KR102079299B1 - C3 복합 체계 시뮬레이션 시스템으로부터 인공신경망을 통해 변환된 단일 체계 시뮬레이션 시스템 - Google Patents

C3 복합 체계 시뮬레이션 시스템으로부터 인공신경망을 통해 변환된 단일 체계 시뮬레이션 시스템 Download PDF

Info

Publication number
KR102079299B1
KR102079299B1 KR1020180046688A KR20180046688A KR102079299B1 KR 102079299 B1 KR102079299 B1 KR 102079299B1 KR 1020180046688 A KR1020180046688 A KR 1020180046688A KR 20180046688 A KR20180046688 A KR 20180046688A KR 102079299 B1 KR102079299 B1 KR 102079299B1
Authority
KR
South Korea
Prior art keywords
model
traffic
model unit
time
communication
Prior art date
Application number
KR1020180046688A
Other languages
English (en)
Other versions
KR20190123028A (ko
Inventor
김탁곤
Original Assignee
한국과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020180046688A priority Critical patent/KR102079299B1/ko
Priority to US15/993,869 priority patent/US11392842B2/en
Publication of KR20190123028A publication Critical patent/KR20190123028A/ko
Application granted granted Critical
Publication of KR102079299B1 publication Critical patent/KR102079299B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/06—Generation of reports
    • H04L43/067—Generation of reports using time frame reporting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0852—Delays
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0876—Network utilisation, e.g. volume of load or congestion level
    • H04L43/0894—Packet rate
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/14—Two-way operation using the same type of signal, i.e. duplex
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • 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
    • H04W40/026—Route selection considering the moving speed of individual devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 C3 복합 체계를 가지는 시뮬레이션 시스템으로부터 얻어지는 단일 체계(Integrated system) 시뮬레이션 시스템으로, 시간에 따라 전달되는 노드 간 트래픽 정보를 포함하는 트래픽 모델부, 상기 노드의 위치 정보를 포함하는 모빌리티 모델부 및 상기 트래픽 모델부와 상기 모빌리티 모델부를 연동하는 인터페이스 모델부를 포함하는 추상화된 지휘통제(Command and Control, C2) 모델 및 상기 추상화된 지휘통제 모델과 양방향(Full-Duplex) 상호작용이 가능하도록 결합하는 통신(Communication, C) 모델을 포함하여, 상기 추상화된 지휘통제 모델은, 상기 복합 체계 시뮬레이션 시스템의 지휘통제 모델과 통신 모델 간 트래픽 및 모빌리티 데이터를 획득하는 단계, 추상화된 지휘통제 모델의 형태를 가정하는 단계 및 상기 복합체계 시뮬레이션 시스템으로부터 획득한 트래픽 및 모빌리티 데이터를 학습하여 상기 추상화된 지휘통제 모델 형태의 변수를 결정하는 단계로 생성되는 것을 특징으로 한다.
본 발명을 통해 다양한 통신 변수를 갖는 실험 시나리오에 대해 효율적인 통신 분석이 가능하다. 또한 C2 시스템에서 추상화 과정을 통해 시뮬레이션 실행 시간을 단축시킬 수 있다.

