Mobility Models for Next Generation Wireless Networks

Mehmet Celik & Thomas Lägler18.06.2013Seite 1Mobility Models

MOBILITY MODELS

für Next Generation Wireless Networks

18.06.2013Mehmet Celik & Thomas Lägler


Agenda• Einführung• Mobility Models• Werkzeuge• Zusammenfassung• Diskussion• Quellen


EINFÜHRUNGÜberblick, Begriffe, Theorie


Modell - Definition• Beschränktes Abbild der Realität• Merkmale:– Abbildung– Verkürzung– Pragmatismus– Evtl. auch Extension, Distortion, Validität

• Deskriptiv vs. Präskriptiv

[3]

Einführung | Mobility Models | Tools | Fazit


Modellbildung• Abgrenzung• Reduktion• Dekomposition• Aggregation• Abstraktion

-> Reduzierung der Komplexität

[3]



Mobile Models - Einordnung• Mobile Kommunikationsnetze• Mobile ≠ Wireless• Cellular vs. Next Generation Wireless Network• Simulation, Validierung, Vorhersage, Test der

Leistungsfähigkeit etc.• Abhängig von Fragestellung versch. Modelle• Netzwerkknoten: Mensch, Fahrzeug, Tier,

Ozean, Satellit etc.



Mobility Model - Eigenschaften• Netzwerkknoten• Ort/Raum• Zeit/Dauer• Bewegung/Beschleunigung/Geschwindigkeit• Beziehungen• Stochastische Prozesse & Methoden• Noch mehr … ?

[2]



Datensammlung• Empirische Forschung in mobilen Netzwerken ist

sehr schwierig und teuer -> deshalb Simulation!• Forschungscommunity: CRAWDAD– DIE Autorität in Sachen MMs– Große Sammlung von … … Modellen … Daten … Simulationen(-sergebnisse) … Tools



Tracing• Beobachtung der Realität (nicht des Modells)• Unterschied zur Bildung von Mobility Models:– Philosophie– Granularität– Realitätsnähe

• Herkunft der Daten/Spuren– Sammeln (Sniffer, Bluetooth, Monitoring AP etc.)– Daten aus namhaften Archiven– Aktuell: Smartphone-Nutzerdaten

[1], [8]



Verwendung der Traces

[8]

T races

Ind iv idualuser m ob ility

O bserva tion

A pp lica tion

U ser g roupsin the

popu la tion

E ncoun terpa tte rns in

the ne tw ork

M obilitym odel

P ro file -castp ro toco l

S m allW orld -based

m essaged issem ina tion

M icroscop icbehav io r

M acroscop icbehav io r



Arten von mobilen Netzwerken• Zellgebunden (z. B. GSM)• Next Generation Wireless Networks:– WLAN/Mesh Networks– Mobile Ad-hoc Networks (MANET)– Vehicular Networks (VANET)– Wireless Sensor Networks (WSN)– Opportunistic Networks– (Social Networks)

[1]



Auswahl von Mobility Models• Allgemeine MMs:

– Random Trip (RT)• Random Walk (RW)• Random Waypoint (RWP)

– Reference Point Group (RPG)• WLAN/Mesh: Lee & Hou (LH)• Vehicular: Graph-based MM, Freeway MM, Manhatten

MM, Simulation of Urban Mobility (SUMO)• WSN: passive and aktive MM• Opportunistic Networks: Small World in Motion (SWIM)

[1]



Taxonomie: Kriterien• Bewegungsraum: micro vs. macro• Anwendungsszenario: spezifisch vs. allgemein• Charakter: synthetisch vs. empirisch• Wechselwirkung: unabhängig vs. abhängig• Geografie: beschränkt vs. unbeschränkt• Verlauf: parallel vs. schneidend

[1]



Taxonomie (1/2)Model Scope Application NatureRW micro general syntheticRWP micro general syntheticRPG micro general syntheticLH micro specific trace-basedSUMO micro specific syntheticSWIM micro specific synthetic

[1]



Taxonomie (2/2)Model Correlation Geography TrajectoryRWM independent unconstrained trajectoryRWP independent unconstrained trajectoryRPGM correlated unconstrained trajectoryLH independent unconstrained contactSUMO correlated constrained trajectorySWIM correlated unconstrained trajectory

[1]



MOBILITY MODELS

Vorstellung einer Auswahl von Mobility Models für Next Generation Wireless Networks


Mobility Models - Überblick• Random Trip (RT) MM• Random Walk (RW) MM• Random Waypoint (RWP) MM• Reference Point Group (RPG) MM• Lee & Hou (LH) MM• Graph-based MM• Freeway MM• Manhattan MM• Simulation of Urban Mobility (SUMO) MM• Wireless Sensor Network (WSN) MMs• Small World in Motion (SWIM) MM



