формирование имитационной модели эквивалентного генератора речевого трафика, используемого в пакетно-ориентированных транспортных сетях связи
Петербургский государственный университет путей сообщения Императора Александра I, г. Санкт-Петербург, Россия, [email protected]
Лукичев Михаил Михайлович,
Петербургский государственный университет путей сообщения Императора Александра I, г. Санкт-Петербург, Россия, [email protected]
Имитационное моделирование позволяет определить параметры качества функционирования пакетно-ориентированных транспортных сетей связи. К данным параметрам относят задержки и вариации задержки, а также коэффициенты потери и искажения 1Р-пакетов [1]. Для получения наиболее точных значений вариации задержки 1Р-пакетов при исследовании транспортных сетей связи необходимо сформировать генератор рассматриваемой сетевой нагрузки, повторяющий наиболее значимые временные характеристики, в противном случае результат выполнения всей модели может быть недостоверен. Рассматривается процесс формирования эквивалентного генератора речевого трафика в пакетно-ориентированных технологических сетях связи, состоящий из следующих этапов:
1. Создание макета для исследования частотно-временных характеристик речевого трафика одного пользователя услуги телефонной связи на базе пакетно-ориентированных технологических сетей связи, подготовка и сбор статистической информации.
2. Анализ речевого трафика, полученного экспериментальным путем на транспортной сети связи, выделение наиболее значимых составляющих исследуемого потока, а также формирование его структуры.
3. Декомпозиция статистического ряда на составные компоненты речевого трафика, согласно структуре, полученной в ходе анализа.
4. Формирование законов распределений времени для каждой компоненты, содержащейся в структуре речевого трафика.
5. Составление алгоритма взаимодействия (взаимного влияния) полученных компонент речевого трафика. Синтез имитационной модели эквивалентного генератора речевого трафика с учетом его структуры и параметров рассмотренных компонент.
6. Верификация результата путем прямого сравнения временного ряда, полученного экспериментальным путем с временным рядом являющимся результатом выполнения имитационной модели. Полученные результаты составляют основу для формирования имитационной модели эквивалентного генератора речевого трафика, повторяющей наиболее значимые характеристики исследуемого объекта. Рассмотренная модель состоит из трех независимых генераторов случайных чисел с различными параметрами распределения и уникальным способом их взаимодействия, позволяющие добиться необходимой точности при исследовании прохождения потоков в сети и их характеристик.
Информация об авторах:
Канаев Андрей Константинович, профессор, д.т.н., Петербургский государственный университет путей сообщения Императора Александра I (ФГБОУ ВО ПГУПС), заведующий кафедрой "Электрическая связь", г. Санкт-Петербург, Россия
Лукичев Михаил Михайлович, аспирант, Петербургский государственный университет путей сообщения Императора Александра I (ФГБОУ ВО ПГУПС), г. Санкт-Петербург, Россия
Привалов Александр Андреевич, к.т.н., доцент кафедры "Управления и защиты информации", ФГБОУ ВО "Российский университет транспорта (МИИТ)", Москва, Россия
Для цитирования:
Канаев А.К., Лукичев М.М., Привалов А.А. Формирование имитационной модели эквивалентного генератора речевого трафика, используемого в пакетно-ориентированных транспортных сетях связи // T-Comm: Телекоммуникации и транспорт. 2019. Том 13. №10. С. 4-12.
For citation:
Kanaev A.K., Lukichev M.M., Privalov A.A. (2019) Formation of the equivalent voice traffic simulation generator model used in packet-oriented transport communication networks. T-Comm, vol. 13, no.10, рр. 4-12. (in Russian)
Канаев Андрей Константинович,
DOI 10.24411/2072-8735-2018-10311
Привалов Александр Андреевич,
Российский университет транспорта (МИИТ), г. Москва, Россия, [email protected]
Ключевые слова: транспортные сети связи, имитационное моделирование, частотно-временные характеристики трафика, вариация времени задержки, трафик-сниффер, VoIP трафик.
При имитационном моделировании, дня достижения приемлемой точности результатов, важную роль и грае! определенна характеристик генераторов Ш-лакетов, которые в общем случае описывают сетевое взаимодействие одного или нескольких устройств с исследуемой сетью передачи данных [2].
В качестве исходных данных дли формирования точных генераторов сетевого трафика требуется определять распределение времени между ¡Р-пакетам и, для каждог о потока сетевого приложения, т.е. в конечном итоге, необходимо получить распределение времени между 1Р-пакетами, имеющих одинаковую длительность кадра, для каждого логического потока. Если, сетевое приложение генерирует пакеты переменной длительности кадра, то нужно определить еще и распределение длительности кадра данного приложения.
