Datenverteilung in Ad-hoc Netzen 1/24 Adaptive Datenverteilung in mobilen Ad-hoc Netzen unter Verwendung des Area Graph basierten Bewegungsmodells S. Bittner, U. Raffel, M. Scholz Institut für Informatik Freie Universität Berlin Workshop Grundlagen und Anwendungen mobiler Informationstechnologie, Heidelberg,

Datenverteilung in Ad-hoc Netzen 2/24 Motivation Aufgabe: Datenverteilung in mobilen Ad-hoc-Netzen Software-Update Anfrage an alle Netzteilnehmer Katastrophenszenario Ziel: Effiziente Verteilung der Daten Maximierung der Zahl der erreichten Clients Minimierung des Ressourcenverbrauchs Minimierung der Zeit Probleme Netztopologie ändert sich permanent Begrenzte Ressourcen (Energie, Bandbreite, CPU)

Datenverteilung in Ad-hoc Netzen 3/24 Gliederung Motivation Verteilungsprotokolle Bewegungsmodelle Untersuchungen/Ergebnisse Zusammenfassung/Ausblick

Datenverteilung in Ad-hoc Netzen 4/24 Verteilungsprotokolle Grundlagen der Funktechnik beschränkte Reichweite kein Mehraufwand für Senden an alle Nachbarn (Broadcast) gegenüber Senden an einen (Unicast) oder mehrere (Multicast) Nachbarn gleichzeitiges Senden führt an Stellen der Überlappung zu Verlust beider Nachrichten Protokolle: Einfaches Fluten Probalistisches Fluten Adaptives probabilistisches Fluten

Datenverteilung in Ad-hoc Netzen 5/24 Einfaches / Probabilistisches Fluten Einfaches Fluten Jeder Knoten sendet an alle Nachbarn Abbruch, wenn Daten bereits erhalten Probabilistisches Fluten Jeder Knoten entscheidet, ob er weitersendet (Wahrscheinlichkeit p) Wenn er sendet, dann an alle Nachbarn Abbruch, wenn Daten bereits erhalten Bei p=1 wie Einfaches Fluten

Datenverteilung in Ad-hoc Netzen 6/24 Adaptives Probabilistisches Fluten wie Probabilistisches Fluten, aber... Wahrscheinlichkeitswert p passt sich an Umgebung an Anzahl der Nachbarn eines Knotens bekannt (durch Hello-Messages wie z.B. in AODV) Betrachtet wird die Anzahl der Nachbarn des Senders (n s ) Bis Schwellenwert x: p = 1 Ab Schwellenwert x: p = x / (n s ) erwartet x weitersendende Knoten Bei x = wie Einfaches Fluten

Datenverteilung in Ad-hoc Netzen 7/24 Adaptives Prob. Fluten: Erweiterungen Einbeziehung der Anzahl der Nachbarn des empfangenden Knotens (n e ) betrachtet wird das Minimum aus n s und n e erleichtert Übergänge in weniger dichte Gebiete Korrekturfaktor bei hohen Differenzen zwischen n s und n e Erhöhung des Wahrscheinlichkeitswertes p um Quotienten aus Maximum und Minimum aus n s und n e erleichtert sowohl Übergänge in weniger dichte Gebiete aus auch in dichtere Gebiete

Datenverteilung in Ad-hoc Netzen 8/24 Gliederung Motivation Verteilungsprotokolle Bewegungsmodelle Untersuchungen/Ergebnisse Zusammenfassung/Ausblick

Datenverteilung in Ad-hoc Netzen 9/24 Bewegungsmodelle Ziel von Bewegungsmodellen Abbildung realer Bewegungen einfach berechenbar / simulierbar Bewegungsmodelle: Random Waypoint Bewegungsmodell Area Graph basiertes Bewegungsmodell

Datenverteilung in Ad-hoc Netzen 10/24 Random Waypoint Bewegungsmodell Rechteckige Fläche Netzknoten wählen zufälligen Wegpunkt Bewegung zum Wegpunkt mit zufälliger Geschwindigkeit, dann neuer Wegpunkt keine realistische Abbildung von Bewegungen und Netztopologie

Datenverteilung in Ad-hoc Netzen 11/24 Area Graph basiertes Bewegungsmodell Realistischer als Gleichverteilung in der Ebene z.B. Topologie von Städten, Ausstellungen, Universitäten Einzelne Geräte bilden unstabilen Graphen Abbildung auf einen stabileren Area Graphen Cluster Knoten Wege Kanten

