KR101321165B1 - Method for congestion prediction of wireless sensor network - Google Patents
Method for congestion prediction of wireless sensor network Download PDFInfo
- Publication number
- KR101321165B1 KR101321165B1 KR1020110012079A KR20110012079A KR101321165B1 KR 101321165 B1 KR101321165 B1 KR 101321165B1 KR 1020110012079 A KR1020110012079 A KR 1020110012079A KR 20110012079 A KR20110012079 A KR 20110012079A KR 101321165 B1 KR101321165 B1 KR 101321165B1
- Authority
- KR
- South Korea
- Prior art keywords
- congestion
- wireless sensor
- sensor network
- network
- node
- Prior art date
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
- H04W40/08—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on transmission power
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/10—Flow control between communication endpoints
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/12—Wireless traffic scheduling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
무선 센서 네트워크의 혼잡구역을 미리 예측하고 구역혼잡비용을 적용함으로써 네트워크의 효용을 극대화한다. 일 실시예에 따른 무선 센서 네트워크의 혼잡 예측 방법은 싱크 노드와 싱크 노드와 연결된 하나 이상의 센서 노드를 포함하는 무선 센서 네트워크를 모델링하는 단계와, 센서 노드에서 생성된 패킷을 싱크 노드로 전송하는 과정에서, 네트워크의 구역별 트래픽을 계산하는 단계와, 네트워크의 구역별 트래픽을 이용하여, 네트워크의 혼잡구역을 통과하는 패킷의 혼잡비용을 계산하는 단계를 포함한다. 이에 딸, 무선 센서 네트워크의 혼잡구역을 미리 예측하고 구역혼잡비용을 적용함으로써, 수학적 모델링을 통해 네트워크를 정량적으로 분석할 수 있다. Predict the congestion zone of wireless sensor network and apply the congestion cost to maximize the utility of the network. In one embodiment, a congestion prediction method of a wireless sensor network includes modeling a wireless sensor network including a sink node and at least one sensor node connected to the sink node, and transmitting a packet generated at the sensor node to the sink node. Computing the traffic per zone of the network, and using the traffic per zone of the network, calculating the congestion cost of the packet passing through the congestion zone of the network. Therefore, by predicting the congestion zone of the wireless sensor network in advance and applying the congestion cost, the network can be quantitatively analyzed through mathematical modeling.
Description
무선 센서 네트워크의 혼잡 예측 방법에 관한 것으로, 더욱 상세하게는 무선 센서 네트워크를 모델링하여, 구역별로 네트워크의 혼잡을 예측하는 방법에 관한 것이다.The present invention relates to a congestion prediction method of a wireless sensor network, and more particularly, to a method of predicting congestion of a network for each zone by modeling a wireless sensor network.
최근 IT 기술의 발전과 유비쿼터스 환경은 각종 분야와 결합하여 현대 생활에 많은 편리함을 제공하고 있다. 특히 유비쿼터스 기술은 무선 센서 네트워크를 기반으로 빠르게 발전하고 있다. 이는 객체(object)가 지능적으로 연결되어 정보를 주고받는 M2M(Machine to Machine) 기반의 유비쿼터스 사회(ubiquitous-society)의 실현을 위해 세계적으로 다양한 프로젝트 및 시범사업을 운영하고 있다.Recently, the development of IT technology and the ubiquitous environment are combined with various fields to provide a lot of convenience in modern life. In particular, ubiquitous technology is rapidly developing based on wireless sensor networks. It operates various projects and pilot projects around the world to realize ubiquitous-society based on machine to machine (M2M), where objects are intelligently connected and exchanged information.
이에 따라 다양한 무선 센서 네트워크(Wireless Sensor Network, WSN)가 이기종 간에 통합 관리되고 정보가 공유되는 등 유비쿼터스 센서 네트워크(Ubiquitous Sensor Network, USN)는 이전의 단일 소규모 네트워크에서 다중 대규모 네트워크로 변화되는 추세이다. WSN의 임무 역시 기존의 단순 감시 및 정보수집에서 중요한 임무를 수행하도록 변화되고 있다. 이에 따라, 대량의 센서 데이터를 처리하고 공유할 수 있는 방안 및 QoS(Quality of Service) 보장의 중요성이 대두되고 있다. As a result, the Ubiquitous Sensor Network (USN) is changing from a single small network to multiple large networks, with various wireless sensor networks (WSNs) being managed and shared among heterogeneous types. The mission of the WSN is also changing to perform important tasks in existing simple surveillance and information gathering. Accordingly, the importance of a method for processing and sharing a large amount of sensor data and guaranteeing a quality of service (QoS) has emerged.
센서 네트워크는 싱크 노드(Sink Node)를 중심으로 트리 구조로 이루어진 토폴로지에서, 데이터를 무선 통신을 통해 싱크 노드로 전달한다. 이러한 특징들로 인해 싱크 노드 주변의 네트워크에는 혼잡이 발생할 확률이 높은 특성을 갖는다. 여러 종류의 무선 센서 네트워크들이 모여 이루는 대규모 USN은 그 특성상 다핵구조로서, 멀티 싱크(Multi-Sink)와 멀티 이벤트(Multi-Event) 및 모바일 싱크(Mobile Sink)의 적용으로 혼잡이 발생할 확률이 일반 WSN에 비해 월등히 높아진다. The sensor network transfers data to the sink node through wireless communication in a tree structure topology around the sink node. Due to these characteristics, there is a high probability of congestion in the network around the sink node. The large-scale USN, which is composed of several types of wireless sensor networks, is multi-core in nature, and the probability of congestion due to the application of Multi-Sink, Multi-Event, and Mobile Sink is common. Significantly higher than
또한 센서 노드의 무선 통신, 소형 저전력의 특성을 가지는 WSN의 특성에 맞는 혼잡 감지 및 제어 기법이 요구된다. 혼잡으로 인해 발생한 패킷 손실을 복구하기 위한 재전송과 전송 지연은, 불필요한 트래픽을 증가시키고 네트워크 혼잡을 가중시킨다. 이에 따라, 전력 소모가 커지고 네트워크 라이프타임의 감소를 가져온다. 센서 네트워크에서의 혼잡 제어 기법은 이를 고려하여 데이터 전송 횟수를 줄여 네트워크의 수명을 늘리는데 그 목적이 있다.In addition, a congestion detection and control technique suitable for the characteristics of the WSN, which has the characteristics of wireless communication and small low power of the sensor node, is required. Retransmissions and transmission delays to recover packet loss caused by congestion increase unnecessary traffic and increase network congestion. As a result, power consumption is increased and network life time is reduced. The congestion control technique in the sensor network aims to increase the lifetime of the network by reducing the number of data transmissions in consideration of this.
