Разработка и исследование методов обеспечения заданного качества обслуживания трафика в сетях интеллектуальных транспортных систем тема диссертации и автореферата по ВАК РФ 05.12.13, кандидат наук Белогаев Андрей Александрович

• Белогаев Андрей Александрович
• кандидат наук
• 2020

Оглавление диссертации кандидат наук Белогаев Андрей Александрович

Введение

Глава 1. Сети интеллектуальных транспортных систем

1.1. Архитектура сетей интеллектуальных транспортных систем

1.2. Методы рассылки информации У2Х-приложений

1.3. Концепция мобильных периферийных вычислений

1.4. Постановка задач диссертации

Глава 2. Метод последовательных обновлений для рассылки информации

2.1. Моделирование метода последовательных обновлений

2.2. Численные результаты

2.3. Выводы ко второй главе

Глава 3. Метод групповой рассылки информации

3.1. Алгоритм управления группами

3.2. Моделирование метода групповой рассылки

3.3. Численные результаты

3.4. Выводы к третьей главе

Глава 4. Распределение вычислительной нагрузки между серверами

4.1. Математическая формулировка задачи

4.2. Алгоритм распределения вычислительной нагрузки

4.3. Численные результаты

4.4. Выводы к четвертой главе

Заключение

Список литературы

Приложение А. Акты о внедрении результатов диссертации

Введение диссертации (часть автореферата) на тему «Разработка и исследование методов обеспечения заданного качества обслуживания трафика в сетях интеллектуальных транспортных систем»

Введение

Актуальность работы. В последние годы Интеллектуальные Транспортные Системы (ИТС) привлекают всё больше внимания как со стороны академических лабораторий, так и со стороны крупных индустриальных компаний. Внедрение таких систем позволяет существенно снизить число автомобильных аварий, уменьшить объем выбросов углекислого газа в атмосферу, обеспечить внедрение новых мультимедийных приложений, ориентированных на водителей, и дает множество других преимуществ. Сеть ИТС состоит из следующих основных узлов: мобильные узлы (например, автомобили), узлы сетевой инфраструктуры (базовые станции) и вычислительные серверы. На узлах сети ИТС установлены У2Х-приложения (англ.: уеЫе1е-1о-еуегуШ^), осуществляющие обмен информацией о текущей дорожной ситуации и параметрах движения, а также управляющими командами и рекомендациями для водителей. В частности, У2Х-приложения осуществляют периодический обмен информацией, такой как: координаты и скорости автомобилей, положения объектов на дороге, информация о дорожных работах, планируемых маршрутах и др. Генерация сообщений У2Х-приложений и их рассылка должна осуществляться таким образом, чтобы все сетевые узлы с заданной вероятностью имели актуальную и полную информацию как минимум о ближайших соседних узлах. Так как мобильные узлы передают информацию по беспроводному каналу с использованием ограниченных канальных ресурсов, а число узлов и новых У2Х-приложений неуклонно растет, то возникает задача минимизации объема рассылаемой информации У2Х-приложений при обеспечении заданной вероятности актуальности информации на соседних сетевых узлах. Следует отметить, что такая задача возникает не только при рассылке информации У2Х-приложений, но и при рассылке служебной информации различных сетевых протоколов, например, протоколов маршру-

тизации и протоколов доступа к каналу в децентрализованных беспроводных сетях. В литературе представлены два основных метода генерации и рассылки информации в беспроводных сетях, направленные на снижение объема потребляемых канальных ресурсов: метод последовательных обновлений и метод групповой рассылки. Метод последовательных обновлений используется, например, для рассылки информации о топологии сети и качестве соединений в протоколах маршрутизации DSDV и OSPF-MDR. Он заключается в том, что узлы сети периодически отправляют не всю информацию, а только изменения, произошедшие с момента отправки последнего сообщения. Метод групповой рассылки используется, например, для рассылки информации о зарезервированных интервалах времени при использовании протокола детерминированного доступа к беспроводному каналу, определенного в стандарте сетей Wi-Fi. Его основная идея заключается в том, что каждый узел сети делит все информационные элементы на относительно небольшое количество групп и рассылает информацию только о тех группах, в которых произошли изменения.

В процессе работы V2X-приложения генерируют различного рода вычислительные задачи, связанные, например, с расчетом траекторий и параметров движения автомобилей, управлением очередностью проезда перекрестков, формированием транспортных колонн и другими предоставляемыми сервисами. Каждая вычислительная задача требует выполнения некоторого объема операций за заданное время. Чтобы обеспечить выполнение задач, предъявляющих строгие требования к задержке, организацией European Telecommunications Standards Institute (ETSI) была предложена концепция мобильных периферийных вычислений (англ.: Mobile/Multi-access Edge Computing). Согласно этой концепции вычисления можно выполнять на серверах, расположенных в сети радиодоступа, например, на базовых станциях. Следует отметить, что полное время выполнения задачи состоит из време-

ни передачи информации о данной задаче по сети до соответствующего вычислительного сервера, времени ее выполнения на этом сервере и времени передачи решения до узла-источника. Поскольку расходы на обслуживание серверов несет оператор сети, то возникает нетривиальная задача распределения вычислительной нагрузки между серверами для минимизации расходов оператора при обеспечении требований к качеству обслуживания У2Х-прило-жений.

Таким образом, проблема разработки и исследования методов обеспечения заданного качества обслуживания трафика, связанного с периодической рассылкой информации У2Х-приложений и проведением удаленных вычислений на серверах, в сетях ИТС является актуальной. Поскольку исследование методов рассылки информации У2Х-приложений и алгоритмов распределения вычислительной нагрузки между серверами с целью минимизации расходов оператора одинаково важны для обеспечения работы ИТС, то в диссертации рассматриваются обе задачи.