Однако получить вышеуказанные исходные данные достаточно сложно, особенно при условии, что каждое устройство, имеющее подключение к транспортной сети, реализует несколько сетевых протоколов, каждый из которых может иметь разные характеристики генерируемого потока. Кроме этого, лля транспортных сетей характерно подключение большого количества обслуживаемых разнородных устройств, чю в значительной степени осложняет процесс получения исходных данных для моделирования.
Тем не менее, существует несколько способов, позволяющие определить распределение времени между II' пакетами:
1. Получение сведений от производителя оборудования. Данный способ позволяет получить необходимую информацию только для односервисных устройств, а также специфического оборудования, которое может применяться для реализации технологического процесса в предприятиях. Применительно к ОАО «РЖД». могут быть рассмотрены различные устройства автоматики, видеонаблюдения и аудио переговоров. Однако, не каждый производитель производит тестирование устройств с целью определения сетевой нагрузки, и ее характера, формируемой устройством. Дня более сложных устройств, Поддерживающих многопротокольное взаимодействие, сложно оценить распределение времени между 1Р-иакетами.
2. Использование известных результатов, полученных в результате ведения научной деятельности. Существует ряд известных распределений времени между 1Р-пакетами, которые принято считать адекватными для ряда устройств, использующих сети передачи информации.
3. Произведение натурного моделирования отдельного сетевого элемента с целью более точного определения характера потока нагрузки.
Устройства, генерирующие аудиопоток реального времени, характеризуются несущественным объемом передаваемых данных, однако на него накладываются жесткие требования к времени доставки сообщений и вариации задержек I Р-пакетов |3]. К данному типу устройств относятся все устройства речевой передачи информации, построенные на базе пакетно-ориентированпых технологий передачи: от телефонных аппаратов до систем громкоговорящей связи и оповещения.
В качестве примера, произведем анализ речевого трафика пользователя транспортной сети с целью создания модели
эквивалентного генератора графика. Дтя этого используется анализатор трафика, представляющий из себя специальное программное обеспечение, либо специализированный программно-аппаратный комплекс, В любом случае, анализатор трафика позволяет произвести запись графика и хранение его заголовков с целью дальнейшего его анализа. Наибольшее распространение получили программы анализа сетевого трафика, функционирующие непосредственно в операционной системе персонального компьютера. Семейство таких программ называют анализаторами графика пли графи к-енифферами, и поз воля ют записывать трафик, проходящий только через сетевую карту анализатора, поэтому существует несколько способов подключения сииффера к интересующей нас точке сети:
1. Анализ графика приложения/приложений, развернутых на том же персональном компьютере, что и сниффер;
2, Подключение сииффера «в разрыв сети». Требует настройки нескольких сетевых интерфейсов, а также необходимо обеспечить маршрутизацию между ними, необходимую для работы рассматриваемого устройства (генерирующего трафик);
.3. Подключение сииффера «параллельно» рассматриваемого устройства. Требует использования специальных коммутаторов типа «hub», либо настройки функции зерка-лировання |4] трафика на сетевом оборудовании.
Обобщенная классификация типов анализаторов трафика представлена на рис. I.
Pmiai .i,:.i' :■< ч >> :<. Tps>tofj
' ■О Г ' 4V
н1Пйл>|(.>неп
nocfKtüGy пидклпченпл*
с im
г--н
.nieüiHie IlffiUnJ^'lLLH Hi
у.. i|HJ»4 он
и * ycrpofine-
г
'й pa^rti □ ' LöTH
и^рХЛЛОЛИК! уц. KJ'JAI.W
Рис, 1, Классификация анализаторов трафика
Рассмотрим вариант реализации услуги телефонии, представленный на рис. 2. В качестве примера будем иенользо-вать аналоговый телефонный аппарат, соединенный с VoIP-шлюзом, с помощь го которого происходит соединение с IP-АТС через сеть с коммутацией пакетов (Ethernet).
IP АТС
Внутренний
Рис. 2. Упрощенная схема рассматриваемой сеги
В данном примере для записи IP-графика, генерируемого ЕР-шлюзом^ на внутренний сервер установлен трафяк-сниффер, а на маршрутизаторе рассматриваемой сети настроена функция зеркодирования трафика от сетевого интерфейса, к которому присоединен VoIP-шлюз к интерфейсу, соединяющему внутренний сервер. Кроме этого, сетевой интерфейс внутреннего сервера переведен в «неразборчивый режим», позволяющий обрабатывать IP-пакеты, предназначенные для других сетевых устройств, а не отбрасывать все пакеты, в случае если поле iP-адреса не соответствует адресу интерфейса {по умолчанию). После запуска программы сниффера на внутреннем сервере будут регистрироваться все пакеты, проходящие через порт маршрутизатора, к которому соединен VoIP-шлюз.
