CC BY
63
7 декабря 2011 r. 16:59
ТЕХНОЛОГИИ ИНФОРМАЦИОННОГО ОБЩЕСТВА
Метод повышения пропускной способности систем телеметрии и мониторинга на базе беспроводных сетей
Рассматривается метод повышения пропускной способности систем сбора и обработки телеметрической инфор-мсл^и, для которых характерен скачкообразный характер нагрузки и ее долговременная зависимость. Это является причиной появления в них самоподобного трафика, требующего дополнительной пропускной способности на случай критических ситуаций В обычном состоянии этот ресурс можно использовать для других пользователей с более низким приоритетом.
Маликова Е.Е.,
старший преподаватель каф. АЭС МТУ СИ
Введение
Повсеместное проникновение общедоступных мультисервис-ных беспроводных сетей, а также создание сенсорных сетей (СС) [ 1 -3] позволило создавать на их базе различные общедоступные и ведомственные системы мониторинга и телеметрии. Такие системы мониторинга могут применяться для наблюдения за транспортными средствами, для охраны доч, квартир, контроля отопительного и технологического оборудования, пропадания напряжения 220 В, передачи данных о работе теплосетей, бойлерных и др.
В настоящее время быстрыми темпами развивается мониторинг экологической ситуации. В городах или на территории вокруг аварийно опасных промышленных объектов (атомных станций, химических предприятий и тд.) устанавливаются станции экологического мониторинга, в которых смонтированы радиационные датчики и датчики химически опасных веществ. Эти датчики для передачи информации могут использовать каналы передачи данных сети подвижной сотовой связи (СПСС) стандарта GSM и CDMA, широкополосные беспроводные сети типа Wi-Fi и WiMAX, а в труднодоступных местах — спутниковые каналы.
Стремительно развивается служба экстренной помоши при автомобильных авариях Известно, что значительное количество смертельных исходов связано с неоказанием своевременной медицинской помощи в течение "золотого часа" после аварии. Изменить эту ситуацию можно, установив на автомобилях датчики, которые будут посыпать SMS с определением местоположения в службу скорой помощи, что в разы может увеличить нагрузку служб передачи данных мобильных сетей.
Для предотвращения утечки газа в домах устанавливаются д атчики обнаружения газа, которые также могут осуществлять передачу данных через беспроводные сети. При организации контроля зданий, находящихся в аварийном состоянии, они оборудуются видеокамерами и тензометрическими датчиками, прикрепленными в наиболее опасных местах: при критическом нарастании скорости деформации стен и конструкций через службы передачи данных мобильных сетей передается сигнал тревоги Кроме того, с помощью службы SMS мобильных сетей возможно дистанционное управление различным оборудованием и осуществление видеонаблюоения за результатами управления.
Приоритетные направления современных разработок предполагают создание разнообразных сенсорных биочипов. Сенсорные сети находят применение в военной облости, управлении кризисными и чрезвычайными ситуациями и в борьбе с терроризмом В зависимости от типа сенсоров СС могут быть развернуты на земле, в воздухе, над и под водрй, в зданиях, непосредственно на теле человека. Подобные применения СС в медицине открьвают колоссальные перспективы для фармац евтжеских разработок и синтеза разнообразных биологических препаратов. При этом перспективные сенсорные сети мю-
гут заменить существенную часть существующих технологических сетей они обеспечат новое функциональное наполнение сетей связи и преобразуют их во всепроникающие сети на которых могут быть развернуты новые системы мониторинга и телеметрии.
Особенностью систем мониторинга и телеметрии является наличие разнородного по своей природе трафика. В обычном состоянии они периодически передают данные с малой интенсивностью и небольшими скоростями, а в случае возникновения критических ситуаций включаются широкополосные системы передачи большого числа параметров телеметрии, или видеоинформации, использующие максимальные скорости. Для систем телеметрии характерен как скачкообразный характер нагрузки, так и ее долговременная зависимость, возникающая из-за передачи информации по заданному расписанию. Интеграция в сетях коммутации пакетов различного по своей природе трафика, а также особенности используемых в них технологий передачи данных, повышенная в случае критических ситуаций активность абонентов, являются некоторыми из причин проявления самоподобного характера сетевого трафика, или иначе, его фрактальных свойств [4,5].