Description

C3 복합 체계 시뮬레이션 시스템으로부터 인공신경망을 통해 변환된 단일 체계 시뮬레이션 시스템{INTEGRATED SYSTEM TRANSFORMED FROM C3 SYSTEM OF SYSTEMS SIMULATION SYSTEM USING APTIFICIAL NEURAL NETWORK}
본 발명은 C3 복합 체계 시뮬레이션 시스템으로부터 인공신경망을 통해 변환된 단일 체계 시뮬레이션 시스템으로서, 보다 구체적으로는 추상화 방법을 통해 생성되는 단일 체계 시뮬레이션 시스템에 관한 것이다.
현대 전장 환경에서 통신(C: Communication) 시스템은 지리적으로 분산되어 있는 지휘통제(C2: Command and Control) 시스템 간 전장 상황을 공유하여 정보를 전달하는 중요한 역할을 수행한다. 이와 같은 통신에 대한 상세한 분석을 수행하기 위하여, 국방 모델링 및 시뮬레이션에서는 지휘통제(C2: Command and Control)와 통신(C: Communication) 시스템으로 구성된 C3 복합 체계(SoS: System of Systems)를 통하여 통신 시스템 분석을 수행한다.
지금까지 국방시뮬레이션 분야에서 통신 시스템을 대상으로 다양한 전장 시나리오에 대하여 통신 성능을 분석하는 연구가 수행되어 왔는데, 구체적으로 사전에 전장 시나리오를 통계적으로 가정하여 트래픽(Traffic)과 모빌리티(Mobility)에 대한 단 방향 모델을 구축하고, 이를 전체 통신 시뮬레이터에 결합한 형태로 수행하였다.
최근 연구에서는 보다 현실적인 트래픽과 모빌리티를 반영하기 위해, 전장 시나리오를 구체화한 C2 시뮬레이터를 통신 시뮬레이터와 연동하여 C3(C2 and C) 복합 체계(SoS: System of Systems)를 구성하여 통신 시스템 분석을 수행하였다.
도 1은 복합 체계 통신 시스템 분석 구조를 도식화 한 것이다. 도 1에 도시된 복합 체계 기반의 통신 시스템 분석은 C 시뮬레이터와 C2 시뮬레이터의 연동 시뮬레이션으로 인해 긴 실행 시간이 요구된다는 시간적 제약과 C2 시뮬레이터가 존재하는 경우에만 C 시뮬레이터의 분석이 가능하다는 공간적 제약이 발생하는 문제점이 있었다.
이러한 한계점을 극복하기 위해서는 단일 체계에서의 분석이 필요하고, 기존 연구에서는 단 방향 형태로 모델을 구성하였다. 그러나 이는 C 시뮬레이터와 같은 다른 외부 시스템으로부터 수신되는 입력을 고려하지 않고 트래픽과 모빌리티 모델을 구성하였기 때문에, 출력만 가지는 형태를 가졌고, 그로 인해, 단방향 형태의 트래픽 및 모빌리티 모델을 C2 시뮬레이터를 대신하여 C3 복합 체계에 적용하면, C 시뮬레이터의 시뮬레이션 결과가 C2 시뮬레이션에 어떠한 영향을 미치는지 분석할 수 없었다. 즉, C 시뮬레이션의 결과에 따른 트래픽과 모빌리티의 변화를 전체 시뮬레이션에 반영하는 것이 불가능 하였다.
본 발명은 상기와 같은 종래 기술의 문제점을 해결하기 위한 것으로, C2 시스템의 트래픽과 모빌리티를 추상화하여 양방향 형태로 구성된 C2 모델이, C 시스템과 결합하는 단일체계 환경에서의 통신 분석 방법을 제공하는데 있다.
상기한 과제를 해결하기 위해 본 발명은 C3 복합 체계를 가지는 시뮬레이션 시스템으로부터 얻어지는 단일 체계(Integrated system) 시뮬레이션 시스템으로, 시간에 따라 전달되는 노드 간 트래픽 정보를 포함하는 트래픽 모델부, 상기 노드의 위치 정보를 포함하는 모빌리티 모델부 및 상기 트래픽 모델부와 상기 모빌리티 모델부를 연동하는 인터페이스 모델부를 포함하는 추상화된 지휘통제(Command and Control, C2) 모델 및 상기 추상화된 지휘통제 모델과 양방향(Full-Duplex) 상호작용이 가능하도록 결합하는 통신(Communication, C) 모델을 포함하여, 상기 추상화된 지휘통제 모델은, 상기 복합 체계 시뮬레이션 시스템의 지휘통제 모델과 통신 모델 간 트래픽 및 모빌리티 데이터를 획득하는 단계, 추상화된 지휘통제 모델의 형태를 가정하는 단계 및 상기 복합체계 시뮬레이션 시스템으로부터 획득한 트래픽 및 모빌리티 데이터를 학습하여 상기 추상화된 지휘통제 모델 형태의 변수를 결정하는 단계로 생성되는 것을 특징으로 한다.
또한 상기 트래픽 모델부는. 패킷들의 시간 간격(IDT), 노드 간 연결 존재 여부(C), 패킷 생성이 시작되는 초기시간(TST) 및 패킷 생성이 종료되는 시간(TET) 변수를 포함하는 것을 특징으로 한다.
또한 상기 트래픽 모델부는 초기상태에서 TSTART 시간동안, TTDT 시간 간격으로 트래픽을 발생하는 단계, 상기 인터페이스 모델로부터 통신 효과를 입력받는 단계, 상기 발생한 트래픽 및 인터페이스 모델로부터 입력 받은 통신효과를 머신러닝 기반의 뉴럴 네트워크로 학습하여 패킷들의 시간 간격(IDT), 노드 간 연결 존재 여부(C), 패킷 생성이 시작되는 초기시간(TST) 및 패킷 생성이 종료되는 시간(TET) 변수값을 결정하는 단계 및 노드 간 연결(C)이 존재 하는 경우, TST 와 TSTART 시간의 차 만큼의 시간 후에, IDT 간격으로 트래픽을 발생시키고, TET 시간이 되면 트래픽 발생을 멈추고, 노드 간 연결(C)이 존재하지 않는 경우, 트래픽을 발생시키지 않는 단계를 포함하는 과정을 수행하는 것을 특징으로 한다.