Далее, произведем выделение интересующего нас трафика путем применения фильтрации всех протоколов кроме RTP. Такой подход позволяет точно сформировать генератор пакетов речевого трафика, при этом исключить погрешности измерения всех прочих сетевых механизмов, включая сигнализацию вызовов и прочую служебную информацию. Как правило, служебный поток информации на порядки ниже потока пользовательских данных (в данном случае речевого трафика), и в модели не учитывается. В тех случаях, когда объем служебного трафика сопоставим с объемом пользовательского, целесообразно вести анализ для каждого вида трафика отдельно (в том числе и для служебного), что позволит с достаточной точностью построить генераторы нагрузки для сетевого оборудования при последующем создании имитационной модели. Также требуется выделить по IP- либо М ас-адресу источника (отправителя) пакеты, передаваемые от шлюза VoIP, так как в противном случае будет получен суммарный трафик двунаправленного обмена, что в свою очередь усложнит определение параметров, необходимых в процессе создания генераторов имитационных моделей.
Далее требуется определить период времени, необходимый для получения статистических данных, требуемых для построения распределения случайной величины с достаточной точностью, Характер речевого графика, рассматриваемого служебного аппарата, до известной степени определен его рабочим временем, а также интенсивностью (потребностью) совершать/принимать вызов в рабочее время. На первом этапе был полностью записан трафик за промежуток времени в одни сутки (рабочий день). 8 ходе анализа полученного трафика оказалось, что с точки зрения оказываемой нагрузки на сеть передачи данных, трафик, генерируемый абонентом телефонной связи, нужно заменить на эквивалент в имитационной модели, состоящий из четырех генераторов случайных чисел с соответствующими функциями распределения и их коэффициентами. К этим функциям относятся:
1. Функция распределения времени между пакетами RTP во время разговора, т.е. характеристики «пачки» трафика;
2. Функция распределения длительности вызова, характеризует «длину пачки»;
3. Функция распределения времени между вызовами, характеризует время, в течение которого не генерируется т рафик от рассматриваемого абонента;
4. Функция распределения длин передаваемых пакетов, с учетом всех служебных заголовков и контрольных сумм.
Д]я получения указанных выше функций распределения необходимо произвести анализ данных, полученных еннф-фером. Как правило, данные, полученные ениффером имеют вид таблицы (представление информации может меняться в зависимости от конкретной реализации ПО сниффера), строка которой содержит весь кадр Ethernet-пакета, а также метку времени его получения и, как правило, расшифровку некоторых служебных полей кадра. В рассматриваемом примере использовалось свободно-распространяемое ПО для сбора и анализа сетевого трафика «Wireshark», В столбцах полученной таблицы, кроме метки времени получения пакета была также информация об IP адресах отправителя и назначения пакета, сетевой протокол, а также длинна Ethernet кадра. В качестве примера на рис. 3 изображена часть информации, отображаемой ениффером. Кроме этого, каждую строку таблицы (зарегистрированный Ethernet кадр) можно выделить курсором для более детальной информации, получаемой для каждого известного программе поля фрейма, либо получения значения в нерасшифрованном (шестнад цатерич ном) виде.
ТА« SoiiCe tetretsn ftottml Leçth info
m 1зм.ш955 li.Jf . X .X S3.*. « . X ftîp 214- РТ=ГШ-Т 0.711 PCMA,
740 1354.23S364 Eî.Jf , X 15.» . » SIP 214 FT-ITLI-- S.711 И1,
741 1354.252MB 18.» X , к JÎ.K. If , * RTÎ 2i4 «r=mi-t c.711 ¡m,
7« i3W,25S7ea сз. Jr. X .X » . « ATP 214 РТ=ГШ-7 0,711 (W,
743 1354.272132 is. Jf. X 33. ï . JT ЙР, 214 Л-ГПМ 5.711 POU,
74Д 13^4,279609 вэ.ж. X . t le.x » . JT m? 214 РЫТ1М 6,711 ?CH4,
745 1354.293I9S IÎ.» X . X Î3.*. « . X ft'p 214 PT=rm-7 G.71! PC4i,
74« 1354.299113 S3.Jf. X 10, ï « . JT fiî= 214 PT=IT1M в, 711 PCMj
747 1354.311845 10. If. t Î3.* . X , * HTP 214 РТ.Щ-" 6,711 "OU,
74Я 1354.317861 iî.x. X , t is.*. Jf . * (ГТР 214 PT=rnt-~ <¡,71! РСЧ1,
749 1354.351071 19.». X .X 33, Jt . X . * RTP 214РЫПМ G.711 PCM,
Рис. 3. Часть сортированных данных, полученная ениффером