Datenverteilung in Ad-hoc Netzen 12/24 Area Graph - Formalisierung mehrere rechteckige Flächen (Cluster) durch Wege miteinander verbunden zufällige Verweildauer im Cluster Innerhalb eines Clusters Bewegung nach Random Waypoint Bewegungsmodell Nach Ablauf der Verweildauer zufällige Wahl eines anderen Cluster, direkte Bewegung auf dem Weg

Datenverteilung in Ad-hoc Netzen 13/24 Gliederung Motivation Verteilungsprotokolle Bewegungsmodelle Untersuchungen/Ergebnisse Zusammenfassung/Ausblick

Datenverteilung in Ad-hoc Netzen 14/24 Untersuchungen Verschiedene Protokolle Einfaches Fluten Probabilistisches Fluten: 20%, 40%, 60%, 80% Adaptives Probabilistisches Fluten: Schwellenwerte 5, 6, 7, 8 und 9 Verschiedene Szenarien 3 verschiedene mit Random Waypoint Bewegungsmodell 4 verschiedene mit Area Graph basiertem Bewegungsmodell Realisierung der Szenarien mittels OMNeT++ Ziel: Finden von optimalen Protokollen für verschiedene Szenarien / Umgebungen

Datenverteilung in Ad-hoc Netzen 15/24 Zielgrößen Anzahl der erreichten Knoten Dauer der Verteilung (Erreichte Knoten bis Zeitpunkt t) Anzahl der Nachrichten (relativ zur Anzahl der erreichten Knoten)

Datenverteilung in Ad-hoc Netzen 16/24 Simulationsparameter Knotenanzahl: 2000 Sendereichweite: 30 m Bandbreite: 11 MBit/s Nachrichtengröße: 400 Byte Verteilung von einem Startknoten aus Für Random Waypoint Bewegungsmodell: Quadratische Fläche mit Kantenlänge 400 m, 600 m, 800 m Geschwindigkeit der Knoten: 1 m/s – 4 m/s

Datenverteilung in Ad-hoc Netzen 17/24 Ergebnisse Random Waypoint Dargestellt: Erreichte Knoten Nachrichten pro Erreichtem Knoten 1 Punkt pro Protokoll Protokoll sollte möglichst rechts unten liegen 600 x 600 m Fläche (400 x 400 m / 800 x 800 m ähnlich) Fast alle Knoten werden erreicht Probabilistische Protokolle erreichen deutlich weniger bestes Protokoll: Adapt 5

Datenverteilung in Ad-hoc Netzen 18/24 Area Graph basiertes Bewegungsmodell Area Graph mit 4 Knoten und 4 Kanten Größe eines Ballungszentrums 200 x 200 m (klein) 300 x 300 m (groß) Verweildauer innerhalb eines Knotens s (kurz) s (lang)

Datenverteilung in Ad-hoc Netzen 19/24 Ergebnisse Area Graph klein/kurz Bei kleinen Ballungsräumen und kurzer Verweildauer: Adaptive Protokolle deutlich besser als Probabilistische bestes Protokoll: Adapt 9

Datenverteilung in Ad-hoc Netzen 20/24 Ergebnisse Area Graph klein/lang Bei großen Ballungsräumen (kleinere Dichte): ähnliche Ergebnisse wie bei kleinen Ballungsräumen Bei kleinen Ballungsräumen und langer Verweildauer: maximal 70% der Knoten erreicht bestes Protokoll: Adapt 9

Datenverteilung in Ad-hoc Netzen 21/24 Gliederung Motivation Verteilungsprotokolle Bewegungsmodelle Untersuchungen/Ergebnisse Zusammenfassung/Ausblick

Datenverteilung in Ad-hoc Netzen 22/24 Zusammenfassung Neues Bewegungsmodell: Area Graph basiert realistischer als Random Waypoint relevant, da Ergebnisse qualitativ abweichen Neuer Verteilungsalgorithmus: Adaptives Probabilistisches Fluten nutzt Wissen über Anzahl der Nachbarn aus effizienter als Probabilistisches Fluten besonders bei Übergängen Cluster Weg geeignet

Datenverteilung in Ad-hoc Netzen 23/24 Ausblick Validierung durch theoretische Ergebnisse Theoretisches Modell für das Area Graph basierte Bewegungsmodell Weitere Untersuchungen: Nachbarschaftsbasierte Verfahren sehr dünn besiedelter Gebiete (Rebroadcast nötig?) Ortsbasierte Methoden

Datenverteilung in Ad-hoc Netzen 24/24 Vielen Dank für Ihre Aufmerksamkeit Fragen?