Степень разработанности темы. Исследованиям методов рассылки информации в беспроводных сетях посвящено значительное количество работ, среди которых следует особо отметить работы российских и зарубежных ученых: В.М. Вишневского, Ю.В. Гайдамака, И.А. Гудковой, Н.А. Кузнецова, Е.А. Кучерявого, Д.В. Лаконцева, А.И. Ляхова, П.О. Некрасова, А.С. Родионова, К.Е. Самуйлова, А.А. Сафонова, О.Д. Соколовой, А.М. Тюрликова, Е.М. Хорова, И.И. Цитовича, В.В. Шахова, А.Н. Юргенсон, S. Asami, A.A. Ateya, M. Bahr, S. Bhatti, T. Clausen, Y. Huang, P. Jacquet, K. Kagoshima, A. Muthanna, S. Sorensen, L. Viennot, M. Yoshida и др. Среди этих работ часть посвящена анализу метода последовательных обновлений. В частности, было проведено имитационное моделирование данного метода и показано, что этот метод позволяет существенно снизить объем рассылаемой информации. В других работах были разработаны математические модели, позволяющие

оценить вероятность актуальности информации на узлах сети. Однако во всех работах рассматривается упрощенная модель генерации информации, не учитывается объем рассылаемой информации или надежность ее доставки. Также на момент публикации результатов диссертации отсутствовали исследования алгоритмов управления группами для метода групповой рассылки информации. В связи с вышеизложенным являются актуальными исследования методов рассылки информации V2X-приложений с целью разработки их математических моделей, позволяющих выбирать оптимальные параметры данных методов и лишенных перечисленных недостатков.

В связи с появлением и развитием концепции периферийных вычислений внимание многих исследователей в последние годы привлекла задача распределения вычислительной нагрузки между серверами. Особенностью данной задачи в сетях ИТС является необходимость выполнения строгих ограничений (десятки, сотни миллисекунд) на полное время выполнения вычислительных задач для V2X-приложений. Несмотря на то, что задача является относительно новой, за последние три года ей было посвящено множество работ, среди которых следует отметить работы С.Д. Андреева, В.М. Вишневского, Ю.В. Гайдамака, Д.В. Козырева, А.Е. Кучерявого, Е.А. Кучерявого, А.Я. Ометова, А.И. Парамонова, К.Е. Самуйлова, E. Amato, R. Brunner, M. Deng, X. Fan, D. Feng, H. Guo, P. Heidari, X. Hu, M. Khayyat, B. Khorsandi, A. Larabi, K. Letaief, Y. Mao, A. Moubayed, Z. Ning, C. Raffaelli, A. Shami, H. Tian, F. Tonini, J. Wang, C. Yang, J. Zhang и др. Можно выделить следующие основные недостатки алгоритмов, предлагаемых в существующих работах. Сушествуюшие алгоритмы: 1) принимают решение о назначении вычислительного сервера в краткосрочной перспективе (т.е. для каждой отдельно взятой задачи), что существенно ограничивает масштабируемость предлагаемых алгоритмов; 2) обладают высокой вычислительной сложностью, что не позволяет использовать их в реальных сценариях с большим количеством

узлов; 3) не учитывают время ожидания выполнения задачи в очереди на сервере или используют предположение о том, что время выполнения задач имеет экспоненциальное распределение, что в некоторых сценариях приводит к недооценке полного времени выполнения задач и, как следствие, к невыполнению требований к задержке; 4) не учитывают время передачи данных по сети ИТС до вычислительного сервера. Поэтому актуальной является задача разработки алгоритма распределения вычислительной нагрузки между серверами, позволяющего минимизировать расходы оператора на обслуживание вычислительной инфраструктуры при выполнении требований У2Х-прило-жений, лишенного вышеперечисленных недостатков.

Целью диссертационной работы является обеспечение заданного качества обслуживания трафика У2Х-приложений в сетях интеллектуальных транспортных систем путем выбора параметров методов рассылки информации и распределения вычислительной нагрузки между серверами.

Для достижения поставленной цели в диссертации ставятся и решаются следующие задачи:

1. Разработка математической модели процесса рассылки информации У2Х-приложений при использовании метода последовательных обновлений, позволяющей оценить средний объем рассылаемой информации и вероятность актуальности информации на соседних узлах сети с учетом помех в беспроводном канале.

2. Разработка математической модели процесса рассылки информации У2Х-приложений при использовании алгоритма управления группами, поддерживающего заданное количество групп, для оценки среднего объема рассылаемой информации.

3. Разработка и исследование алгоритма распределения вычислительной нагрузки между серверами в сетях ИТС с целью снижения расходов оператора при выполнении требований к качеству обслуживания У2Х-

приложений.

Методы исследования. В диссертации используются методы теории телекоммуникационных сетей, теории вероятностей, теории случайных процессов, линейной целочисленной оптимизации и комбинаторного анализа. При имитационном моделировании используется среда N8-3.

Научная новизна. В диссертации впервые:

• Разработана математическая модель процесса рассылки информации У2Х-приложений методом последовательных обновлений, позволяющая оценить средний объем рассылаемой информации и вероятность ее актуальности на соседних узлах с учетом помех в канале.

• Разработан алгоритм управления группами для метода групповой рассылки информации У2Х-приложений, поддерживающий заданное количество групп, и построена его математическая модель, позволяющая оценить средний объем рассылаемой информации.

• Разработан алгоритм распределения вычислительной нагрузки между серверами в сетях интеллектуальных транспортных систем, принимающий решения в долгосрочной перспективе с учетом заданной вероятности выполнения требований к задержке и произвольного распределения времени выполнения задач, генерируемых У2Х-приложениями, и позволяющий снизить расходы оператора.

Практическая ценность и реализация результатов. Использование теоретических результатов, полученных в диссертации, а также разработанных алгоритмов позволит обеспечить выполнение заданных У2Х-прило-жениями требований к актуальности информации на соседних узлах сети и времени выполнения вычислительных задач и при этом существенно снизить объем используемых канальных ресурсов и расходы оператора на обслуживание вычислительной инфраструктуры.