Первым был произведен анализ длительности всех отфильтрованных ранее кадров. Оказалось, что VoIP шлюз в рассматриваемом примере использует кодек ITU-T G.71I -стандарт 8-битной компрессии, который создает поток информации (с точки зрения фрейма - Pay load) равный 64 кбит/с. Длина одного фрейма оказалась одинаковой для каждого и равной 214 байт, а за секунду разговора передавалось 50 таких фреймов. Таким образом, поток, создаваемый VoIP-шлюзом, составил 214*8*50/1024-83,6 кбит/с, что больше, чем поток «полезной» нагрузки и объясняется наличием служебных заголовков, указанных на рис. 4,
О "S Cl n
fc о -с > EL § к: ce PayLoad
UJ
щ
R
Рис. 4. Служебные заголовки и пользовательская информация, а также их длительность в одном фрейме
Определим функцию распределения времени между фреймами ЕИ1ете1. Д1Я этого можно использовать встроенные возможности ПО анализатора трафика, однако, для получения более точных значений, требуется произвести
статистический анализ данных. Исходными данными будем считать моменты времени регистрации фреймов Ethernet, содержащие пакеты RTP с направлением от источника, фиксируемые еннффсром, которые необходимо записать в массив (вектор) M = {m, ¡, / = 1,», где »— общее число зарегистрированных фреймов. Далее нужно создать новый вектор D(¡), заполнив его разнице и времени между отправкой каждого следующего фрейма: с/1 = , - mt. Однако при таком
подходе, вектор D(l) содержит также и интервалы времени между разговорами (время, когда сотрудники не разговаривают 60 рассматриваемому телефону), юг да, будем считать элементы выборки, значения которых превышает предположительно утроенное значение времени между фреймами RTP, аномальными относительно непрерывного разговора и исключим их из рассматриваемой выборки. Таким образом, заполним новый вектор Df , элементы которого будут определены соответственно df = cl - если d <3 —с (0,6 с).
'50
При большом количестве значений /, можно считать математическое ожидание как среднее значение случайной велнчн-
lv*
иы E(DK) -
а среднеквадратичное отклонение
v (d?-Mb*f „
определим как = J •----В рассматриваем
V п
мом случае Е(Dв) =0.02 с, а ds =0,00011 с. Для наглядности полученного результата построим гистограмму плотности и график функции распределения времени между отправкой рассматриваемых фреймов. Определим оптимальное количество интервалов по правилу Сгёрджеса [5]: N = 1 + log, jj| , в нашем примере й=77010, тогда интервалов должно быть 18 шт. Шаг каждого интервала определяет-
ся как д
_ шаx(df ) - vam(df ) ( jo
18
можно построить гистограмму плотности распределения временных интервалов, которая изображена на рис. 5.
.-ИГ
/i
S s //////// S
Рис, 5. Гистограмма плот ности распределения временных интервалов между фреймами ЯТР при разговоре по исследуемому УоГР-шлюзу, а также график полученной функции плотности вероятности распределения по Нормальному закону
По форме гистограммы, предположим, что функция распределения интервалов времени подчиняется нормальному закону. Тогда по полученным значениям математического ожидания и среднеквадратичного отклонения построим график распределения вероятности (рис. 4). Относительная погрешность построенной функции распределения от значений, полученных экспериментальным путем, составляет 2.5%, что является хорошим результатом. Полученную функцию распределения времени между фреймами телефонного графика можно представить в виде генератора в имитационной модели. Тогда, с точки зрения физического с м ы с л а та к о й генератор будет определять трафик от абонента, который постоянно занимает телефонную линию. Для того чтобы уточнить поведение трафика, С учетом времени разговора и времени простоя телефонной линии определим следующий параметр - продолжительность простоя телефонного аппарата и функцию его распределения.
Если все вышеуказанные операции произвести для входящего трафика (принимаемого Уо1Р-шлюзом от 1Р АТС), а также в тех же осях построить гистограмму плотности распределения для каждого направления трафика, как показано па рис. 6, можно заметить существенное увеличение среднеквадратичного отклонения, которое составило 0.0015 С для Потока, направленного к Уо1Р-шлгозу. Таким образом, если сделать предположение о том, что 1Р АТС создает поток нагрузки с одинаковыми параметрами плотности распределения времени между фреймами, что можно подтвердить аналогичной структурой фреймов, полученных сниффером, то разница среднеквадратичных отклонений —дя-ю») будет характеризовать величину девиации задержки, возникающую при прохождении пакетов в 1Р-сети, выходящей за рамки рассмотрения данной работы.