무선 센서 네트워크의 혼잡구역을 미리 예측하고 구역혼잡비용을 적용함으로써 네트워크의 효용을 극대화한다. 또한, 센서 네트워크의 혼잡을 탐지하기 위해 센서 노드 배치에 따라 노드별 주기적, 비주기적 생성 패킷을 미리 예측한다. 또한, 혼잡이 예상되는 지역에 혼잡 통행료를 부과함으로써 혼잡을 미리 예방하여 혼잡 발생으로 인한 패킷 손실을 최소화한다.Predict the congestion zone of wireless sensor network and apply the congestion cost to maximize the utility of the network. In addition, in order to detect congestion of the sensor network, the node-specific periodic and aperiodic generated packets are predicted in advance according to the sensor node arrangement. It also minimizes packet loss due to congestion by preventing congestion by imposing congestion tolls in areas where congestion is expected.
일 실시예에 따른 무선 센서 네트워크의 혼잡 예측 방법은 싱크 노드와 싱크 노드와 연결된 하나 이상의 센서 노드를 포함하는 무선 센서 네트워크를 모델링하는 단계와, 센서 노드에서 생성된 패킷을 싱크 노드로 전송하는 과정에서, 네트워크의 구역별 트래픽을 계산하는 단계와, 네트워크의 구역별 트래픽을 이용하여, 네트워크의 혼잡구역을 통과하는 패킷의 혼잡비용을 계산하는 단계를 포함한다.In one embodiment, a congestion prediction method of a wireless sensor network includes modeling a wireless sensor network including a sink node and at least one sensor node connected to the sink node, and transmitting a packet generated at the sensor node to the sink node. Computing the traffic per zone of the network, and using the traffic per zone of the network, calculating the congestion cost of the packet passing through the congestion zone of the network.
일 실시예에 따른 무선 센서 네트워크의 혼잡 예측 방법 중 트래픽을 계산하는 단계는, 센서 노드에서 생성되는 총 패킷량을 계산하는 단계와, 센서 노드에서 싱크 노드로 전송되는 패킷의 전송효율을 계산하는 단계를 포함한다.Computing traffic in the congestion prediction method of the wireless sensor network according to an embodiment may include calculating a total packet amount generated at a sensor node and calculating a transmission efficiency of a packet transmitted from a sensor node to a sink node. It includes.
일 실시예에 따른 무선 센서 네트워크의 혼잡 예측 방법 중 혼잡비용을 계산하는 단계는, 센서 노드 중 상기 혼잡구역 내에 존재하는 센서 노드와, 혼잡구역 외에 존재하는 센서 노드로 구분하여, 혼잡구역 내에 존재하는 센서 노드로부터 전송되는 패킷의 혼잡비용을 할인한다.The calculating of the congestion cost in the congestion prediction method of the wireless sensor network according to an embodiment may be performed by dividing a sensor node existing in the congestion zone among sensor nodes and a sensor node existing outside the congestion zone. It reduces the congestion cost of the packet transmitted from the sensor node.
일 실시예에 따른 무선 센서 네트워크의 혼잡 예측 방법 중 혼잡비용을 계산하는 단계는, 패킷을 전송하는데 필요한 센서 노드에서의 비용과 네트워크에서의 비용을 합산한 비용을, 패킷의 전송량에 따라 변하는 비용의 평균값으로 차감하여 계산한다.The calculating of the congestion cost in the congestion prediction method of the wireless sensor network according to an embodiment may include a cost that is obtained by adding up the cost at the sensor node and the cost at the network required to transmit the packet, and the cost varying according to the transmission amount of the packet. Calculate by subtracting the average value.
일 실시예에 따른 무선 센서 네트워크의 혼잡 예측 방법에서, 무선 센서 네트워크는 하나의 싱크 노드와 하나 이상의 센서 노드를 포함하고, 센서 노드는 서로 다른 센서 노드 간의 경로 설정은 링크의 비용의 합이 최소인 경로를 선택한다.In a congestion prediction method of a wireless sensor network according to an embodiment, the wireless sensor network includes one sink node and one or more sensor nodes, and the routing between the sensor nodes may be such that the sum of the costs of the links is the minimum. Select the path.
무선 센서 네트워크의 혼잡구역을 미리 예측하고 구역혼잡비용을 적용함으로써, 수학적 모델링을 통해 네트워크를 정량적으로 분석할 수 있다. 또한, 센서 네트워크의 혼잡을 탐지하기 위해 센서 노드 배치에 따라 노드별 주기적, 비주기적 생성 패킷을 미리 예측할 수 있다. 또한, 혼잡이 예상되는 지역에 혼잡 통행료를 부과함으로써 혼잡을 미리 예방하여 혼잡 발생으로 인한 패킷 손실을 최소화할 수 있다.By predicting the congestion area of the wireless sensor network in advance and applying the congestion cost, the network can be quantitatively analyzed through mathematical modeling. In addition, in order to detect congestion of the sensor network, periodic and aperiodic generated packets for each node may be predicted in advance according to sensor node arrangement. In addition, by congesting tolls in areas where congestion is expected, congestion can be prevented in advance, thereby minimizing packet loss due to congestion.
도 1은 본 발명의 일 실시예에 따른 무선 센서 네트워크의 혼잡 예측 방법의 흐름도,
도 2는 본 발명의 일 실시예에 따른 무선 센서 네트워크의 모델을 설명하기 위한 참조도,
도 3a은 본 발명의 일 실시예에 따른 무선 센서 네트워크의 혼잡 예측 방법에 따른 구역별 패킷 전송 속도 변화율 그래프,
도 3b는 본 발명의 일 실시예에 따른 무선 센서 네트워크의 혼잡 예측 방법에 따른 구역별 패킷량 변화율 그래프이다.1 is a flowchart of a congestion prediction method of a wireless sensor network according to an embodiment of the present invention;
2 is a reference diagram for explaining a model of a wireless sensor network according to an embodiment of the present invention;
3A is a graph showing packet rate change rate for each zone according to a congestion prediction method of a wireless sensor network according to an embodiment of the present invention;
FIG. 3B is a graph showing the rate of change of packet volume for each zone according to the congestion prediction method of the wireless sensor network according to an embodiment of the present invention. FIG.