Результаты работы внедрены и используются на практике, что подтвер-

ждено соответствующими актами. В частности, разработанные модели и методы использованы в НИР, выполняемых ИППИ РАН по проектам РНФ № 14-50-00150 и Мегагранта Правительства РФ № 14.W03.31.0019, а также для организации учебного процесса на кафедре проблем передачи информации и анализа данных МФТИ в ИППИ РАН.

Основные положения, выносимые на защиту:

1. Разработанная математическая модель процесса рассылки информации У2Х-приложений методом последовательных обновлений учитывает наличие помех в канале и позволяет оценить средний объем рассылаемой информации и вероятность ее актуальности на соседних узлах.

2. Разработанная математическая модель процесса рассылки информации У2Х-приложений с помощью алгоритма управления группами, поддерживающего заданное количество групп, позволяет оценить средний объем рассылаемой информации.

3. Разработанный алгоритм распределения вычислительной нагрузки между серверами позволяет до двух раз снизить расходы оператора на обслуживание вычислительной инфраструктуры по сравнению с рассмотренными в диссертации существующими алгоритмами при выполнении требований к качеству обслуживания, предъявляемых У2Х-приложени-ями.

Апробация работы. Основные результаты диссертации докладывались и обсуждались на ведущих международных и российских конференциях: IEEE International Symposium on Wireless Communications Systems (Бельгия, 2015 г.), IEEE International Symposium on Personal, Indoor and Mobile Radio Communications (Испания, 2016 г.), IEEE Wireless Days Conference (ОАЭ, 2018 г.), «Информационные технологии и системы» в 2014-2018 гг., а также на семинарах ИППИ РАН.

Публикации. Материалы диссертации опубликованы в 11 печатных

работах, из них 6 статей — [1-6] в рецензируемых изданиях, входящих в перечень ВАК и индексируемых базами Scopus и Web of Science (в том числе статья [6] опубликована в журнале, входящем в первый квартиль по импакт-фактору Web of Science), а также 5 статей [7-11] в сборниках трудов конференций.

Подготовка к публикации полученных результатов проводилась совместно с соавторами. Алгоритмы и модели, являющиеся результатами диссертации, разработаны диссертантом лично. Диссертантом были лично разработаны математические и имитационные модели рассылки информации V2X-приложений методом последовательных обновлений, представленные в работах [3,4,9-11]. Также диссертантом были лично разработаны математические и имитационные модели метода групповой рассылки информации, представленные в работах [1,2,7-9]. Диссертантом был лично разработан алгоритм распределения вычислительной нагрузки между серверами, результаты исследования которого представлены в работах [5,6]. Во всех приведенных работах вклад соавторов заключался в постановке задач, частичном анализе литературы и частичном получении и анализе численных результатов.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, библиографии и приложения. Общий объем диссертации 119 страниц, включая 26 рисунков и 5 таблиц. Библиография включает 80 наименований.

Глава 1

Сети интеллектуальных транспортных систем

1.1. Архитектура сетей интеллектуальных транспортных систем

Рынок Интеллектуальных Транспортных Систем (ИТС, англ.: Intelligent Transport Systems, ITS) стремительно растет. Согласно отчету американской консалтинговой компании Grand View Research [12] размер рынка превысил 25 миллиардов долларов в 2018 году и к 2025 году вырастет до 51 миллиарда. В ближайшем будущем нельзя будет представить ни одного города без подобных систем. Развертывание ИТС дает множество преимуществ, таких как: снижение числа дорожно-транспортных происшествий [13,14], улучшение качества восприятия (англ.: Quality of Experience, QoE) водителем окружающей обстановки на дороге [15,16], внедрение технологии автономных автомобилей [17], снижение объема вредных выбросов углекислого газа в атмосферу [18], и другие [19]. Кроме того, ИТС также планируется использовать для осуществления мониторинга окружающей среды, например, для детектирования уровня загрязнения воздуха [20-22]. В основе ИТС лежит работа множества приложений, осуществляющих взаимодействие автомобилей между собой и с окружающей сетевой инфраструктурой, поэтому их называют V2X-приложениями (англ.: vehicle-to-everything). Консорциум 3rd Generation Partnership Project (3GPP), разрабатывающий технологии сотовых сетей, в спецификации [23] рассматривает ряд V2X-приложений для поддержки в сетях пятого поколения (5G). Эти приложения предъявляют разные требования к качеству обслуживания и имеют разные параметры генерируемого трафика (см. Таблицу 1.1). Рассмотрим более подробно некоторые из приложе-

ний, указанных в таблице.

1. Управление транспортными колоннами — приложение, которое позволяет автомобилям, движущимся в одном направлении, объединяться в транспортные колонны. Внутри колонны автомобили могут существенно уменьшить интервалы между друг другом и двигаться как единая система за счет точной координации.

2. Безопасный проезд перекрестков — приложение, которое позволяет избежать аварий, возникающих на перекрестках. В частности, оно может определять для каждого автомобиля очередность проезда, скорость проезда, полосу движения и т.д.

3. Коллективное восприятие обстановки на дороге — приложение, позволяющее в реальном времени обнаруживать различные объекты на дороге (например, пешеходов или препятствия) и выполнять соответствующие маневры (смена полосы, опережение, объезд, и т.д.) за счет быстрого обмена информацией между автомобилями и инфраструктурой.

В ИТС взаимодействие автомобилей с инфраструктурой осуществляется с помощью Придорожных Модулей (ПМ, англ.: Road Side Unit, RSU), размещаемых вдоль дорог на достаточно близком расстоянии друг от друга и осуществляющих обмен данными с транспортными средствами по беспроводному каналу. Как автомобили, так и ПМ могут быть оборудованы камерами, радарами, лидарами и другими приборами, позволяющими получать информацию об обстановке на дороге непосредственно [24]. ПМ соединены с сетью оператора с помощью, например, высокоскоростных проводных соединений. Базовые Станции (БС) сотового оператора являются частью городской сетевой инфраструктуры и могут также использоваться для передачи данных У2Х-приложений. В отличие от ПМ, БС могут быть расположены далеко от дороги и предоставляют также широкополосный доступ к сети Интернет

Таблица 1.1. V2X-приложения в сетях 50, согласно спецификации [23].

