ömer fikri sağlam's very personal page

[..(geri)]

markov yöntemleriyle iot ağlarında bilgi yaşı (age of information) optimizasyonu

maltepe üniversitesi, doç. dr. rıfat volkan şenyuva

[makaleyi okumak için tıklayın (ingilizce, pdf, salt okunur)]

proje özeti

bilgi yaşı (age of information - aoi), zaman duyarlılığının ön planda olduğu nesnelerin interneti (iot) uygulamalarında veri tazeliğini ölçen kritik bir performans metriğidir. bu çalışmada, iot ağlarında aoi optimizasyonu markov tabanlı analitik modelleme ile incelenmiştir. sensör düğümlerinin veri üretim ve iletim süreçlerindeki kuyruklama dinamiklerini (fifo ve ber/g/1/q modelleri) karakterize etmek amacıyla ayrık zamanlı bir markov zinciri modeli geliştirilmiştir. düğüm sayısı, kuyruk uzunluğu ve paket geliş hızı gibi ağ parametrelerinin aoi ve paket kayıp olasılığı (p_drops) üzerindeki etkileri hem teorik olarak hesaplanmış hem de simüle edilmiştir. elde edilen bulgular, kuyruk kapasitesinin artırılmasının paket kayıplarını azalttığını, ancak paketlerin kuyrukta bekleme süresini uzatarak bilgi yaşını artırdığını matematiksel olarak ispatlamıştır.

temel kazanımlar

• matematiksel modelleme ile stokastik süreçler (bernoulli ve poisson dağılımları) ve ayrık zamanlı markov zincirleri kullanılarak karmaşık iot ağ dinamiklerinin kuramsal olarak modellenmesi.
• kuyruk teorisi denklemleri kullanılarak ber/g/1/q kuyruk yapısı ve fifo (first-in first-out) mantığı ile çalışan sistemlerde darboğaz ve gecikme analizlerinin yapılması.
• sistemdeki sensörlerin kuyruk durumları ve baz istasyonunun iletim kararlarını içeren çok boyutlu sistem durumlarının (state space) algoritmik olarak matrislere dökülmesi.
• bilgi yaşı ile ağ güvenilirliği (paket kayıp oranı) arasındaki ters orantının analitik olarak dengelenmesi.

kullanılan araçlar ve kütüphaneler

• matlab: simülasyon ortamının uçtan uca tasarlanması ve algoritmaların kodlanması.
• python: matlab ile oluşturulan ortamın makalede yer alacak şekilde derlenmesi (kullanılan kütüphaneler aşağıdadır).

numpy: durum geçiş olasılık matrislerinin (transition probability matrix) oluşturulması, lineer cebir operasyonları ve özvektör (eigenvector) hesaplamaları ile kararlı durum (steady-state) analizlerinin yapılması.

pandas: büyük boyutlu durum matrislerinin yapılandırılması ve raporlanmak üzere dışa aktarılması.

matplotlib: simülasyon çıktılarının, kuyruk uzunluğu (q) ve bilgi yaşı (aoi) ilişkisini gösterecek şekilde kuramsal grafiklere dönüştürülmesi.

itertools: sistemin alabileceği tüm olası durum kombinasyonlarının iteratif olarak üretilmesi.

[ belirlenen senaryoda paket aktarımı için durum geçiş olasılık matrisleri. ]

[ λ=0,3 durumunda bilgi yaşı ve kuyruk uzunluğu grafiği. ]

[ λ=0,7 durumunda bilgi yaşı ve kuyruk uzunluğu grafiği. ]

[..(geri)]