KR101896056B1

KR101896056B1 - 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 장치 및 방법

Info

Publication number: KR101896056B1
Application number: KR1020170133226A
Authority: KR
Inventors: 전광길
Original assignee: 인천대학교 산학협력단
Priority date: 2017-10-13
Filing date: 2017-10-13
Publication date: 2018-09-07

Abstract

본 발명은 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 장치 및 방법에 관한 것이다.
또한, 본 발명은 실행중인 응용 프로그램에 따라 요구되는 데이터 속도에 근거하여 핸드 오버의 시작 여부를 결정하는 핸드 오버 트리거링 모듈: 및 MIIS 서버에서 다중 매개 변수를 획득하고, 최적화 알고리즘에 의해 획득된 다중 매개 변수를 사용하여 최적화된 네트워크를 선택하는 네트워크 선택 모듈을 포함하는 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 장치 및 방법이 제공된다.

Description

멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 장치 및 방법{Enabling multimedia aware vertical handover Management in Internet of Things based heterogeneous wireless networks}

본 발명은 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 장치 및 방법에 관한 것이다.

차세대 네트워크에서, 이동 노드(MN : Mobile Node)는 다수의 인터페이스, 즉 실시간 및 비 실시간 서비스를 가진 이기종 네트워크로 이동할 것이다.

연결 컴퓨팅 패러다임의 급격한 증가는 미래 네트워크를 위한 효율적이고 일반적인 통신 모델을 만들기 위해 많은 도전과 이슈를 야기한다.

핸드 오버 관리는 이기종 네트워크와의 호환성 때문에 높은 중요성을 가지고 있다.

이기종 네트워크는 급속도로 성장하고 있으며 곧 인터넷은 스마트 홈, 도시, 스마트 사회 등등 IoT를 통해 전 세계를 커버 할 것이다.

IoT(Internet of Things), M2M(Machine to Machine) 통신, CPS (Cyber-Physical Systems) 및 클라우드 컴퓨팅을 도입하여 다양한 객체, 장치, 서비스 및 자원에 대한 액세스가 가능해졌다[5,6,24].

마찬가지로 스마트 폰 기술과 애플리케이션도 빠르게 발전하고 있다.

현대의 스마트 폰에는 여러 가지 다른 네트워크, 즉 Wi-Fi, WiMAX, Bluetooth 및 ZigBee 등에 액세스 할 수 있는 여러 인터페이스가 있다.

스마트 폰 기술의 작업을 최적화하기 위해 인텔리전트 기술은 하나의 인터페이스에서 다른 인터페이스로 원활하게 이동 노드(MN)를 전환하도록 설계되어 있다.

그러나 개발자들은 단일 인터페이스 사용이 다중 인터페이스를 한 번에 사용하는 것보다 더 에너지 효율적이라고 생각했다.

이동 노드(MN)에는 항상 인터페이스간에 자동으로 전환하거나 각 인터페이스에 대한 특정 프로파일을 따르는 기능이 제공된다.

또한 통신 기술의 진보는 인터넷에 연결되어야한다.

그러므로 개발자들은 이동 노드(MN)를 이용 가능한 네트워크들 중에서 최적의 네트워크와 연결시키는 "항상 최상의 연결"접근법을 제안했다.

항상 최우선으로 연결된 개념이 IoT, CPS, M2M 등과 같은 기술에서 중요한 중요성을 갖기 때문에 그러하다.

핸드 오버 관리는 소프트 및 하드 핸드 오버의 두 가지 주요 유형으로 더 세분된다.

하드 핸드 오버는 이전 네트워크와의 연결을 끊고 새로운 네트워크와 새로운 연결을 함으로써 이동 노드(MN)가 핸드 오버를 수행할 수 있게 한다.

따라서 트래픽은 이전 네트워크에서 버퍼링 된 다음 새 네트워크로 리디렉션된다.

이러한 유형의 핸드 오버는 대부분 완전히 다른 두 개의 네트워크에 의해 수행된다. 이동 노드(MN)는 우선 새로운 네트워크와의 연결을 만들고 이전 네트워크와의 연결을 끊음으로써 소프트 핸드 오버를 수행한다.

소프트 핸드 오버는 크게 세 가지 주요 부분, 즉 수평, 수직 및 대각 핸드 오버로 분류된다. 수평 핸드 오버의 경우, 이동 노드(MN)는 동일한 네트워크의 기술 (액세스 포인트 (AP) 또는 기지국 (BS)) 사이에서 스위칭을 수행하며, 예를 들어 WIFI 네트워크의 액세스 포인트간에 핸드 오버를 수행하는 이동 노드(MN)가 있다.

수평 핸드 오버는 나머지 핸드 오버 유형보다 항상 핸드 오버 지연 및 시간을 덜 필요로 한다. 왜냐하면 이동 노드(MN)는 동일한 인터페이스로 전환하고 액세스하며 데이터는 동일한 인터페이스와 기술로 리디렉션되기 때문이다.

수직 핸드 오버의 경우, 이동 노드(MN)는 필요한 기술에 대한 각각의 인터페이스를 사용하여 2 개의 상이한 기술로 핸드 오버를 수행하고 있다.

대상에 대한 경로는 인터페이스와 기술만 변경된 채로 유지되는 반면 대각 핸드 오버의 경우에는 대상과 경로가 모두 변경된다. 수직 및 수평 핸드 오버의 동작 메커니즘이 도 1에 도시되어 있다.

수직 핸드 오버는 핸드 오버 개시 / 트리거링, 네트워크 선택, 및 핸드 오버 실행의 세 부분으로 더 확장된다.

처음 두 부분은 매우 중요하며 연구 결과에 따르면 이 두 부분이 마지막 부분보다 핸드 오버 지연의 90 %를 제공한다[22].

종래 기술은 핸드 오버 트리거링을 위한 다양한 방식으로 이루어져 있지만, 안타깝게도 이 방식 중 어느 것도 일반적인 핸드 오버 트리거 메커니즘을 제공하지 못한다. 개발자들은 또한 수신 신호 강도(RSS), 신호 대 간섭 및 잡음비(SINR), 대역폭, 지터 등과 같은 핸드 오버 트리거링에 사용될 수 있는 다양한 매개 변수를 제안했다.

예를 들어, 이동 노드(MN)는 현재 네트워크와의 연결성(RSS)이 신호 강도의 미리 정의된 임계치 아래로 떨어지면 핸드 오버를 트리거 할 수 있다. 유사하게, 이동 노드(MN)는 현재 네트워크로부터 대역폭 레벨을 검사하도록 프로그램 될 수 있다. 그러나 네트워크 역학, 잡음 강도 등과 같은 핸드 오버를 트리거하는 단일 매개 변수를 사용하여 다양한 문제가 발생한다[30].

이러한 과제는 다양한 연구 연구에서 다루어진다[23, 28]. MIP (Mobile Internet Protocol)는 이동 노드(MN)가 단일 IP 주소를 유지하면서 한 네트워크에서 다른 네트워크로 이동할 수 있게 한다.

또한 이동 노드(MN)가 자유롭게 이동할 수 있게 해주며 인터넷을 통해 IP 데이터 그램의 위치 독립적 라우팅을 가능하게 한다. 이 개념은 이동 노드(MN)에게 2 개의 상이한 IP 주소 즉, 홈 IP 주소 및 CoA(care-of-address)를 제공한다.

CoA는 이동 노드(MN)가 인터넷상의 위치를 식별하는 것을 돕고, 홈 주소는 엔드 노드로부터 이동 노드(MN)로 데이터를 라우팅하는 데 사용된다. MIP는 지난 10 년 동안 성공적인 핸드 오버 관리를 제공하지만, 이기종 네트워크의 지속적인 성장에는 보다 정교한 핸드 오버 기술이 필요한다.

그러므로 이기종 네트워크에서 연속 연결을 제공하기 위해 MIP 또는 MIP 기반의 다른 기술을 사용하기 전에 다양한 과제를 해결해야 한다[16, 33].

한편, MADM (Multi-Attribute Decision Making) 구성표를 사용하여 핸드 오버 프로세스를 진행하는 동안 이용 가능한 네트워크에서 최적의 네트워크를 생성한다.

MADM 체계는 최상의 네트워크를 식별하기 위해 다른 매개 변수를 사용한다. 이러한 스키마에는 SAW, WPM, GRA(Gray Relational Analysis), AHP(Analytical hierarchy process), TOPSIS 등이 포함된다.

SAWandWPM은 네트워크 선택에 사용된 매개 변수를 추가하고 곱하는 데 사용된다.

가장 높은 값을 제공하는 네트워크는 핸드 오버를 위한 목표 네트워크로 간주된다. 마찬가지로 TOPSIS, GRA 및 AHP는 사용 가능한 네트워크의 순위를 매긴 다음 순위가 가장 높은 네트워크를 선택한다. 그러나 이러한 방식들은 핸드 오버 동안 여분의 지연을 가져 오므로 네트워크 선택을 위해 이를 사용하는 것은 부적절한 선택이 될 수 있다[34].

