دانلود رایگان مقاله مدلسازی حرکت مبتنی بر ‌ردیابی برای شبکه های بی سیم چند هاپی
ترجمه رایگان

دانلود رایگان مقاله مدلسازی حرکت مبتنی بر ‌ردیابی برای شبکه های بی سیم چند هاپی

عنوان فارسی مقاله: مدلسازی حرکت مبتنی بر ‌ردیابی برای شبکه های بی سیم چند هاپی
عنوان انگلیسی مقاله: Trace-based mobility modeling for multi-hop wireless networks
کیفیت ترجمه فارسی: مبتدی (مناسب برای درک مفهوم کلی مطلب)
مجله/کنفرانس: ارتباطات کامپیوتری - Computer Communications
رشته های تحصیلی مرتبط: مهندسی فناوری اطلاعات
گرایش های تحصیلی مرتبط: شبکه های کامپیوتری - سامانه های شبکه ای - اینترنت و شبکه های گسترده
کلمات کلیدی فارسی: مدلسازی حرکت - ردیابی‌ های حرکت - تحلیل مبتنی بر ‌ردیابی
کلمات کلیدی انگلیسی: Mobility modeling - Movement traces - Trace-based analysis
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.comcom.2010.11.002
لینک سایت مرجع: https://www.sciencedirect.com/science/article/abs/pii/S0140366410004755
دانشگاه: دانشگاه بن، موسسه علوم کامپیوتر، بن، آلمان
صفحات مقاله انگلیسی: 11
صفحات مقاله فارسی: 31
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2011
مبلغ ترجمه مقاله: رایگان
ترجمه شده از: انگلیسی به فارسی
شناسه ISSN: 1873-703X
کد محصول: F2242
نمونه ترجمه فارسی مقاله

چکیده 

         مدلسازی حرکت  وابسته به سناریو و واقع بینانه برای ارزیابی عملکرد مورد اعتماد شبکه‌های چند هابی  بسیار مهم است. در دهه گذشته، تعداد قابل توجهی از مدل‌های حرکت ترکیبی پیشنهاد شدند. به هر حال، تنها چند مورد از این مدل‌ها توسط ‌ردیابی ‌های حرکت واقع بینانه اعتبارسنجی شدند. در چند سال گذشته، چند مورد از این ‌ردیابی‌ها جمع آوری شدند، تحلیل شدند و در دسترس قرار گرفتند. این مقاله یک بررسی جامع و به روز از (1) ردیابی‌های حرکت در دسترس، (2) مدلسازی/تحلیل این ‌ردیابی‌ها، و (3) مدل‌های حرکتی ترکیبی ارائه می‌دهد. تمرکز این مقاله بر مدل‌ها/ ‌ردیابی حرکت است که شامل اطلاعات مربوط به موقعیت است. سهم این مقاله خلاصه کردن پژوهش‌هایی است که در عرصه مدلسازی حرکت در چند سال گذشته انجام شده است و چالش‌های کارهای آینده را بیان می‌کند.

1. مقدمه 

          شبیه سازی، تکنیکی است که غالبا برای ارزیابی عملکرد شبکه‌های بی سیم استفاده می‌شود. در مقایسه با اجراهای آزمایشی، این تکنیک‌ها مزایای مربوط به مقیاس پذیری، مولد بودن، مقرون به صرفه بودن را ارائه می‌دهند. از آنجایی که الگوهای حرکت گره‌ها، تاثیر قابل توجهی بر نتایج شبیه سازی دارند، نیاز است که مدل‌های حرکت، حرکات گره‌ها را به روش واقع بینانه‌ای شبیه سازی کنند.

