CC BY
55УДК 621.395.74
Н.С. Мальцева1, А.А. Сорокин1, П.С. Резников1, В.М. Дорохов2
1 Астраханский государственный технический университет, Астрахань, 414056;
2Московский авиационный институт (национальный исследовательский университет),
Москва, 123993 e-mail:maltsevans@mail.ru
МОДЕЛИРОВАНИЕ ГИБРИДНОЙ ТОПОЛОГИЧЕСКОЙ ИНФРАСТРУКТУРЫ
СЕТИ «ИНТЕРНЕТА ВЕЩЕЙ»
Рассмотрена современная технология «Интернет вещей» (IoT). Проанализированы препятствия повсеместного внедрения данной технологии, к которым относятся: отсутствие разработанных стандартов и протоколов взаимодействия, вопросы энергопотребления, безопасности передаваемых данных. Рассмотрены модели подвижности абонентов сети IoT. В настоящее время существуют модели индивидуальной и групповой подвижности абонентов. К первой группе относятся модели «Случайной прогулки» (Random Walk Model) [7] и «Случайного перемещения» (Random way point mobility model). Ко второй - «Потока» (Fluid Flow Model); «Распространения» (Diffusion Model); «Гравитационной» (Gravity Model); «Перемещения абонентов по городу» (City Area Model). Предложен вариант использования динамической топологии сети для построения модели перемещения абонентов. Применение метода виртуального узла позволит собрать статистические данные о местонахождении абонентов сети и разработать когнитивную топологию сети с единой логической структурой.
Ключевые слова: «Интернет вещей", датчики, безопасность, динамическая сеть, виртуальный узел.
N.S. Maltseva1, А.А. Sorokin1, P.S. Reznikov1, V.M. Dorokhov2
1 Astrakhan State Technical University, Astrahan, 414056;
2Moscow Aviation Institute (National Research University), Moscow, 123993 e-mail:maltsevans@mail.ru
MODELING OF HYBRID TOPOLOGICAL INFRASTRUCTURE OF IOT NETWORK
The modern technology "Internet of Things" (IoT) is presented. The obstacles to the full implementation of this technology, which include the lack of developed standards and interaction protocols, issues of energy consumption, security of transmitted data are analyzed. The mobility model of IoT subscribers is considered. Currently, there are models of individual and group mobility of subscribers. The first group includes the Random Walk Model [7] and the Random Way Point Mobility Model. To the second - ''Flow'' (Fluid Flow Model); Distribution (Diffusion Model); "Gravity" (Gravity Model); "Moving subscribers around the city" (City Area Model). A variant of using a dynamic network topology for constructing a model of subscriber movement is proposed. The application of the virtual node method will allow collecting statistical data on the location of network subscribers and developing a cognitive network topology with a single logical structure.
Key words: "Internet of Things", sensors, security, dynamic network, virtual host.
Введение
На сегодняшний день технология «Интернет вещей» является одной из современных и развивающихся технологий передачи данных. По данным аналитической компании International Data Corporation (IDC), объем мирового рынка «Интернета вещей» составил 646 млрд долл. в 2018 г. Существует множество определений этой технологии, одно из них - концепция построения вычислительных сетей из физических объектов, взаимодействующих между собой и с окружающей средой [1]. Официальное определение «Интернета вещей» (IoT) приведено в Рекомендации МСЭ-Т Y.2060: IoT - глобальная инфраструктура информационного общества,
обеспечивающая передовые услуги за счет организации связи между вещами (физическими или виртуальными) на основе существующих и развивающихся совместимых информационных и коммуникационных технологий [2]. Основой технологии «Интернет вещей» можно считать методы межмашинного взаимодействия или сети М2М. В данной работе предлагается модель, позволяющая описать передачу трафика в сети с различной подвижностью абонентов, учитывающей особенности как «Интернета вещей», так и 1оТ.