또한 상기 모빌리티 모델부는, 노드가 이동 상태(MOVE)로 천할 확률(PMOVE), 노드가 이동 상태(MOVE)에서 머무르는 시간(DMOVE), 노드가 정지 상태(STOP)에서 머무르는 시간(DSTOP), 이동 상태(MOVE)에서 노드가 이동하는 경우 이동속도(SPD) 및 각도(ANG) 변수를 포함하는 것을 특징으로 한다.
또한 상기 모빌리티 모델부는 초기 노드의 위치(position)정보를 산출하는 단계, 상기 인터페이스 모델로부터 통신 효과를 입력받는 단계, 상기 초기 노드의 위치정보 및 인터페이스 모델로부터 입력 받은 통신효과를 머신러닝 기반의 뉴럴 네트워크를 사용하여, PMOVE, DMOVE, DSTOP, SPD 및 ANG 변수 값을 결정하는 단계 및 노드의 이동상태(MOVE)에서는 DMOVE 시간 동안의 SPD, ANG 를 통하여 노드의 위치(position) 정보를 갱신하고, 정지상태(STOP)에서는 DSTOP 상태 시간 동안의 위치(position)정보를 갱신하지 않는 단계를 포함하는 과정을 수행하는 것을 특징으로 한다.
또한 상기 인터페이스 모델부는, 상기 통신(Communication, C) 모델로부터 입력받은 이벤트를 통해 누적된 통신 효과를 계산하고, 상기 계산된 통신 효과를 상기 트래픽 모델부와 모빌리티 모델부에 전달하는 것을 특징으로 한다.
또한 상기 인터페이스 모델부는, 상기 트래픽 모델부 및 모빌리티 모델부로부터 발생하는 트래픽 정보와 위치 정보를 전달받아, 상기 통신(Communication, C) 모델로 전달하는 과정을 추가적으로 수행하는 것을 특징으로 한다.
또한 상기 통신 효과는 노드 간 패킷이 도착할 확률을 나타내는 전송 성공률(PDR : Packet Delivery Ratio) 및 패킷이 도착하는 경우에 걸리는 지연시간을 나타내는 전송 지연 시간(End-to-end Delay)인 것을 특징으로 한다.
본 발명의 실시 예들에 따른 단일 체계 시뮬레이션 시스템의 효과에 대해 설명하면 다음과 같다.
본 발명은, C2 시스템의 추상화 과정을 통해 단축된 시뮬레이션 실행 시간을 바탕으로, 다양한 통신 변수를 갖는 실험 시나리오에 대해 효율적인 통신 분석을 가능하게 한다.
다만, 본 발명의 실시 예들에 따른 단일 체계 시뮬레이션 시스템이 달성할 수 있는 효과는 이상에서 언급한 것들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는, 첨부도면은 본 발명에 대한 실시예를 제공하고, 상세한 설명과 함께 본 발명의 기술적 사상을 설명한다.
도 1은 복합 체계 통신 시스템 분석 구조를 도식화 한 것이다.
도 2는 본 발명에 따른 단일 체계 시뮬레이션 시스템(1000)을 개략적으로 도식화 한 것이다.
도 3은 C3 복합 체계 시뮬레이션 시스템에서 본 발명에 따른 단일 체계 시뮬레이션 시스템(1000)으로의 변환 과정을 개략적으로 도식화 한 것이다.
도 4는 본 발명에 따른 추상화된 지휘통제(Command and Control, C2) 모델(100)의 추상화 과정을 도시한 순서도이고, 도 5는 이를 도식화 한 것이다.
도 6은 본 발명에 따른 추상화된 지휘통제(Command and Control, C2) 모델(100)의 구조 및 통신 모델(200)과의 결합을 도시한 것이다.
도 7은 본 발명에 따른 트래픽 모델부(110)의 세부구조를 도시한 것이다.
도 8은 본 발명에 따른 모빌리티 모델부(120)의 세부구조를 도시한 것이다.
도 9는 본 발명에 따른 인터페이스 모델부(130)의 세부구조를 도시한 것이다.
도 10은 본 발명에 따른 시스템과 통신 모델로부터의 영향을 고려하지 않은 시스템의 전송 성공률을 비교한 그래프이다.
도 11은 본 발명에 따른 시스템과 통신 모델로부터의 영향을 고려하지 않은 시스템의 전송 지연 시간을 비교한 그래프이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 이하에서는 특정 실시예들을 첨부된 도면을 기초로 상세히 설명하고자 한다.
이하의 실시예는 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시 예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.
또한, 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. 이하에서는, 첨부된 도면을 참조하여 본 발명의 실시예에 따른 단일 체계 시뮬레이션 시스템을 상세하게 설명하기로 한다.
도 2는 본 발명에 따른 단일 체계 시뮬레이션 시스템(1000)을 도식화 한 것이다.
본 발명에 따른 단일 체계 시뮬레이션 시스템(1000)은 추상화된 지휘통제(Command and Control, C2) 모델(100) 및 통신(Communication, C) 모델(200)을 포함한다.
상기 추상화된 지휘통제 모델(C2)(100)은 트래픽(Traffic) 모델부(110), 모빌리티(Moblility) 모델부(120) 및 인터페이스(Interface) 모델부(130)를 포함한다.
본 발명은 C2 시뮬레이터의 추상화 과정에서 C 시뮬레이터와 양방향(Full-Duplex) 상호작용을 고려한 트래픽 모델(110)과 모빌리티 모델(120)을 구성하여, 용이하게 통신 시스템을 분석할 수 있도록 한다.
