존 연구와의 오버플로우 측면에서 비교를 통해 최소 20 %의 향상을 보여 제안하는 알고리즘이 네트워크 개선에 도움을 준다는 것을 알아보았다. 하지만 본 연구에서는 이기종 무선 센서 네트워크에서 드론을 추가함으로써 발생하는 베이스 스테이션으로의 지연 시간을 고려하지 않았다. 또한 α값의 변화에 따른 드론에서의 자원의 변화 또한 고려하지 않았다.
대상 데이터
50개의 CHi가 1000 m × 1000 m 공간에서 임의로 배치되어 있고 각각의 CHi 는 SNi으로부터 하나의 홉으로 데이터를 수신 받는다.
이런 네트워크는 주변을 관찰하는 다수의 센서 노드(sensor node)와 그러한 센서 노드를 관할하는 소수의 클러스터 헤드(cluster head)로 구성된다. 클러스터 헤드는 클러스터 그룹 안에 있는 센서 노드들로부터 계측된 데이터를 총괄하여 수집한다. 각각의 클러스터 헤드는 주변의 다른 클러스터 헤드들과 링크를 이루어 네트워크를 구성하고 최종적으로 데이터는 베이스 스테이션(base station)으로 전송된다.
데이터처리
ris,j와 ric는 각각 1 Mbps, 10 Mbps, W0는 1 GB, λ는 100 MB로 설정한다. 모든 경우에 대해서 보다 정확한 측정값을 얻기 위해서 각각 세 번씩의 시나리오를 실행하여 평균값을 계산한다. 또한 본 알고리즘에 대한 시뮬레이션 수행 시 드론은 충분한 메모리 및 배터리 용량을 확보하고 있다고 가정한다.
성능/효과
의 값이 클수록 더 큰 값을 가지게 된다. 결론적으로 U(x,y)을 이용하여 우리가 계측하고자 하는 무선 센서 네트워크 공간에 대한 데이터 혼잡 지도를 작성한다. 이를 기반으로 가장 큰 값을 갖는 지점에 드론을 위치하게 함으로써 네트워크의 데이터 혼잡을 완화해주게 된다.
이와 동일한 관점에서 드론의 개수가 추가될수록 데이터 혼잡 제어의 영향은 더 커져 오버플로우가 발생하는 개수가 점점 감소하다가 드론이 10대일 때 5개가 된다. 따라서 기존의 연구보다 드론을 이용한 혼잡 제어로 오버 플로우가 발생할 가능성이 감소하여 네트워크의 성능이 향상된다.
마지막으로 시뮬레이션을 통해 α값의 변화에 따른 데이터 혼잡이 완화되는 양상을 확인해보았다. 또한 기존 연구와의 오버플로우 측면에서 비교를 통해 최소 20 %의 향상을 보여 제안하는 알고리즘이 네트워크 개선에 도움을 준다는 것을 알아보았다. 하지만 본 연구에서는 이기종 무선 센서 네트워크에서 드론을 추가함으로써 발생하는 베이스 스테이션으로의 지연 시간을 고려하지 않았다.
본 논문에서는 특정 클러스터 헤드에 데이터가 집중되어 네트워크의 데이터 혼잡이 발생하는 경우 드론을 이용하여 데이터를 분산시켜 혼잡을 방지 또는 감소시키는 방법에 대하여 알아본다. 또한 기존의 TCCA 알고리즘[10]과의 비교를 통하여 메모리 오버 플로우 발생이 감소함을 알아본다.
후속연구
α값이 크면 네트워크의 클러스터 헤드로부터 많은 데이터를 수신 받지만, 실제로는 이와 동시에 메모리와 배터리 소모도 크다. 추후 연구에서는 이러한 제약사항들을 고려하여 연구할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
무선 센서 네트워크를 효율적으로 관리하기 위한 방식은?
무선 센서 네트워크를 보다 효율적으로 관리하기 위해 네트워크를 구성하는 노드들의 역할을 다양화하는 이기종 구성 방식이 있다. 1단계에서는 순순히 주변을 관찰하여 계측하는 좁은 범위의 센서가 사용되고, 2단계에서는 이러한 센서들을 종합적으로 관리하여 최종단으로 전송만 한다.
무선 센서 네트워크에서 자원을 효율적으로 관리하지 않으면 발생하는 문제는?