Общие сведения о технологии «Интернет вещей»
Общий смысл данной технологии - обеспечение связей между предметами окружающей среды посредством существующих инфокоммуникационных сетей. При использовании данной технологии необходимо обеспечить связь «в любом месте», в «любое время», с «любой вещью» [1]. При этом обмен информацией может происходить как с участием человека, так и исключив влияние человека, непосредственно между «вещами». В связи с этой особенностью модель передачи информации в сети «Интернет вещей» должна отличаться от существующей модели передачи данных через «Интернет людей». В модели архитектуры IoT вводятся два важных понятия:
- сеть с ограничениями характеризуется относительно низкими скоростями передачи, менее 1 Мбит (например, стандарт IEEE 802.15.4) и достаточно высокими задержками;
- сеть без ограничений соответственно характеризуется высокими скоростями передачи данных (десятки Мбит/с и более) и похожа на существующую сеть Интернет. Обе модели приведены на рисунке.
Сравнение обобщенных процедур передачи данных в Интернете и в 1оТ [2]
В технологии «Интернет вещей» главное внимание уделяется вещам, а не людям, как это принято в «Интернете людей». Также в «Интернете вещей» резко возрастает количество подключенных объектов, в то же время размеры самих объектов уменьшаются, скорости передачи данных уделяется меньшее внимание, но возрастают требования к энергосбережению. В связи с этим возникает необходимость в разработке новой инфраструктуры и новых стандартов функционирования данной технологии.
Препятствия к внедрению технологии «Интернет вещей»
Существует несколько препятствий на пути повсеместного внедрения технологии «Интернет вещей». Одной из них можно назвать отсутствие единых стандартов и протоколов взаимодействия, разработанных с учетом особенностей данной технологии. В целом, для технологии как нового направления развития инфокоммуникаций в настоящее время определены самые общие концептуальные и архитектурные решения [2].
Также мало разработан вопрос безопасности передаваемых данных через сеть «Интернет вещей» и возможности отслеживания местоположения пользователей и устройств, входящих в эту сеть.
Еще одним важным вопросом является повышение эффективности передачи трафика в сетях 1оТ. Сеть «Интернет вещей» является логическим продолжением существующей и функционирующей сети «Интернет людей», но при внедрении 1оТ резко возрастет количество абонентов, как мобильных, так и стационарных, и существующие принципы передачи трафика теряют
эффективность. Этот вопрос можно решить внедрением новых моделей распределения трафика или увеличением скорости передачи данных [3-6].
Также необходимо рассмотреть вопрос электропитания датчиков и устройств, входящих в IoT. Так как датчики будут находиться в различных местах, в том числе и труднодоступных (пример нательных сетей), то заменять элементы питания или производить зарядку этих устройств может быть проблематично. Для полноценного функционирования сети необходима автономность входящих в нее устройств.
Модели подвижности абонентов
Модели распределения трафика являются важным инструментом для планирования и проектирования сетей. Традиционные модели были разработаны для проводных сетей, и рассчитывают объем трафика, проходящий через коммутатор, в единицу времени. Но такие модели не учитывают особенности распределения трафика в случае подвижности абонентов сети. Модели мобильности абонентов необходимы для описания поведения абонентов и распределения трафика в разных масштабах.
Модели подвижности абонентов можно разделить на модели, описывающие групповую подвижность и индивидуальную.
Описание групповой подвижности производится моделями: «Потока» (Fluid Flow Model); «Распространения» (Diffusion Model); «Гравитационной» (Gravity Model); «Перемещения абонентов по городу» (City Area Model) и др. [7]. Модели групповой подвижности применяются для прогнозирования нагрузки в различных местах зоны обслуживания сети. Перераспределение нагрузки в сети происходит из-за перемещения абонентов.
Модель «Потока» (Fluid Flow Model) модулирует перемещение абонентов как непрерывный поток. В простейшем виде модель определяет объем трафика внутри региона пропорционально плотности населения в регионе, средней скорости потока и площади региона. Эта модель подходит только для симметричной сетки улицы движения трафика только в одном направлении [7].