Из-за свойств самоподобия трафика сети, на которых развернуты системы мониторинга, вынуждены резервировать большую пропускную способность на случай возникновения критических ситуаций, поэтому в нормальной обстановке целесообразно использовать этот зарезервированный ресурс для передачи информации других пользователей. При этом дополнительный трафик должен иметь более низкий приоритет по сравнению с основным. Пакетные сети имеют развитые механизмы обеспечения качества обслуживания, однако появление самоподобного трафика требует специального резервирования ресурсов.
Особенности моделей трафика
для мультисервисных сетей
Последнее десятилетие ознаменовалось существенными результатам исследований случайных процессов, протекающих в современных мультисервисных сетях. Выявлено широкое распространение [5,6] явления самоподобия при описании статистических характеристик трафика этих систем, в частности, для описания свойств трафика реального времени (видео сервисов и пакетной телефонии). Также проведено множество как экспериментальных, так и теоретических исследований в области самоподобных свойств муль-тисервисного трофика [4].
В [6] проанализированы методы классической теории телетрафика, разработанной для задач проектирования телефонных сетей [7J основанной на рассмотрении во многих случаях стационарных процессов пуассоновсхого типа в ЧНН. Показано, что при исследовании абонентской нагрузки уже в ISDN потоки требований на предоставление сеанса связи не являются пуоссоновскими, причем ЧНН для разных услуг чаще всего не совпадают. Фундаментальный нед остаток пуассоновских моделей состоит в том, что они сильно недооценивают образование пачечной нагрузки, при которой как по-
36
T-Comm, #7-2010
ТЕХНОЛОГИИ ИНФОРМАЦИОННОГО ОБЩЕСТВА
токи пакетов, так и потоки требований не являются пуассоновскими, длительности сеансов описываются распределениями логонормального, а не показательного типа, т.е. имеют "тяжелые хвосты".
Одним из важных статистических свойств нагрузки, создаваемой телеметрическими приложениями, является наличие зависимости между отдельными ее частями, которая не исчезает при изменении шкалы времени в сторону укрупнения, как это происходит с традиционными случайными процессами, используемыми для описания нагрузки в теории телетрафика [8]. Так, например, для пуассонов-ского процесса соответствующая корреляция всегда равна нулю, а для марковского процесса с конечным числом состояний — экспоненциально убывает к нулю. При этом поступления пакетов, а также требования на установление сеансов связи коррелированны.
Расчеты, основанные на традиционных представлениях о том, что мультктлексироваше большого числа независимых случайных потоков приводит к пуоссоноескому процессу, явились причиной грубык оилбок при проектирова**1и коммутаторов ATM первого поколения. Когда такие коммутаторы с небольшими накопителями бьпи пущены в эксплуатацию, потери ячеек оказались недопустимо большими, что заставило конструкторов внести необходимые исправления [61Основной характеристикой самоподобного трафика является параметр Херста — Н [5], являющийся мерой самоподобия, или статистической инерцией процесса. Его значения лежат в пределах 0,5< Н< 1. Значение 0,5 соответствует Марковскому процессу, а 1 — случаю жесткой долгосрочной зависимости. Свойства самоподобия могут возникать в различных системах связи. Например, в каналах ОКС N7 СЛСС, передающих наряду с сообщениями об установлении соединения по протоколу ISUR сообщения о роуминге абонентов протоколов МАР и ТСАР и тексты SMS, в мультисервис-ных сетях при передаче трофика реального времени. Наиболее наглядно самоподобный характер трафика проявляется в широко развивающихся в последнее время беспроводных системах передачи данных, основанных на различных технологиях радиодоступа. Так, в [1 ] приведены результаты экспериментального исследования самоподобия GPRS — трафика. Оценка производилась на основе вейвлет — анализа, показано, что трафик имеет сложную мультифрак-тальную структуру. Показатели Херста лежат в пределах 0,789 — 0,988. Наибольшее значение показателя Херста наблюдается во входящем трафике IR TCP UDR
Математическая модель
В системах мониторинга и телеметрии, развернутых на беспроводных сетях передачи донных, возникает задача обслуживания мультисервисного трафика с приоритетами, причем высокоприоритетный трафик должен икдеть гарантированное качество обслуживания, а низкоприоритетный — оптимальное.