무선 센서 네트워크에서는 한정적인 메모리나 배터리 용량 내에서 운용되는 경우가 많기 때문에 이러한 자원을 효율적으로 관리해야만 네트워크의 수명, 커버리지, 연결성 등의 성능을 길게 유지할 수 있다. 예를 들어 특정 센서들의 부근에서 관심을 가지는 이벤트가 빈번하게 발생하여 계측되는 데이터가 증가하게 되면, 특정 클러스터 그룹의 클러스터 헤드로 전송되는 데이터의 양도 동시에 기하급수적으로 증가하게 된다. 특히 해당 클러스터 헤드에서 전송하는 데이터양보다 센서들로부터 수신하는 데이터양이 많을 경우나 링크가 끊어져 데이터 전송이 불가능한 경우 메모리 총 용량을 초과하는 데이터 혼잡 문제가 발생한다. 본 논문에서는 이러한 데이터 혼잡 문제를 해결하기 위해 모바일 싱크로서 드론을 이용한다.
무선 센서 네트워크란?
무선 센서 네트워크는 하드웨어의 소형화, 메모리 및 배터리 용량의 증가 등으로 무선 통신 분야 중에서 활발하게 연구되고 있는 분야 중에 하나이다. 무선 센서 네트워크는 사용자가 원하는 범위를 다수의 센서가 배치되어 감시하며 발생하는 이벤트를 계측하고 저장하는 네트워크 시스템이다. 각각의 센서에서 계측된 데이터는 주변의 통신 범위 안에 있는 이웃 센서로 전송하며 최종적으로 사용자에게 도착한다.
참고문헌 (10)
H. Yetgin, K. T. K. Cheung, M. El-Hajjar, L. H. Hanzo, "A Survey of Network Lifetime Maximization Techniques in Wireless Sensor Networks", IEEE Communications Surveys & Tutorials, Vol.19, No.2, pp.828-854, Secondquarter 2017. DOI: https://doi.org/10.1109/COMST.2017.2650979
H. I. Kobo, A. M. Abu-Mahfouz, G. P. Hancke, "A Survey on Software-Defined Wireless Sensor Networks: Challenges and Design Requirements", IEEE Access, Vol.5, pp.1872-1899, 2017. DOI: https://doi.org/10.1109/ACCESS.2017.2666200
M. Raza, N. Aslam, H. Le-Minh, S. Hussain, Y. Cao, N. M. Khan, "A Critical Analysis of Research Potential, Challenges, and Future Directives in Industrial Wireless Sensor Networks", IEEE Communications Surveys & Tutorials, Vol.20, No.1, pp.39-95, Firstquarter 2018. DOI: https://doi.org/10.1109/COMST.2017.2759725
B. Cao, J. Zhao, P. Yang, P. Yang, X. Liu, Y. Zhang, "3-D Deployment Optimization for Heterogeneous Wireless Directional Sensor Networks on Smart City", IEEE Transactions on Industrial Informatics, Vol.15, No.3, pp.1798-1808, Mar. 2019. DOI: https://doi.org/10.1109/TII.2018.2884951
D. Sharma, A. P. Bhondekar, "Traffic and Energy Aware Routing for Heterogeneous Wireless Sensor Networks", IEEE Communications Letters, Vol.22, No.8, pp.1608-1611, Aug. 2018. DOI: https://doi.org/10.1109/LCOMM.2018.2841911
Y. Zhuang, L. Yu, H. Shen, W. Kolodzey, N. Iri, G. Caulfield, S. He, "Data Collection with Accuracy-Aware Congestion Control in Sensor Networks", IEEE Transactions on Mobile Computing, Vol.18, No.5, pp.1068-1082, May 2019. DOI: https://doi.org/10.1109/TMC.2018.2853159
A. Nicolaou, N. Temene, C. Sergiou, C. Georgiou, V. Vassiliou, "Utilizing Mobile Nodes for Congestion Control in Wireless Sensor Networks", 2019 IEEE 30th Annual International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC), IEEE, Istanbul, Turkey, pp.1-7, Sep. 2019. DOI: https://doi.org/10.1109/PIMRC.2019.8904192
W. Wei, Z. Sun, H. Song, H. Wang, X. Fan, X. Chen, "Energy Balance-Based Steerable Arguments Coverage Method in WSNs", IEEE Access, Vol.6, pp.33766-33773, 2018. DOI: https://doi.org/10.1109/ACCESS.2017.2682845
N. Abbas, F. Yu, "A Traffic Congestion Control Algorithm for Wireless Multimedia Sensor Networks", 2018 IEEE SENSORS, IEEE, New Delhi, India, pp.1-4, Oct. 2018. DOI: https://doi.org/10.1109/ICSENS.2018.8589923
※ AI-Helper는 부적절한 답변을 할 수 있습니다.