마찬가지로, 개발자들은 인공 지능과 퍼지 논리 기술을 의사 결정 기술과 연결하여 핸드 오버 지연을 줄인다[26]. 따라서, 핸드 오버 지연은 현저히 최소화되지만, 이들 기술의 계산 비용은 훨씬 더 높아져서 추가의 복잡성이 야기된다.

따라서, 이들 방식을 사용하는 것은 차세대 이기종 무선 네트워크에 사용될 시간 및 향상을 필요로 한다.

1. [Online]. Available: http://www.itu.int/pub/R-QUE-SG07 2. Abduljalil F, Bodhe S (2007) A survey of integrating IP mobility protocols and mobile ad hoc networks. IEEE Communications Surveys & Tutorials 9(1):14.30 3. Alnas M, Awan I, Holton D (2009) Handoff mechanism in mobile IP. International Cyber-Enabled Distributed Computing and Knowledge Discovery, Zhangijajie, In 4. Ashoka B, Eyers D, Huang Z (2011) Handover delay in mobile WiMAX: a simulation study. In: 12th international conference on parallel and distributed computing, applications and technologies (PDCAT), Gwangju 5. Buiati F, Garcia Villalba LJ, Corujo D, Soares J, Sargento S, Aguiar RL (2010) Hierarchical neighbor discovery scheme for handover optimization. IEEE Commun Lett 14(11):1020.1022 6. Fallon E, Murphy L, Murphy J, Miro-Muntean G (2013) FRAME.fixed route adapted Media streaming enhanced handover algorithm. IEEE Trans Broadcast 59(1):96.115 7. Ganz F, Barnaghi P, Carrez F (2013) Information abstraction for heterogeneous real world internet data. IEEE Sensors J 13(10):3793.3805 8. Gustafsson E, Jonsson A (2003) Always best connected. IEEE Wirel Commun 10(1):49.55 9. Herwono I, Sachs J, Keller R (2005) Performance improvement of Media point network using the inter access point protocol according to IEEE 802.11f. In: 11th European next generation conference on wireless and mobile communications and services (European wireless), Nicosia 10. Ismail A, Roh B-H (2011) Adaptive handovers in heterogeneous networks using fuzzy MADM. In: 2011 international conference on mobile IT convergence (ICMIC), Gyeongsangbuk-do, 26.28 Sept 2011 11. Jadhav S, Zhang H, Huang Z (2012) MOS-based handover protocol for next generation wireless networks. In: IEEE 26th international conference on Advanced information networking and applications (AINA),Fukuoka 12. Karaboga D, Basturk B (2007) A powerful and efficient algorithm for numerical function optimization: artificial bee colony (ABC) algorithm. J Glob Optim 39(3):459.471 13. Khan M, Andresen S (2012) A semi and fully distributed handover algorithm for heterogeneous networks using MIIS. In: IEEE symposium on computers and communications (ISCC), Cappadocia 14. Khan M, Han K (2014) An optimized network selection and handover triggering scheme for heterogeneous self-organized wireless networks. Mathematical Problems in Engineering 2014:11 article ID 173068 15. Khan M, Han K (2014) A review of handover techniques in wireless ad hoc networks based on IEEE 802.21 Media independent handover standard. IETE Tech Rev 31(5):353.361 16. Khan M, Han K (2015) A vertical handover management scheme based on decision modelling in heterogeneous wireless networks. IETE Tech Rev 32(6):1.12 17. Khan M, Han K (2015) A survey of context aware vertical handover management schemes in heterogeneous wireless networks. Wirel Pers Commun 85(4):2273.2293 18. Kim J, Lee J, Kim J, Yun J (2013)M2M Service platforms: survey, issues, and enabling technologies. IEEE Communications Surveys & Tutorials 16(1):61.76 19. KuhnertM,Wietfeld C (2014) Performance evaluation of an Advanced energy-aware client-based handover solution in heterogeneous LTE and WiFi networks. In: IEEE 79th vehicular technology conference (VTC spring), Seoul 20. Kunarak S, Suleesathira R (2010) Predictive RSS with fuzzy logic based vertical handoff algorithm in heterogeneous wireless networks. In: international conference on Advanced Technologies for Communications (ATC), ho chi minh 21. Lahby M, Cherkaoui L, Adib A (2013) Hybrid network selection strategy by using M-AHP/E-TOPSIS for heterogeneous networks. In: 8th international conference on intelligent systems: theories and applications(SITA), Rabat 22. Lee W, Cho D-H (2011) Enhanced group handover scheme in Multiaccess networks. IEEE Trans Veh Technol 60(5):2389.2395 23. Li X, Chen R (2013) Adaptive vertical handover algorithm based on user experience for heterogeneous network. In: 6th international Congress on image and signal processing (CISP), Hangzhou 24. Li M, Chen S, Xie D (2007) A multi-step vertical handoff mechanism for cellular multi-hop networks. In: proceedings of the 2nd ACM workshop on performance monitoring and measurement of heterogeneous wireless and wired networks, Chania 25. Lijuan L, Tingjie L, Xia C (2013) Network selection based on context-awareness services. China Communications 10(12):50.56 26. Maaloul S, Afif M, Tabbane S (2013) Vertical handover decision policy based on the end User's perceived quality of Service. In: 27th international conference on Advanced information networking and applications Workshops (WAINA), Barcelona 27. Mahardhika G, Ismail N, Nordin R (2014) Vertical handover decision algorithm using Multicriteria metrics in heterogeneous wireless network. Journal of Computer Networks and Communications 2015(2015):1.8 28. Mei J, Ji H, Li Y (2011) Service-aware proactive vertical handoff algorithm based on bandwidth requirement prediction. In 6th international ICST conference on communications and networking in China (CHINACOM), Harbin 29. Neves P, Soares J, Sargento S (2009) Media independent handovers: LAN, MAN and WAN scenarios. In: GLOBECOMWorkshops, 2009 IEEE,Honolulu, 30 Nov.4Dec 2009. doi:10.1109/GLOCOMW.2009.536072030. Nguyen-Vuong Q-T, Agoulmine N, Ghamri-Doudane Y (2008) A user-centric and context-aware solution to interface management and access network selection in heterogeneous wireless environments. ComputNetw 52(18):3358.3372 31. Pack S, Choi J, Kwon T, Choi Y (2007) Fast-handoff support in IEEE 802.11 wireless networks. IEEE Communications Surveys & Tutorials 9(1):2.12 32. Paul AAA, Rathore M, Rho S (2015) Power aware mobility management ofM2M for IoT communications. Mobile Information Systems 2015:14 33. Pyun J-Y (2008) Context-aware streaming video System for vertical handover over wireless overlay network. IEEE Trans Consum Electron 54(1):71.79 34. Rakovic V, Gavrilovska L (2010) Novel RAT selection mechanism based on Hopfield neural networks. In: international Congress on ultra modern telecommunications and control systems andWorkshops (ICUMT), Moscow 35. TalebiFard P, Leung V (2011) A dynamic context-aware access network selection for handover in heterogeneous network environments. In: IEEE conference on computer communications Workshops(INFOCOM WKSHPS), shanghai 36. Teodorovic D, Lucic P, Markovic G, Dell’ Orco M (2006) Bee Colony optimization: principles and applications. In: NEUREL, Belgrade 37. Valdez F, Melin M, Castillo O (2014) A survey on nature-inspired optimization algorithms with fuzzy logic for dynamic parameter adaptation. Expert Syst Appl 41(14):6459.6466

위의 과제를 해결하기 위해 수직 핸드 오버 관리 체계를 제안한다.

제안된 방식은 2 단계로 동작하며, 여기서 제 1 단계는 이동 노드(MN) 장치상에서 실행되는 애플리케이션에 의해 요구되는 데이터 레이트 및 ABC 최적화 알고리즘을 사용하는 다중 파라미터에 기초한 네트워크 선택 방식에 기초하여 핸드 오버 트리거링 방식이 제안된다.

이동 노드(MN)는 미리 정의된 임계값보다 작으면 이동 노드(MN) 장치에서 실행중인 응용 프로그램의 필수 데이터 속도를 확인한 다음 이동 노드(MN)가 핸드 오버를 시작한다. 네트워크 선택은 미디어 독립 정보 서비스(MIIS: Media Independent Information Service) 서버에서 가져 오는 종단 간 지연, 지터, 비트 오류율 및 패킷 손실률과 같은 다양한 매개 변수를 사용한다.

이러한 파라미터들은 ABC 알고리즘을 이용하여 최적화되며, 이동 노드(MN)는 네트워크의 QoS에 반비례하므로 최소 출력을 갖는 네트워크를 선택한다.

본 발명의 장치는 실행중인 응용 프로그램에 따라 요구되는 데이터 속도에 근거하여 핸드 오버의 시작 여부를 결정하는 핸드 오버 트리거링 모듈: 및 MIIS 서버에서 다중 매개 변수를 획득하고, 최적화 알고리즘에 의해 획득된 다중 매개 변수를 사용하여 최적화된 네트워크를 선택하는 네트워크 선택 모듈을 포함한다.

