Дослідження методів кластеризації та маршрутизації для мереж Інтернету речей високої щільності

Abstract

Проникнення Інтернету речей (ІР) у різні сфери призводить до появи мереж високої щільності, у випадках, коли концентрація пристроїв у просторі стає великою. Це мережі в житлових або офісних багатоповерхових будівлях, а також мережі промислових підприємств, що обслуговують різні технологічні об'єкти та процеси. Ефективність функціонування мереж високої щільності більшою мірою, ніж мереж малої щільності, залежить від застосовуваних методів побудови мережі, вибору її логічної структури. Для управління мережами з великою кількістю пристроїв потрібне застосування ієрархічних структур, що дають змогу локалізувати групи (кластери) з відносно невеликою кількістю пристроїв [1-3]. Однак для вирішення цього завдання також доводиться оперувати великими кількостями. Також слід враховувати, що для розв'язання цих завдань використовуються обчислювальні засоби контролерів з відносно невисокою продуктивністю. Для побудови та забезпечення функціонування мереж інтернету речей високої щільності потрібне вдосконалення моделей і методів, що застосовуються в цих завданнях. Роль методичного забезпечення в мережах 5G істотно вища, ніж у мережах попередніх поколінь, оскільки в них більша увага приділяється завданням розподілу ресурсів, а також завданням управління.Тому можна зробити висновок, що кількісні зміни в мережах Інтернету речей призводять до дослідження моделей і методів, які дають змогу враховувати особливості мереж високої густини, а також мереж, розміщених у тривимірному просторі, під час розв'язування задач вибору логічної структури цих мереж, тобто в задачах кластеризації, виділення головних вузлів мережі, а також у задачах маршрутизації трафіку [4,5]. Об'єкт дослідження - безпровідні мережі зв'язку Інтернету речей високої щільності. Предмет дослідження - методи кластеризації та маршрутизації . Мета роботи - підвищення ефективності функціонування мереж Інтернету речей високої щільності шляхом використання методів кластеризації та маршрутизації трафіку. У першому розділі розглянуто етапи виникнення та розвитку Інтернету речей. Показано, що формування фізичної та логічної структур мережі ІР, а також управління розподілом трафіку в мережі потребують моделей і методів, здатних вирішувати ці завдання в умовах великої кількості вузлів у заданий час. Для їх ефективного використання потрібно враховувати особливості мереж високої щільності, а також особливості розподілу їхніх елементів у зоні обслуговування, що являє собою тривимірний простір. У другому розділі розглянуто методи теорії фракталів для побудови тривимірних мереж Інтернету речей високої щільності, що дає змогу визначити особливості їх структури. Під час побудови мереж із великою кількістю вузлів необхідно мати можливість виділення груп вузлів, для організації ієрархічної структури мережі та обслуговування в ній трафіку. Для кластеризації вузлів мережі пропонується метод і алгоритм, побудовані на основі методу аналізу фрактальної розмірності мережі. Запропонований метод дає змогу здійснити кластеризацію вузлів мережі, коли вони мають досить виражений розподіл за групами, що, наприклад, має місце в багатоповерхових будинках і будівлях. У третьому розділі для забезпечення функціонування мереж ІР високої щільності в тривимірному просторі розглянуто організацію ієрархічної структури, для чого необхідний вибір головних вузлів, які реалізують роль транзитних під час передавання трафіку від вузлів мережі ІР до зовнішніх мереж. Завдання вибору головних вузлів описано завданням пошуку k-кратного центру графа, для розв'язання якого можуть бути використані алгоритми отримання наближених рішень. Якість розв'язку в такому разі характеризується його розміром, що чисельно дорівнює відстані між вершинами центру і найвіддаленішим вузлом. Під час вибору алгоритму розв'язання задачі необхідно забезпечити компроміс між критеріями точності, якості розв'язку та часу його отримання. У четвертому розділі наведено метод маршрутизації трафіку в тривимірній мережі Інтернету речей високої щільності, з використанням сірого реляційного аналізу, що підвищує ефективність вибору маршруту за рахунок використання декількох критеріїв, а також дає змогу ухвалювати рішення за відносно малої кількості вихідних даних. Запропонований метод дає можливість врахувати суттєві для конкретного випадку параметри якості, набір яких може бути розширено при потребі. Слід зазначити, що розширення набору параметрів якості також потребуватиме розширення набору правил їх обчислення для маршруту. За результатами імітаційних експериментів ефективність методу становила 53% щодо однокритеріального методу. У п’ятому розділі здійснено техніко-економічне обгрунтування створення проєкту для аналізу надійності систем зв’язку. Представлено розрахунки щодо капітальних витрат на будівництво інфраструктури та експлуатаційні витрати для оренди хмарної інфраструктури. На основі здійснених обчислень підтверджено доцільність реалізації розглянутого проєкту.The integration of the Internet of Things (IoT) into diverse sectors contributes to the development of high-density networks, where the presence of numerous devices in confined spaces becomes substantial. Such networks are frequently observed in residential and office buildings, as well as in industrial facilities supporting various technological systems and processes. The performance of high-density networks is more heavily influenced by network design methods and logical structure selection compared to low-density networks. Effectively managing networks with numerous devices necessitates hierarchical architectures that allow for the localization of device clusters with fewer elements per group. However, addressing this clustering challenge also requires processing substantial data volumes, despite relying on controllers with relatively limited computational capabilities. To enhance high-density IoT networks, optimizing existing models and methodologies is essential. In 5G networks, which demand sophisticated resource management, methodological support plays a more critical role than in previous network generations. It can therefore be concluded that the quantitative expansion of IoT networks necessitates exploring models and techniques that address the specific needs of high-density and three-dimensional space-based networks. This exploration involves optimizing logical structure selection, clustering, identification of key nodes, and traffic routing. The research focuses on high-density wireless IoT networks, with an emphasis on clustering and routing methodologies aimed at improving network efficiency. The first chapter reviews the evolution of IoT, highlighting the need for models and methods that effectively address the management of physical and logical network structures and traffic distribution in environments with numerous nodes. For efficient operation, it’s essential to consider the unique characteristics of high-density networks and their spatial element distribution. The second chapter applies fractal theory methods to construct three-dimensional, high-density IoT networks, identifying the structural attributes of these networks. When building extensive node networks, the ability to segment nodes into clusters is crucial for establishing hierarchical structures and managing traffic flow. To facilitate clustering, a method and algorithm based on network fractal dimension analysis is proposed, suitable for scenarios such as multi-story structures. In the third chapter, strategies for ensuring high-density IP network functionality in three-dimensional spaces are examined, particularly through selecting head nodes that function as traffic intermediaries for IP nodes connecting to external networks. Selecting these primary nodes is modeled as a k-centre graph problem, where solution quality is influenced by distance criteria between nodes. The algorithm selection balances accuracy, quality, and computation time. Chapter four introduces a method for three-dimensional IoT network traffic routing utilizing grey relational analysis. This approach enhances routing efficiency by integrating multiple criteria, allowing decisions with limited initial data. Simulation results indicate that this method achieved a 53% improvement over single-criteria approaches. Finally, chapter five provides a feasibility analysis for a project aimed at assessing communication system reliability, including estimates of capital and operational costs for cloud infrastructure. The analysis supports the project’s economic viability.