Приложение Частота сообщений Скорость передачи Задержка Размер сообщений Надежность

Управление колоннами 40 Гц ^Л 10 - 25 мс 50 - 1200 байт 90%

Обмен сообщениями внутри колонны 2 Гц ^Л 10 мс 50 - 1200 байт ^Л

Передача данных сенсоров и камер 25 Мбит/с 10 мс ^Л 90%

Удаленное вождение 20 Мбит/с 5 мс ^Л > 99,999%

Групповое управление на коротких дистанциях 40 Гц ^Л 10 - 25 мс 300 - 1200 байт 90%-99,99%

Коллективное восприятие 10 Гц 1 Гбит/с1 3 мс 1600 байт 99% -99,999%

Коллективное избегание аварий ^Л 10 Мбит/с 10 мс 2000 байт 99,99%

Обмен информацией для частично автономных автомобилей 10 Гц 0,5 - 0,55 Мбит/с 100 мс 6000 - 6500 байт ^Л

Обмен информацией для полностью автономных автомобилей ^Л 50 - 53 Мбит/с 100 мс ^Л ^Л

Обмен информацией для частично автономных колонн 50 Гц 2,5 - 2,75 Мбит/с 20 мс 6000 - 6500 байт ^Л

Обмен информацией для полностью автономных колонн ^Л 50 - 65 Мбит/с 20 мс ^Л ^Л

Обмен видео-данными ^Л 10 - 700 Мбит/с 10 - 50 мс ^Л 90%-99,99%

Перехват управления в экстренной ситуации ^Л 30 Мбит/с 3 мс ^Л 99,999%

Поддержка телеоператора ^Л 25 Мбит/с 20 мс ^Л 99,999%

Проезд перекрестков 50 Гц 50 Мбит/с 10 мс 450 байт ^Л

для других приложений, не связанных с работой ИТС. Для того, чтобы на основе имеющихся данных принять решение об изменении параметров движения, У2Х-приложениям требуется провести множество вычислений, которые должны быть выполнены за заданное время. Некоторые У2Х-приложе-ния, например, коллективное восприятие или проезд перекрестков (см. Таблицу 1.1), требуют обеспечения задержки порядка нескольких миллисекунд.

1 Это требование на пиковую скорость, когда расстояние между источником и получателем менее 50 м. В один и тот же момент времени либо выполняется требования на надежность и задержку, либо на

Рис. 1.1. Архитектура сетей интеллектуальных транспортных систем.

Задержку выполнения задач можно существенно сократить, если выполнять вычисления с помощью вычислительных ресурсов, расположенных внутри автомобилей. Однако объем ресурсов, который можно расположить внутри автомобиля, существенно ограничен многими факторами, такими как размер автомобиля и его стоимость. С другой стороны, использование удаленного вычисления задач с помощью облачных сервисов позволяет выполнять большой объем задач У2Х-приложений, но значительно увеличивает задержку, т.к. облачные сервисы могут быть расположены в тысячах километров от узлов сети ИТС. Чтобы обеспечить выполнение задач, предъявляющих строгие требования к задержке, организация European Telecommunications Standards Institute (ETSI) предложила концепцию мобильных периферийных вычислений MEC (англ.: Mobile Edge Computing, позже переименованна в Multi-access Edge Computing) [25], позволяющую выполнять вычисления на серверах, расположенных в сети радиодоступа (англ.: Radio Access Network, RAN), например, на ПМ или БС.

пиковую скорость.

В литературе представлен ряд работ [26-33], в которых предложены различные архитектуры построения сетей ИТС. Все эти архитектуры объединяют общие элементы, из которых состоит ИТС:

• мобильные узлы, например, автомобили с поддержкой У2Х-приложе-ний;

• придорожные модули;

• базовые станции;

• вычислительные серверы.

На рис. 1.1 изображена типовая архитектура сети ИТС, в которой ПМ расположены вдоль дороги и используют проводные соединения для обмена данными между собой, а также с ядром сети оператора. Мобильные узлы периодически передают информацию о взаимном положении, скоростях, направлении движения, состоянии дорожного полотна, аварийных ситуациях и др. на ПМ по беспроводным соединениям. В качестве технологий беспроводной связи могут использоваться различные технологии, например, Wi-Fi или 5G. Так, например, для передачи информации У2Х-приложений, предъявляющих строгие требования к задержке, может использоваться технология сверхнадежной связи с малой задержкой (англ.: Ultra Reliable Low Latency Communications), которая будет поддерживаться сетями 5G и позволит передавать данные с задержкой, не превышающей 1 мс, и надежностью более 99,999% [34].

Поскольку большинство У2Х-приложений напрямую влияют на безопасность на дороге, то для их работы является критичным наличие актуальной информации, полученной от мобильных узлов [35]. Для того, чтобы поддерживать информацию актуальной, мобильные узлы могли бы с высокой периодичностью передавать по беспроводному каналу всю необходимую для поддержания в актуальном состоянии информацию, однако это привело бы к крайне неэффективному использованию ограниченных канальных ресурсов.

Поэтому для рассылки информации мобильные узлы должны использовать такие методы, которые позволили бы эффективно с точки зрения использования канальных ресурсов и поддержания актуальности передавать данные по беспроводному каналу на другие мобильные узлы и ПМ. Следует отметить, что такая задача возникает не только при рассылке информации У2Х-приложений, но и при рассылке служебной информации различных сетевых протоколов, например, протоколов маршрутизации и протоколов доступа к каналу в децентрализованных беспроводных сетях. В литературе предлагаются различные методы рассылки информации, направленные на снижение объема потребляемых канальных ресурсов. Подробное описание этих методов представлено в разделе 1.2.