이를 위해, 양방향 형태(Full-Duplex)의 트래픽 모델(110)과 모빌리티 모델(120)을 정의하고, 모델의 변수를 기존의 C3 복합 체계 시뮬레이션을 통해 얻은 데이터를 통해 머신러닝(Machine Learning)기법을 사용하여 학습한다. 이 후 추상화된 C2 시뮬레이터를 완성하여 단일 체계 시뮬레이션 시스템을 구성한다.
도 3은 C3 복합 체계 시뮬레이션 시스템에서 본 발명에 따른 단일 체계 시뮬레이션 시스템(1000)으로의 변환 과정을 개략적으로 도식화 한 것이다.
본 발명에 따른 단일 체계 시뮬레이션 시스템(1000)은 복합 체계 시뮬레이션 시스템의 추상화 과정을 통해 수행될 수 있다.
본 발명은 도 3에 도시된 바와 같이 C3 복합체계에서의 통신 시스템을 분석하는 상황에 대해 추상화 과정을 수행한다.
도 3의 왼쪽에서 도시된 C3 복합체계에서, C2 시스템의 출력(C 시스템의 입력)(a 방향)은 C2 시스템의 입력(C 시스템의 출력)(b 방향)에 영향을 받는다.
이러한 특징을 그대로 반영하기 위해, 도 3의 오른쪽에 도시된 추상화된 C2 모델(100)의 출력(c 방향)이 C2 시스템의 입력(d 방향)에 영향을 받도록 추상화한다. 이 과정에서 분석 대상인 C 시스템은 추상화 없이 그대로 사용하고, C2 시스템에서만 추상화를 진행하여, 전체 C3 복합 체계를 단일 체계로 변환을 수행한다.
상기 추상화 과정을 통해 시뮬레이션 실행 시간 단축 및 C2 시스템이 존재하지 않은 경우에 대해서도 분석이 가능하도록 한다. 이하 도 4를 통하여, 상기 추상화 과정에 대하여 상세히 설명한다.
도 4는 본 발명에 따른 추상화된 지휘통제(Command and Control, C2) 모델(100)의 추상화 과정을 도시한 순서도이고, 도 5는 이를 도식화 한 것이다.
본 발명에 따른 C3 복합 체계로부터의 지휘통제(Command and Control, C2) 모델(100)의 추상화 과정은, 복합 체계 시뮬레이션 시스템의 지휘통제 모델과 통신 모델 간 트래픽 및 모빌리티 데이터를 획득하는 단계(S100), 추상화된 지휘통제 모델의 형태를 가정하는 단계(S200), 상기 복합체계 시뮬레이션 시스템으로부터 획득한 트래픽 및 모빌리티 데이터를 학습하여 상기 추상화된 지휘통제 모델 형태의 변수를 결정하는 단계(S300)를 포함한다.
S100 단계는 복합 체계 시뮬레이션 시스템의 지휘통제 모델과 통신 모델 간 트래픽 및 모빌리티 데이터를 획득하는 단계이다. 추상화를 위해서는 복합체계로 부터의 데이터가 요구되고, 이를 위해 복합체계 시뮬레이션에 앞서 실험 점 추출을 위한 실험계획법이 수행될 수 있다(도 5의 (a)). 이후에는 상기 실험 점에 대해서 C3 복합체계 시뮬레이션 과정을 수행하고, 이 과정에서 C 체계와 C2 체계 사이에 주고받는 트래픽 및 모빌리티 데이터를 획득한다(도 5의 (b)).
S200 단계는 추상화된 지휘통제 모델의 형태를 가정하는 단계이다. 상기 S100 단계를 통해 데이터를 획득한 후에 C2 모델의 형태를 우선 가정한다(도 5의 (c)의 c-1).
S300은 상기 복합체계 시뮬레이션 시스템으로부터 획득한 트래픽 및 모빌리티 데이터를 학습하여 상기 추상화된 지휘통제 모델 형태의 변수를 결정하는 단계이다.
해당 모델의 변수를 복합체계에서 얻은 데이터를 바탕으로 메타 모델링(Metamodeling) 한다(도 5의 (c)의 c-2). 추상화된 C2 모델이 구성된 후에는, 이를 기존 C 시스템과 결합하여 단일체계를 구성한다(도 5의 (d)).
도 6은 본 발명에 따른 추상화된 지휘통제(Command and Control, C2) 모델(100)의 구조 및 통신 모델(200)과의 결합을 도시한 것이다.
C3 복합체계에서의 C2 시스템은 기동, 탐지, 교전 등과 같은 다양한 전장 요소로 구성되지만, 통신 시스템 분석을 위해서는 이 중 통신 분석에 필요한 요소들만 추출하여 추상화된 C2 모델을 구성하게 된다.
한편, 일반적으로 통신 시스템 분석을 위해서는 트래픽 정보, 모빌리티 정보, 망 정보(노드 사이의 연결 정보)가 필요하나, 본 발명은 트래픽과 모빌리티 정보에 의해 망정보가 결정되는 경우를 다루기 위해, 트래픽 모델부와 모빌리티 모델부로 추상화 하였다. 상기 트래픽 모델부와 모빌리티 모델부를 통신 모델과 연결하는 과정에서, 입·출력의 수정 없이 기존의 C2 시스템을 바로 대체 할 수 있도록 하는 인터페이스(Interface) 모델부를 구성한다.
도 6에 도시된 바와 같이, 본 발명에 따른 추상화된 C2 모델은 트래픽(Traffic) 모델부(110), 모빌리티(Moblility) 모델부(120), 인터페이스(Interface) 모델부(130)을 포함한다.
트래픽(Traffic) 모델부(110)는 소스 노드(source node)에서 목적지 노드(destination node)로 데이터를 발생시키는 역할을 하며, 소스 노드(source node)와 목적지 노드(destination node) 한 쌍마다 한 개의 트래픽(Traffic) 모델이 필요하다.
모빌리티(Mobility) 모델부(120)은 해당 노드(node)의 위치(position) 정보를 발생시키는 역할을 하고, 각 노드(node) 마다 한 개의 모빌리티 모델부(120)가 필요하다.