Модель «Распространения» является усовершенствованной версией модели «Потока». В этой модели учитывается распределение вероятностей местоположения абонента в сочетании с пуассоновской моделью поступления заявок. Эта модель, например, будет использоваться для получения вероятности местонахождения абонента [7]. К ограничению данной модели можно отнести узкую специализацию ее применения без дополнительной модернизации.
«Гравитационная модель» также используется для моделирования движения абонентов. Он также применяется к регионам разных размеров, от моделей городской мобильности до моделей национальной и международной мобильности. Модель описывает перемещение абонентов между различными районами города, городами региона, регионами и странами. В простейшем виде количество трафика Ti,перемещающегося из области i в регион j, описывается: T j = Ki jPiPj, где Pi - население в регионе i, и{Кь }} - параметры, которые должны быть рассчитаны для всех возможных пар областей (i, j). Преимущество гравитационной модели заключается в том, что частопосещаемые места можно легко смоделировать, т. к. это просто регионы с большой посещаемостью. Основная сложность применения гравитационной модели заключается в том, что она требует учета многих параметров и не может являться универсальной.
Описание индивидуального перемещения абонента производится моделями «Случайной прогулки» (Random Walk Model) [7] и «Случайного перемещения» (Random way point mobility model) [8], а также моделями, представленными в работах [13], которые направлены на прогнозирование перемещения абонента внутри сети мобильной связи. Модели описания индивидуальной подвижности ориентированы на решение задач «передачи» абонента между точками доступа или базовыми станциями [7], описывают поведение абонентов во время установления «peer-to-peer» связей в сетях ad hoc [12] или прогнозируют последовательность сот, по которым будет перемещаться абонент [13].
В случае динамической топологии сети, учитывающей различный характер перемещения абонентов, применяются модели «Случайного графа Эрдеша-Реньи», модель «Случайного графа», «Логарифмическая модель случайного графа», топологическая модель «Регулярная решетка».
Рассмотренные модели малоприменимы в сетях с динамической топологией, сетях ad-hoc и сетях IoT, т. к. при прогнозировании маршрутов передачи информации вносят дополнительные задержки.
В результате протоколы маршрутизации, разрабатываемые на основе описанных моделей, вынуждены постоянно обновлять информацию о состоянии топологии сети либо контролировать маршруты перемещения абонентов или передачи информации. В результате увеличиваются накладные расходы протоколов, затрачивается время на обновление маршрутов, что вносит дополнительную задержку на передачу пакетов информации до 3-5 с при норме 0,3 с дополнительно. Следовательно, существующие протоколы будут не применимы в сети IoT, обслуживающей абонентов с различной степенью подвижности - от стационарных до быстро перемещающихся. В связи с этим актуальной будет задача разработки нового подхода к описанию топологии сети IoT [11-13].
Разработка модели гибридной топологической инфраструктуры в сети IoT
Для сети IoT можно применить принципы когнитивности:
- возможность самоанализа;
- возможность динамически изменять топологию в зависимости от изменяющихся условий окружающей среды или требований конкретного пользователя;
- возможность накапливать сведения о поведении устройств сети и реконфигурировать структуру в соответствии с полученной информацией.
Для реализации этих принципов предлагается использовать метод, основанный на использовании понятия виртуального сетевого узла, подробно описанный в [10]. Для этого необходимо ввести понятие виртуального узла, способного накапливать информацию об окружающих условиях и реконфигурировать топологию сети или свойства объектов сети.