          چندین مدل حرکت، از زمانی که مدل‌های حرکت برای اتخاذ الگوهای حرکتی گره‌ها به روش واقع بینانه اتخاذ شدند، دردسترس قرار گرفتند. مدل‌های حرکت ترکیبی که بر اساس حرکت تصادفی تولید شده‌اند، ردیابی‌ ترکیبی ایجاد می‌کنند. متاسفانه، نتایج شبیه سازی مدل‌های حرکت ‌ترکیبی اغلب با سناریوهای واقعی یکی نیستند. از طرفی دیگر، مدل‌های حرکت مبتنی بر ردیابی‌ بر اساس ردیابی‌های اتخاذ شده از جهان واقعی است. به دلیل ماهیت واقع بینانه آن‌ها، ردیابی‌های دقت بالایی را از نظر الگوهای حرکتی فراهم می‌کنند؛ به هر حال، آن‌ها به سختی مدل می‌شوند. 

           مدل‌های حرکت ‌ترکیبی در ارزیابی عملکرد پروتکل‌های شبکه‌ای بی سیم گوناگون استفاده شده‌اند؛ تعجب آور نیست که، این مدل‌ها اغلب در ارزیابی دقیق پروتکل‌ها با شکست مواجه شوند. به منظور کسب نتایجی از مدل‌های حرکت ‌ترکیبی بر اساس شبکه، به شدت مطلوب است که مدل حرکت توسط ردیابی‌های واقع بینانه اعتبارسنجی شوند. ما اشاره میکنیم که، تحلیل این ردیابی‌های واقع بینانه بسته به متدهای مجموعه ردیابی‌ها، اندازه جمعیت شبکه، تکنیک فیلتراسیون اعمال شده بر ردیابی‌ها (در صورت وجود) به نتایج متفاوتی منجر شود. بنابراین، نتایج بدست آمده از تحلیل یک ردیابی‌ ممکن است به همه سناریوهای شبکه تعمیم داده نشود. با این وجود، اعتبارسنجی مبتنی بر ردیابی‌ و مدلسازی مبتنی بر ردیابی‌ برای ارزیابی عملکرد قابل اعتماد بسیار مهم هستند. 

           مدل‌های حرکت ‌ترکیبی گوناگونی در طی دهه گذشته پیشنهاد شدند. چندین بررسی بر حرکت عمومی [6,12,20,77,82] و چند بررسی خاص، برای مثال برای مدل‌های حرکت خودروها [33,37] و برای شبکه‌های موبایل تاکتیکی [4] وجود داشته اند. تا آنجا که می‌دانیم، هیچ مقاله تحقیقی وجود ندارد که یک بررسی جامع و به روز از دنباله‌ها، مدلسازی/تحلیل این ردیابی‌ها، مدل‌های حرکت ترکیبی ارائه دهد. سهم این مقاله دو مورد است: (1)خلاصه کارهایی که در عرصه مدلسازی حرکت در چند سال گذشته انجام شده است (مدلسازی حرکت ‌ترکیبی و مدلسازی حرکت مبتنی بر ‌رد) و (2) ارائه چالش‌هایی برای کار آینده. 

         باقی این مقاله به شرح زیر ساختار یافته است: بخش 2 یک بررسی بر ردیابی‌های موجود را ارائه می‌دهد و نتایج تحلیل مبتنی بر ردیابی‌ اخیر را خلاصه می‌کند. ما ردیابی‌های مبتنی بر سناریو و دقت را، به منتظور تاکید بر رابطه ردیابی‌ با واقعیت خلاصه می‌کنیم. بخش 3 نظرسنجی جامعی از مدل‌های حرکت ترکیبی را ارائه می‌دهد، از جمله دسته بندی‌های مبتنی بر وابستگی، اپلیکیشن‌ها/سناریوها، و اعتبارسنجی. در این زمینه، ما بر مولدهای حرکت بررسی‌هایی انجام داده‌ایم. در بخش 4، با چالش‌های موجود برای پژوهش آینده در عرصه مدلسازی حرکت نتیجه می‌گیریم.