인터페이스(Interface) 모델부(130)는 상기 트래픽 모델부(110)와 모빌리티 모델부(120)를 연동하여, 상기 트래픽 모델부(110)와 모빌리티 모델부(120)를 총괄적으로 관리하는 역할을 수행한다.
상기 트래픽 모델부(110)는 통신 모델(200)에 대해서 영향을 받고, 이 영향인 통신의 전송 성공률(PDR : Packet Delivery Ratio)과 전송 지연 시간(End-to-end Delay)을 트래픽 모델부(110)와 모빌리티 모델부(120)의 입력에 연결시켜 주는 역할을 인터페이스 모델부(130)가 수행한다. 여기서 전송 성공률은 노드 간 패킷이 도착할 확률을, 전송 지연 시간은 패킷이 도착하는 경우에 걸리는 지연시간을 의미한다.
이러한 상기 인터페이스 모델부(130)의 역할을 도 5를 참조하여 설명한다. 통신 모델(200)은 추상화된 지휘통제 모델(100)의 메시지 요청이 있는 경우에만 출력을 발생시키는 시스템 구조(master-slave)이므로, 초기 일정 시간 동안에 추상화된 지휘통제 모델(100)에서 통신 모델(200)로의 트래픽 요청이 필요하다.
본 발명에 따른 인터페이스 모델부(130)는 시뮬레이션 초기 일정 시간 동안, 트래픽 모델부(110)로부터 생성된 트래픽을 C request 포트를 통하여 통신 모델 (200)로 전달한다. 이 후, 통신 모델(200)로부터의 매 이벤트(event) 마다의 통신 효과를 C response 포트를 통해서 전달받고, 이를 누적하여 일정 시간 동안 발생된 평균적인 통신 효과를 트래픽 모델부(110)와 모빌리티 모델부(120)로 C result 포트를 통해서 전달한다.
통신 효과를 전달 받은 트래픽 모델부(110)와 모빌리티 모델부(120)는 이를 입력으로 사용하여, 내부 모델의 변수 값을 계산하고 이를 바탕으로 시뮬레이션 모델을 완성할 수 있다.
이하 도 7 내지 9를 통하여 본 발명에 따른 추상화된 지휘통제(Command and Control, C2) 모델(100)을 구성하는 트래픽(Traffic) 모델부(110), 모빌리티(Moblility) 모델부(120) 인터페이스(Interface) 모델부(130) 각각의 세부적인 구조를 설명한다.
도 7은 본 발명에 따른 트래픽 모델부(110)의 세부구조를 도시한 것이다.
본 발명에 따른 트래픽 모델부(110)는 패킷들의 시간 간격(IDT), 노드 간 연결 존재 여부(C), 패킷 생성이 시작되는 초기시간(TST) 및 패킷 생성이 종료되는 시간(TET) 변수(variable)를 포함한다.
트래픽 모델부(110)는 C 가 존재하는 경우에 대해서, TST 시간부터 TET 시간까지 IDT 간격으로 패킷을 발생하는 모델이고, C의 존재여부에 따라 모델이 확률적으로 달라지는 확률 이산사건 모델(probabilistic discrete-event model)이다.
도 7을 참조하면, 본 발명에 따른 트래픽 모델부(110)는 INIT, WAIT, START, GEN 의 총 4 가지 상태를 가진다.
트래픽 모델부(110)는 초기상태에서 TSTART 시간동안, TTDT 시간 간격으로 트래픽을 발생한 후에 WAIT 상태에서 대기한다.
이후 인터페이스 모델(130)로부터 전송 성공률, 전송 지연시간 등의 통신 효과를 입력받은 후에, 상기 발생한 트래픽과 상기 인터페이스 모델로부터 입력 받은 통신효과를 머신러닝 기반의 뉴럴 네트워크로 구성된 predictIDT (), predict Connection(), predictTrafficStartTime (), predictTrafficEnd () 를 통해서 패킷들의 시간 간격(IDT), 노드 간 연결 존재 여부(C), 패킷 생성이 시작되는 초기시간(TST) 및 패킷 생성이 종료되는 시간(TET) 변수 값을 계산한다.
여기서, 노드 간 연결(C)이 존재 하는 경우, 트래픽 발생을 위하여, START 상태로 천이한 후, TST 와 TSTART 시간의 차(TST-TSTART) 만큼의 시간 후에 GEN 상태로 천이하여 IDT 간격으로 트래픽을 발생시키고, TET 시간이 되면 트래픽 발생을 멈추고 WAIT 상태로 천이한다. 반면, 노드 간 연결(C)이 존재하지 않는 경우, 트래픽을 발생시키지 않는다. 여기서 TSTART 는 트래픽 모델부의 시작시간, TIDT 는 트래픽의 IDT 이다.
이와 같은 형태를 가지는 트래픽 모델부(110)는 통신 모델(200)에서 계산된 통신 효과에 따라 다른 형태의 트래픽을 발생시킬 수 있다.
도 8은 본 발명에 따른 모빌리티 모델부(120)의 세부구조를 도시한 것이다.
도 8을 참조하면, 본 발명에 따른 모빌리티 모델부(120)는 노드가 이동 상태(MOVE)로 천이할 확률(PMOVE), 노드가 이동 상태(MOVE)에서 머무르는 시간(DMOVE), 노드가 정지 상태(STOP)에서 머무르는 시간(DSTOP), 이동 상태(MOVE)에서 노드가 이동하는 경우 이동속도(SPD) 및 각도(ANG) 변수를 포함한다.
모빌리티 모델은 P_MOVE의 상태의 확률로 (MOVE, pos)에 머물 확률이 결정되고, 해당 상태에서 D_MOVE 시간 동안 SPD, ANG 를 통해서 위치(position) 정보를 발생하거나, (STOP, pos) 상태에서 D_STOP 시간동안 머문다. 본 발명에 따른 모빌리티 모델부(120) 역시 D_MOVE 값에 따라 모델이 확률적으로 달라지는 확률 이산사건 모델(probabilistic discrete-event model) 이다.