또한, 본 발명의 방법은 (A) 수직 핸드 오버 관리 장치가 실행중인 응용 프로그램에 따라 요구되는 데이터 속도에 근거하여 핸드 오버의 시작 여부를 결정하는 핸드 오버 트리거링 단계: 및 (B) 수직 핸드 오버 관리 장치가 MIIS 서버에서 다중 매개 변수를 획득하고, 최적화 알고리즘에 의해 획득된 다중 매개 변수를 사용하여 최적화된 네트워크를 선택하는 단계를 포함한다.

시뮬레이션 결과는 제안된 기법이 목표 네트워크를 선택하는데 더 적은 시간을 요구한다는 것을 보여준다.

더욱이, 핸드 오버 트리거링 기술은 항상 적절한 장소에서 핸드 오버를 개시하여 빈번한 핸드 오버 및 실패한 핸드 오버를 감소시킨다.

도 1은 수직 핸드 오버와 수평 핸드 오버의 차이점을 보여주는 도면이다.
도 2는 RSS 기반 핸드 오버 트리거링의 문제점을 보여주는 도면이다.
도 3은 본 발명의 일 실시예에 따른 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 장치의 구성도이다.
도 4는 본 발명의 일 실시예에 따른 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 방법의 흐름도이다.
도 5는 도 4의 핸드 오버 트리거링 과정을 보여주는 흐름도이다.
도 6은 3 가지 네트워크가 있는 이기종 네트워크를 보여주는 도면이다.
도 7은 도 4의 네트워크 선택 과정을 보여주는 흐름도이다.
도 8은 제안된 기법, SAW, WPM, TOPSIS 및 F-TOPSIS에 대한 대화식 애플리케이션(a), 스트리밍 애플리케이션(b), 대화형 애플리케이션(c) 및 배경 애플리케이션(d)의 평균 전력 소비를 나타낸다.
도 9의 (a)는 핸드 오버 지연을 나타내고, (b)는 핸드오버 시간을 나타내는 도면이다.
도 10은 SAW, WPM, TOSPIS 및 F-TOPSIS에 대한 제안 된 기법의 스루풋을 나타낸다.
도 11은 SAW, WPM, TOSPIS 및 F-TOPSIS에 대한 제안 된 기법의 평균 체류 시간을 나타낸다.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 이하에서는 특정 실시예들을 첨부된 도면을 기초로 상세히 설명하고자 한다.

본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되는 것은 아니며, 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

현재, 하나의 이종 무선 네트워크 환경에서 다양한 네트워크의 통합에 다양한 표준이 사용되고 있다.

예를 들어, IEEE802.11f 태스크 그룹은 WLAN 기술의 AP들 사이에서 이동성, 핸드 오버 및 조정 기능을 이동 노드(MN)에 제공할 수 있는 IAPP (Inter-Access Point Protocol)를 연구하고 있다.

동일한 접근 방식은 IEEE 기반 기술을 셀룰러 네트워크와 통합하는 미디어 독립 핸드오버(MIH : Media Independent Handover) 표준에 의해 확장된다. 비록 이 표준은 새롭게 만들어졌으며, 테스트 베드에서만 테스트 된다[27].

미디어 독립 핸드오버(MIH) 표준의 주요 문제점 중 하나는 넓은 지역에 대한 단일 미디어 독립 정보 서비스(MIIS: Media Independent Information Service) 서버이다. 따라서, 미디어 독립 정보 서비스(MIIS: Media Independent Information Service) 서버가 다수의 홉 거리에 있을 때 미디어 독립 정보 서비스(MIIS: Media Independent Information Service) 서버로부터 정보를 인출하면, 높은 핸드 오버 지연이 요구된다.

따라서 미디어 독립 정보 서비스(MIIS: Media Independent Information Service) 서버 기능을 로컬, 존 및 글로벌 미디어 독립 정보 서비스(MIIS: Media Independent Information Service) 서버로 분할하는 방안이 제안되었다. 초기에 이동성 영역은 작은 영역으로 나누어지고 모든 영역은 미디어 독립 정보 서비스(MIIS: Media Independent Information Service) 서버 영역에 연결된다. 이동 노드(MN)에 필요한 정보가 존 미디어 독립 정보 서비스(MIIS: Media Independent Information Service) 서버에서 이용 가능하지 않다면, 이동 노드(MN)는 로컬 또는 글로벌 미디어 독립 정보 서비스(MIIS: Media Independent Information Service) 서버에 액세스한다. 따라서, 홉들의 수는 감소되어 핸드 오버 지연 및 시간을 상당히 감소시킨다. 미디어 독립 핸드오버(MIH) 표준은 이벤트를 트리거하는 특정 메커니즘을 정의하지 않는다.

예를 들어, 이동 노드(MN)와 관련 액세스 포인트(AP) 또는 베이스 스테이션(BS) 사이의 기존 링크가 특정 한계까지 약해질 때 네트워크 저하 이벤트가 트리거 될 수 있는 경우가 있다.

이러한 이벤트는 RSS 및 패킷 손실률과 같은 성능 매개 변수가 사전 정의된 임계 값 아래로 떨어질 때만 트리거된다.

접근 방법은 [21]의 새로운 메커니즘을 통해 성능 예측 가능성을 포착하는 데 사용되었습니다.

제안된 방식은 트래픽을 처리하고 적절한 핸드 오버 위치, 즉 RIM (Route Identification and Management) 및 MPDLA (Media Performance Directed Learning Algorithm)를 식별하기 위해 두 개의 다른 컴포넌트를 사용한다. RIM은 차량이 사용하는 경로를 식별하고 관리하는 데 사용된다. 예를 들어 필요한 서비스 품질 (QoS)을 제공하지 않는 경우 기존 경로를 변경한다. MPDLA는 인공 신경 네트워크와 같은 인공 지능 기법을 사용하여 경로를 선택한다.

핸드 오버는 1) 프레임 손실률 및 2) 피크 신호 대 잡음비 (PSNR)의 두 가지 메트릭 값을 검사하여 트리거 된다. 제안된 접근 방법은 차량 속도가 낮으면 적절한 장소에서 핸드 오버를 촉발시켰다. 그러나 차량이 고속으로 움직이는 경우 적절한 위치에서 핸드 오버를 트리거하기가 어렵다. 문헌은 고정된 RSS 값에 기반한 다양한 트리거링 접근법으로 구성된다 [1, 10, 11]. 그러나 RSS를 사용하면 그림 2와 같은 다른 문제가 발생할 수 있다.

마찬가지로 대역폭을 사용하면 동적 대역폭 문제가 발생할 수 있다. 대역폭에 기반한 기법이 [13]에서 제안되었다. 핸드 오버는 후보 기지국들의 나머지 대역폭을 이용하여 핸드 오버를 시작한다. 유사하게, SINR, 속도 등과 같은 다양한 다른 파라미터들이 핸드 오버를 트리거하는데 사용된다 [19]. 그러나 모든 매개 변수는 특정 시나리오에서 잘 수행된다. 따라서, 중심 네트워크 파라미터에 기초한 핸드 오버 트리거링은 사용자 만족을 제공하지 않는다.

네트워크 선택은 수직 핸드 오버 관리의 핵심 부분이다. 최적의 네트워크 선택은 항상 사용 가능한 네트워크 중에서 대상 네트워크를 선택하는 데 더 적은 시간을 사용한다.

지난 10 년 동안 다양한 방법이 핸드 오버를 위한 최상의 네트워크를 결정하는 데 사용되었다. 이러한 접근법은 비용 함수 기반, 유틸리티 기반, 사용자 및 네트워크 상황 인식, MADM 기반, 신경망과 같은 인공 지능 기반 등을 포함한다 [2, 3, 7, 18, 29].

비용 중심 기능은 사용자 중심의 네트워크 선택에서 우수하지만 사용자 만족도를 만족시키지 못한다. 반면 콘텐츠 인식 메커니즘은 요구 사항뿐만 아니라 사용자 만족 수준을 만족시키지만 이러한 접근 방법은 대부분 비 실시간 응용 프로그램 및 관련이없는 매개 변수에 기반한다[14].

이미 논의된 바와 같이, MADM 기반의 수직 핸드 오버 접근법은 이용 가능한 네트워크의 상이한 속성에 기초한다.

비슷한 접근법은 RSS, 대역폭, 왕복 시간(RTT), 대기 시간, 지터 등과 같은 매개 변수를 갖는 강화된 SAW(E-SAW) 결정 모델을 사용하는 것이다 [9].

제안된 접근법은 순위와 결정이라는 두 단계로 작동한다. 첫 번째 단계에서는 최소 수준의 사용자 요구 사항을 충족하지 못하는 네트워크가 제거된다. 두 번째 단계에서는 최고의 네트워크 스코어링 기능으로 최고의 네트워크를 선택한다.

그러나 제거 프로세스에 의해 오버 헤드가 증가한다. 왜냐하면, MN 배터리 전력은 제한적이므로 짧은 시간에 두 가지 목적으로 배터리를 사용하면 배터리 소모가 높아진다.

WPM에 기반을 둔 기법이 [15]에서 제안되었다.