У2Х-приложения в процессе работы генерируют различные вычислительные задачи, например, расчет очередности проезда перекрестков [36] или траекторий автомобилей [37,38]. Задачи могут выполняться на серверах, расположенных на мобильных узлах, ПМ, БС, в сети оператора, а также с помощью облачных сервисов, расположенных в сети Интернет. Вычислительные задачи У2Х-приложений должны быть выполнены за заданное время. Например, приложению безопасного проезда перекрестков требуется рассчитать очередность проезда за небольшое время до появления автомобилей на перекрестке. При этом следует учитывать, что полное время выполнения задачи состоит из времени передачи информации о данной задаче по сети до соответствующего вычислительного сервера, времени ее выполнения на этом сервере и времени передачи решения до узла-источника. Обслуживание серверов влечет дополнительные расходы для оператора ИТС, поэтому очень важной задачей является задача распределения вычислительной нагрузки между серверами с учетом требований У2Х-приложений к качеству обслуживания и расходов оператора.

1.2. Методы рассылки информации V2X-приложений

Задаче эффективной рассылки информации между устройствами сети посвящено множество исследований. В большинстве исследований, в том числе в рамках тематики ИТС [39-41], авторы изучают вопрос эффективной рассылки с помощью выбора устройств, которые осуществляют передачу и ретрансляцию данных, или с помощью эффективного управления расписанием передач. При этом достаточно мало исследований посвящены исследованию методов генерации информации устройствами в сети и её последующей рассылки соседним устройствам. В данной диссертации же основной фокус направлен на изучение таких методов. Рассмотрим их подробнее.

В процессе работы У2Х-приложения обмениваются информацией о ситуации на дороге. Каждый узел сети периодически рассылает соседним узлам сообщения, содержащие информацию о его параметрах, таких как: координаты, скорость, ускорение, полоса движения, наличие препятствий на дороге и расстояние до них и др. Информацию о каждом параметре будем называть информационным элементом. Если появляется новая информация о каком-либо параметре, например, расположенный на мобильном узле сенсор зафиксировал наличие препятствия на дороге, то будем говорить, что был добавлен новый информационный элемент. Если же информация о каком-либо параметре устаревает, то узел сети перестает ее рассылать, и в этом случае будем говорить, что информационный элемент был удален. Наконец, если значение какого-либо параметра изменилось, то будем считать, что одновременно удаляется информационный элемент, содержащий предыдущее значение параметра, и добавляется новый. Рассмотрим наиболее популярные методы рассылки информации.

Список литературы диссертационного исследования кандидат наук Белогаев Андрей Александрович, 2020 год

Список литературы

1. Belogaev Andrey, Khorov Evgeny, Krasilov Artem, Lyakhov Andrey. Study of the group-based approach to disseminate control information in wireless networks // Proceedings of the 12th International Symposium on Wireless Communication Systems (ISWCS 2015). Brussels, Belgium: IEEE, 2015. Pp. 621-625.

2. Belogaev Andrey, Khorov Evgeny, Krasilov Artem, Lyakhov Andrey. Study of the enhanced algorithm for control information dissemination in Wi-Fi Mesh networks // Proceedings of the 27th Annual IEEE International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC 2016). Valencia, Spain: IEEE, 2016. Pp. 1-6.

3. Belogaev Andrey, Khorov Evgeny, Krasilov Artem, Lyakhov Andrey. Analytical study of incremental approach for information dissemination in wireless networks // Proceedings of the 10th Wireless Days Conference. Dubai, United Arab Emirates: IEEE, 2018. Pp. 158-163.

4. Белогаев Андрей Александрович, Красилов Артем Николаевич, Ляхов Андрей Игоревич, Хоров Евгений Михайлович. Анализ эффективности метода последовательных обновлений при рассылке служебной информации в беспроводных сетях // Информационные процессы. 2018. Т. 18, № 3. С. 210-222. (Перевод: Analysis of the differential update method for control information dissemination in wireless networks [Text] / Andrey Belogaev, Artem Krasilov, Andrey Lyakhov, Evgeny Khorov // Journal of Communications Technology and Electronics. - 2018. - Vol. 63, no. 12. - P. 1358-1544).

5. Белогаев Андрей Александрович, Елохин Алексей Анатольевич, Красилов Артем Николаевич, Хоров Евгений Михайлович. Оптимизация расходов оператора при распределении вычислительной нагрузки между серве-

рами в интеллектуальных транспортных системах // Информационные процессы. 2020. Т. 20, № 2.

6. Belogaev A., Elokhin A., Krasilov A. et al. Cost-effective V2X task offloading in MEC-assisted intelligent transportation systems // IEEE Access. 2020. Vol. 8. Pp. 169010 - 169023.

7. Белогаев Андрей Александрович, Красилов Артем Николаевич, Хоров Евгений Михайлович. Анализ эффективности алгоритмов рассылки информации о резервированиях в сетях Wi-Fi Mesh // Сборник трудов 38-й междисциплинарной школы-конференции ИППИ РАН «Информационные технологии и системы 2014». Нижний Новгород, Россия: ИППИ РАН, 2014. С. 317-323.

8. Белогаев Андрей Александрович, Красилов Артем Николаевич, Хоров Евгений Михайлович, Ляхов Андрей Игоревич. Исследование улучшенного алгоритма рассылки информации о резервированиях в сетях Wi-Fi Mesh // Сборник трудов 39-й междисциплинарной школы-конференции ИППИ РАН «Информационные технологии и системы 2015». Сочи, Россия: ИППИ РАН, 2015. С. 1099-1112.