이하, 첨부된 도면들을 참조하여 본 발명의 실시 예를 상세하게 설명한다. 사용되는 용어들은 실시 예에서의 기능을 고려하여 선택된 용어들로서, 그 용어의 의미는 사용자, 운용자의 의도 또는 판례 등에 따라 달라질 수 있다. 그러므로 후술하는 실시 예들에서 사용된 용어의 의미는, 본 명세서에 구체적으로 정의된 경우에는 그 정의에 따르며, 구체적인 정의가 없는 경우는 당업자들이 일반적으로 인식하는 의미로 해석되어야 할 것이다.
Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings. Terms used are terms selected in consideration of functions in the embodiment, the meaning of the terms may vary depending on the intention or precedent of the user or operator. Therefore, the meaning of the terms used in the embodiments to be described later, according to the definition if specifically defined herein, and if there is no specific definition should be interpreted as meaning generally recognized by those skilled in the art.
도 1은 본 발명의 일 실시예에 따른 무선 센서 네트워크의 혼잡 예측 방법의 흐름도이다.1 is a flowchart of a congestion prediction method of a wireless sensor network according to an embodiment of the present invention.
도 1을 참조하면, 먼저 싱크 노드와 하나 이상의 센서 노드를 포함하는 무선 센서 네트워크를 모델링한다(110). 싱크 노드는 각각의 센서 노드들로부터 수신되는 데이터를 취합하고, 수신된 데이터를 가공하여 서버로 전송한다. 또한, 싱크 노드는 네트워크에 대한 구성 및 관리도 가능한다. 이 경우, 무선 센서 네트워크의 모델링시 싱크 노드는 하나로 설정된다. 센서 노드는 자신이 센싱한 데이터를 다른 센서 노드를 통해 싱크 노드로 전송되도록 한다. 또한, 센서 노드는 서로 다른 센서 노드 간의 링크의 비용의 합이 최소인 경로를 선택하도록 모델링된다. 본 발명의 무선 센서 네트워크의 모델을 구체적으로 설명하기 위해, 도 2를 참조하여 후술하도록 한다.
Referring to FIG. 1, first, a wireless sensor network including a sink node and one or more sensor nodes is modeled (110). The sink node collects data received from each sensor node, processes the received data, and transmits the received data to the server. In addition, the sink node can also configure and manage the network. In this case, sink nodes are set to one when modeling the wireless sensor network. The sensor node transmits the data sensed by the sensor node to the sink node through another sensor node. In addition, the sensor node is modeled to select a path where the sum of the costs of the links between different sensor nodes is minimal. In order to describe the model of the wireless sensor network of the present invention in detail, it will be described later with reference to FIG.
도 2는 본 발명의 일 실시예에 따른 무선 센서 네트워크의 모델을 설명하기 위한 참조도이다.2 is a reference diagram for explaining a model of a wireless sensor network according to an embodiment of the present invention.
도 2를 참조하면, 무선 센서 네트워크는 가운데에 싱크 노드를 중심으로 형성된 센서 노드들을 포함한다. 무선 센서 네트워크는 총 10개의 구역으로 구분되며, 네트워크의 중심에는 싱크 노드가 위치하는 구역이 있고, 그 바깥 구역에는 센서 노드들이 위치한 구역이 존재한다. 이 경우, 각 센서 노드의 통신 반경은 서로 같은 것으로 설정될 수 있다. 또한, 각 노드는 데이터의 송신 및 수신이 가능하다. 또한, 각 구역에서는 주기적인 데이터와 이벤트적인 데이터가 발생한다.Referring to FIG. 2, the wireless sensor network includes sensor nodes formed around a sink node in the center. The wireless sensor network is divided into a total of 10 zones. In the center of the network, there is an area where sink nodes are located, and in the outer area, an area where sensor nodes are located. In this case, the communication radius of each sensor node may be set to be the same. In addition, each node can transmit and receive data. In addition, periodic data and event data occur in each zone.
한편, 본 발명의 무선 센서 네트워크는 생산되는 패킷은 주기적인 데이터와 이벤트적인 데이터 모두를 포함하여 예측하는 것이 가능하다. 또한, 종단 대 종단의 패킷 전달뿐만 아니라 경로를 가로지르는 통과 전송을 포함한다. 또한, 패킷량을 예측함으로써 네트워크 전반에 전달되는 데이터의 양을 파악할 수 있도록 한다. 또한, 무선 센서 네트워크 내에서의 센서 노드의 이동도 가능하다.On the other hand, the wireless sensor network of the present invention can be predicted to include both the periodic data and the event data to be produced. It also includes end-to-end packet forwarding as well as pass-through transmission across the path. In addition, by predicting the amount of packets it is possible to determine the amount of data that is transmitted throughout the network. It is also possible to move sensor nodes within a wireless sensor network.
네트워크의 중심부는 혼잡구역을 나타낸다. 혼잡구역은 싱크 노드에 근접한 네트워크 구역이다. 혼잡구역에는 모든 센서 노드에서 생성된 패킷이 전송된다. 따라서, 혼잡구역에는 트래픽이 증가하여 혼잡이 발생한다. 이러한, 혼잡구역은 비혼잡구역과 구별되며, 혼잡구역을 지나는 패킷에 대해서는 추가적인 혼잡비용이 부과된다.
The heart of the network represents a congestion zone. The congestion zone is a network zone close to the sink node. In the congestion area, packets generated from all sensor nodes are transmitted. Therefore, congestion occurs because the traffic increases in the congestion zone. Such congestion zones are distinguished from non- congestion zones, and additional congestion costs are imposed on packets passing through the congestion zones.