В результате применения данного метода виртуальная топология сети получает свойства иерархичности и самоподобия. Обобщенно процесс моделирования топологии сети реализуется при помощи представления в виде многослойного графа, состоящего из множества виртуальных узлов различных уровней иерархии [10]. Для случая, когда виртуальные узлы не обладают общей границей, из промежуточных виртуальных узлов составляется маршрут передачи информации. Таким образом, основа метода формирования топологии сети заключается в получении системы связи с единой логической структурой. Для применения данного метода необходимо накопить базу данных о местонахождении абонентов или датчиков сети в определенных квадратах. Нахождение в сети узлов более высокого уровня иерархии является условием самодостаточности и работоспособности сети в целом. Так как сеть IoT обслуживает абонентов как стационарных, так и быстроперемещающихся, применение данной топологии позволит повысить эффективность передачи трафика сети за счет прогнозирования альтернативных маршрутов передачи информации между абонентами.
Заключение
В работе рассмотрены общие понятия и свойства новой технологии «Интернет вещей». Несмотря на благоприятные технические и экономические прогнозы, существует ряд причин, препятствующих активному внедрению технологии. Это причины, связанные с разработками новых стандартов, методов и топологий функционирования сети, энергопотреблением устройств и датчиков, вопросами безопасности. Актуальной является задача разработки топологической модели, учитывающей различные степени подвижности абонентов и позволяющей прогнозировать маршруты передачи информации. В качестве решения задачи предложена модель гибридной топологической инфраструктуры.
Литература
1. Елизаров М.А. Перспективы и проблемы развития рынка интернета вещей [Электронный ресурс]. - URL: Nauka-rastudent.ru. - 2015. - № 12 (24).
2. Интернет вещей / А.В. Росляков, С.В. Ваняшин, А.Ю. Гребешков, М.Ю. Самсонов. - Самара: Изд-во ПГУТИ, ООО «Ас Гард», 2014. - 340 с.
3. Мальцева Н.С. Резервируемая коммутационная система с параллельным поиском для сетей IPTV // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. - 2019. - № 1. - С. 79-86.
4. Барабанова Е.А., Мальцева Н.С. The parallel processing algorithms of switching systems // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. - 2011. - № 1. - С. 150-156.
5. Барабанова Е.А., Мальцева Н.С., Полина О.Н. Алгоритм параллельного поиска для пяти-каскадной коммутационной системы // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. - 2011. - № 2. -С.107-113.
6. Барабанова Е.А., Береснев И.А., Барабанов И.О. Управление элементами коммутации в оптической системе с параллельным поиском каналов связи // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. - 2017. - № 1. - С. 89-97.
7. Mukherjee A., Bandyopadhyay S., Saha D. Location Management and Routing in Mobile Wireless Networks. - London: Artech House Boston, 2003. - 250 p.
8. Cheng M., Lin G., Wei H. Overload Control for Machine-Type-Communications in LTE-advanced System // IEEE Communications Magazine. - 2012. - № 50 (6). - P. 38-45.
9. Influence of M2M Communication on the Physical Resource Utilization of LTE / C. Ide,
B.Dusza , M. Putzke, C. Müller , C. Wietfeld // Proc. of the 11th Wireless Telecommunications Symposium (WTS 2012) - London, 2012. - P. 1-6.
10. Сорокин А.А., Резников П.С. Разработка алгоритмического обеспечения для синтеза топологических структур инфокоммуникационных систем // Вестник Южно-Уральского государственного университета. Серия: вычислительная математика и информатика. - 2015. - № 4. -
C. 64-79.
11. Бутурлин И.А., Гудкова И.А., Чукарин А.В. Модель распределения радиоресурсов с фиксированным диапазоном для трафика межмашинного взаимодействия в сети LTE // Телекоммуникации и транспорт. - 2014. - № 8. - С. 14-18.
12. Hyytiü, E., Virtamo J. Random Waypoint Model in n-Dimensional Space // Operations Research Letters. - 2005. - № 33/6 - P. 567-571.
13. Сорокин А.А., Дмитриев В.Н., Пищин О.Н. Инфокоммуникационные системы транспортных магистралей: Моногр. - Астрахань: Изд-во АГТУ, 2015. - 208 с.