제안된 기법은 1) 가중치 계산, 2) 결정 행렬 생성, 3) 선택된 기준의 곱을 계산하는 3 단계로 작동한다.

MN은 먼저 네트워크 선택 기준에 가중치를 할당한 다음 각 네트워크에서 기준을 얻고 정규화를 위해 매트릭스에서 이러한 기준을 구성한다.

마지막으로, 최상의 네트워크는 각 네트워크의 가중 기준을 곱하여 계산된다.

제안된 기법에서 사용된 파라미터들은 네트워크의 QoS에 대해 불균형을 띤다. 왜냐하면 대역폭이 증가하면 QoS도 증가하지만 지연이 증가하면 QoS가 감소하기 때문이다.

TOPSIS 결정 모델에는 개념 단순성, 계산 횟수 감소, 고효율 및 각 대체 네트워크의 상대적 성능과 같은 다른 의사 결정 모델에 비해 몇 가지 장점이 있다.

따라서 TOPSIS 결정 모델을 기반으로 여러 네트워크 선택 기법이 제안되었다 [4, 17]. Enhanced-TOPSIS (E-TOPSIS) [8]에 기반한 동적 네트워크 선택이 제안되었다. 제안된 기법은 두 가지 다른 접근, 즉 다중 AHP와 E-TOPSIS를 결합한다. M-AHP는 네트워크 선택에 사용된 각 기준에 가중치를 할당하는 데 사용되며 E-TOPSIS는 사용 가능한 네트워크 순위를 지정하는 데 사용된다. 개발자들은 퍼지 기반 기법보다 MADM 체계가 계산 속도가 느린 것으로 생각했다.

따라서, MADM 접근법과 연계하여 퍼지 논리 기법을 사용하는 다양한 기법이 제안되었다.

유사한 접근법에 기반한 체계가 [31]에서 제안되었다. 제안된 기법은 현재 네트워크에서 최소 QoS 요구 사항을 유지하면서 QoS가 미리 정의된 임계치보다 낮게 떨어지면 MN이 핸드 오버 트리거링을 수행한다. 네트워크 선택은 다음과 같은 다른 기준의 값을 얻음으로써 수행된다.

지연 지터, 처리량, SINR 및 RSS로 표시된다. 상기 파라미터들에 기초하여 가장 높은 대역폭 및 QoS 요구 조건을 제공하는 네트워크가 핸드 오버에 사용되었다. 그러나, 제안된 방식은 상이한 액세스 네트워크들로부터 파라미터들의 값을 획득하기 위해 불균형 파라미터들 및 필요한 높은 핸드 오버 시간을 사용한다.

문헌은 위에서 언급 한 방법에 기반한 다양한 스키마로 구성되어 있지만 유감스럽게도 이러한 스키마 중 어느 것도 일반적인 방식으로 수직 핸드 오버를 제공하지 않는다. 따라서 하나의 스키마를 사용하는 것이 특정 시나리오에서 더 나을 수 있지만 다른 시나리오에서는 좋지 않을 수 있다.

이러한 계획의 대부분을 다른 관점에서 검토하며, 이러한 계획에는 불균형 매개 변수를 사용하는 것과 같은 몇 가지 문제가 있음을 발견했다.

네트워크 선택, 부적절한 핸드 오버 트리거링, 핸드 오버 동안의 복잡한 계산, 잘못된 네트워크 선택 등이 있다.

1. 제안된 방법

1-1. 개요

MIIS 서버는 MN에게 특정 지역의 AP/BS의 위치 정보를 제공한다.

그러나 이기종 네트워크 시나리오에서 특정 네트워크의 네트워크 로드, 패킷 손실률 등과 같은 다른 정보를 제공하지는 않는다.

다양한 파라미터들이 핸드 오버를 트리거링하기 위한 문헌에서 사용되어왔다.

이 매개 변수에는 대역폭, MN의 속도, RSS, SINR 등이 포함된다.이 매개 변수 각각은 특정 시나리오에서 잘 수행된다.

그러나 일반적인 이종 네트워크 시나리오에서는 더 나은 성능을 발휘하지 못한다. 유사하게, 이러한 매개 변수는 핸드 오버 트리거링에 RSS를 사용하는 것과 같은 다른 성능 문제로 인해 도 2에서 언급 한 세 가지 유형의 문제가 발생한다.

마찬가지로, 스마트 폰 기술의 극적인 성장과 함께 MN은 항상 낮은 대역폭에서 높은 대역폭까지 다른 유형의 애플리케이션을 사용한다.

이러한 응용 프로그램은 MN의 장치에서 부드럽게 실행되도록 특정 QoS를 요구한다. IMT2000은 다양한 애플리케이션을 실행하는 이기종 네트워크에서 이동하는 동안 다양한 성능 요소를 정의했다.

이러한 요소에는 조작성, 접근성, 보존성, 무결성 및 기타 특정 요소가 포함된다. 따라서 MN이 한 네트워크에서 다른 네트워크로 전환할 때마다 이러한 성능 요소가 제공된다.

MN에게 최적의 목표 네트워크가 제공되면 최상의 서비스를 제공받을 수있다. 핸드 오버를 위해 이용 가능한 하나 이상의 네트워크가 존재할 때마다, MN은 항상 이러한 성능 인자들을 제공하는 네트워크를 다른 네트워크보다 더 선택한다.

따라서, 최적의 목표 네트워크를 선택하는 것은 의사 결정 문제가 된다. 문헌에 다양한 의사 결정 방식이 존재하며 연구자들은 네트워크 선택 문제를 해결하기 위해 대부분의 노력을 기울였다. 그러나 이러한 의사 결정 기반 네트워크 선택 체계는 여전히 더 많은 최적화가 필요하다.

마찬가지로, 다양한 트래픽 클래스가 각 애플리케이션의 QoS 레벨을 분리하기 위해 정의되었다. 각 매개 변수의 강도 (비트 오류율 (BER), 대응하는 트래픽 클래스에 대한 종단 간 지연 (E2E), 지터 (J), 패킷 손실 (PL))은 다음 표 1에 정의된다.

1.2 예비 정보

이 섹션에서는 이기종 무선 네트워크 환경에서 제안된 아키텍처의 작동을 더 잘 이해하기 위한 몇 가지 중요한 예비 정보를 제공한다.

이러한 가정은 유연하며 네트워크 상황에 따라 변경될 수 있다. 또한 중요한 정의 중 일부는 다음 절에서도 제공된다.

(표 1) 각 트래픽 클래스에서 제안된 파라미터의 강도

1.2.1 가정과 정의

가정 1 (이기종 장치)

이기종 네트워크에 참여하는 모든 장치는 다른 구성을 갖는다. 예를 들어, 계산 기능, 장치의 이동성 패턴, 배터리 요구 사항, 네트워크 인터페이스 관리 등등에서 다른 구성을 갖는다.

가정 2 (통신 반경 모델)

반경 R을 가지며 c를 중심으로 한 장치 K (액세스 포인트 또는 기지국)의 통신 모델 및 적용 범위는 다른 장치에서 100m (AP) 및 500m (BS) 떨어져 있다.

이것은 C (c, R )={K1, K2∈N : ｜D (K1-K2)｜ ≤R_K1}로 표현되며, 여기서, C는 커버리지 거리를 나타내고, N은 배포된 AP 또는 BS를 나타내며, D(K1 - K2)는 이기종 네트워크 환경에서 두 액세스 포인트 또는 기지국 간의 거리를 나타낸다.

정의 1 (중간 규모 네트워크)

이 경우 폐쇄 지역에서 무선 네트워크 환경을 고려 중이며 다른 MN이 수행 한 핸드 오버를 분석하려고 한다.

이러한 환경에서 모든 노드가 빈번한 핸드 오버를 수행하면 네트워크는 중간 규모 네트워크 (Medium Scale Network, MSN)로 간주된다.

닫힌 영역에서 100m 노드가 500m × 500m 영역에 배치되면 MSN으로 간주된다. 이 정의는 다음과 같이 더 모델링 될 수 있다 : 즉,

∀k Λ k ∈ N,| D (k-AP/BS) |<R_k로 표현되며, 여기서 k는 MN이고 D (k-AP / BS)는 MN과 AP / BS 사이의 거리이다.

정의 2 (대규모 네트워크)

MN 중 하나가 종단 노드와 직접 통신하지 않거나 종단 노드가 사용 가능한 경우 MN에서 두 개 이상 홉 거리가 된다.

따라서, MN과 최종 노드 사이의 홉 수가 많으면 네트워크는 LSN (Large Scale Network)으로 간주된다.

정의는 다음과 같이 더 모델링 될 수 있다. 즉, ∃k Λ k ∈ N, | D (k - AP /BS) | > R_k로 표현되며, 여기서 k는 'N'의 집합 중 AP / BS이고, D (k - AP / BS)는 k와 AP / BS 사이의 종단 노드가 연결되어 있는 거리이다.

최적의 네트워크 선택과 적절한 핸드 오버 트리거링 포인트를 MN에 제공하기 위해 우리는 수직 핸드 오버 관리 기법을 제안했다.

도 3은 본 발명의 일 실시예에 따른 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 장치(약칭으로 수직 핸드 오버 관리 장치로 부른다)의 구성도이다.