다시 도 1을 참조하면, 다음으로 센서 노드에서 생성된 패킷을 싱크 노드로 전송하는 과정에서, 무선 센서 네트워크의 구역별 트래픽을 계산한다(130). 이는 세부적으로는 센서 노드에서 생성되는 총 패킷량을 계산하고, 센서 노드에서 싱크 노드로 전송되는 패킷의 전송효율을 계산한다. 총 패킷량은 모델링된 무선 센서 네트워크의 센서 노드에서 생성되는 패킷의 총 패킷량을 말한다. 총 패킷량을 계산하기 위해서는 경제학에서의 생산 개념을 사용한다. Referring back to FIG. 1, next, in the process of transmitting a packet generated at the sensor node to the sink node, traffic for each zone of the wireless sensor network is calculated (130). In detail, the total packet amount generated by the sensor node is calculated, and the transmission efficiency of the packet transmitted from the sensor node to the sink node is calculated. The total packet amount refers to the total packet amount of the packet generated at the sensor node of the modeled wireless sensor network. To calculate the total packet volume, we use the concept of production in economics.
즉, 모든 변수의 상호 영향을 평가할 때 상대적 변화가 중요하므로 패킷 생산량을 자연대수로 표현하면 상대적 변화의 분석이 용이해진다. 따라서 생산 요소의 투입량과 산출량의 관계를 나타내는 Cobb-Douglas production function를 이용하여 네트워크에서 생산되는 패킷을 모델링하는 것이 가능하다. 특히 Cobb-Douglas production function는 경제학에서 유용성 때문에 효용함수로도 많이 쓰이기 때문에 네트워크의 효용을 분석하여 모델링하는 경우에도 사용이 가능하다.That is, since relative change is important when evaluating the mutual influence of all variables, it is easy to analyze the relative change by expressing the packet production in natural logarithm. Therefore, it is possible to model the packets produced in the network using the Cobb-Douglas production function, which shows the relationship between the inputs and outputs of production factors. In particular, the Cobb-Douglas production function is often used as a utility function because of its usefulness in economics, so it can be used when analyzing and modeling the utility of the network.
모델링하고자 하는 무선 센서 네트워크는 센싱 동작 횟수와 파워의 투입량을 h배로 늘리면 패킷도 h배로 증가하는 규모수익불변의 특성을 갖는다고 가정한다. 구역 i에 있는 노드는 센싱 Si 와 에너지 Ei 를 이용하여 패킷 Di를 생산한다. 이처럼, 생산함수를 Cobb-Douglas production function로 가정함에 따라 패킷 Di는 다음 수학식으로 계산된다.It is assumed that the wireless sensor network to be modeled has a variable size-invariant property that increases the number of sensing operations and power input by h times. A node in zone i produces packet D i using sensing S i and energy E i . As such, assuming that the production function is a Cobb-Douglas production function, the packet D i is calculated by the following equation.
수학식 1에서, 무선 센서 네트워크는 규모수익불변이므로 μ+δ=1이 된다. A는 양의 값을 갖는 상수로서 노드의 센싱 횟수를 나타낸다. 이 경우, 센싱 Si 는 패킷생산가격 pi과 CPU 연산 Wi에 의해 결정되고, 에너지 Ei 는 생산 패킷 가격 pi와 에너지 소모율 ri로 결정된다. 이는 다음과 같은 수학식으로 나타낼 수 있다.In
수학식 2와 수학식 3을 수학식 1에 대입하면, 생산패킷가격 pi에 대해 수학식 4를 도출할 수 있다.By substituting
센서 노드에서 싱크 노드로 전송되는 패킷의 전송효율을 계산하기 위해서는 전송효율함수를 계산하여야 한다. 네트워크 모델의 구역 i에 배치된 센서 노드에서 싱크 노드로 패킷을 전송하는 노드의 전송효율함수는 Uisink라 한다. 구역 i에 배치되어 있는 센서 노드는 노드 에너지 Eisink와 패킷을 전송하는데 시간 lisink을 소비하며, 싱크 노드로 이벤트적인 데이터인 Zisink를 전송한다.In order to calculate the transmission efficiency of the packet transmitted from the sensor node to the sink node, the transmission efficiency function should be calculated. The transmission efficiency function of a node that transmits a packet from a sensor node located in zone i of the network model to a sink node is called U isink . The sensor node located in zone i spends the node energy E isink and time l isink to transmit packets, and transmits the event data Z isink to the sink node.
수학식 5에서 α, β, γ는 센서 노드에 할당된 사용 가능한 자원이고, 0< α, β, γ < 1이며, α+β+γ=1이라고 가정한다.In Equation 5, α, β, and γ are available resources allocated to the sensor node, and 0 <α, β, γ <1, and α + β + γ = 1.
전송효율함수의 제약식은 센서 노드에서 센싱된 총 데이터를 나타내는 Ωisink와 한 노드에서 전송되는 데이터의 총 전송시간을 나타내는 Tisink로 구분된다. Tisink는 단위시간별 주기적 데이터 전송 횟수 d와 구역 i에 위치한 센서 노드로부터 싱크 노드까지의 데이터 전송에 소요되는 시간 gisink, zisink은 이벤트 데이터를 전송하기 위한 단위시간별 전송횟수 f에 의해 결정된다.The constraint of the transmission efficiency function is divided into Ω isink representing the total data sensed at the sensor node and T isink representing the total transmission time of data transmitted from one node. T isink is the number of periodic data transmissions d per unit time, and the time g isink and z isink required for data transmission from the sensor node located in the zone i to the sink node is determined by the number of transmission times f for transmitting event data.
센서 노드에서의 Data 전송은 주기적인 데이터의 전송(FW isink)과 이벤트적인 데이터의 전송(FS isink)으로 구분된다. 따라서 하나의 센서 노드에서의 총 데이터 전송량 Fisink = FW isink + FS isink가 된다. 다음 수학식 8의 Fi는 통과 경로 전송량을 포함하는 도 2에서의 각 구역별 통행량이다.Data transmission in the sensor node is divided into periodic data transmission (F W isink ) and event data transmission (F S isink ). Therefore, the total data transfer rate at one sensor node is F isink = F W isink + F S isink . F i in Equation 8 is a traffic amount for each zone in FIG. 2 including a pass path transmission amount.
한편, 센서 노드의 총 패킷량과 패킷전송효율을 계산한 후에는, 무선 센서 네트워크의 트래픽을 계산하게 된다.On the other hand, after calculating the total packet amount and packet transmission efficiency of the sensor node, the traffic of the wireless sensor network is calculated.
