Дослідження функціонування безпровідної сенсорної мережі при використанні методів інтелектуального аналізу даних

Abstract

Нині розробка і впровадження нових систем і пристроїв, що містять елементи штучного інтелекту, в усі галузі народного господарства є пріоритетним науковим напрямом. XXI століття - це століття Інтернету речей (ІР), як промислового, так і соціально-побутового, з повсюдним застосуванням лінійки методів і технологій інтелектуального аналізу даних. В архітектурі ІР виділяють чотири рівні: рівень сенсорів і сенсорних мереж, рівень шлюзів і мереж, сервісний рівень і рівень додатків [1-3]. Базовим рівнем є низькошвидкісні бездротові сенсорні мережі (БСМ), засновані на кількох стандартах. На сьогодні бездротові сенсорні мережі (БСМ) дають змогу збирати й передавати дані в Інтернеті речей (IoT - Internet Of Things) і широко використовуються в різних галузях, як-от військова, промислова, сільськогосподарська, екологічна, транспортна, соціальна та медична. БСМ належать до типу повсюдних мереж, що забезпечують безперервний зв'язок і доступ до інформації в будь-який час і в будь-якому місці. Технологічний прогрес, пов'язаний, зокрема, і з застосуванням методів інтелектуального аналізу даних, призвів до появи нових типів БСМ, таких як літаючі мережі, ройова робототехніка, тактильний інтернет, інтелектуальні телекомунікаційні послуги. У зв'язку з цим перспективним є застосування гетерогенних мереж, що інтегрують сегменти наземної мережі зі стаціонарними сенсорними вузлами з бездротовими датчиками з повітряною мережею безпілотних літальних апаратів малої вартості для передавання даних на великі відстані для обробки на базову станцію. У зв'язку з обмеженістю ресурсів БСМ, важливим питання постає вибір способу організації передавання інформації. Актуальним постають дослідження, пов'язані із застосуванням методів інтелектуального аналізу даних з метою поліпшення характеристик передавання даних і показників якості в гетерогенній бездротовій сенсорній мережі, яка містить наземний сегмент зі стаціонарними сенсорними вузлами та літаючу мережу, що є вкрай актуальним завданням під час моніторингу й контролю зон покриття з використанням Інтернету речей у важкодоступній місцевості [4,5]. Об'єктом досліджень є гетерогенні безпровідні сенсорні мережі та показники якості їхнього функціонування. Предметом досліджень є методи та алгоритми кластеризації та маршрутизації даних у гетерогенній бездротовій мережі з використанням інтелектуального аналізу даних. Метою магістерської кваліфікаційної роботи є підвищення ефективності БСМ завдяки застосуванню методів і алгоритмів інтелектуального аналізу під час збирання та маршрутизації даних у гетерогенній БСМ, яка об'єднує наземну мережу зі стаціонарними сенсорними вузлами та літаючу сенсорну мережу. У першому розділі проаналізовано показники якості обслуговування (QoS) для безпровідних мереж, на основі чого визначено, що найбільш важливими із них є час життя мережі та енергоспоживання. Розглянуто різні підходи до класифікації протоколів маршрутизації в безпровідних сенсорних мережах, що ґрунтуються на різних параметрах і критеріях. У другому розділі розглянуто алгоритми маршрутизації в БСМ на основі машинного навчання. Здійснено аналіз найбільш поширених методів ІАД, що придатні для використання в БСМ. Наведено параметри, що впливають на вибір оптимальної кількості кластерів на різних рівнях у БСМ. У третьому розділі розглянуто гетерогенну модель безпровідної сенсорної мережі, що містить дві частини: наземну і літаючу. Розроблено метод ефективної кластеризації наземної бездротової сенсорної мережі з використанням модифікованого алгоритму K-середніх, що використовує аналітичний метод для знаходження оптимальної кількості кластерів, для заданої кількості вузлів, розподілених в області зондування. У четвертому розділі представлено програмний комплекс із віддаленим доступом для моделювання передачі даних у гетерогенній БСМ та дослідження ефективності застосування алгоритмів інтелектуального аналізу даних. Здійснено імітаційне моделювання передачі даних у гетерогенній БСМ для різних сегментів мережі, топологій та з різною кількістю вузлів, продемонстровано працездатність пропонованих рішень на основі інтелектуальних методів. Показано можливість використання для рою БПЛА алгоритму K-середніх для кластеризації і знаходження найкоротшого шляху із застосуванням алгоритму Дейкстри. У п’ятому розділі здійснено техніко-економічне обгрунтування створення проєкту для використання розподілених інтрнет -ресурсів у сучасних мережах зв’язку. На основі здійснених обчислень підтверджено доцільність реалізації розглянутого проєкту.In today’s world, advancing and deploying systems and devices that integrate artificial intelligence across diverse sectors of the national economy is a primary focus in research. The 21st century has ushered in the era of the Internet of Things (IoT), encompassing both industrial and social applications, with an extensive range of data mining techniques and technologies. The IoT architecture comprises four main layers: sensor and sensor network layers, gateways and network layers, service layers, and application layers [1-3]. At its core, IoT relies on low-speed wireless sensor networks (WSNs) that follow established standards. Currently, WSNs enable data collection and transfer within IoT frameworks, and they have become vital in industries such as defense, manufacturing, agriculture, environmental monitoring, transportation, healthcare, and social applications. As a ubiquitous network type, WSNs provide seamless communication and access to data at any time and place. Thus, there is significant potential in developing heterogeneous networks that combine ground-based sensor nodes with wireless sensors and incorporate low-cost aerial drones to relay data over extended distances for processing at a base station. Due to WSNs’ limited resources, determining optimal information transmission methods is a crucial challenge. Studies focused on applying data mining techniques to enhance data transmission performance and quality in heterogeneous WSNs that include both stationary ground nodes and aerial network segments have gained prominence, particularly for IoT-based monitoring and control in remote areas [4,5]. This research centers on heterogeneous WSNs and evaluating their performance quality. The investigation focuses on clustering and routing methods and algorithms in a heterogeneous wireless network that employs data mining. The objective of this master’s thesis is to boost WSN efficiency by leveraging intelligent analysis methods and algorithms for data collection and routing in a hybrid WSN integrating terrestrial sensor nodes and aerial sensors. In the initial section, we examine key Quality of Service (QoS) metrics for wireless networks, highlighting network lifespan and energy consumption as primary indicators. A variety of routing protocol classifications in WSNs are evaluated based on different parameters and criteria. Section 2 explores machine learning-based routing algorithms for WSNs, analyzing common artificial intelligence-driven methods suitable for WSN use. Parameters influencing the selection of the optimal cluster count at various WSN levels are also discussed. The third section presents a model of a heterogeneous WSN comprising both ground and aerial components. It includes an approach for efficient clustering in terrestrial WSNs, employing a modified K-means algorithm with an analytical approach to determine the optimal cluster number based on node distribution within the sensing area. Section 4 introduces a remote-access software package for simulating data transmission in heterogeneous WSNs and assessing the effectiveness of data mining algorithms. Simulation results are provided for data transmission across different network segments, topologies, and node densities, demonstrating the efficacy of the proposed intelligent methods. The utility of the K-means algorithm for clustering and the Dijkstra algorithm for identifying the shortest path for UAV swarms is also shown. Section 5 offers a feasibility study for a project utilizing distributed Internet resources in modern communication networks. Calculations confirm the project’s viability.