9. Белогаев Андрей Александрович, Красилов Артем Николаевич. Сравнение различных подходов к рассылке информации о резервированиях в сетях Wi-Fi Mesh // Сборник трудов 40-й междисциплинарной школы-конференции ИППИ РАН «Информационные технологии и системы 2016». Репино, Санкт-Петербург, Россия: ИППИ РАН, 2016. С. 652-658.

10. Белогаев Андрей Александрович, Красилов Артем Николаевич. Исследование инкрементального подхода к рассылке служебной информации // Сборник трудов 41-й междисциплинарной школы-конференции ИППИ РАН «Информационные технологии и системы 2017». Уфа, Россия: ИППИ РАН, 2017. С. 1-9.

11. Белогаев Андрей Александрович, Красилов Артем Николаевич. Имитаци-

онное моделирование метода последовательных обновлений при рассылке служебной информации в децентрализованных беспроводных сетях // Сборник трудов 42-й междисциплинарной школы-конференции ИППИ РАН «Информационные технологии и системы 2018». Казань, Россия: ИППИ РАН, 2018. С. 447-448.

12. Research Grand View. Intelligent transportation system market size, share & trends analysis report by type (ATIS, ATMS, ATPS, APTS, EMS), by application (road safety & security, public transport), and segment forecasts, 2019 - 2025. 2019.— 04. no. 978-1-68038-036-1. URL: https://www.grandviewresearch.com/industry-analysis/ intelligent-transportation-systems-industry.

13. Aldegheishem Abdulaziz, Yasmeen Humera, Maryam Hafsa et al. Smart road traffic accidents reduction strategy based on intelligent transportation systems (tars) // Sensors. 2018. Vol. 18, no. 7. P. 1983.

14. Naranjo Jose E, Jimenez Felipe, Anaya Jose J et al. Application of vehicle to another entity (V2X) communications for motorcycle crash avoidance // Journal of Intelligent Transportation Systems. 2017. Vol. 21, no. 4. Pp. 285-295.

15. Kesting Arne, Treiber Martin, Schonhof Martin, Helbing Dirk. Adaptive cruise control design for active congestion avoidance // Transportation Research Part C: Emerging Technologies. 2008. Vol. 16, no. 6. Pp. 668-683.

16. De Souza Allan M, Yokoyama Roberto S, Maia Guilherme et al. Real-time path planning to prevent traffic jam through an intelligent transportation system // 2016 IEEE symposium on computers and communication (ISCC) / IEEE. 2016. Pp. 726-731.

17. Liu Shaoshan, Liu Liangkai, Tang Jie et al. Edge computing for autonomous driving: Opportunities and challenges // Proc. of the IEEE. 2019. Vol. 107, no. 8. Pp. 1697-1716.

18. Zhang Shaojun, Niu Tianlin, Wu Ye et al. Fine-grained vehicle emission man-

agement using intelligent transportation system data // Environmental Pollution. 2018. Vol. 241. Pp. 1027-1037.

19. MacHardy Zachary, Khan Ashiq, Obana Kazuaki, Iwashina Shigeru. V2X access technologies: regulation, research, and remaining challenges // IEEE Communications Surveys & Tutorials. 2018. Vol. 20, no. 3. Pp. 1858-1877.

20. Guevara Leonardo, Auat Cheein Fernando. The Role of 5G Technologies: Challenges in Smart Cities and Intelligent Transportation Systems // Sus-tainability. 2020. Vol. 12, no. 16. P. 6469.

21. Shakhov V., Sokolova O. Towards Air Pollution Detection With Internet of Vehicles // Proc. of the 15th International Asian School-Seminar Optimization Problems of Complex Systems (OPCS). 2019. Pp. 183-186.

22. Materukhin A., Gvozdev O., Maiorov A., Sokolova O. Simulation of Spatio-Temporal Data Streams from Geosensors Located on Mobile Objects // Proc. of the 15th International Asian School-Seminar Optimization Problems of Complex Systems (OPCS). 2019. Pp. 179-182.

23. 3GPP. Study on enhancement of 3GPP support for 5G V2X services: Technical Report (TR) TR 22.886: 3GPP, 2018.— 12. V16.2.0. URL: https://portal.3gpp.org/desktopmodules/Specifications/ SpecificationDetails.aspx?specificationId=3108.

24. Guerrero-Ibanez Juan, Zeadally Sherali, Contreras-Castillo Juan. Sensor technologies for intelligent transportation systems // Sensors. 2018. Vol. 18, no. 4. P. 1212.

25. ETSI. Multi-access edge computing (MEC); study on MEC support for V2X use cases: Group Report (GR) GR MEC 022: ETSI, 2018. — 09. V2.1.1. URL: https://www.etsi.org/deliver/etsi_gr/MEC/001_ 099/022/02.01.01_60/gr_MEC022v020101p.pdf.

26. Zhang Jun, Letaief Khaled B. Mobile edge intelligence and computing for the internet of vehicles // Proceedings of the IEEE. 2019. Vol. 108, no. 2.

Pp. 246-261.

27. Khayyat Mashael, Alshahrani Abdullah, Alharbi Soltan et al. Multilevel ser-vice-provisioning-based autonomous vehicle applications // Sustainability. 2020. Vol. 12, no. 6. P. 2497.

28. Giust Fabio, Sciancalepore Vincenzo, Sabella Dario et al. Multi -access edge computing: the driver behind the wheel of 5G-connected cars // IEEE Communications Standards Magazine. 2018. Vol. 2, no. 3. Pp. 66-73.

29. Wang Yancong, Wang Jian, Ge Yuming et al. MEC support for C-V2X system architecture // 2019 IEEE 19th International Conference on Communication Technology (ICCT) / IEEE. 2019. Pp. 1375-1379.

30. Liu Jianqi, Wan Jiafu, Zeng Bi et al. A scalable and quick-response software defined vehicular network assisted by mobile edge computing // IEEE Communications Magazine. 2017. Vol. 55, no. 7. Pp. 94-100.