상기 모빌리티 모델부(120)는 (WAIT, pos), (MOVE, pos), (STOP, pos)의 총 3 가지 상태를 가진다.
모빌리티 모델부(120)는 초기에 (WAIT, pos) 상태에서 초기 노드의 위치(position)정보를 산출하고 대기한다. 그리고 트래픽 모델부(110)와 마찬가지로 인터페이스 모델로부터 통신 효과를 입력받은 후에, 상기 초기 노드의 위치정보 및 상기 인터페이스 모델로부터 입력 받은 통신효과를 머신러닝 기반의 뉴럴 네트워크로 구성된 predictProbMove (), predictDMove (), predictDStop (), predict Speed(), predictAngle() 를 통하여 PMOVE, DMOVE, DSTOP, SPD 및 ANG 변수 값을 계산한다.
그리고 노드의 이동상태(MOVE, pos)에서는 DMOVE 시간 동안의 SPD, ANG 를 통하여 노드의 위치(position) 정보를 갱신하고, 정지상태(STOP, pos)에서는 DSTOP 상태 시간 동안의 위치(position )정보를 갱신하지 않는다.
각 상태가 끝날 때마다 P_MOVE의 확률 값으로 (MOVE,pos) 상태에 머문다. 이와 같은 형태를 가지는 모빌리티 모델부(120)는, 통신 모델(200)의 영향이 뉴럴 네크워크를 통해 상기 5개의 변수 값에 영향을 주고, 이로 인해서 다른 형태의 모빌리티 정보를 발생시킬 수 있다.
도 9는 본 발명에 따른 인터페이스 모델부(130)의 세부구조를 도시한 것이다.
본 발명에 따른 인터페이스 모델부(130)는, 초기 TSTART 시간 동안 상기 통신 모델(200)로부터 입력받은 이벤트를 통해 누적된 통신 효과를 계산하고, 상기 계산된 결과(통신 효과)를 C result 포트를 통해 트래픽 모델부(110)와 모빌리티 모델부(120)에 전달한다.
이 후, 트래픽 모델부(110) 및 모빌리티 모델부(120)로부터 발생하는 트래픽 정보와 위치 정보를 C request 포트를 통해 전달받아, 상기 통신(Communication, C) 모델로 전달하는 과정을 수행한다.
본 발명에 따른 인터페이스 모델부(130)는 INIT, START, SEND 의 총 3가지 상태를 가진다.
초기 INIT 상태에서 TSTART 시간 이후에 updateCommunicationResult () 를 통하여 평균적인 통신 효과인 전송 성공률과 전송 지연 시간을 계산하고, 이를 갱신하여 트래픽 모델부(110)와 모빌리티 모델부(120)에 전송한다.
이를 전송 받은 트래픽 모델부(110)와 모빌리티 모델부(120)는 변수를 결정함으로써, 다른 통신 효과에 따라 다른 변수 값을 결정한다. 상기 이와 과정을 통해 해당 인터페이스 모델(130)은 통신 모델(200) 상태에 따라, 즉, 통신 효과에 따라 변화하는 트래픽 모델부(110)와 모빌리티 모델부(120)의 생성을 보조하는 역할을 한다.
도 10은 본 발명에 따른 시스템과 통신 모델로부터의 영향을 고려하지 않은 시스템의 전송 성공률을 비교한 그래프이고, 도 11은 전송 지연시간을 비교한 그래프이다.
도 10 및 도 11에 도시된 그래프에서 x축은 각각 복합 체계에서의 전송 성공률, 전송 지연 시간을 나타내고, y축은 각각 본 발명에 따른 시스템의 전송 성공률, 전송 지연 시간을 나타낸다. Proposed method는 본 발명에 따른 시스템을 의미하고, existing method는 통신 모델로부터의 영향을 고려하지 않은 시스템에 해당한다.
상기 그래프에서 x축과 y축이 대칭을 이룰수록 정확도가 높다고 할 수 있다. 분석 결과, 도 10의 경우, RMSE는 각각 0.0425 와 0.0997 가 측정되었고, 이 값은 4.6281 %, 10.8407 % 에 해당한다(최소값과 최대값은 각각 0.0491, 0.9691). 도 11의 경우, 각각 0.0520 와 0.1304 가 측정되었고, 이 값은 4.3721 %, 10.9647 % 에 해당한다(최소값과 최대값은 각각 0.0018, 1.1915).
한편, 아래 표 1은 기존의 복합체계 시스템과 본 발명에 따른 시스템의 실행시간을 비교한 것이다.
[표 1]
Figure 112018040125263-pat00001
상기 표 1을 참조하면, 복합 체계(SoS) 시스템에 비하여 본 발명에 따른 단일 체계 시스템(Integrated System)이 약 1/4 정도로 실행시간이 단축되는 것을 확인 할 수 있다.
본 발명에 따른 단일 체계 시뮬레이션 시스템을 사용하는 경우가 복합 체계의 전송 성공률 및 전송 지연시간과 유사함을 확인할 수 있다. 따라서 본 발명에 따른 시스템을 통하여 기존의 복합 체계 시스템을 보다 단순화 시키면서(즉, 시간을 현저하게 감소시키면서), 동일한 통신 효과가 발휘되도록 할 수 있다.
이상에서 본 발명의 대표적인 실시예들을 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
1000 : 단일 체계 시뮬레이션 시스템
100 : 추상화된 지휘통제(Command and Control, C2) 모델
110 : 트래픽(Traffic) 모델부
120 : 모빌리티(Moblility) 모델부
130 : 인터페이스(Interface) 모델부
200 : 통신(Communication, C) 모델