도 2에서, 네트워크 구역 i를 통과하는 데 소요되는 비용 gi는 BPR(Bureau of Public Roads) 함수로 정의한다. BPR 함수는 조작이 쉽고 특정치에 접근하지 않기 때문에, 어떠한 통행량에도 통행비용을 구할 수 있다는 특징이 있다. 따라서, 네트워크의 혼잡에 BPR 함수를 적용하여 모델링하는 것이 가능하다.In FIG. 2, the cost g i required to pass through the network zone i is defined by the Bureau of Public Roads function. Since the BPR function is easy to operate and does not approach a specific value, the traffic cost can be obtained at any traffic volume. Therefore, it is possible to model by applying the BPR function to the congestion of the network.
수학식 9에서, Fi를 혼잡 구역에서의 단위시간별 데이터 전송량으로, Ci를 구역 i의 시간당 최대 네트워크 용량이고, gi는 혼잡 구역에서의 전송시간을 의미한다. 이 경우, Tg는 자유속도 전송시간, 계수 a는 자유속도와 용량 간의 속도의 비율을 나타내며, b는 자유속도에서 전송량이 증가하면서 속도가 얼마나 급격하게 감소하는가를 나타낸다. C는 LOS C의 실용용량으로서 가능용량(LOS E)의 75% 수준을 나타낸다.In Equation 9, F i is the data transmission amount per unit time in the congestion zone, C i is the maximum network capacity per hour of the zone i, g i means the transmission time in the congestion zone. In this case, T g is the free speed transmission time, the coefficient a is the ratio of the speed between the free speed and the capacity, and b is how rapidly the speed decreases as the transmission amount increases at the free speed. C is the practical capacity of LOS C and represents 75% of the available capacity (LOS E).
수학식 10에서, gisink는 구역 i에 있는 센서 노드가 싱크 노드로 데이터를 전송하는데 소요되는 총 시간을 나타내며, 이는 구역 크기를 gi에 곱하여 계산된다.
In Equation 10, g isink represents the total time for the sensor node in the zone i to transmit data to the sink node, which is calculated by multiplying the zone size by g i .
다음으로, 무선 센서 네트워크의 구역별 트래픽을 이용하여, 네트워크의 혼잡구역을 통과하는 패킷의 혼잡비용을 계산한다(150). 일 실시예에 따른 무선 센서 네트워크의 혼잡 예측 방법 중 혼잡비용을 계산하는 단계는, 패킷을 전송하는데 필요한 센서 노드에서의 비용과 네트워크에서의 비용을 합산한 비용을, 패킷의 전송량에 따라 변하는 비용의 평균값으로 차감하여 계산한다. 이러한 혼잡비용을 이론적 혼잡비용(Theoretical congestion price)이라 한다.Next, using the traffic for each zone of the wireless sensor network, the congestion cost of the packet passing through the congestion zone of the network is calculated (150). The calculating of the congestion cost in the congestion prediction method of the wireless sensor network according to an embodiment may include a cost that is obtained by adding up the cost at the sensor node and the cost at the network required to transmit the packet, and the cost varying according to the transmission amount of the packet. Calculate by subtracting the average value. This congestion cost is called the theoretical congestion price.
이론적 혼잡비용(Theoretical congestion price) ti는 센서 노드 i에서 데이터를 전송하기 위해 네트워크를 사용함에 따라 발생되는 Social Marginal Cost(SMC)에서 노드별 평균 변화 비용(Average Variable Cost, AVC)을 차감하여 얻을 수 있다. 즉, Data 패킷 하나를 추가로 전송하기 위해 네트워크에 발생되는 추가적인 비용과 센서 노드에서 소요되는 전송 비용(에너지)을 SMC로 보고, 센서 노드의 데이터 전송량에 따라 변하는 비용의 평균값을 빼면 혼잡구역에서 이론적으로 부과해야하는 혼잡비용을 구할 수 있는 것이다.Theoretical congestion price t i is obtained by subtracting the Average Variable Cost (AVC) per node from the Social Marginal Cost (SMC) generated by using the network to transmit data from sensor node i. Can be. In other words, the additional costs incurred in the network to transmit one additional data packet and the transmission cost (energy) incurred by the sensor node are regarded as SMC, and the theoretical value in the congestion area is subtracted by subtracting the average value that varies depending on the amount of data transmitted by the sensor node. You can get the congestion cost that you have to charge.
Tisink는 네트워크 구역 i에 있는 센서 노드가 싱크 노드로 데이터를 전송할 때 감수해야하는 혼잡비용으로써, 수학식 10에서 gi를 ti로 바꾸어 계산하면 이론적 혼잡비용을 계산하게 된다. Ti는 구역별 Data의 전송량에 따라 다르게 책정되며, 센서 노드는 자신의 위치와 전송 거리에 따라 혼잡비용를 다르게 계산해야 할 것이다.T isink is a congestion cost that a sensor node in the network zone i needs to transmit data to the sink node. The equation is calculated by replacing g i with t i in Equation 10 to calculate the theoretical congestion cost. T i is set differently according to the amount of data transmission per zone, and sensor node will have to calculate congestion cost differently according to its location and transmission distance.
일 실시예에 따른 무선 센서 네트워크의 혼잡 예측 방법 중 혼잡비용을 계산하는 단계는, 센서 노드 중 혼잡구역 내에 존재하는 센서 노드와, 혼잡구역 외에 존재하는 센서 노드로 구분하여, 혼잡구역 내에 존재하는 센서 노드로부터 전송되는 패킷의 혼잡비용을 할인한다. 이러한 혼잡비용을 구역혼잡비용이라 한다.The calculating of the congestion cost in the congestion prediction method of the wireless sensor network according to an embodiment may be performed by classifying a sensor node existing in a congestion zone among sensor nodes and a sensor node existing outside the congestion zone, and present a sensor in the congestion zone. Reduces congestion costs of packets sent from nodes. This congestion cost is called zonal congestion cost.
구역혼잡비용은 혼잡비용 발생 구역 내에 위치하는 센서 노드와, 혼잡비용 발생 구역 외에 위치하는 센서 노드로 구분하여 적용한다. PBA(Pricing Boundary Area)는 혼잡비용이 발생하는 경계의 내부 구역이라 가정한다. 혼잡비용부과경계는 PBA에 속하는 구역 중 최좌측에 위치하는 번호가 가장 낮은 구역의 경계와, 최우측에 위치하는 번호가 가장 높은 구역의 경계로 이루어진다The zone congestion cost is divided into sensor nodes located in the congestion cost generation zone and sensor nodes located outside the congestion cost generation zone. PBA (Pricing Boundary Area) is assumed to be the inner zone of the boundary where congestion costs occur. The congestion cost boundary consists of the boundary of the lowest numbered zone on the leftmost side and the boundary of the highest numbered zone on the right side of the PBA.
