Ανάλυση και βελτιστοποίηση της επίδοσης ασύρματων δικτύων επόμενης γενιάς
Performance analysis and optimization of next generation wireless networks
Doctoral Thesis
Συγγραφέας
Σκόνδρας, Εμμανουήλ
Skondras, Emmanouil
Ημερομηνία
2019-04-22Επιβλέπων
Βέργαδος, ΔημήτριοςΠροβολή/ Άνοιγμα
Λέξεις κλειδιά
5G Vehicular Cloud Computing (5G-VCC) ; Handover ; Long Term Evolution (LTE) ; Medium Access Control (MAC) ; Mobile Edge Computing (MEC) ; Scheduling ; Software Defined Networking (SDN) ; Software Defined Vehicular Architectures (SDN-V) ; Ultra Dense Networking (UDN) ; Vehicle to Infrastructure (V2I) communication ; Vehicle to Pedestrian (V2P) communication ; Vehicle to Vehicle (V2V) communication ; Vehicles using Cloud (VuC) ; Vehicles using Fog (VuF) ; Vehicular Cloud (VC) ; WiMAX ; Wireless Access for Vehicular Environment (WAVE) ; 5G wireless networks ; Cloud computing ; Fog computing ; Mobility management ; Resource manipulation ; Vehicular networksΠερίληψη
Η μελέτη της διατριβής εντάσσεται στην ερευνητική περιοχή των ασύρματων τηλεπικοινωνιακών συστημάτων και ειδικότερα των δικτύων Πέμπτης Γενιάς (Fifth Generation -5G).
Τα δίκτυα 5G, συμπεριλαμβανομένων των συστημάτων 5G Vehicular Cloud Computing (5G-VCC) , έχουν εξελιχθεί με ταχείς ρυθμούς προσφέροντας πολλαπλές σύγχρονες υπηρεσίες στους χρήστες. Σε μία υποδομή 5G, συνηθίζεται να εφαρμόζονται οι αρχές λειτουργίας που διέπουν τα οχηματικά δίκτυα, το Cloud Computing (CC) , το Fog Computing (FC) , το Mobile Edge Computing (MEC) και τα Software Defined Networks (SDN) . Επιπρόσθετα, σε ένα σύστημα 5G-VCC, τα οχήματα είναι εξοπλισμένα με υπολογιστικές μονάδες επί του οχήματος (On Board Units - OBU) οι οποίες επικοινωνούν μεταξύ τους καθώς και με υπολογιστικές μονάδες εγκατεστημένες δίπλα στο οδικό δίκτυο (Road Side Units - RSU). Κάθε μονάδα RSU αλληλεπιδρά με μία υποδομή Cloud, η οποία προσφέρει υπηρεσίες με αυστηρές απαιτήσεις ως προς την Ποιότητας της Υπηρεσίας (Quality of Service - QoS). Ενδεικτικά, υπηρεσίες υποστήριξης του οδηγού (Driver Assistance - DA) , υπηρεσίες ψυχαγωγίας και ενημέρωσης των επιβατών (Passengers Entertainment and Information - PEnI) , καθώς και ιατρικές υπηρεσίες (Medical - MED) συνηθίζεται να παρέχονται στα οχήματα από την προαναφερθείσα υποδομή Cloud. Επίσης, σε μία αρχιτεκτονική 5G, συνηθίζεται η ανάπτυξη πυκνών υποδομών πρόσβασης στο δίκτυο, οι οποίες αναφέρονται ως Ultra Dense Networks (UDN) . Ένα UDN αναπτύσσεται με στόχο την υποστήριξη των υψηλών ρυθμών δεδομένων που παράγονται από τον αυξημένο αριθμό οχηματικών χρηστών. Στο εν λόγω περιβάλλον ασύρματης πρόσβασης χρησιμοποιούνται ετερογενείς τεχνολογίες για τη μεταφορά των δικτυακών υπηρεσιών από το Cloud στα οχήματα.
Όπως γίνεται σαφές, απαιτείται βέλτιστος χειρισμός των τηλεπικοινωνιακών πόρων, ενώ ταυτόχρονα οι χρήστες των οχημάτων θα πρέπει πάντα να αποκτούν συνδεσιμότητα με την καταλληλότερη τεχνολογία πρόσβασης στο δίκτυο, προκειμένου να ικανοποιούνται οι περιορισμοί των υπηρεσιών που χρησιμοποιούν.