도 3을 참조하면, 본 발명의 일 실시예에 따른 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 장치는 핸드 오버 트리거링 모듈(100)과 네트워크 선택 모듈(200)로 구성되어 있다.

상기 핸드 오버 트리거링 모듈(100)은 응용 프로그램 확인부(110), 임계값 산출부(120), 데이터 속도 확인부(130), 핸드 오버 시작부(140) 및 검사 시간 조정부(150)를 포함한다.

그리고, 네트워크 선택 모듈(200)은 초기화부(210)와 최적화부(220)을 포함한다.

도 4는 본 발명의 일 실시예에 따른 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 방법의 흐름도이다.

제안 된 방식은 핸드 오버 트리거링 과정(S100)과 네트워크 선택 과정(S200)의 두 단계로 나뉘어진다.

1.3 핸드 오버 트리거링 단계

스마트 폰 기술은 지난 몇 년 동안 극적으로 성장했다. 오디오 및 비디오 채팅, 위치 관리(GPS 서비스), 교통 시스템, 온라인 게임, 소셜 네트워킹 등 다양한 용도로 매일 다양한 애플리케이션을 설계하고 있다.

이러한 애플리케이션은 크게 표 1과 같이 네 가지 주요 부분으로 분류된다. 모든 애플리케이션은 MN의 장치를 통해 원활하게 작동하려면 최소 데이터 속도 요구 사항을 필요로 한다. 예를 들어, MN이 Skype 응용 프로그램을 실행중인 경우 응용 프로그램을 원활하게 실행하려면 최소 128 kbps의 데이터 속도가 필요하다.

유사하게, N 개의 애플리케이션들이 MN의 디바이스상에서 실행되고 있다면 Σ^N _iDR_i(여기서 i는 애플리케이션이고 DR은 데이터 속도 임) 데이터 속도는 모든 애플리케이션의 실행을 위해 요구된다.

응용 프로그램(애플리케이션)의 데이터 전송률이 사전 정의된 임계값 이하로 떨어지면 응용 프로그램에서 패킷 손실이 발생하기 시작한다.

따라서, 이러한 상황을 처리하기 위해, 최적의 핸드 오버 트리거링은 MN이 적절한 장소에서 핸드 오버 절차를 개시하는 것을 돕는다.

수직 핸드 오버 절차는 핸드 오버 트리거링, 네트워크 선택 및 핸드 오버 실행의 세 부분으로 수행된다.

트리거링은 수직 핸드 오버 관리에서 가장 중요한 부분 중 하나이다. 따라서, 핸드 오버 트리거링을 위한 설계를 세심하게 조심해야 한다.

따라서 현재 MN의 장치에서 실행중인 응용 프로그램의 수와 해당 데이터 속도를 고려했다. 제안된 트리거 방식은 응용 프로그램 확인부(110)가 MN의 장치에서 실행중인 응용 프로그램의 수(NA)를 확인하여(S101) 시작한다.

응용 프로그램의 수가 0이면 트리거 절차가 중지되고 그렇지 않으면 MM의 장치에서 실행되는 응용 프로그램에 필요한 데이터 속도가 주기적으로 검사된다(S102).

제1 임계값(θ1)은 모든 애플리케이션의 최소 필수 DR의 합계로 정의된다. 예를 들어 Skype 통화 및 채팅 응용 프로그램이 MN 장치에서 실행되는 두 가지 다른 응용 프로그램을 사용하는 경우 이러한 응용 프로그램을 원활하게 실행하는 데 필요한 최소 DR은 128kbps (Skype 통화) + 70kbps (채팅)와 같다.

임계값 산출부(120)는 응용 프로그램 확인부(110)에서 확인된 실행 중인 모든 응용 프로그램의 최소 필수 DR을 합산하여 제1 임계값(θ1)을 설정하며, 제1 임계값보다 일정 정도 작은 임계값을 제2 임계값(θ2)로 설정한다(S103).

제안된 트리거 방식은 데이터 속도의 주기적 점검을 제어함으로써보다 정교 해졌다.

초기에, 데이터 속도 확인부(130)는 실행중인 상이한 애플리케이션에 의해 DR 요구를 무작위로 체크한다(S103).

핸드 오버 시작부(140)는 애플리케이션에 의한 DR 요구와 제1 임계값을 비교하여(S105) 애플리케이션에 의한 DR 요구가 제1 임계갑(θ1)보다 큰 경우, 핸드 오버 시작부(140)는 핸드 오버를 개시한다(S106).

DR이 θ1보다 크지 않으면 검사 시간 조정부(150)는 제안된 DR 검사 작업을 최적화하기 위해 두 가지 경우가 설정됩니다.

사례 1 : DR이 θ1보다 작지만 제2 임계값(θ2)보다 크면 초기 시간을 임의의 시간 'R'만큼 줄임으로써 DR을 빠르게 점검한다(S108).

사례 2 : DR이 θ1과 θ2보다 작은 경우, MN은 DR의 검사를 'R'만큼 증가시킨다(S109).

이 두 가지 경우에 따라 DR 점검은 각 점검 후에 동적으로 조정된다.

기간 확인은 항상 검사 메커니즘의 효율성을 떨어뜨리는 일정 기간 후에 DR을 검사한다.

1.4 네트워크 선택 단계

핸드 오버를 트리거링 한 후, 이동 노드(MN)는 이용 가능한 네트워크의 스캐닝을 시작한다.

대상 네트워크를 선택하는 데 사용되는 다양한 매개 변수가 있다.

전통적인 방식은 대부분 RSS, 대역폭 등과 같은 단일 매개 변수 기반 네트워크 선택을 기반으로 한다.

그러나 이기종 기술의 발전으로 단일 매개 변수로는 적절한 네트워크를 선택할 수 없다.

왜냐하면, 이동 노드(MN)가 다른 애플리케이션을 사용하고 있을 때, 단일 파라미터가 다양한 문제를 일으킬 수 있기 때문이다. 예를 들어, 이동 노드(MN)는 RSS에 기초하여 목표 네트워크를 선택할 수 있지만, 네트워크가 새로운 연결에 이용 가능한 채널을 제한적으로 또는 전혀 갖지 않으면 좋은 신호 강도를 제공할 수 있다.

마찬가지로 개발자들은 자신의 초점을 다중 기준 기반 핸드 오버로 전환한다.

그러나 다중 기준 기반 네트워크 선택을 사용하면 오버 헤드와 계산 시간이 증가 할 수 있다.

따라서 다중 기준 기반 네트워크 선택을 최적화할 필요성이 있다.

제안된 방법의 궁극적인 목표는 목표 네트워크를 선택하기 위해 이동 노드(MN)의 오버 헤드, 계산 시간 및 에너지 소비를 줄이는 것이다.

네트워크 선택의 제안된 최적화는 꿀벌 군집(ABC: Artificial Bee Colony) 알고리즘을 사용하여 수행된다.

도 4에 도시된 바와 같이, 제안된 이종 네트워크 시나리오에서 3 가지 상이한 유형의 네트워크, 즉 WIFI, WiMAX, 3G / LTE를 가정한다.

MN은 [25]에서 보인 것처럼 MN 근처에서 이용 가능한 MIIS 서버로부터 제안 된 파라미터의 값을 얻는다. MIIS 서버는 한 지역에서 사용 가능한 AP/BS의 위치 정보만 제공하고 있다.

그러나 MIIS 서버 아키텍처를 수정하고 제안된 매개 변수의 데이터베이스를 추가했다. 특정 지역에서 두 개의 연속된 AP/BS 사이의 거리에 따라 값을 업데이트하는 것은 네트워크 운영자의 책임이다. 네트워크 선택에 사용되는 매개 변수의 제안 된 최적화는 다음 두 단계에서 작동한다.

1.4.1 초기화 단계

초기에, MN은 단 하나의 애플리케이션으로 고려되고, 3 개의 상이한 액세스 네트워크가 핸드 오버를 위해 이용 가능하다.

네트워크 선택 모듈(200)의 초기화부(210)의 초기 네트워크 선택은 네트워크 수를 최소화하면서 시작한다. 왜냐하면 무제한 네트워크 수의 최적화 방법을 확장하는 데 도움이 되기 때문이다.

네트워크 선택 모듈(200)의 초기화부(210)는 네트워크의 가능한 6 가지 조합 중에서 하나의 최적의 조합을 선택해야한다.

각각의 조합에서, 핸드 오버를 위해 이용 가능한 3 개의 상이한 네트워크가 존재한다.

그러나, 네트워크 선택 모듈(200)의 초기화부(210)는 네트워크 선택을 위해 사용된 파라미터의 최소 출력을 갖는 하나의 네트워크를 선택할 필요가 있다.

왜냐하면 네트워크 선택을 위해 선택된 매개 변수는 간접적으로 네트워크의 QoS에 비례하기 때문이다.

따라서 초기화부(210)는 다음과 같이 적합성 함수(fitness function) f(i)를 구성한다(S202).

(수학식 1)

f(i)=E2Ei+Ji+BERi+PLi

여기에서, i는 네트워크를 나타내며, 일예로 i=1,2,3,...,n.이다.