TRisink는 구역 i에서 싱크 로드로의 데이터 전송 시 부과되는 혼잡비용의 횟수이다. τ는 계획에 의해 산정된 구역혼잡비용으로 PBA 구역으로의 데이터 전송 시 일괄 부여되는 비용이며, 는 PBA 구역 내에 위치한 노드에 한해 혼잡비용을 할인 적용하기 위한 구역혼잡비용이다.TR isink is the number of congestion costs incurred in transferring data from zone i to the sink load. τ is the area congestion cost calculated by the plan, and is the cost incurred at the time of data transmission to the PBA area.
tisink는 수학식 12와 같이 노드의 위치와 sink의 위치가 고려된 구역혼잡비용으로써, τdc에 TRisink를 곱하면 산출할 수 있다.t isink is a zone congestion cost considering node position and sink position as shown in
도 3a은 본 발명의 일 실시예에 따른 무선 센서 네트워크의 혼잡 예측 방법에 따른 구역별 패킷 전송 속도 변화율 그래프이고, 도 3b는 본 발명의 일 실시예에 따른 무선 센서 네트워크의 혼잡 예측 방법에 따른 구역별 패킷량 변화율 그래프이다.FIG. 3A is a graph illustrating a change rate of packet transmission rate for each zone according to a congestion prediction method of a wireless sensor network according to an embodiment of the present invention, and FIG. 3B illustrates a zone according to a congestion prediction method of a wireless sensor network according to an embodiment of the present invention. This is a graph of packet rate change rate.
도 3a 내지 도 3b의 실험에서, 패킷량을 계산하기 위해 A = 1, δ= 0.5, μ= 0.5의 값을 가진다. 또한, 패킷전송효율을 계산하기 위해 네트워크는 11 구역, 센서 노드는 구역당 10개로 전체 네트워크에는 110개를 모델링하고, 주기적 데이터 전송횟수 d=6회/60초, 이벤트적 데이터 전송 횟수 f=1회/600초, α= 0.6, β= 0.2, γ=0.2, p=0.5로 설정하였다. 또한, 네트워크 트래픽을 계산하기 위해, Tg=40kbps, A=50, B=2.0으로 설정하였다.In the experiments of FIGS. 3A-3B, the values of A = 1, δ = 0.5, μ = 0.5 are used to calculate the packet amount. In addition, to calculate the packet transmission efficiency, the network is 11 zones, the sensor nodes are 10 per zone, 110 models in the entire network, and the periodic data transmission number d = 6 times / 60 seconds, the event data transmission number f = 1 Time / 600 second, (alpha) = 0.6, (beta) = 0.2, (gamma) = 0.2, p = 0.5 was set. In addition, Tg = 40kbps, A = 50, and B = 2.0 were set to calculate network traffic.
데이터 전송속도는 평균 28 kbps로, 혼잡구역에서는 평균 12 kbps의 속도를 보였으나, 이론적 혼잡비용을 적용한 경우에는 평균 30.2 kbps, 혼잡구역에서 평균 14.3 kbps를 나타냄으로써, 평균속도 7.86%의 상승효과 및 혼잡구역에서는 평균 5%의 전송속도의 향상을 나타낸다. 이론적 혼잡비용을 적용한 경우에는, 무선 센서 네트워크에서 싱크 노드에서 먼 구역일수록 전송속도가 많이 개선되었다. 또한, 구역혼잡비용을 적용한 경우에는, 혼잡구역과 인접한 구역에서의 전송 속도를 가장 많이 개선시킬 수 있음을 알 수 있다.
The average data transmission rate was 28 kbps, which was 12 kbps in congestion area, but the average congestion cost was 30.2 kbps and 14.3 kbps in congestion area. In congested areas, the rate of transmission is improved by an average of 5%. In case of applying the theoretical congestion cost, the farther away the sink node is, the better the transmission speed is. In addition, when the congestion cost is applied, it can be seen that the transmission speed in the contiguous area and the adjacent area can be most improved.
이상에서 본 발명은 도면을 참조하면서 기술되는 바람직한 실시 예를 중심으로 설명되었지만 이에 한정되는 것은 아니다. 따라서 본 발명은 기재된 실시 예로부터 도출 가능한 자명한 변형예를 포괄하도록 의도된 특허청구범위의 기재에 의해 해석되어져야 한다.
While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, Therefore, the present invention should be construed by the description of the claims intended to cover obvious modifications derivable from the described embodiments.
Claims (19)
상기 센서 노드에서 생성된 패킷을 상기 싱크 노드로 전송하는 과정에서의 상기 무선 센서 네트워크의 구역별 트래픽을 계산하는 단계와;
상기 네트워크의 구역별 트래픽을 이용하여, 상기 무선 센서 네트워크의 혼잡구역을 통과하는 패킷의 혼잡비용을 계산하는 단계;
를 포함하고,
상기 혼잡비용을 계산하는 단계는 상기 센서 노드 중 상기 혼잡구역 내에 존재하는 센서 노드와, 상기 혼잡구역 외에 존재하는 센서 노드로 구분하여, 상기 혼잡구역 내에 존재하는 센서 노드로부터 전송되는 패킷의 혼잡비용을 할인하는 무선 센서 네트워크의 혼잡 예측 방법.Modeling a wireless sensor network comprising a sink node and one or more sensor nodes coupled to the sink node;
Calculating traffic for each zone of the wireless sensor network in the process of transmitting the packet generated at the sensor node to the sink node;
Calculating a congestion cost of a packet passing through the congested area of the wireless sensor network using the traffic of the area of the network;
Lt; / RTI >
The calculating of the congestion cost may include classifying a congestion cost of a packet transmitted from a sensor node existing in the congestion zone by dividing it into a sensor node existing in the congestion zone and a sensor node existing outside the congestion zone. Congestion prediction method of discounting wireless sensor network.