31. Zhou Siyu, Netalkar Prasad Prakash, Chang Yanan et al. The MEC-based architecture design for low-latency and fast hand-off vehicular networking // 2018 IEEE 88th Vehicular Technology Conference (VTC-Fall) / IEEE. 2018. Pp. 1-7.

32. Storck Carlos Renato, Duarte-Figueiredo Fatima. A 5G V2X ecosystem providing internet of vehicles // Sensors. 2019. Vol. 19, no. 3. P. 550.

33. Zhou Fuhui, Hu Rose Qingyang, Li Zan, Wang Yuhao. Mobile edge computing in unmanned aerial vehicle networks // IEEE Wireless Communications. 2020. Vol. 27, no. 1. Pp. 140-146.

34. Yang H., Zheng K., Zhang K. et al. Ultra-reliable and low-latency communications for connected vehicles: challenges and solutions // IEEE Network. 2020. Vol. 34, no. 3. Pp. 92-100.

35. Ozbilgin G., Ozguner U., Altintas O. et al. Evaluating the requirements of communicating vehicles in collaborative automated driving // Proc. of the IEEE Intelligent Vehicles Symposium (IV). 2016. Pp. 1066-1071.

36. Chen L., Englund C. Cooperative Intersection Management: A Survey // IEEE Transactions on Intelligent Transportation Systems. 2016. Vol. 17, no. 2. Pp. 570-586.

37. Dixit Shilp, Fallah Saber, Montanaro Umberto et al. Trajectory planning and tracking for autonomous overtaking: State-of-the-art and future prospects // Annual Reviews in Control. 2018. Vol. 45. Pp. 76-86.

38. You Feng, Zhang Ronghui, Lie Guo et al. Trajectory planning and tracking control for autonomous lane change maneuver based on the cooperative vehicle infrastructure system // Expert Systems with Applications. 2015. Vol. 42, no. 14. Pp. 5932-5946.

39. Shen X., Cheng X., Yang L. et al. Data Dissemination in VANETs: A Scheduling Approach // IEEE Transactions on Intelligent Transportation Systems. 2014. Vol. 15, no. 5. Pp. 2213-2223.

40. Chaqfeh Moumena, Lakas Abderrahmane, Jawhar Imad. A survey on data dissemination in vehicular ad hoc networks // Vehicular Communications. 2014. Vol. 1, no. 4. Pp. 214-225.

41. Sokolova O., Shakhov V., Yurgenson A. On Messages Transmission in Intelligent Transport System // 2019 International Russian Automation Conference (RusAutoCon). 2019. Pp. 1-5.

42. Clausen T., Jacquet P. Optimized Link State Routing Protocol (OLSR). RFC 3626.

43. Borgonovo Flaminio, Capone Antonio, Cesana Matteo, Fratta Luigi. RR-ALOHA, a Reliable R-ALOHA broadcast channel for ad-hoc inter-vehicle communication networks // Proceedings of Med-Hoc-Net 2002. 2002.

44. Perkins Charles E, Bhagwat Pravin. Highly dynamic destination-sequenced distance-vector routing (DSDV) for mobile computers // ACM SIGCOMM computer communication review. Vol. 24. 1994. Pp. 234-244.

45. Ogier R., Spagnolo P. Mobile Ad Hoc Network (MANET) Extension of OSPF

Using Connected Dominating Set (CDS) Flooding. RFC 5614.

46. IEEE. IEEE Standard for Information technology - Telecommunications and information exchange between systems - Local and metropolitan area networks - Specific requirements - Part 11: Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) Specifications, 2016.

47. Safonov A.A., Lyakhov A.I., Yurgenson A.N., Sokolova O.D. Groupcast routing with the possibility of choosing a channel transmission method // Automation and Remote Control. 2013. Vol. 74, no. 10. Pp. 1710-1723.

48. ETSI. Mobile edge computing-introductory technical white paper. 2014. — 09. URL: https://portal.etsi.Org/Portals/0/TBpages/MEC/Docs/ Mobile-edge_Computing_-_Introductory_Technical_White_Paper_V10/0 2018-09-14.pdf.

49. Huang Yangcheng, Bhatti Saleem, Sorensen Soren-Aksel. The impact of topology update strategies on the performance of a proactive MANET routing protocol // International Journal of Parallel, Emergent and Distributed Systems. 2008. Vol. 23, no. 6. Pp. 447-460.

50. Ernst Raphael, Jopen Sascha Alexander, Bartelt Tobias. Reducing MANET neighborhood discovery overhead // 39th annual IEEE conference on local computer networks / IEEE. 2014. Pp. 374-377.

51. Asami Shigeyuki, Yoshida Masashi, Kagoshima Kenichi. Differential HELLO technique for multihop wireless network routing protocols in dense environments // IEICE transactions on communications. 2005. Vol. 88, no. 1. Pp. 292-303.

52. Viennot Laurent, Jacquet Philippe, Clausen Thomas Heide. Analyzing control traffic overhead versus mobility and data traffic activity in mobile ad-hoc network protocols // Wireless Networks. 2004. Vol. 10, no. 4. Pp. 447-455.

53. Nekrasov P., Fakhriev D. Network information broadcasting in narrow band self-organizing networks // Automation and Remote Control. 2015. Vol. 76,

no. 4. Pp. 634-649.

54. IEEE Standard for Information Technology-Telecommunications and information exchange between systems-Local and metropolitan area networks-Specific requirements Part 11: Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) specifications Amendment 10: Mesh Networking, 2011.

55. Bahr Michael. Method for advertising channel reservations. 2016. US Patent 9,288,822.

56. Moubayed Abdallah, Shami Abdallah, Heidari Parisa et al. Edge-enabled V2X service placement for intelligent transportation systems // IEEE Transactions on Mobile Computing. 2020. Early Access.