Στο πλαίσιο της παρούσας διδακτορικής διατριβής μελετώνται τα μοντέλα κατανομής πόρων, καθώς και τα μοντέλα διαχείρισης της κινητικότητας των χρηστών, που έχουν προταθεί από την ερευνητική κοινότητα, ενώ νέες βελτιστοποιημένες λύσεις προτείνονται για κάθε ένα από τα εν λόγω ζητήματα. Συγκεκριμένα, αρχικά αναλύεται το θεωρητικό υπόβαθρο στο οποίο βασίζεται η διατριβή. Περιγράφονται οι βασικές αρχές που διέπουν τα συστήματα 5G, και πραγματοποιείται μνεία στα συστήματα 5G Vehicular Cloud Computing (5G-VCC). Πραγματοποιείται επίσης μία επισκόπηση των διαθέσιμων μοντέλων παροχής υπηρεσιών υπολογιστικού νέφους, καθώς και κατηγοριοποίησή τους. Ακολούθως, πραγματοποιείται εκτενής επισκόπηση των ασύρματων δικτύων 5G, με έμφαση στα συστήματα 5G-VCC που έχουν προταθεί στην ερευνητική βιβλιογραφία, όπου αναλύονται οι αρχιτεκτονικές τους, τα μοντέλα επικοινωνίας μεταξύ των συστατικών τους, καθώς και οι αρχές που εφαρμόζονται για την διάθεση των υπηρεσιών που αυτά προσφέρουν.
Στη συνέχεια, εξετάζεται ο τομέας της διαχείρισης των δικτυακών πόρων των ασύρματων δικτύων επόμενης γενιάς, συμπεριλαμβανομένων των δικτύων 5G και των συστημάτων 5G-VCC. Στο πλαίσιο της μελέτης αυτής, προτείνονται δύο νέοι αλγόριθμου χρονοπρογραμματισμού για ασύρματα δίκτυα 5G. Συγκεκριμένα, αρχικά προτείνεται ο αλγόριθμος χρονοπρογραμματισμού FLS Advanced (FLSA) , ο οποίος βελτιστοποιεί την εξυπηρέτηση υπηρεσιών πραγματικού χρόνου. Στη συνέχεια προτείνεται ο αλγόριθμος χρονοπρογραμματισμού FLS Advanced - Cross Carrier (FLSA-CC) ο οποίος αποτελεί εξέλιξη του αλγορίθμου FLSA του οποίου η εφαρμογή εξειδικεύεται για δίκτυα LTE-Advanced (LTE-A) όπου πραγματοποιείται συνένωση πολλαπλών φερουσών συχνοτήτων (carrier aggregation) με σκοπό τη διεύρυνση του διαθέσιμου εύρους ζώνης.
Εξετάζεται επίσης ο τομέας της διαχείρισης της κινητικότητας των χρηστών ασύρματων δικτύων επόμενης γενιάς. Αρχικά, πραγματοποιείται μελέτη των απαιτήσεων που υπάρχουν στα ασύρματα δίκτυα 5G, με έμφαση στα συστήματα 5G-VCC, ως προς τη διαχείριση της κινητικότητας των χρηστών. Ακολούθως, προτείνεται ένα σύνολο μεθόδων για τον υπολογισμό της σημαντικότητας των κριτηρίων που μπορεί να ληφθούν υπόψη κατά τη διάρκεια της διαχείρισης της κινητικότητας των χρηστών. Οι εν λόγω μέθοδοι αναφέρονται ως Trapezoidal Fuzzy Analytic Network Process (TF-ANP), Trapezoidal Fuzzy Adaptive Analytic Network Process (TF-AANP) και Pentagonal Fuzzy Analytic Network Process (PF-ANP) . Επίσης, προτείνεται ένα σύνολο αλγορίθμων που αφορούν την επιλογή του καταλληλότερου δικτύου πρόσβασης για τον εκάστοτε χρήστη, οι οποίοι αναφέρονται ως Trapezoidal Fuzzy TOPSIS (TFT), Trapezoidal Fuzzy TOPSIS with Adaptive Criteria Weights (TFT-ACW) και Pentagonal Fuzzy TOPSIS (PFT). Ως αποτέλεσμα της εν λόγω έρευνας, προτείνεται ένα νέο μοντέλο, το οποίο εξειδικεύεται στη διαχείριση της κινητικότητας των χρηστών που αλληλεπιδρούν με συστήματα 5G-VCC. Το μοντέλο αυτό, λαμβάνει υπόψη το Signal to Noise plus Interference (SINR) καθώς και την ταχύτητα κίνησης του χρήστη, ώστε να αξιολογήσει την ανάγκη πραγματοποίησης διαπομπής, ενώ στη συνέχεια εφαρμόζει τον αλγόριθμο PFT για την επιλογή του καταλληλότερου δικτύου για τον χρήστη. Το μοντέλο αξιολογείται ενδελεχώς μέσω προσομοιώσεων, μέσω των οποίων αποδεικνύεται ότι βελτιστοποιεί τη διαχείριση της κινητικότητας των χρηστών ξεπερνώντας τις υπάρχουσες λύσεις που περιγράφονται στη βιβλιογραφία.