상기 센서 노드에서 생성되는 총 패킷량을 계산하는 단계와;
상기 센서 노드에서 상기 싱크 노드로 전송되는 상기 패킷의 전송효율을 계산하는 단계;
를 포함하는 무선 센서 네트워크의 혼잡 예측 방법.The method of claim 1, wherein calculating the traffic comprises:
Calculating a total packet amount generated at the sensor node;
Calculating a transmission efficiency of the packet transmitted from the sensor node to the sink node;
Congestion prediction method of a wireless sensor network comprising a.
상기 패킷을 전송하는데 필요한 상기 센서 노드에서의 비용과 상기 무선 센서 네트워크에서의 비용을 합산한 비용을, 상기 패킷의 전송량에 따라 변하는 비용의 평균값으로 차감하여 계산하는 무선 센서 네트워크의 혼잡 예측 방법.The method of claim 1, wherein the calculating of the congestion cost comprises:
And calculating the sum of the costs at the sensor node and the costs at the wireless sensor network, which is required to transmit the packet, by subtracting the average of the costs varying according to the amount of transmission of the packets.
상기 무선 센서 네트워크는 하나의 싱크 노드와 하나 이상의 센서 노드를 포함하는 무선 센서 네트워크의 혼잡 예측 방법.The method of claim 1,
And the wireless sensor network comprises one sink node and one or more sensor nodes.
서로 다른 센서 노드 간의 링크의 비용의 합이 최소가 되도록 상기 서로 다른 센서 노드 간의 경로를 선택하는 무선 센서 네트워크의 혼잡 예측 방법.The method of claim 1, wherein the modeling step
A method for predicting congestion in a wireless sensor network, selecting a path between different sensor nodes such that the sum of costs of links between different sensor nodes is minimized.
상기 무선 센서 네트워크 내의 상기 싱크 노드와 연결된 하나 이상의 센서 노드; 및
상기 무선 센서 네트워크의 혼잡 예측 장치를 포함하고,
상기 혼잡 예측 장치는 상기 싱크 노드 및 상기 하나 이상의 센서 노드를 포함하는 상기 무선 센서 네트워크를 모델링하고, 상기 센서 노드에서 생성된 패킷을 상기 싱크 노드로 전송하는 과정에서의 상기 무선 센서 네트워크의 구역별 트래픽을 계산하고, 상기 네트워크의 구역별 트래픽을 이용하여 상기 무선 센서 네트워크의 혼잡구역을 통과하는 패킷의 혼잡비용을 계산하고, 상기 센서 노드 중 상기 혼잡구역 내에 존재하는 센서 노드와 상기 혼잡구역 외에 존재하는 센서 노드로 구분하여 상기 혼잡구역 내에 존재하는 센서 노드로부터 전송되는 패킷의 혼잡비용을 할인하는, 무선 센서 네트워크의 혼잡 예측 시스템.A sink node in the wireless sensor network;
One or more sensor nodes coupled with the sink node in the wireless sensor network; And
A congestion prediction apparatus of the wireless sensor network;
The congestion prediction apparatus models the wireless sensor network including the sink node and the at least one sensor node, and traffic for each zone of the wireless sensor network in a process of transmitting a packet generated at the sensor node to the sink node. Calculate the congestion cost of the packet passing through the congestion area of the wireless sensor network by using the traffic of the area of the network, and the sensor node existing in the congestion area among the sensor nodes and the congestion area A congestion prediction system of a wireless sensor network, which classifies sensor nodes and discounts congestion costs of packets transmitted from sensor nodes existing in the congestion zone.
수학적 모델링에 기반하여 상기 센서 노드에서 생성된 패킷을 상기 싱크 노드로 전송하는 과정에서의 상기 무선 센서 네트워크의 구역별 트래픽을 계산하는 단계와;
상기 네트워크의 구역별 트래픽을 이용하여, 상기 무선 센서 네트워크의 혼잡구역을 통과하는 패킷의 혼잡비용을 계산하는 단계
를 포함하고,
상기 무선 센서 네트워크는 상기 무선 센서 네트워크의 패킷의 개수가 센싱 동작의 횟수 및 파워의 투입량에 비례하는 규모수익불변의 특성을 갖는 무선 센서 네트워크의 혼잡 예측 방법.Modeling a wireless sensor network comprising a sink node and one or more sensor nodes coupled to the sink node;
Calculating traffic for each zone of the wireless sensor network in a process of transmitting a packet generated at the sensor node to the sink node based on mathematical modeling;
Calculating a congestion cost of a packet passing through the congestion zone of the wireless sensor network using the traffic of each zone of the network;
Lt; / RTI >
The wireless sensor network has a congestion prediction method of a wireless sensor network having a variable size-invariant property in which the number of packets of the wireless sensor network is proportional to the number of sensing operations and the input amount of power.
상기 수학적 모델링은 생산 요소의 투입량 및 산출량 간의 관계를 나타내는 효용 함수를 이용하는 무선 센서 네트워크의 혼잡 예측 방법.The method of claim 7, wherein
The mathematical modeling method of congestion prediction in a wireless sensor network using a utility function representing the relationship between the input and output of the production factor.
상기 패킷은 주기적인 데이터 및 이벤트적인 데이터를 포함하는 무선 센서 네트워크의 혼잡 예측 방법.The method of claim 7, wherein
And wherein the packet includes periodic data and event data.
상기 무선 센서 네트워크 내의 상기 싱크 노드와 연결된 하나 이상의 센서 노드; 및
상기 무선 센서 네트워크의 혼잡 예측 장치를 포함하고,
상기 혼잡 예측 장치는 상기 싱크 노드 및 상기 하나 이상의 센서 노드를 포함하는 상기 무선 센서 네트워크를 모델링하고, 수학적 모델링에 기반하여 상기 센서 노드에서 생성된 패킷을 상기 싱크 노드로 전송하는 과정에서의 상기 무선 센서 네트워크의 구역별 트래픽을 계산하고, 상기 네트워크의 구역별 트래픽을 이용하여 상기 무선 센서 네트워크의 혼잡구역을 통과하는 패킷의 혼잡비용을 계산하고,
상기 무선 센서 네트워크는 상기 무선 센서 네트워크의 패킷의 개수가 센싱 동작의 횟수 및 파워의 투입량에 비례하는 규모수익불변의 특성을 갖는, 무선 센서 네트워크의 혼잡 예측 시스템.A sink node in the wireless sensor network;
One or more sensor nodes coupled with the sink node in the wireless sensor network; And
A congestion prediction apparatus of the wireless sensor network;
The congestion prediction apparatus models the wireless sensor network including the sink node and the one or more sensor nodes, and transmits a packet generated at the sensor node to the sink node based on mathematical modeling. Calculate the traffic per zone of the network, calculate the congestion cost of the packet passing through the congestion zone of the wireless sensor network using the traffic per zone of the network,
The wireless sensor network has a characteristic of scale invariant in which the number of packets of the wireless sensor network is proportional to the number of sensing operations and the input amount of power.