Claims (8)

  1. C3 복합 체계를 가지는 복합체계 시뮬레이션 시스템으로부터 얻어지는 단일 체계(Integrated system) 시뮬레이션 시스템의 동작 방법에 있어서,
    (a) 시간에 따라 노드 간 트래픽을 발생하는 트래픽 모델부; 상기 노드의 위치 정보를 발생하는 모빌리티 모델부; 및 상기 트래픽 모델부와 상기 모빌리티 모델부를 연동하는 인터페이스 모델부를 포함하는 추상화된 지휘통제(Command and Control, C2) 모델; 및 (b) 상기 인터페이스 모델부에 연결되어 상기 추상화된 지휘통제 모델과 양방향(Full-Duplex) 상호작용이 가능하도록 결합하는 통신(Communication, C) 모델을 포함하는 단일 체계 시뮬레이션 시스템을 이용하되,
    상기 단일 체계 시뮬레이션 시스템에서, (c) 상기 추상화된 지휘통제 모델을 생성하는 과정은, (c-1) 상기 복합체계 시뮬레이션 시스템의 지휘통제 모델과 통신 모델 간 트래픽 및 모빌리티 데이터를 획득하는 단계; (c-2) 추상화된 지휘통제 모델의 형태를 가정하는 단계; 및 (c-3) 상기 복합체계 시뮬레이션 시스템으로부터 획득한 트래픽 및 모빌리티 데이터를 학습하여 상기 추상화된 지휘통제 모델 형태의 변수를 결정하는 단계를 포함하되,
    상기 인터페이스 모델부는, 상기 통신(Communication, C) 모델로부터 입력받은 이벤트를 통해 누적된 통신 효과에 대한 평균적인 통신효과를 계산하되, 상기 계산된 통신 효과를 상기 트래픽 모델부와 모빌리티 모델부에 전달하며, 상기 계산된 통신 효과는 노드 간 패킷이 도착할 확률을 나타내는 전송 성공률(PDR : Packet Delivery Ratio) 및 패킷이 도착하는 경우에 걸리는 지연시간을 나타내는 전송 지연 시간(End-to-end Delay)을 포함하고,
    상기 트래픽 모델부는, 발생되는 트래픽 및 상기 인터페이스 모델부로부터 받는 통신효과를 머신러닝 기반의 뉴럴 네트워크를 사용하여, 패킷들의 시간 간격(IDT), 노드 간 연결 존재 여부(C), 패킷 생성이 시작되는 초기시간(TST), 또는 패킷 생성이 종료되는 시간(TET) 변수를 결정하고,
    상기 모빌리티 모델부는, 초기 노드의 위치정보 및 상기 인터페이스 모델부로부터 받는 통신효과를 머신러닝 기반의 뉴럴 네트워크를 사용하여, 노드가 이동 상태(MOVE)로 천이할 확률(PMOVE), 노드가 이동 상태(MOVE)에서 머무르는 시간(DMOVE), 노드가 정지 상태(STOP)에서 머무르는 시간(DSTOP), 이동 상태(MOVE)에서 노드가 이동하는 경우 이동속도(SPD), 또는 각도(ANG) 변수를 결정하는 것을 특징으로 하는 단일 체계 시뮬레이션 시스템의 동작 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 트래픽 모델부는,
    초기상태에서 TSTART 시간동안, TTDT 시간 간격으로 트래픽을 발생하는 단계; 및
    노드 간 연결(C)이 존재 하는 경우, TST 와 TSTART 시간의 차 만큼의 시간 후에, IDT 간격으로 트래픽을 발생시키고, TET 시간이 되면 트래픽 발생을 멈추고, 노드 간 연결(C)이 존재하지 않는 경우, 트래픽을 발생시키지 않는 단계를 포함하는 과정을 수행하고, 여기서 TSTART 는 트래픽 모델부의 시작시간, TTDT 는 트래픽의 IDT인 것을 특징으로 하는 단일 체계 시뮬레이션 시스템의 동작 방법.
  4. 삭제
  5. 제1항에 있어서,
    상기 모빌리티 모델부는,
    노드의 이동상태(MOVE)에서는 DMOVE 시간 동안의 SPD, ANG 를 통하여 노드의 위치(position) 정보를 갱신하고, 정지상태(STOP)에서는 DSTOP 상태 시간 동안의 위치(position )정보를 갱신하지 않는 단계를 포함하는 과정을 수행하는 것을 특징으로 하는 단일 체계 시뮬레이션 시스템의 동작 방법.
  6. 삭제
  7. 제1항에 있어서,
    상기 인터페이스 모델부는,
    상기 트래픽 모델부 및 상기 모빌리티 모델부로부터 발생하는 트래픽 정보와 위치 정보를 전달받아, 상기 통신(Communication, C) 모델로 전달하는 과정을 추가적으로 수행하는 것을 특징으로 하는 단일 체계 시뮬레이션 시스템의 동작 방법.