полученным данным
I I
i i i l
I
li i i
//У/У/У///УУУУУ У/У/
Рис. 6. Гистограммы плотности распределения вероятности интервалов времени между фреймами RTP при разговоре по исследуемому VoIP-шлюзу исходящего и в ходя are го потока
Для выявления временных характеристик, когда VoIP-шлюз не создавал нагрузку на сеть передачи данных, будем исследовать интервалы времени D'"', при условии, что t/r > 0.6 с. Таких временных интервалов оказалось всего
20 шт. Математическое ожидание полученной выборки составило 32 мин, а среднеквадратичное отклонение 33 мин. Гистограмма статистического ряда приведена на рис, 7,
Даже при доверительном уровне в 90% п приемлемой ошибкой исследования в 3 мин, получаем, что минимальное значение выборки (объем) должно быть около 300. Следовательно, рассмотренного временного интервала сбора статистических данных трафика (сутки) не достаточно и должно быть расширено минимум до трех недель (15 рабочих дней), что и было выполнено.
tvilf 1I1-JU JtHJ 3040 íl>bU SIM*J MU Вцемя, Мин
Рис, 7, Гистограмма статистического ряда интервалов времени без разговора по исследуемому VolР-шлюзу, полученная из трафика за сутки
Схема, изображенная на рис. 2 построенная для захвата трафика VolР-шлюза была использована без изменений, а время наблюдения составило три недели. После этого, как и в рассмотренном выше случае, произведено исключение из выборки интервалов времени ctfFF, значения которых были
меньше 0,6 с. Для определения более точных параметров речевого трафика в рабочее время, необходимо исключить значения интервалов времени более 6 часов, которые возникают в выходные дни п ночные часы. Тогда по полученным п=212 значениям интервалов времени определим математическое ожидание и среднеквадратичное отклонение E(Doff) = 34.9 мин. a dOFF =53$ мин. Аналогичным образом построим гистограмму плотности временных интервалов и определим функцию распределения, представленную на рис. S.
ох,
I.__
rwo ÍM) 40« СО-ЙО ЗОЮ» ЗЩ 120 120-140 140-3U0
tTirrepbdñM гг.^чдм'ки MtfH
l'iic. К. Гистограмма плотности распределения интервалов времени между вызовами (разговорами) исследуемого VoIP-шлюза
По форме гистограммы (рис. 8), предположим, что функция распределение интервалов времени задается функцией
распределения Венбулла, тогда, после подбора соответствующих коэффициентов (а =0,7, ß ~22,705) получим функцию плотности распределения рассматриваемых интервалов времени. Относительная погрешность построенной функции распределения от значений, полученных экспериментальным путем, составляет 1.6%, что является неплохим результатом.
Дтя оценки распределения длительности вызова требуется составить не вектор, как в предыдущих случаях, а матрицу, которая будет содержать не только элементы вектора [У"'1 , но и временные метки конца каждого периода dfFf ■ 13 общем виде элементы указанной матрицы можно записать как MD(t) — {т ,dt}, таким образом на первом этапе матрица будет состоять из двух столбцов. Как и в приведенном выше случае, будем рассматривать только й, > 0.6 с. Тогда, для определения продолжительности вызова потребуется получить разницу моментов времени т('" - В полученной матрице MD(t) заполним этими значениями еще один столбец f =7^!, - , физический смысл значений данного столбца будет иметь цикл (фаза) времени разговора/времени без разговора. Матрица будет содержать элементы MD'(t) = {m"FFl,d'"'r,f,"rf'}, тогда определить длительность вызова можно как $(t) = f,"" -d't'" . Данную операцию необходимо произвести для всех строк матрицы MD\t) с целью получения статистического ряда продолжительности вызова. IIa временной диаграмме рис. 9 изображены условно первые элементы матрицы MD'(t). а также процесс их получения из временных меток, присваиваемых сниффером.
Разговор 1 Разговор 2 Разговор 3
ППППППП1 1 шло 1 kiiiiliWiiii mm finrin
и), Щ 1 d,*0. S f 1 ilhi f 1 d,>0.6 > 1 ГПкг r 1 6 r 1 TO, r
aj"*
1 Г \ 1 > r 1 i i f
1 <r 1 1
1 Г 1 1 1 r 1 t 1 L_►
sfW sftal
Рис. 9. Временная диаграмма КТР кадров
Из рисунка 9 видно, что при таком подходе возникает погрешность на длительность одного кадра КТР. однако с учетом огромного количества таких кадров и несопоставимо короткой длительностью этого кадра, эта погрешность пренебрежимо мала. Кроме того, указанная процедура позволяет получить длительности (/7-2) разговора, однако с учетом количества и » 100 это не меняет общей гистограммы плотности вероятности продолжительности вызова, представленной на рис. 10. Количество исследуемых вызовов н^246. что при доверительном уровне случайной величины равной 90% соответствует ошибке выборочного нес ледова-
ния в 0.2 минуты, что является допустимым в рамках данного исследования» Средняя продолжительность вызова составила ЩО°*) = 1.5 минуты, а среднеквадратичное отклонение д* —2.2 минуты. Также как и в предыдущих случаях, по форме гистограммы сделаем предположение, что функция распределения подчиняется экспоненциальному закону. При Л = 0.858 относительная погрешность построенной функции распределения от значений, полученных экспериментальным путем, составляет !.7%, что является хорошим результатом.
