http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
CCVN에서 차량의 이동성 정보를 기반한 릴레이 차량 선택 및 콘텐츠 사전 캐싱 방안
조현종(Hyunchong Cho),남영주(Youngju Nam),김가영(Gayeong Kim),이준원(Junwon Lee),고유진(Youjin Ko),이의신(Euisin Lee) 한국콘텐츠학회 2022 한국콘텐츠학회논문지 Vol.22 No.11
VANET은 콘텐츠를 기반으로 데이터를 주고받는 통신 네트워크로 인프라 장치들과 주변 차량들에 의해 콘텐츠가 공유 및 소비되며 콘텐츠 이용에 대한 지연 시간과 트래픽을 감소시키는 사전 캐싱이 연구되고 있다. 하지만, 현재 사전 캐싱 연구들은 제한된 조건으로 차량 후보 노드를 선택하기 때문에 실질적인 환경에서는 콘텐츠 제공에 대한 예측이 어려워진다. 본 논문은 요청 차량에게 효율적으로 콘텐츠를 전달하기 위해 저지연에 최적의 릴레이 후보를 찾는 사전 캐싱 방안을 제안한다. 제안 방안은 연결 시간과 후보들 간의 시간을 고려하여 콘텐츠를 전달할 최적의 차량을 선택하고 전달할 콘텐츠 양이 더 필요한 경우 추가적으로 릴레이 차량 후보를 미리 탐색하여 효율적인 사전 캐싱 방법을 준비한다. 시뮬레이션을 통해, 제안 방안이 기존 방안과 비교했을 때 전달할 수 있는 콘텐츠 릴레이 양이 증가되고 통신 딜레이는 감소됨을 증명한다. VANET is a communication network that exchanges content and its researches focus on precaching to reduce delay and traffic for content usage. However, since current studies select a candidate with limited condition, it is hard to provide content prediction in a practical environment. We propose a new precaching scheme by electing the optimal candidates with some conditions. Simulation shows proposed scheme is better content relay amounts and lower delay compared with existing researches.
무선 센서 망에서 에너지 효율적인 페이스 라우팅을 활용한 분리된 다중 경로 방안
조현종(Hyunchong Cho),김천용(Cheonyong Kim),김상대(Sangdae Kim),오승민(Seungmin Oh),김상하(Sang-Ha Kim) 한국정보과학회 2017 정보과학회 컴퓨팅의 실제 논문지 Vol.23 No.2
무선 센서 네트워크에서 다중 경로는 저전력 센서의 특징으로 인해 에너지 효율적인 라우팅 방법들을 선호하였으며 라우팅 방법 중 이웃 노드들의 주변 정보를 통해 데이터를 전달하는 위치 기반 라우팅으로 다중 경로를 생성하였다. 하지만, 다중 경로가 라우팅 불가 지역에서 위치 기반 라우팅을 사용하면 경로들이 중복 사용되어 다중 경로의 디스조인트 특징을 유지하지 못한다. 이를 해결하기 위해, 다중경로는 라우팅 불가 지역을 모델링하고 해당 지역을 우회하여 다중 경로의 디스조인트 특징을 보존하였다. 하지만 에너지 관점으로 보았을 때, 모델링과 같은 부가적인 작업은 노드의 에너지 소모를 증가시키며 센서 망의 수명을 단축시킨다. 본 논문에서는 라우팅 불가 지역에서 다중 경로의 디스조인트 특징을 보존하면서 에너지 효율적인 위치 기반 라우팅을 제안한다. 제안 방안은 노드의 에너지 소모를 줄이기 위해 모델링과 같은 부가적인 작업 없이 페이스 라우팅을 활용한다. In wireless sensor networks, the multipath prefers energy efficient routing method due to the characteristic of low-power sensor which uses geographic method to transmit data packet through information of the neighbor nodes. However, when multipath meets the routing fail area called hole area, path overlap problem can occur, resulting in failed maintenance of disjoint multipath. To solve this problem, multipath research studies have been performed to exploit the modeling and detouring method in routing fail area by keeping the disjoint multipath. However, in an energy point of view, additional method like modeling can lead to a lot of energy consumption of sensor node. Moreover, lots of energy consumption of sensor node can shorten the life span of sensor network. In this study, we proposed an energy efficient geographic routing by keeping the disjoint multipath in routing fail area. The proposed scheme exploited the face routing using the geographic recovery method without additional method like modeling.