‌2. رد‌یابی‌ها 

در این بخش، ما (1) بر متدهای استفاده شده برای جمع آوری ردیابی‌های حرکت بحث می‌کنند، (2) بر ردیابی‌های موجود بررسی‌هایی انجام می‌دهیم، و (3) تحلیل‌های مبتنی بر ردیابی‌ را برای مدلسازی حرکت ارائه می‌دهیم.

2.1 کسب ردیابی‌ها

           در اصل، سه متد برای کسب ردیابی‌ها وجود دارند. ابتدا، از ابزار ویژه‌ای برای نظارت بر محل دستگاه‌های ردیابی شده استفاده می‌کنیم. دوم، بر ارتباطات دستگاه‌ها با ایستگاه‌های پایه یک سیستم ارتباطی نظارت می‌کنیم. سوم، بر ارتباطات بین دستگاه‌های موبایل نظارت می‌کنیم. ما بر این سه متد برای کسب ردیابی‌ها در بخش 2.1.1، 2.1.2، 2.1.3 به ترتیب بحث می‌کنیم.

2.1.1 نظارت بر محل یابی

          در حال حاضر، سیستم موقعیت یابی جهانی  (GPS) سیستم محل یابی خارجی است که به صورت گسترده استفاده شده است. این سیستم بر اساس ماهواره‌ها کار می‌کند و در زمانی که از گیرنده GPS استانداردی استفاده شود، محل مورد نظر را با دقت چند متر کم و زیاد مشخص می‌کند. دقت گیرنده محل یاب GPS به تعداد ماهواره‌هایی بستگی دارد که گیرنده از آن‌ها اطلاعات دریافت می‌کند. دستگاه‌های ردیابی خاصی در دسترس هستند که می‌توانند موقعیت‌های دستگاه‌های GPS را برای مدت زمان خاصی ذخیره کنند. از آنجایی که GPS از ماهواره‌ها استفاده می‌کند، تنها برای محیط‌های باز طراحی شده است. علاوه بر این، اگر ساختمان‌ها یا اشیای زیادی وجود داشته باشند که سایه ایجاد کرده باشند (موانعی در مناطق شهری یا درخت‌هایی در جنگل )، دقت ارائه شده توسط GPS ممکن است کافی نباشد.

نمونه متن انگلیسی مقاله

Abstract

          Realistic and scenario-dependent mobility modeling is crucial for the reliable performance evaluation of multi-hop networks. In the last decade, a significant number of synthetic mobility models have been proposed. However, only a few of these models have been validated by realistic movement traces. In the last few years, several of such traces have been collected, analyzed, and made available to the community. This paper provides a comprehensive and up-to-date survey of (1) available movement traces, (2) modeling/analyses of these traces, and (3) synthetic mobility models. The focus of the paper is on mobility traces/models that include position information. The contribution of this paper is to summarize the research that has been done in the area of mobility modeling over the last few years and present challenges for future work.

1. Introduction

         Simulation and emulation are techniques frequently used for the performance evaluation of wireless networks. Compared to a testbed implementation, these techniques offer advantages concerning scalability, reproducibility, and cost-efficiency. Since the movement pattern of nodes is found to have significant impact on simulation and emulation results, it is required that mobility models emulate movements of nodes in a realistic way.

        There are several mobility models available to date that attempt to capture the movement patterns of nodes in a realistic way. Synthetic mobility models are based on randomly generated movements and create synthetic traces. Unfortunately, simulation and emulation results of synthetic mobility models often do not match realistic scenarios. On the other hand, trace-based mobility models are based on traces captured from the real world. Because of their realistic nature, traces provide high accuracy in terms of movement patterns; however, they are difficult to model.

        Synthetic mobility models have been used in the performance evaluation of various wireless network protocols; it is not surprising, however, that these models often fail to evaluate the protocols accurately. In order for the results obtained from a synthetic mobility model to be relied upon by the network community, it is highly desirable that the mobility model is validated by realistic traces. We note, however, that the analysis of such realistic traces can lead to different results depending upon the trace collection methods, size of the network population, and filtration techniques applied to traces (if any). Thus, results obtained by analysis of one trace may not be generalized to all the network scenarios. Nevertheless, trace-based modeling and trace-based validation are very important for credible performance evaluation.