상기 무선 센서 네트워크 내의 상기 싱크 노드와 연결된 하나 이상의 센서 노드; 및
상기 무선 센서 네트워크의 혼잡 예측 장치를 포함하고,
상기 혼잡 예측 장치는 상기 싱크 노드 및 상기 하나 이상의 센서 노드를 포함하는 상기 무선 센서 네트워크를 모델링하고, 상기 무선 센서 네트워크의 구역들 각각에 대해 상기 센서 노드에서 생성된 패킷을 상기 싱크 노드로 전송하는 과정에서의 트래픽을 계산하고, 상기 구역들 각각의 트래픽들을 이용하여, 상기 무선 센서 네트워크의 혼잡구역을 통과하는 패킷의 혼잡비용을 계산하고,
상기 무선 센서 네트워크는 상기 무선 센서 네트워크의 패킷의 개수가 센싱 동작의 횟수 및 파워의 투입량에 비례하는 규모수익불변의 특성을 갖는, 무선 센서 네트워크의 혼잡 예측 시스템.A sink node in the wireless sensor network;
One or more sensor nodes coupled with the sink node in the wireless sensor network; And
A congestion prediction apparatus of the wireless sensor network;
The congestion prediction device models the wireless sensor network including the sink node and the one or more sensor nodes, and transmits a packet generated at the sensor node to the sink node for each of the zones of the wireless sensor network. Calculate the traffic at, calculate the congestion cost of the packet passing through the congestion zone of the wireless sensor network, using the traffic of each of the zones,
The wireless sensor network has a characteristic of scale invariant in which the number of packets of the wireless sensor network is proportional to the number of sensing operations and the input amount of power.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100106710 | 2010-10-29 | ||
| KR20100106710 | 2010-10-29 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20120045987A KR20120045987A (en) | 2012-05-09 |
| KR101321165B1 true KR101321165B1 (en) | 2013-10-29 |
Family
ID=46265362
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020110012079A KR101321165B1 (en) | 2010-10-29 | 2011-02-10 | Method for congestion prediction of wireless sensor network |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101321165B1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101636854B1 (en) * | 2015-02-06 | 2016-07-06 | 아주대학교산학협력단 | Cost calculation method of data transmission model of ubiquitous sensor network |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050001972A (en) * | 2003-06-28 | 2005-01-07 | 주식회사 케이티 | Routing method for best-effort service over the constrainted-based routing MPLS networks |
| KR20080066562A (en) * | 2007-01-12 | 2008-07-16 | 인터내셔널 비지네스 머신즈 코포레이션 | Intelligent traffic control system and associated methods |
-
2011
- 2011-02-10 KR KR1020110012079A patent/KR101321165B1/en not_active IP Right Cessation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050001972A (en) * | 2003-06-28 | 2005-01-07 | 주식회사 케이티 | Routing method for best-effort service over the constrainted-based routing MPLS networks |
| KR20080066562A (en) * | 2007-01-12 | 2008-07-16 | 인터내셔널 비지네스 머신즈 코포레이션 | Intelligent traffic control system and associated methods |
Non-Patent Citations (1)
| Title |
|---|
| Jiming Chen 외 4명. "Optimalflowcontrol for utility-lifetimetradeoff in wirelesssensornetworks."Volume 53, Issue 18, 24 December 2009, Pages 3031-3041 * |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20120045987A (en) | 2012-05-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Multi-agent itinerary planning for wireless sensor networks | |
| Jawhar et al. | Data communication in linear wireless sensor networks using unmanned aerial vehicles | |
| CN109219942B (en) | Method and device for controlling message mode | |
| Chang | A distributed cluster computing energy-efficient routing scheme for internet of things systems | |
| CN103702360B (en) | A kind of method and device of the data rate for determining service access port | |
| Yousefi et al. | An efficient route planning model for mobile agents on the internet of things using Markov decision process | |
| Khan et al. | Efficient and reliable hybrid deep learning-enabled model for congestion control in 5G/6G networks | |
| CN105376157A (en) | Method and device for routing path selection | |
| CN109088755A (en) | A kind of Complex event processing system deployment method under edge calculations | |
| Srinivasa Rao et al. | A gravitational search algorithm for energy efficient multi-sink placement in wireless sensor networks | |
| Jamil et al. | IRATS: A DRL-based intelligent priority and deadline-aware online resource allocation and task scheduling algorithm in a vehicular fog network | |
| Lyu et al. | Cooperative computing anytime, anywhere: Ubiquitous fog services | |
| Huang | Quality of service optimization in wireless transmission of industrial Internet of Things for intelligent manufacturing | |
| Jain et al. | A lightweight data transmission reduction method based on a dual prediction technique for sensor networks | |
| Blondia | A queueing model for a wireless sensor node using energy harvesting | |
| Prathiba et al. | Enhancing the data quality in wireless sensor networks—A review | |
| Shallari et al. | Communication and computation inter-effects in people counting using intelligence partitioning | |
| Yang | A SDN-based traffic estimation approach in the internet of vehicles | |
| US20190132269A1 (en) | Message schema control | |
| Jain et al. | Data-prediction model based on stepwise data regression method in wireless sensor network | |
| Yao et al. | Encounter probability aware task assignment in mobile crowdsensing | |
| KR101321165B1 (en) | Method for congestion prediction of wireless sensor network | |
| Wang et al. | An online anomaly learning and forecasting model for large-scale service of Internet of Things | |
| Banerjee et al. | Towards a queueing-based framework for in-network function computation | |
| Kafi et al. | Performance analysis and evaluation of REFIACC using queuing networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| N231 | Notification of change of applicant | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| LAPS | Lapse due to unpaid annual fee |