Генератор непрерывного потока RTP 0)
Генератор дпитепьности н&дра
Добавпение атрибутов к транзакту
Генератор времени ^■••у вызовами (О I
Gate
ь юн/ Прибор I зэяят
Исследуемая сеть
TERMINATE
SIEZE (Прибор 1)
ADVANCE (создает задержку характерную drift длительной™
вызова (D™}
RELEASE
TERMINATE
äi
S3
б CL
1S
в £
г
Время, mvm
Рис. HI, Гистограмма плотности распределении продолжительности вызовов по исследуемому VoIP шлюзу
После получения всех законов распределения времени, влияющих на загрузку сети, создаваемую одним абонентом, необходимо обеспечить взаимосвязь этих параметров с целью интеграции их в имитационные модели. Упрошенная структурная схема имитационной модели, построенной на языке GPSS Word [6] представлена на рис. II. В модели предполагается использовать один грапзакт в качестве одного кадра ETHERNET. Генератор трафика RTP непрерывно создает пакеты, согласно полученному ранее нормальному закону распределения. К этим Tpai пактам добавляется атрибут, соответствующий длительности кадра, в данном конкретном случае он неизменен и равен 214 байт. Предполагается, что длительность кадра будет учтена в эквивалентной модели маршрутизатора сети, и позволит динамически изменять задержки пакетов разных генераторов с учетом длительности каждого пакета и битовой скорости интерфейса. Также в рассматриваемой модели присутствует вспомогательная очередь из транзактов, позволяющая произвести имитацию длительности разговора и интервалов времени между ними. Специальный блок GATE позволяет пропускать транзакты непрерывного потока RTP только в моменты, когда занят Прибор I, т.е. только в моменты разговора. Остальные транзакты в дальнейшей модели не учитываются и исключаются из модели.
Таким образом, указанный подход позволяет перейти от физического объекта телекоммуникационной сети к его имитационному аналогу п является наиболее точным, учитывающим все аспекты создаваемой им нагрузки. Построенная имитационная модель может быть вынесена в отдельный блок, что удобно для дальнейшего увеличения количества абонентов на одном сегменте сети, позволяя тем самым исследовать агрегированный трафик от нескольких абонентов.
Рис. 11. Структурная схема модели генератора трафика для одного VoIP абонента
В связи с отсутствием параметра временного сдвига в модели GPSS, экспоненциальный закон распределения был заменен на Вейбулла и определены его параметры. Это не привело к существенному росту погрешности, однако позволило избежать особенностей реализации встроенного генератора программы GPSS Word. Исходные данные для построения модели сведены в табл. I.
Таблица 1
Значении полученных параметров распределения участвующих в модели генераторов
Временные характеристики, полученные при исследовании VoIP-графика
Тип генератора характеризует Закон распределения Параметры закона распределения
ПотокRTP ей врел<я разговори Нормальный О4) =0.02 с; a* =o.ooüi i с
Длительность без разговора Вейбулла а = 0,7; ß = 22,705
11родшжиш елыюсть вызова Экс пои енцшщъный Л =0,858
Длина пакета постоянная 214 байт
Временные характеристики, использованные для моделирования ОРХЯ. а также нормированные и приведённые к общей единице времени
Тип генератора характеризует Закон распределения Параметры чакона распределения
Поток КТР па время разговори Нормальный £(£>*>=0.02с; д~ =0.0001! с
Длительность без разговора Вейбулла а - 0.7, ß=22.705
Продолжатель:« ость вызова Вей бу.гпа сг = 1,0539. ß =63.062 (с)
Длина пакета постоянная 214 байт
Таким образом, получен модуль генератора телефонного трафика, в основе которого находятся три независимых генератора случайных чисел, использующие рассчитанные коэффициенты функций распределения, указанные в табл. I.
Модуль содержит 33 строки, 1064 знака. Время выполнения модели, которая соответствует временному интервалу 3 недели реального получения временных характеристик графика, составляет 47 с. GPSS Word позволяет также получить таблицы распределения интервалов времени между пакетами, характерными для каждого генератора, на рис. 11а, N6, и IIb, приведены гистограммы статистического ряда интервалов.
Кроме этого, с целью более точного сопоставления полученных параметров исследуемого трафика с модельными эквивалентами, из результатов моделирования был выделен временной ряд, характеризующий итоговый результат совместной работы трех генераторов, далее из этого ряда были определены параметры распределений и сопоставлены с результатами исследуемого трафика.
