Пояснительная записка (1194880), страница 11

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 11)

Полученные в результате имитационного моделирования данные упорядочены по уровню уменьшения задержки передачи данных (рисунок 25) и представлены в формате «Протокол-размер пакета» ниже.

Рисунок 25 – Значения задержки передачи данных в городе

В условиях городской топологии наименьшую задержку показывают геолокационные протоколы GPSR и CLWPR. Следовательно, данные протоколы предпочтительны для передачи трафика реального времени.

Схожую динамику можно наблюдать и при передаче данных в условиях автотрассы: геолокационные протоколы GPSR и CLWPR так же обеспечивают «Отличный» уровень задержки. Таким образом можно сделать вывод о прямо пропорциональности размера пакета и величиной задержки передаваемых данных.

1. Полезная пропускная способность сети

Полезная пропускная способность (Goodput) – объем переданных за единицу времени данных без учета заголовков сегментов, пакетов, кадров, а также другой служебной информации [CITATION Per63 \l 1033 ]. Данная метрика позволяет объективно судить о пропускной способности сети при оценке качества обслуживания для требовательных приложений VANET.

Ниже представлены комбинации «протокол – размер пакета», показавшие наибольшую полезную пропускную способность в условиях городского трафика (рисунок 26).

Рисунок 26 – Полезная пропускная способность в условиях города

Наивысшая пропускная способность для городской среды зафиксирована для реактивного протокола DSDV. Данное решение с большим запасом демонстрирует наилучшие результаты как при скорости 13 м/с, так и при скорости в 27 м/с. Схожие результаты можно наблюдать для сценария с автомагистралью.

Исходя из полученных данных можно сделать вывод, что при увеличении размера пакета в геолокационных протоколах возрастает пропускная способность.

1. Оценка качества принимаемого сигнала

Основываясь на исследование [ CITATION Kan34 \l 1049 ], в котором показано, что RSSI имеет меньшую дисперсию по сравнению с LQI, принято решение использовать именно эту метрику для оценки уровня принимаемого сигнала.

Метрики RSSI и SNR предназначены для оценки качества связи на физическом уровне. Благодаря этому они мало зависят от выбранного протокола маршрутизации и размера пакета. Однако во время движения показатели данных характеристик сети существенно меняются. Несмотря на существующую корреляцию между RSSI и SNR, заметно, что в условиях разнородной топологии и больших скоростях они могут вести себя по-разному (рисунок 27).

Рисунок 27 – Зависимость качества принимаемого сигнала от скорости объектов

Увеличение оценок RSSI и SNR от 0 до 27 м/с вызвано физическим выездом из зоны помех.

Таким образом можно убедиться, что в одних и тех же условиях скорости и топологии сети различные комбинации «Протокол – размер пакета» могут вести себя по-разному, что подтверждает необходимость интеграции модели оценки QoS.

1. Анализ работы модели оценки QoS

2. Нахождение численного значения QoS

Для нахождения численного значения качества обслуживания на основе созданной модели нечёткой логики удобно использовать массив входных данных в контексте вызова функции readfis математического пакета Matlab:

fismat = readfis('FL');

out = evalfis(a,fismat),

где – двумерный массив, содержащий входные данные, полученные в результате имитационного моделирования, а – созданная ранее модель нечеткой логики:

[System]

Name='FL' Type='mamdani' Version=2.0 NumInputs=3 NumOutputs=1 NumRules=18 AndMethod='min' OrMethod='max' ImpMethod='min' AggMethod='max' DefuzzMethod='centroid'

[Input1]

Name='Скорость' Range=[0 60] NumMFs=3 MF1='Низкая':'zmf',[10 30] MF2='Средняя':'trimf',[15 30 45] MF3='Высокая':'smf',[30 50]

[Input2]

Name='Задержка' Range=[0 0.8] NumMFs=3 MF1='Малая':'zmf',[0.15 0.3] MF2='Средняя':'trimf',[0.2 0.4 0.6] MF3='Большая':'smf',[0.5 0.65]

[Input3]

Name='Потеря' Range=[0 100] NumMFs=2 MF1='Приемлемая':'zmf', [30 60] MF2='Критичная':'smf',[30 60]

[Output1]

Name='QoS' Range=[0 100] NumMFs=5 MF1='Очень_низкое':'zmf',[10 20] MF2='Низкое':'trimf',[9.8 25.3 0.8] MF3='Очень_высокое':'smf',[80 90] MF4='Среднее':'trimf',[35 50 65] MF5='Высокое':'trimf',[60 75 90]

Результаты работы функции помещаются в массив . Далее осуществляется обратный экспорт данных в MS Excel для дальнейшего анализа.