E2E는 종단간 지연이고, J는 지터를 나타내며, BER은 비트 오류율이고, PL은 패킷 손실을 나타낸다.

이러한 매개 변수(파라미터)는 네트워크 선택 모듈(200)의 초기화부(210)가 MIIS 서버에서 전송받아 획득한다(S201).

1.4.2 최적화 단계(S203)

적합성 함수가 공식화되면, 다음 단계는 네트워크 선택 모듈(200)의 최적화부(210)가 최적 알고리즘을 적용하여 핸드 오버를 위한 최상의 네트워크를 찾는 것이다.

다양한 최적화 알고리즘이 문헌 [37]에서 이용 가능하다. 그러나 조합 문제에 대해 꿀벌 군집(ABC: Artificial Bee Colony) 알고리즘을 사용한다[36].

따라서 네트워크 선택은 조합 문제의 범주에 속하므로 네트워크 선택을 위한 ABC 최적화도 채택했다. 또한, ABC 알고리즘은 유전 알고리즘, 입자 군집 최적화 등과 같은 다른 알고리즘과 비교하여 최상의 최적의 적합성값(최적의 네트워크)을 탐색하는데 더 적은 시간을 요구한다.

ABC 최적화 알고리즘은 중지 기준까지 선택한 매개 변수에 대해 프로세스를 반복한다.

그러나 사용 가능한 네트워크의 수가 적기 때문에 반복 프로세스를 건너 뛰고 첫 번째 적합성 값에 의존한다.

그렇지 않으면 프로세스를 반복하고 최적의 값을 선택하는 데 더 오랜 시간이 걸린다.

반복 프로세스는 네트워크의 수가 더 많을 때만 유용하지만 실제 네트워크의 경우 네트워크의 수가 적기 때문에 ABC 최적화 프로세스가 사용 가능한 네트워크 중에서 최적의 네트워크를 검색하는 데 소요되는 시간이 매우 적다.

ABC 최적화 방법은 유사하게 각 단계에서 적합성 함수를 계산하는 아이디어가 다른 단계에서 작동하며, 3 가지 유형의 꿀벌(bee), 즉 고용 꿀벌, 정찰 꿀벌 및 방관자 꿀벌에 의존한다. 네트워크 선택을 위해 사용 가능한 네트워크를 고려하여 동일한 아이디어를 일반화했다.

고용 꿀벌은 핸드 오버를 위한 후보 네트워크를 찾는 데 도움을 준다.

방관자 꿀벌 단계는 각 네트워크의 확률을 찾아서 수행된다. 마지막으로 정찰 꿀벌(scout bee)의 도움으로 고용 꿀벌이나 방관자 꿀벌이 발견하지 못한 네트워크가 발견된다.

또한 네트워크 선택을 위한 ABC 최적화 프로세스의 작업을 이해하기 위해 다음 단계로 나눈다.

1.4.3 의사 결정 매트릭스 구축 (고용 꿀벌 단계)

MN은 MIIS 서버로부터 선택된 매개 변수의 값을 얻고 이를 아래에 주어진 바와 같이 매트릭스 (M)에 배열한다.

여기서 'i'= 1, 2, 3,...,n.이고, 'j'= 1,2,3,4.이며, 'p'는 선택된 매개 변수이고, 'N'은 네트워크를 나타낸다.

M은 고용 꿀벌들이 수집한 정보로 구성된다. M을 구성한 후, 다음 단계는 각 네트워크에 대한 적합도 함수를 계산하는 것이다.

(수학식 2)

여기서 'i'= 1, 2, 3,...,n.이다.

1.4.4 인접 네트워크 검색

MADM 방식은 최상의 QoS를 제공하는 핸드 오버를 위해 항상 이러한 네트워크를 결정한다.

그러나 실제 네트워크에서 이웃하는 네트워크는 때로는 핸드 오버를 위한 후보 네트워크로 선택된 것보다 높은 QoS와 더 긴 연결 시간을 제공한다.

따라서 MADM 기반 네트워크 선택 방식의 경우 연결 수명이 크게 단축된다.

제안된 최적화 기법의 경우, MN은 또한 핸드 오버를 위해 이웃 네트워크를 고려한다.

따라서, MN은 다음과 같이 이웃 네트워크를 확인하기 위해 이웃 탐색을 수행한다.

이 단계는 때로는 고용 꿀벌이 동일한 네트워크에서 필요한 정보를 얻지 못하기 때문에 수행되며, 따라서 이웃 네트워크를 점검하기도 한다.

(수학식 3)

a'_ij=a_ij+ψ_ij(a_ij-a_kj)

ψ는 동적 상수이며 그 값은 1과 -1 사이에 있다.

상기 수학식 3은 다음과 같이 의사 결정 매트릭스 (M ')를 업데이트하는 데 도움이된다.

유사하게, 적합도 함수는 수학식 1에서 주어진 바와 같이 각 네트워크에 다시 적용된다. 다음 단계에서 'M'의 값을 최적화하기를 원한다. 이전 및 새로운 적합성 값 간의 비교는 그리드(greedy) 선택을 사용하여 수행된다. 예를 들어, 이전 적합도 함수의 값이 새 함수의 새 값보다 작으면 새 적합도 함수의 값으로 변경된다.

1.4.5 확률 계산 (방관자 꿀벌 단계)

각 네트워크의 확률은 방관자 꿀벌이 할 수 있는 최선의 네트워크 검색에 도움이 된다. 각 네트워크의 확률은 방관자 꿀벌이 후보 네트워크를 다시 검색하는 데 도움이 된다.

이미 설명한 바와 같이 매개 변수의 한계는 0과 1 사이에서 설정된다. 따라서 매개 변수의 값이 하한보다 낮아지면 매개 변수의 값이 0으로 대체되고 반대의 경우도 마찬가지이다.

또한 그리드 선택을 많이 반복하여 이전 적합도 함수의 값을 업데이트한다.

각 네트워크에 대한 적합도 함수 값의 확률은 다음 수학식 4를 사용하여 계산된다.

(수학식 4)

여기서 'x'는 매개 변수를 나타낸다. 방관자 꿀벌들은 수학식 4에서 얻을 수있는 확률에 기초하여 가장 좋은 네트워크 및 인접 네트워크를 검색한다.

1.4.6 정지 기준 (정찰 꿀벌 단계)

3 단계에서 계산된 각 네트워크의 적합도 값은 1 단계에서 무시되었거나 선택되지 않은 모든 네트워크의 적합도 값과 비교된다.

그 네트워크는 정찰 꿀벌의 도움으로 검색된다. MN은 고용 및 정찰 꿀벌 검색 중에 선택되지 않은 모든 네트워크에서 최종 검색을 수행한다. 또한 무시되거나 선택되지 않은 네트워크의 적합도 값보다 작은 적합도 함수 값이 대체된다.

따라서, 적합도 함수의 최종 최소값이 고려되고, 최소 적합도 값에 대한 네트워크가 핸드 오버를 위해 선택된다.

최적화 기능은 최적화된 값 (최적의 네트워크)을 얻기 위해 항상 특정 시간 동안 반복된다.

그러나 네트워크 선택의 경우, 항상 네트워크의 수가 제한되어 있다(10 미만). 따라서, 연결성이 낮아서 대부분의 네트워크는 건너뛴다. 따라서 제안된 방식에서는 여러 번 반복하지 않고 한 번만 최적화를 수행한다.

탐색 속도 또한 매우 작기 때문에 (네트워크가 몇 개 있기 때문에) 최적의 네트워크를 선택하는 데 걸리는 시간이 단축된다. 중지 기준은 항상 4 단계 끝에서 사용 가능한 최상의 네트워크이다.

2. 시뮬레이션 및 결과

도 6과 같이 WIFI, WiMAX 및 셀룰러 네트워크의 세 가지 네트워크를 사용하는 이기종 네트워크 시나리오를 고려했다.

초기에, MN은 WLAN 네트워크의 AP1과 연결되고 WiMAX 네트워크 (BSw1)의 BS를 향해 이동한다.

MN은 다른 AP들과 BS들에 대해 몇몇 핸드 오버들을 수행하고, 셀룰러 BS (BSc2)의 커버리지 영역에 도달하면 이동을 정지한다. 마찬가지로, BSc1과 BSw2 및 AP1 ~ AP6 모두에 의해 커버되는 영역은 MSN으로 간주되고, 수학식 4로 커버 된 전체 영역은 LSN으로 간주된다. 제안된 네트워크 선택 방식은 SAW, WPM, TOPSIS 및 F-TOPSIS (F-TOPSIS) 알고리즘에 대해 테스트된다.

이러한 알고리즘은 모두 MSN과 LSN 네트워크에서 처음으로 시뮬레이션되고 평균값은 제안된 방식과 비교된다.

위의 모든 방식에서 제안된 핸드 오버 트리거링 방식과 RSS를 비교하기 위해 핸드 오버 트리거링에 RSS를 사용했다.

네트워크 선택의 경우, 동일한 파라미터가 제안된 방식 및 상기 기술 모두에 대해 사용된다.