          Various synthetic mobility models have been proposed during the last decade. There have been several general mobility surveys [6,12,20,77,82] as well as a few specific surveys, e.g., for vehicular mobility models [33,37] and for tactical mobile networks [4]. To the best of our knowledge, however, there is no survey paper that provides a comprehensive and up-to-date survey of available traces, modeling/analyses of these traces, and synthetic mobility models. The contribution of this paper is twofold: (1) to summarize the work that has been done in the area of mobility modeling over the last few years (both synthetic mobility modeling and trace-based mobility modeling) and (2) to present challenges for future work.

          The rest of the paper is structured as follows. Section 2 provides a survey on available traces and summarizes the results of recent trace-based analyses. We classify the traces based on scenarios and accuracy, in order to highlight the traces’ ties to reality. Section 3 provides a comprehensive survey on synthetic mobility models, including their classification based on dependencies, applications/scenarios, and validation. In this context, we also survey mobility generators. In Section 4, we conclude with challenges for future research in the area of mobility modeling.

2. Traces

        In this section, we (1) discuss the methods used to collect movement traces, (2) survey the traces that currently exist, and (3) present trace-based analyses for mobility modeling.

2.1. Acquiring traces

          In principle, there are three methods to acquire traces. First, use a particular tool to monitor the location of the devices being traced. Second, monitor the communication of the devices to base stations of a communication system. Third, to monitor the contacts between mobile devices. We discuss these three methods to acquire traces in Sections 2.1.1, 2.1.2, 2.1.3, respectively.

2.1.1. Monitoring location

        Currently, the Global Positioning System (GPS) is the most widely used outdoor localization system. It is based on satellites and provides location accuracy within a few meters when standard GPS receivers are used. The accuracy of a receiver’s GPS location depends on the number of satellites the receiver can hear. There are specific tracking devices available that can maintain the device’s GPS positions for a certain amount of time. Since GPS uses satellites, it is designed for outdoor environments only. Furthermore, if there are many buildings or other objects that produce shadowing effects (e.g., obstacles in urban areas or leaves on the trees in a forest), then the accuracy provided by GPS may not be sufficient.

فهرست مطالب (ترجمه)

چکیده 

1. مقدمه 

2. ‌رد‌یابی‌ها 

2.1 کسب ردیابی‌ها

2.1.1 نظارت بر محل یابی

2.1.2 نظارت بر ارتباطات 

2.1.3 نظارت بر مخاطبین

2.2 ‌رد‌یابی‌های موجود 

2.3 تحلیل مبتنی بر ‌ردیابی 

2.3.1 کلیت حرکت انسانی

2.3.2 مدلسازی مبتنی بر ردیابی‌ سناریوهای دانشگاهی 

2.3.3 مدلسازی مبتنی بر ‌ردیابی در سناریوهای اداری 

2.3.4 مدلسازی مبتنی بر ‌ردیابی در سناریوهای کنفرانس

2.3.5 مدلسازی مبتنی بر ‌ردیابی در سناریوهای شهری

3. مدل‌های حرکتی ترکیبی

4.نتیجه گیری و چالش‌هایی برای پژوهش آینده

منابع

فهرست مطالب (انگلیسی)

Abstract

1. Introduction

2. Traces

2.1. Acquiring traces

2.1.1. Monitoring location

2.1.2. Monitoring communication

2.1.3. Monitoring contacts

2.2. Available traces

2.3. Trace-based analysis

2.3.1. Human mobility in general

2.3.2. Trace-based modeling of campus scenarios

2.3.3. Trace-based modeling of office scenarios

2.3.4. Trace-based modeling of conference scenarios

2.3.5. Trace-based modeling of city scenarios

3. Synthetic mobility models

4. Conclusion and challenges for future research

References