  8. 삭제
KR1020180046688A 2018-04-23 2018-04-23 C3 복합 체계 시뮬레이션 시스템으로부터 인공신경망을 통해 변환된 단일 체계 시뮬레이션 시스템 KR102079299B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020180046688A KR102079299B1 (ko) 2018-04-23 2018-04-23 C3 복합 체계 시뮬레이션 시스템으로부터 인공신경망을 통해 변환된 단일 체계 시뮬레이션 시스템
US15/993,869 US11392842B2 (en) 2018-04-23 2018-05-31 Integrated-system simulation system obtained from simulation system having C3 system of systems

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180046688A KR102079299B1 (ko) 2018-04-23 2018-04-23 C3 복합 체계 시뮬레이션 시스템으로부터 인공신경망을 통해 변환된 단일 체계 시뮬레이션 시스템

Publications (2)

Publication Number Publication Date
KR20190123028A KR20190123028A (ko) 2019-10-31
KR102079299B1 true KR102079299B1 (ko) 2020-02-19

Family

ID=68236529

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180046688A KR102079299B1 (ko) 2018-04-23 2018-04-23 C3 복합 체계 시뮬레이션 시스템으로부터 인공신경망을 통해 변환된 단일 체계 시뮬레이션 시스템

Country Status (2)

Country Link
US (1) US11392842B2 (ko)
KR (1) KR102079299B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220081880A (ko) 2020-12-09 2022-06-16 (주) 아인스에스엔씨 디지털트윈을 이용한 이산사건 시스템 실시간 분석 및 실시간 동작 가시화 장치

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7844432B1 (en) * 2003-06-05 2010-11-30 Verizon Laboratories Inc. Node emulator
FR2976760A1 (fr) * 2011-06-17 2012-12-21 France Telecom Procede de traitement d’un paquet de donnees a l’emission, procede de traitement d’un paquet de donnees a la reception, dispositifs et equipements noeuds associes
US9635050B2 (en) * 2014-07-23 2017-04-25 Cisco Technology, Inc. Distributed supervised architecture for traffic segregation under attack

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
강봉구 외, ‘머신러닝 기반의 시스템 추상화를 통한 복합체계 시뮬레이션 방법론’, 한국경영과학회 학술대회논문집, 1256-1269, 2016.4*
강봉구 외, ‘복합체계에서의 인공지능 기반 국방 통신 시스템 분석 방법론’, 한국시뮬레이션학회 학술대회 논문집, 16-28, 2016.10*
배장원 외, ‘통신 효과를 반영한 네트워크 중심전의 전투 효과도 분석 방법’, 한국시뮬레이션학회 논문지, Vol. 21, No. 3, pp. 57-69, 2012.9*

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220081880A (ko) 2020-12-09 2022-06-16 (주) 아인스에스엔씨 디지털트윈을 이용한 이산사건 시스템 실시간 분석 및 실시간 동작 가시화 장치

Also Published As

Publication number Publication date
US11392842B2 (en) 2022-07-19
KR20190123028A (ko) 2019-10-31
US20190325326A1 (en) 2019-10-24

Similar Documents

Publication Publication Date Title
CN111835565B (zh) 一种基于数字孪生的通信网络优化方法、装置和系统
Bozga et al. Modeling dynamic architectures using Dy-BIP
CN111835532B (zh) 网络验证的方法和装置
CN105763570A (zh) 一种基于虚拟化技术的分布式实时网络仿真系统
CN110457747A (zh) 一种基于ns3和matlab的网络化控制系统协同仿真方法
CN106209615B (zh) 一种基于spfa算法计算转发路径的动态路由控制方法和系统
Zhang et al. Agent-based discrete-event hybrid space modeling approach for transportation evacuation simulation
Han et al. Continuity of the path delay operator for dynamic network loading with spillback
KR102079299B1 (ko) C3 복합 체계 시뮬레이션 시스템으로부터 인공신경망을 통해 변환된 단일 체계 시뮬레이션 시스템
CN104935476A (zh) 一种基于sdn的网络流量矩阵测量方法
Barros On the representation of time in modeling & simulation
CN115333958A (zh) 软件定义网络性能预测方法、装置、电子设备及存储介质
CN108494597A (zh) 智能光网络仿真系统及方法
JPH0713944A (ja) カウンタ同期通信装置のネットワークにおける仮想伝送遅延を集中決定する方法及び装置
Elbery et al. VNetIntSim-An Integrated Simulation Platform to Model Transportation and Communication Networks.
CN101958816A (zh) 一种高速核心交换设备的测试系统及其测试方法
KR101125365B1 (ko) Ｓｄｌ?ｏｐｎｅｔ 코-시뮬레이션 기법을 이용한 통신 프로토콜의 단일 모델 기반 통합 설계 방법
WO2024011908A1 (zh) 网络预测系统、方法、电子设备及存储介质
JP2000067030A (ja) 分散シミュレーション装置
Le et al. Component-based abstraction of petri net models: An application for congestion verification of wireless sensor networks
CN102647363A (zh) 多vlan注册协议报文沿多生成树实例转发的方法和设备
Bergman et al. Formal Verification of FlowSync
Kachan Integration of NS-3 with MATLAB/Simulink
Wenninger et al. Power optimization of wireless sensor networks at design time
CN116708195A (zh) Tsn设备重配置方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right