MN의 움직임은 보행자부터 차량 운동에 이르기까지 다양하다.

이들 각각의 방법들에 대해, MN이 2 배로 된 시뮬레이션 시간의 각 25 분 후에 유사하게 적어도 2 시간 동안 시나리오가 반복된다.

초기에 각 MN은 표 1의 애플리케이션에 임의로 할당된다. 그러나 MN은 최소 2 분의 시간 동안 애플리케이션을 실행할 수 있다. 따라서, 2 시간 내에 MN은 대부분의 애플리케이션을 사용하고 유사하게 상이한 애플리케이션으로 핸드 오버를 수행할 확률이 매우 높아진다.

MN은 한 번에 둘 이상의 응용 프로그램을 실행할 수 있다. MN의 배터리 용량은 7.98 Wh로 설정된다. 또한 나머지 매개 변수와 값은 표 2에 나와 있다.

(표 2)

초기에, 제안된 기법은 SAW, WPM, TOPSIS 및 F-TOPSIS에 대한 평균 전력 소비에 대해 개별적으로 각 애플리케이션에 대해 테스트된다.

결과는 도 8의 (a), (b), (c), (d)에 그래프로 나타낸다.

대화식 애플리케이션인 도 8(a)의 경우에 제안된 기법, F-TOPSIS 및 TOPSIS의 에너지 소비는 대화식 트래픽이 지터 및 E2E 지연의 영향을 덜 받기 때문에 거의 유사하다. 유사하게, MN의 장치는 대화식 트래픽을 처리하기 위해 항상 더 적은 에너지를 필요로 한다. 그러나 SAW 및 WPM의 경우 네트워크 선택 프로세스가 자주 수행되기 때문에 에너지 소비가 더 많다.

제안된 계획, TOPSIS 및 F-TOPSIS의 경우 적절한 네트워크 선택으로 인해 에너지 소비가 크게 감소한다. MN이 적절한 네트워크를 선택할 때, 빈번한 핸드 오버의 수가 감소되어 에너지 소비를 감소시킨다.

도 8(b)와 같이 스트리밍 애플리케이션의 경우 F-TOPSIS의 에너지 소비는 TOSPIS와 다소 유사하다. 그러나 SAW, WPM 및 TOSPIS와 비교할 때 제안된 체계의 에너지 소비는 훨씬 우수하다.

도 8(c)와 같이 대화형 응용 프로그램의 경우 응용 프로그램의 데이터 속도를 70 ~ 100 kbps로 변경하는 채팅 응용 프로그램을 사용했다. SAW와 WPM을 제외하고 제안 된 체계를 포함하여 다른 모든 체계는 잘 수행된다. 유사하게, 도 8(d)에 도시된 바와 같은 배경 애플리케이션의 경우, 100 내지 130 kbps 사이의 랜덤 트래픽을 사용했다. 제안된 기법과 F-TOPSIS는 거의 비슷한 성능을 보인다. 그러나 시뮬레이션이 진행됨에 따라 TOPSIS는 F-TOPSIS 및 제안 된 기법보다 더 많은 에너지를 소비한다.

네 가지 유형의 응용 프로그램 클래스 모두에서 제안된 구성표가 에너지 소비와 관련하여 더 효율적이고 효율적으로 수행된다고 결론 내린다.

대부분의 연구 연구는 MN이 사용 가능한 네트워크의 매개 변수 정보를 얻는 방법을 제공하지 않는다. MN이 핸드 오버를 개시할 때마다, 핸드 오버 프로세스를 완료하는 데 매우 적은 시간을 갖는다.

국제 전기 통신 연합 (International Telecommunication Union)에 따르면, 핸드 오버 지연은 150ms 미만이어야 하고 패킷 손실률은 3 % 미만이어야 한다 [32].

사용 가능한 네트워크에서 정보를 얻고 MADM 또는 다른 기술을 통해 정보를 처리하려면 많은 시간이 필요하다.

대부분의 시뮬레이션에서 값은 무작위로 생성되어 요청시 MN에 전송된다. 그러나 실제 네트워크에서 MN은 각 네트워크에 요청을 보낸 다음 패킷의 왕복 시간에서 지연, 지터 등을 계산한다.

사용할 수 있는 다른 방법도 있지만 이 항목의 범위에 포함되지는 않는다.

제안된 기법에서는 이용 가능한 네트워크의 파라미터 정보를 얻기 위해 MIIS 서버를 사용한다. 이를 위해 MIIS 서버가 수정되고 제안된 매개 변수의 정보가 데이터베이스에 추가된다.

MN은 핸드 오버를 수행하기를 원할 때마다 매개 변수의 가능한 값에 대한 요청을 보낸다. 요청에 따라, MIIS 서버는 이용 가능한 파라미터 정보를 MN에 전송한다. 따라서, MN이 최상의 파라미터를 갖는 네트워크를 선택하는 데 매우 적은 시간을 요구한다. 또한 최적의 네트워크 검색을 위해 최적화되도록 ABC 최적화 방법이 이러한 매개 변수에 적용된다.

도 9(a)와 (b)는 SAW, WPM, TOPSIS, F-TOPSIS에 대한 제안된 방식의 핸드 오버 지연과 시간을 각각 나타낸다.

제안된 스킴은 가용한 스킴보다 핸드 오버를 수행하는데 더 적은 시간을 요구한다. 또한 최적화 기법은 매개 변수 처리시 이러한 기법보다 빠르다.

유사하게, 실험은 핸드 오버 지연 및 시간의 평균값을 얻기 위해 100 회 이상 반복된다. 지연은 핸드 오버 시간의 90 %로 구성되기 때문에 핸드 오버 시간 및 지연은 거의 동일하다. 핸드 오버 지연의 경우 F-TOPSIS는 TOSPIS보다 더 나은 결과를 보여준다.

유사하게, WPM과 SAW는 같은 종류의 계산 (곱셈과 덧셈)을 사용하기 때문에 거의 비슷한 결과를 보인다.

제안된 기법은 F-TOPSIS와 유사하지만, 제안된 기법과 F-TOPSIS의 동작 메커니즘이 다소 유사하기 때문에 F-TOPSIS와 유사하지만 거의 유사하다.

그러나 MIIS 서버로부터 파라미터의 값을 얻는 것과 같이 제안된 기법의 장점은 데이터 속도 기반의 핸드 오버 트리거링이 기존의 기법보다 더 좋게 만든다.

실험은 단 하나의 경로에서 똑같은 경로로 수행되며 마찬가지로 AP와 BS는 경로를 따라 무작위로 배치된다. SAW, WPM, TOSPIS 및 F-TOPSIS에 대한 제안 된 기법의 스루풋과 평균 체류 시간은 도 10 및 11에 각각 기술되어 있다. MN은 표 1에서 무작위로 응용 프로그램을 사용하도록 프로그래밍되었으며 응용 프로그램의 수명은 2 분으로 설정된다.

그 이유는 시뮬레이션을 통해 최대 애플리케이션 수를 확인하기 위해서이다. 처리율은 제안된 방식이 다른 방식과 비교하여 덜 빈번한 핸드 오버를 수행함을 보여준다. 유사하게, 제안된 기법의 경우 패킷 손실은 제안된 핸드 오버 트리거 기법 때문에 더 적다. 도 2에서 알 수 있듯이 RSS에는 세 가지 유형의 문제가 있으므로 SAW, WPM, TOSPIS 및 F-TOPSIS는 높은 패킷 손실을 보인다. 또한 이전 바이트로 수신 한 마지막 바이트를 추가하기 때문에 처리량이 증가한다.

따라서 도 11에서 피크가 매우 높거나 때로는 매우 낮을 때가 있다. 유사하게, 평균 체류 시간의 경우, 단일 MN은 짧은 시간 (1000 초) 동안 테스트된다. 왜냐하면 2 시간 동안 MN을 시뮬레이션 한 결과 거의 유사한 그래프가 생성되기 때문이다. 따라서 시뮬레이션의 처음 1000 초만 선택했다.

3. 결론

지난 10 년 동안 이기종 무선 네트워크의 급속한 발전으로 인해 수직 핸드 오버가 중요성을 갖게되었다. 항상 최상의 연결성 개념은 LTE 지원 4G, WiMAX Release 2 및 WIFI 새로운 표준과 같은 다양한 무선 네트워크의 데이터 속도 증가로 인해 사실이 되고 있다. 이러한 이종 네트워크에서의 지속적인 연결은 정교한 수직 핸드 오버 관리 체계를 개발함으로써 달성 될 수 있다.

따라서 본 발명에서는 최적의 수직 핸드 오버 관리 기법을 설계한다.

제안된 기법은 1) 핸드 오버 트리거링과 2) 네트워크 선택의 두 부분으로 진행된다. 핸드 오버 트리거링 접근법은 MN의 장치에서 실행되는 애플리케이션의 데이터 속도에 마주치며, 데이터 속도가 미리 정의된 임계치 아래로 떨어지면 MN은 핸드 오버를 시작한다. 유사하게, 인공위성 꿀벌 식민지 최적화 알고리즘을 사용하여 E2E 지연, 지터, 비트 오류율 및 패킷 손실률을 기반으로 최상의 네트워크를 선택하는 네트워크 선택이 수행된다.