Симуляции, показавшие наивысший коэффициент качества обслуживания, исходя из составленной схемы нечеткого логического вывода представлены, а также в условиях, максимально приближенных к реальной среде, представлены в таблице 3.2:

Таблица 3.2 – Список симуляций, показавший наилучший QoS в модели нечеткого логического вывода

1. Анализ полученных результатов

Важно оценить корректность работы составленной модели на основе нечеткой логики. Для этой цели удобно рассматривать поверхности принадлежности. В частности, на рисунке ниже представлена зависимость QoS от трёх переменных (скорости передачи данных, задержки и потери пакетов), при этом размер потерь задаётся в отдельном поле. В данном случае, коэффициент потерь составляет 30% (рисунок 28).

Рисунок 28 – Зависимость, отображающая влияние входных лингвистических переменных на значение QoS. Доля потерянных пакетов составляет 30%

Стоит отметить, что в заданных условиях, имитирующих поведение модели в благоприятных условиях, когда доля потерянных пакетов приемлема, поведение нечеткого логического вывода адекватна и реалистична. Действительно, существует корреляция между значениями скорости передачи данных и качеством обслуживания. При этом, коэффициент задержки сигнала в заданных приделах не столь существенно влияет на общую оценку QoS, т.к. задержка сигнала в пределах одной секунды вполне приемлема при условии доставки более 30% отправленных пакетов.

Оценим, как ведет себя модель в неблагоприятных условиях. Для этого установим значение потерянных пакетов 80% (рисунок 29).

Рисунок 29 – Зависимость, отображающая влияние входных лингвистических переменных на значение QoS. Доля потерянных пакетов составляет 80%

Учитывая столь высокий уровень потерянных пакетов, а также слабую корреляцию столь важного критерия для трафика реального времени как «Задержка», становится очевидно, что модель (рисунок 30) функционирует некорректно и требует доработки.

Рисунок 30 – Модель нечеткого логического вывода QoS

1. Корректировка модели

Анализ составленной модели нечеткого логического вывода показал, что отсутствие корреляции между коэффициентом QoS и потерей пакетов вызвана неточностью на стадии проектирования входных лингвистических переменных. Для входной лингвистической переменной «Доля потери пакетов» были выбраны две функции принадлежности, что даёт недостаточную градацию по выбранному параметру.

Также, в соответствии с полученными параметрами принято решение заменить входную лингвистическую переменную «Скорость передачи данных» на «Пропускную способность».

Для скорректированной модели нечеткого логического вывода (рисунок 31) следует переопределить функции принадлежности и базу правил.

Рисунок 31 – Скорректированная модель
нечеткого логического вывода QoS

Соответственно для скорректированной модели нечёткого логического вывода следует изменить базу правил (рисунок 32).

Рисунок 32 – Скорректированная база правил для модели
нечеткого логического вывода

Далее следует оценить поведение скорректированной модели в аналогичных условиях, что и для исходной модели нечеткого логического вывода.

Рассмотрим поведение скорректированной модели оценки QoS в благоприятных условиях – коэффициент потерь составляет 30% (рисунок 33), а также в неблагоприятных условиях (80% потерь) – рисунок 34.

Рисунок 33 – Зависимость, отображающая влияние входных лингвистических переменных на значение QoS. Доля потерянных пакетов составляет 30%

Рисунок 34 – Зависимость, отображающая влияние входных лингвистических переменных на значение QoS. Доля потерянных пакетов составляет 80%

Очевидно, что поведение модели в благоприятных и неблагоприятных условиях абсолютно логично и стабильно. Наблюдается неизменная корреляция качества обслуживания и задержки передачи данных. Существуют логические пороги уровня QoS, которые не могут быть преодолены ввиду большого количества потерянных пакетов. Разработанная модель рекомендуется к интеграции для оценки уровня обслуживания сети для трафика, требующего гарантированную доставку.

В результате интеграции полученной модели получены следующие данные (таблицы 3.3-3.4):

Таблица 3.3 – Список симуляций, показавший наилучший QoS с использованием скорректированной модели нечеткого логического вывода в условиях города

Характеристики

Список файлов ВКР