,И ггл
lit.
Рис. 12 ¡i. Гистограмма плотности распределения временна? интервалов между фреймами K l I' полученных от генератора во время вызова □ модели
GPSS
I20U гаи№ 1600
J laufí г, un ri' muí' 'miiij '
Рис. 12 fi. I "истограмма плотности распределения временных интервалов между вызовами, полученных в модели GPS5
10#
?16
"ï^î аз;1 ш' Mí 768' Mi1 ч/г"
loeo
В результате моделирования получены параметры трафика, совпадающие с исследуемым трафиком и обладающие достаточной точностью, а наибольшая относительная погрешность наблюдается при создании генератора временных интервалов между вызовами и составляет не более 6%. Это обусловлено высоким коэффициентом среднеквадратичного отклонения.
Несмотря на низкую погрешность функции распределения относительно плотности распределения интервалов между вызовами, в модели GPSS используется один из наборов псевдослучайных генераторов.
На рисунках 13, 14 и 15 приведены сравни тельные гистограммы плотности распределения для каждого из рассмотренных генераторов нагрузки исследуемого трафика, полученной функции распределения и эквивалентного генератора трафика в модели GPSS.
При моделировании транспортных сетей связи допустимо использование генераторов нагрузки VoIP, содержащих только интервал разговора абонента. Это допущение существенно упростит генераторы VoIP-трафика, а также позволит оценить состояние сети передачи данных при условии, что каждый абонент непрерывно разговаривает па протяжении всего времени выполнения модели. Так как интенсивность аудио потока достаточно низкая и не создает дополнительных всплесков нагрузки, то такой подход гарантированно позволит оценить возможности сети передачи данных в наихудшем (относительно аудио-трафика) случае.
Таким образом, при построении модели эквивалентного генератора речевою графика были выделены наиболее существенные факторы, оказывающее непосредственное влияние на формирование нагрузки в транспортных сетях связи.
ци
Mt
1)1 ï-ч« 11,1*
////////У///////'//
//////////Z/f/////
ûflBW, и'ч
'> :-•/» «г0рт№ РИ fv-vniH aravflinfiDitii * ÎWWI игивдуитиик to
' ■ . . —п, 111 HHffMH' 1 I '.rtvi "<<Д.п',Гп[.,.
ttgrtd U.>. рлчркййлтли |JlifHh"ll f ^lll^JVi*' - ™ I
Put. 13, Гистограмма плотности распределения временных интервалов между фреймами RTP при разговоре по исследуемому VoIP-шлюзу (среднеквадратичная погрешность Traffic-GPSS 2,2%)
Г и с. 12 в. Гистограмма плотности распределения временных, интервалов длительности вызова, полученных в модели GPSS
il ii
<11Ш'
nj-- ;т ilfWÜ. мни
I KU 4T '
■> «i ЛриШ'мим »^"Hitif.i IH «i "и-ил ittKivt itlH 1 '
■ flLHIH«l4fl.^WM Mpemivm кПШЧР ЛЛМ111,11|Ц.-ПЦ l'lHI TinI» L «ÄIJIH'L bCW
Полученная имитационная модель с требуемой точностью повторяет частотно-времениые характеристики передаваемой речевой информации в реальном масштабе времени, а значит, позволяет использовать рассмотренную модель в составе имитационных моделей, описывающих функционирование всей либо сегмента транспортной сети связи. Имитационное моделирование допускает объединение множества рассмотренных генераторов сетевой нагрузки, позволяя тем самым увеличивать масштабы моделируемых сетей. Рассмотренная в статье модель эквивалентного речевого трафика является инструментом для дальнейших исследований в области формирования взаимных влияний разнородного графика в телекоммуникационных сетях.
Рис, 14, Гистограмма плотности распределения интервалов времени между вызовами (разговорами) исследуемого Уо1Р-шлюза (среднеквадратичная погрешность ТгаШс-ОР55 5,6%)
ь*
ae-lA и,* jts> «• : 9г заход iii.uA .it.«)
I 1 WaA*,n <- ...I.: Ill W ,1 ... .nwHUln 1.ПЦ П. . in'V.n Цл ' . .
^^■PaTlfÜMlfHlW ■ л пит^ nWiM, H Ik Dill ........... ■
-i.MDH (i' Л1*'ди и, "и ■ КОДгш "ц-л* .
Литература
1. ITU-T Recommendation Y.154I {12/3011) Network Performance objeelives for IP-based services.
2.Алиев Т.И., Микульский И.Е., Пяттасв ВО. Моделирование и анализ подуровня агрегирования мультнеервненон телекоммуникационной сети Н Техника связи, 2009. № 2. С. 12-18.