산업용 무선 센서 네트워크에서의 기계학습 기반 이동성 지원 방안
김상대,김천용,조현종,정관수,오승민,Kim, Sangdae,Kim, Cheonyong,Cho, Hyunchong,Jung, Kwansoo,Oh, Seungmin 한국정보처리학회 2020 정보처리학회논문지. 컴퓨터 및 통신시스템 Vol.9 No.11
산업용 무선 센서 네트워크는 여러 산업 분야에서의 생산성 향상, 비용 절감 등을 위해 사용되고 있으며, 저지연, 고신뢰 데이터 전송과 같은 성능을 요구한다. 이를 달성하기 위해서, 산업용 무선 센서 네트워크에서는 네트워크 매니저를 통해 네트워크 위상에 대한 그래프 생성 및 자원 할당을 수행하여, 각 장치의 전송 주기 및 경로를 미리 결정한다. 하지만, 이러한 네트워크 관리 방법은 네트워크 위상 변화 시에 그래프 재생성 및 자원 재할당을 수행해야 하므로, 잦은 위상 변화가 발생하는 네트워크 환경에서는 관리비용 증가와 요구성능의 일시적 저하와 같은 현상이 발생하므로 적합하지 않다. 즉, 최근에 다양한 이동 장치를 활용하는 산업용 무선 센서 네트워크에서는 이동 장치로 인한 경로 단절 및 경로 재구성 과정에서 발생하는 지연 전송과 전송 신뢰성 저하를 방지할 수 있는 네트워크 관리 방안에 관한 연구가 필요하다. 본 논문에서는 기계학습을 이용하여 이동 장치의 시간별 위치 및 이동 주기를 분석하고, 이에 기반한 이동 패턴을 추출한다. 또한, 추출된 이동 패턴 정보를 기반으로 예측되는 시간별 네트워크 위상에 대한 그래프 생성 및 자원 할당을 수행하는 네트워크 관리 기능을 제안함으로써, 이동 장치의 이동으로 인한 성능 저하의 문제를 방지한다. 성능평가 결과는 제안 방안이 추출한 이동 패턴과 실제 이동 패턴을 비교하였을 때 약 86%의 예측 정확도를 보이고, 기존의 방법에 비해 높은 전송 성공률 및 낮은 자원 점유율의 성능을 보여준다. Industrial Wireless Sensor Networks (IWSNs) is exploited to achieve various objectives such as improving productivity and reducing cost in the diversity of industrial application, and it has requirements such as low-delay and high reliability packet transmission. To accomplish the requirement, the network manager performs graph construction and resource allocation about network topology, and determines the transmission cycle and path of each node in advance. However, this network management scheme cannot treat mobile devices that cause continuous topology changes because graph reconstruction and resource reallocation should be performed as network topology changes. That is, despite the growing need of mobile devices in many industries, existing scheme cannot adequately respond to path failure caused by movement of mobile device and packet loss in the process of path recovery. To solve this problem, a network management scheme is required to prevent packet loss caused by mobile devices. Thus, we analyse the location and movement cycle of mobile devices over time using machine learning for predicting the mobility pattern. In the proposed scheme, the network manager could prevent the problems caused by mobile devices through performing graph construction and resource allocation for the predicted network topology based on the movement pattern. Performance evaluation results show a prediction rate of about 86% compared with actual movement pattern, and a higher packet delivery ratio and a lower resource share compared to existing scheme.