MN은 MIIS 서버에서 이러한 매개 변수를 가져온 다음 핸드 오버에 가장 적합한 네트워크를 선택하기 위해 이를 최적화한다.

제안된 최적화된 수직 핸드 오버는 SAW, WPM, TOPSIS 및 F-TOPSIS와 같은 다중 속성 결정 모델링 기법과 비교된다.

결과는 서로 다른 시나리오에서 서로 다른 응용 프로그램을 통해 테스트되며 제안된 구성표는 에너지 소비, 핸드 오버 지연 및 시간, 처리량 및 네트워크의 평균 체류 시간과 관련하여 이러한 모든 구성보다 뛰어나다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명에 기재된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상이 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의해서 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

100 : 핸드 오버 트리거링 모듈 110 : 응용 프로그램 확인부
120 : 임계값 산출부 130 : 데이터 속도 확인부
140 : 핸드 오버 시작부 150 : 검사 시간 조정부
200 : 네트워크 선택 모듈 210 : 초기화부
220 : 최적화부

Claims

실행중인 응용 프로그램에 따라 요구되는 데이터 속도에 근거하여 핸드 오버의 시작 여부를 결정하는 핸드 오버 트리거링 모듈: 및
MIIS 서버에서 다중 매개 변수를 획득하고, 최적화 알고리즘에 의해 획득된 다중 매개 변수를 사용하여 최적화된 네트워크를 선택하는 네트워크 선택 모듈을 포함하는 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 장치.
청구항 1항에 있어서,
상기 핸드 오버 트리거링 모듈은
실행중인 응용 프로그램을 확인하여 실행중인 응용 프로그램이 없으면 핸드 오버를 정지하는 응용 프로그램 확인부를 포함하는 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 장치.
청구항 2항에 있어서,
상기 핸드 오버 트리거링 모듈은
상기 응용 프로그램 확인부에서 확인한 실행중인 응용 프로그램이 적어도 하나 이상이면 상기 응용 프로그램에 근거한 제1 임계값을 산출하고 상기 제1 임계값보다 일정 정도 작은 제2 임계값을 설정하는 임계값 산출부;
실행중인 응용 프로그램에서 요구하는 데이터 속도를 확인하는 데이터 속도 확인부; 및
상기 데이터 속도 확인부에서 확인한 데이터 속도가 상기 제1 임계값보다 크면 핸드 오버를 시작하는 핸드 오버 시작부를 더 포함하는 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 장치.
청구항 3항에 있어서,
상기 임계값 산출부는 상기 응용 프로그램 확인부에서 확인한 실행중인 응용 프로그램이 적어도 하나 이상이면 실행중인 모든 상기 응용 프로그램의 최소 필수 데이터 속도의 합을 산출하여 제1 임계값으로 하는 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 장치.
청구항 3항에 있어서,
상기 핸드 오버 트리거링 모듈은
상기 데이터 속도 확인부에서 확인된 응용 프로그램이 요구하는 데이터 속도가 상기 제2 임계값보다 같거나 크면 상기 응용 프로그램의 요구하는 데이터 속도를 검사하는 검사 시간을 감소시키는 검사 시간 조정부를 더 포함하는 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 장치.
청구항 5항에 있어서,
상기 검사 시간 조정부는 상기 데이터 속도 확인부에서 확인된 응용 프로그램이 요구하는 데이터 속도가 상기 제2 임계값보다 작으면 상기 응용 프로그램이 요구하는 데이터 속도를 검사하는 검사 시간을 증가하는 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 장치.
청구항 1항에 있어서,
상기 네트워크 선택 모듈은
MIIS 서버에서 다중 매개변수를 전송받아 적합성 함수를 구성하는 초기화부; 및
상기 최적화 알고리즘을 적용하여 상기 적합성 함수의 최소값을 만족하는 핸드 오버를 위한 최적화된 네트워크를 선택하는 최적화부를 포함하는 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 장치.
청구항 7항에 있어서,
상기 초기화부가 MIIS 서버에서 전송받는 다중 매개변수는 종단간 지연, 지터, 비트 오류율 및 패킷 손실률이며, 적합성 함수(fitness function) f(i)는 다음 수학식 1로 표현되는 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 장치.
(수학식 1)
f(i)=E2Ei+Ji+BERi+PLi
여기에서, i는 네트워크를 나타내며, 일예로 i=1,2,3,...,n.이다.
E2E는 종단간 지연이고, J는 지터를 나타내며, BER은 비트 오류율이고, PL은 패킷 손실률을 나타낸다.
청구항 7항에 있어서,
상기 최적화부는 꿀벌 군집 알고리즘을 사용하여 최적화된 네트워크를 선택하는 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 장치.
(A) 수직 핸드 오버 관리 장치가 실행중인 응용 프로그램에 따라 요구되는 데이터 속도에 근거하여 핸드 오버의 시작 여부를 결정하는 핸드 오버 트리거링 단계: 및
(B) 수직 핸드 오버 관리 장치가 MIIS 서버에서 다중 매개 변수를 획득하고, 최적화 알고리즘에 의해 획득된 다중 매개 변수를 사용하여 최적화된 네트워크를 선택하는 단계를 포함하는 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 방법.
청구항 10항에 있어서,
상기 (A) 단계는
(A-1) 상기 수직 핸드 오버 관리 장치가 실행중인 응용 프로그램이 적어도 하나 이상이면 상기 응용 프로그램에 근거한 제1 임계값을 산출하고 상기 제1 임계값보다 일정 정도 작은 제2 임계값을 설정하는 단계;
(A-2) 상기 수직 핸드 오버 관리 장치가 실행중인 응용 프로그램에서 요구하는 데이터 속도를 확인하는 단계; 및
(A-3) 상기 수직 핸드 오버 관리 장치가 확인한 데이터 속도가 상기 제1 임계값보다 크면 핸드 오버를 시작하는 단계를 포함하는 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 방법.
청구항 11항에 있어서,
상기 (A-1) 단계에서 상기 수직 핸드 오버 관리 장치가 상기 응용 프로그램 확인부에서 확인한 실행중인 응용 프로그램이 적어도 하나 이상이면 실행중인 모든 상기 응용 프로그램의 최소 필수 데이터 속도의 합을 산출하여 제1 임계값으로 하는 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 방법.
청구항 12항에 있어서,
상기 (A) 단계는
(A-4) 상기 수직 핸드 오버 관리 장치가 확인된 실행중인 응용 프로그램이 요구하는 데이터 속도가 상기 제2 임계값보다 같거나 크면 상기 응용 프로그램의 요구하는 데이터 속도를 검사하는 검사 시간을 감소시키는 단계를 더 포함하는 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 방법.
청구항 12항에 있어서,
상기 (A) 단계는
(A-5) 상기 수직 핸드 오버 관리 장치가 확인된 실행중인 응용 프로그램이 요구하는 데이터 속도가 상기 제2 임계값보다 작으면 상기 응용 프로그램이 요구하는 데이터 속도를 검사하는 검사 시간을 증가하는 단계를 더 포함하는 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 방법.
청구항 10항에 있어서,
상기 (B) 단계는
(B-1) 네트워크 선택 모듈이 MIIS 서버에서 다중 매개변수를 전송받아 적합성 함수를 구성하는 단계; 및
(B-2) 상기 네트워크 선택 모듈이 상기 최적화 알고리즘을 적용하여 상기 적합성 함수의 최소값을 만족하는 핸드 오버를 위한 최적화된 네트워크를 선택하는 단계를 포함하는 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 방법.
청구항 15항에 있어서,
상기 (B-1) 단계에서 상기 네트워크 선택 모듈이 MIIS 서버에서 전송받는 다중 매개변수는 종단간 지연, 지터, 비트 오류율 및 패킷 손실률이며, 적합성 함수(fitness function) f(i)는 다음 수학식 1로 표현되는 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 방법.
(수학식 1)
f(i)=E2Ei+Ji+BERi+PLi
여기에서, i는 네트워크를 나타내며, 일예로 i=1,2,3,...,n.이다.
E2E는 종단간 지연이고, J는 지터를 나타내며, BER은 비트 오류율이고, PL은 패킷 손실률을 나타낸다.
청구항 15항에 있어서,
상기 (B-2) 단계에서 상기 네트워크 선택 모듈은 꿀벌 군집 알고리즘을 사용하여 최적화된 네트워크를 선택하는 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 방법.
(A) 수직 핸드 오버 관리 장치가 실행중인 응용 프로그램에 따라 요구되는 데이터 속도에 근거하여 핸드 오버의 시작 여부를 결정하는 핸드 오버 트리거링 기능: 및
(B) 수직 핸드 오버 관리 장치가 MIIS 서버에서 다중 매개 변수를 획득하고, 최적화 알고리즘에 의해 획득된 다중 매개 변수를 사용하여 최적화된 네트워크를 선택하는 기능
을 실현하기 위한 컴퓨터로 읽을 수 있는 기록매체.