57. Guo Hongzhi, Zhang Jie, Liu Jiajia. FiWi-enhanced vehicular edge computing networks: collaborative task offloading // IEEE Vehicular Technology Magazine. 2018. Vol. 14, no. 1. Pp. 45-53.

58. Wang Jun, Feng Daquan, Zhang Shengli et al. Computation offloading for mobile edge computing enabled vehicular networks // IEEE Access. 2019. Vol. 7. Pp. 62624-62632.

59. Zhang Jiao, Hu Xiping, Ning Zhaolong et al. Energy-latency tradeoff for energy-aware offloading in mobile edge computing networks // IEEE Internet of Things Journal. 2017. Vol. 5, no. 4. Pp. 2633-2645.

60. Deng Maofei, Tian Hui, Lyu Xinchen. Adaptive sequential offloading game for multi-cell mobile edge computing // Proc. of the 23rd International Conference on Telecommunications (ICT) / IEEE. 2016. Pp. 1-5.

61. Mao Yuyi, Zhang Jun, Letaief Khaled B. Dynamic computation offloading for mobile-edge computing with energy harvesting devices // IEEE Journal on Selected Areas in Communications. 2016. Vol. 34, no. 12. Pp. 3590-3605.

62. Sopin Eduard, Samouylov Konstantin, Shorgin Sergey. The analysis of the computation offloading scheme with two-parameter offloading criterion in fog computing // International Conference on Internet and Distributed Comput-

ing Systems / Springer. 2019. Pp. 11-20.

63. Tonini Federico, Khorsandi Bahare M, Amato Elisabetta, Raffaelli Carla. Scalable edge computing deployment for reliable service provisioning in vehicular networks // Journal of Sensor and Actuator Networks. 2019. Vol. 8, no. 4. P. 51.

64. Zhang Ke, Mao Yuming, Leng Supeng et al. Mobile-edge computing for vehicular networks: a promising network paradigm with predictive off-loading // IEEE Vehicular Technology Magazine. 2017. Vol. 12, no. 2. Pp. 36-44.

65. Fan Xiayan, Cui Taiping, Cao Chunyan et al. Minimum-cost offloading for collaborative task execution of MEC-assisted platooning // Sensors. 2019. Vol. 19, no. 4. P. 847.

66. Yang Chao, Liu Yi, Chen Xin et al. Efficient mobility-aware task offloading for vehicular edge computing networks // IEEE Access. 2019. Vol. 7. Pp. 26652-26664.

67. Raza Salman, Liu Wei, Ahmed Manzoor et al. An efficient task offloading scheme in vehicular edge computing // Journal of Cloud Computing. 2020. Vol. 9. Pp. 1-14.

68. Nash John F et al. Equilibrium points in n-person games // Proceedings of the national academy of sciences. 1950. Vol. 36, no. 1. Pp. 48-49.

69. Held Michael, Karp Richard M. The traveling-salesman problem and minimum spanning trees: Part II // Mathematical programming. 1971. Vol. 1, no. 1. Pp. 6-25.

70. Ometov Aleksandr, Kozyrev Dmitry, Rykov Vladimir et al. Reliability-centric analysis of offloaded computation in cooperative wearable applications // Wireless Communications and Mobile Computing. 2017. Vol. 2017.

71. Zhang Yan, Guizani Mohsen. Game Theory for Wireless Communications and Networking. CRC press, 2011.

72. Wooldridge Michael. An Introduction to Multiagent Systems. John Wiley &

Sons, 2009.

73. The ns-3 network simulator. URL: http://www.nsnam.org/.

74. Rumble Stephen M., Ongaro Diego, Stutsman Ryan et al. It's time for low latency // Proc. of the 13th USENIX Conference on Hot Topics in Operating Systems (HotOS'13). USENIX Association, 2011. Pp. 1-5.

75. Kleinrock Leonard. Queueing Systems. Volume 1: Theory. Wiley New York, 1975.

76. Kleinrock Leonard. Queueing Systems. Volume 2: Computer Applications. Wiley New York, 1976.

77. Mitchell John E. Branch-and-cut algorithms for combinatorial optimization problems // Handbook of applied optimization. 2002. Pp. 65-77.

78. OpenCellid - largest open database of cell towers & geolocation - by Unwired Labs. https://opencellid.org. Accessed: May, 2020.

79. Lee Kwonjong, Kim Joonki, Park Yosub et al. Latency of cellular-based V2X: perspectives on TTI-proportional latency and TTI-independent latency // IEEE Access. 2017. Vol. 5. Pp. 15800-15809.

80. Mitchell Stuart, OSullivan Michael, Dunning Iain. PuLP: a linear programming toolkit for python // Optimization Online. 2011. Pp. 1-12.

Приложение А

Акты о внедрении результатов диссертации

УТВЕРЖДАЮ

Проректор по научной работе,

к.ф.-м.н.

Баган В. А. 2020 г.

■- .'. --Л. J.i>i.

ф,. 5'

АКТ

об использовании теоретических и практических результатов диссертационной работы Ьелогаева A.A. «Разработка и исследование методов обеспечения заданного качества обслуживания трафика в сетях интеллектуальных транспортных систем», представленной на соискание ученой степени кандидата технических наук, в учебном процессе на базовой кафедре проблем передачи информации и анализа данных МФТИ

В рамках дисциплины «Моделирование современных систем связи», которая читается студентам бакалавриата МФТИ на базовой кафедре проблем передачи информации и анализа данных МФТИ, использованы теоретические и практические результаты диссертационной работы Белогаева A.A. «Разработка и исследование методов обеспечения заданного качества обслуживания трафика в сетях интеллектуальных транспортных систем». Среди них: математическая модель процесса рассылки информации в сети с помощью метода последовательных обновлений, алгоритм управления .группами для метода групповой рассылки информации, математическая модель процесса групповой рассылки информации в сети, алгоритм распределения вычислительной нагрузки между серверами.

Зав. кафедрой проблем передачи информации и анализа данных

А.Н. Соболевский