3. Михайлов С.К.. Сергеева Т.П. Расчет вариации задержки (1PDV) для телефонного соединения // T-Comm: телекоммуникации и транспорт. 2013. №7. С. 87-89.
4. Гетьман Л.И., Евстропов Е.Ф., Маркин Ю.В. Анализ сетевого трафика в режиме реального времени: обзор прикладных задач, подходов и решений. Препринт ИСП РАН 28, 2015. С. i-52.
5. Вадзинский P.M. Справочник по вероятностным распределениям. Спб.: Наука, 20OI. 295 с.
6. Боев В.Д. Исследование адекватности GPSS World п Дну Logic при моделировании дискретно-событийных процессов: Монография. СПб.: ВАС, 2011. 404 с.
Рис. 15. Гистограмма плотности распределения продолжительности вызовов по исследуемому VoIP-шлюзу (среднеквадратичная погрешность Traffic-GPSS 3,8%)
FORMATION OF THE EQUIVALENT VOICE TRAFFIC SIMULATION GENERATO MODEL USED IN PACKET-ORIENTED TRANSPORT COMMUNICATION NETWORKS
Andrey K. Kanaev, St.Petersburg state transport university of the emperor Alexander I, St.Petersburg, Russia, [email protected]
Mikhail M. Lukichev, St.Petersburg state transport university of the emperor Alexander I, St.Petersburg, Russia, [email protected]
Alexander A. Privalov, Federal State Budgetary Educational Institution of Higher Education "Russian University of Transport (MIIT)",
Moscow, Russia
Simulation modeling allows determining the parameters of the quality of functioning of packet-oriented transport communication networks. These parameters include delays and delay variations, as well as IP packet loss and distortion coefficients [1]. To obtain the most accurate values of IP packet delay variation in the study of transport communication networks, it is necessary to generate a generator of the considered network load that repeats the most significant time characteristics; otherwise the result of the entire model may be incorrect. This article discusses the process of forming an equivalent generator of voice traffic in packet-oriented technological communication networks, consisting of the following stages:
1. Creation of a model for the study of the time-frequency characteristics of the voice traffic creating by one user of the telephone service on the basis of packet-oriented technological communication networks, preparation and collection of statistical information
2. Analysis of voice traffic obtained experimentally using by part the transport communication network, selection most significant components of the studied flow, as well as the formation of its structure.
3. Decomposition of statistical row into constituent components of speech traffic, according to the structure obtained during the analysis.
4. Formation of time distribution laws for each component contained in the structure of voice traffic.
5. Drawing up the algorithm of interaction (mutual influence) of the received components of speech traffic. Synthesis of the simulation model of the equivalent voice traffic generator into account its structure and parameters of the considered components
6. Verification of the result by direct comparison of the time row obtained experimentally with the time row resulting from the simulation model.
The obtained results form the basis for the formation of a simulation model of an equivalent voice traffic generator, which repeats the most significant characteristics of the object under study. The model consists of three independent random number generators with different distribution parameters and a unique way of their interaction, allowing achieving the necessary accuracy in the analysis of the paket flow in network and their characteristics.
Keywords: transport communication networks, simulation modeling, time-frequency characteristics of traffic, delay time variation, traffic sniffer, VoIP traffic.
1. ITU-T Recommendation Y.I54I (12/2011) Network performance objectives for IP-based services.
2. Aliev T.I., Nikulsky I.E., Pyatayev V.O. (2009). Modeling and analysis of the aggregation level of a multiservice telecommunications network. Communication Engineering. Vol. 2, pp. I2-I8.
3. Mikhailov S.K., Sergeeva T.P. (20I3). Calculation of delay variation (IPDV) for a telephone connection. T-Comm. No. 7, pp. 87-89.
4. Getman A.I., Evstropov E.F., Markin Yu.V. (20I5). Real-time network traffic analysis: a review of applied tasks, approaches and solutions. Preprint ISP RAS 28, pp. I-52.
5. Vadzinsky R.N. (200I). Handbook of Probabilistic Distributions. St. Petersburg: Nauka, pp. 295.
6. Boev V.D. (201 I). A study of the adequacy of GPSS World and AnyLogic in modeling discrete-event processes. Monograph. St. Petersburg: VAS, p. 404.
Information about authors:
Andrey K. Kanaev, St.Petersburg state transport university of the emperor Alexander I, Head of the department "Electrical Communication", St.Petersburg, Russia Mikhail M. Lukichev, St.Petersburg state transport university of the emperor Alexander I, Postgraduate of the department "Electrical Communication", St.Petersburg, Russia
Alexander A. Privalov, Federal State Budgetary Educational Institution of Higher Education "Russian University of Transport (MIIT)", Ph.D., Associate Professor, Department "Management and Information Protection", Moscow, Russia
Abstract
References