Рассмотрим математическую модель обслуживания участком беспроводной сети требований на передачу данных абонентами системам телеметрии и мониторинга. В обычном состоянии это регулярно поступающие сообщения одинаковой длины, однако в случае возникновения критических ситуаций нагрузка резко возрастает, ее объемы в сотни раз превышают среднюю нагрузку в системе. Предполагается, что для передачи данных телеметрии всегда зарезервирована часть ресурсов, которая в обычное время может обслуживать требования других абонентов, не связанных с этими системами, например, для выхода в Интернет, ICQ ( популярная программа для общения с помощью мгновенных текстовых сообщении в сети Интернет) и тд. При этом потоки донных от этих пользователей имеют более низкий приоритет в обслуживании.
Анализ современных технологий в сетях передачи информации показывает, что необходимо рассматривать вектор нагрузки, состоящий из нескольких компонент, каждая из которых должна отражать свойства трафика некоторых групп абонентов с одинаковыми инте-
гральными характеристиками [8]. Поскольку предполагается, что деление на компоненты осуществлено таким образом, что каждая из них описывает трафик принципиально различного происхождения: например одна — голосовой трафик, вторая — трафик донных, третья — трафик видео в режиме реального времени и т.п., то можно считать эти компоненты статистически независимыми. В связи с этим становится понятным, что обслуживаемый трафик должен рассматриваться как сумма нескольких компонент [9]:
Х\ = А,/ + yjat A, Z"'.
(1)
где X1, — ьая компонента процесса X в момент времени /; А,( — интенсивность ко потока сообщений; а характеризует дисперсию этого потока сообщений в единицу времени; — фрактальное броуновское движение со значением параметра Херста Нг (Для описания компонент целесообразно использовать диффузионное приближение).
Таким образом, предметом рассмотрения становится смесь нескольких процессов с различными значениями параметра Херста. Рассматривалась деухкомпонентная смесь, что соответствует ситуации, когда присутствуют компоненты с наибольшим и наименьшим из возможных значений параметра Херста. Данное упрощение дает процесс, который по своим статистическим свойствам хуже или лучше ИСХОДНОГО.
Таким образом, трафик исследуемой сети представляется как смесь двух самоподобных процессов:
(2)
где с — показывает долю абонентов одного типа в общем трафике, У, задает величину отклонения от среднего значения числа поступивших пакетов до момента [ за вычетом обработанных.
Каждая из компонент является дробным броуновским д вижением:
Я„<0 =----------р ] Ш. Г )‘1В{ г). (3)
где Н — параметр Херста (параметр самоподобия); с/В(т) — приращение Винеровского процесса; Г( // + —) — гамма функция,
а функция Ц(, т) задается следующим образом:
Л(/.г) =
(/-Г)* 3,0£г£/
(4)
|(/—Г) ' — (—г) :,т<0 Таким образом, общий трафик задается параметрами: с, Н,, Н2. При моделировании смеси самоподобных процессов и вычислении вероятности потерь пакетов при пиковых нагрузках возникают явления, вероятность возникновения которых может быть менее 10~5. Применение стандартных методов типа Монте-Карло привело бы к необходимости проведения значительного числа экспериментов, что на самом деле является практически невозможным. Для моделирования столь редких событий в данной работе применен метод случайной замены меры, который состоит в том, что интересующее нас событие рассматривается относительно другой вероятностной меры, относительно которой оно имеет большую вероятность [10]. Так как компоненты дробного броуновского движения считаются независимыми, то можно использовать случайную замену меры для каждой кол^юненты процесса отдельно, это позволяет применить стандартные методы-
Процесс моделирования производился до момента переполнения буфера или же до момента Т, которое выбрано таким образом, что вероятностью наступления интересующего нас события после этого момента можно пренебречь [9]. Для обоих процессов строил-
T-Comm, #7-2010
37