ALLGEMEINE MOBILITY MODELS(GENERAL-PURPOSE MOBILITY MODELS)

•Random Trip•Random Walk (RW)•Random Waypoint (RWP)•Reference Point Group (RPG)


Random Trip Mobility Model (RT)• Simulation von Mobilität in Stadtgebiet• Räumlicher Geltungsbereich: R = [i, j]d

• Startpunkt• Trip Definition (Richtung, Dauer Sn, Pfad Pn)

• Geschwindigkeit: V = [vmin, vmax]• Transition/Phase (z. B. Pause am Ziel)• Grenzregel (z. B. torodial, Reflektion)

[1]



Random Trip Mobility Model

[6]

Raum R

Pfad Pn : [0,1] R Dauer Sn

Mn=Pn(0)

Mn+1=Pn+1(0)

Trip Start Tn

Trip End Tn+1



Random Walk (RW) MM

[1]

• In zahlreichen Fachgebieten vertreten• Variation von Richtung und Länge• Bestimmt durch Wahrscheinlichkeitsfunktion• Typen von RW MM– Diskrete zufällige Wanderungen– Stetige zufällige Wanderungen– Zahlreiche weitere Variationen



RWtorodial

[6]Raum R



RWReflektion

[6]Raum R



Diskrete zufällige Wanderung

[1]

• Bewegung im diskreten d-dimensionalen Raum -> Raster

• Typischerweise auch Zeit-diskret:• t, t+1, t+2, t+3 ...

• Entspricht einer diskreten Markov-Kette



Stetige zufällige Wanderung• Bewegung im stetigen d-dimensionalen Raum• Typischerweise auch zeit-stetig• Die zwei wichtigsten Vertreter:– „Brown‘sche Bewegung“ (Brownian Motion)– „Lévy-Wanderung“ (Lévy Flight)

[1]



Brown‘sche Bewegung• 1827 von Robert Brown• Beobachtung von molekularen Zick-Zack

Bewegungen• Die Geschwindigkeit der Teilchen ist umso

größer, je weniger Masse sie haben.• Eine wichtige Molekularbewegung

[10]



Brown‘sche BewegungIllustration

[1]


Animation

http://www.aip.org/history/einstein/brownian.htm


Lévy-Wanderung• Zahlreiche Wanderungen in der näheren

Nachbarschaft• Wenige, lange Wanderungen in entfernte

Teilräume• Raum: R• Knoten: x ϵ R (d = 1)• Potenzfunktion für Schrittlänge: δ• Nächster Knoten: x + δ oder x – δ

[1]



Lévy-Wanderung - Illustration

[6]


• Dimension: d = 2• Schritte: i = 80


Random Waypoint (RWP) MM• Zufälliges Ziel• Zufällige Geschwindigkeit• Zielankunft• Wartezeit am Ziel• Wiederholung: neues Ziel, neue

Geschwindigkeit



Random Waypoint (RWP) MM

[6]

Xn

Xn+1



Reference Point Group (RPG) MM• Simulation von Gruppenverhalten• Raum der Gruppe = Raum um Gruppenführer• Single Group und Multi Group• Parameter:– Geschwindigkeitsabweichung: VDR– Winkelabweichung: ADR

• VKnoten(t) = VFührer(t) + rand() × VDR × Vmax

• AKnoten(t) = AFührer(t) + rand() × ADR × Amax



RPG MM• Beobachtungsschwer-

punkt bei der Simulation:– Single Group– Multi Group

SG

MG



MOBILITY MODELS FÜR WLAN UND MESH-NETWORKS

• Lee & Hou (LH)• Kim, Kotz, Kim (KKK)• weitere


Lee & Hou (LH) MM

[1]

• Entwickelt 2006 von Lee & Hou für WLAN• Vorhersage der wahrscheinlichsten AP-

Verbindung• Korrelation zwischen Zeit und Ort• Zeitliche Dimension: Einbeziehung der

wahrscheinlichen Verweildauer• Transitionen beruhen auf Semi-Markov-

Prozess



VEHICULAR MOBILITY MODELS

• Graph-based MM• Freeway MM• Manhattan MM• Simulation of Urban Mobility (SUMO)


Graph-based MM• Graphen-basiert -> geographische Beschränkung• Modellierung spezifischer Szenarien (insb.

Straßen/Städte)• Vordefiniert:– Pfade– Verhalten– Richtlinien

• Routing

[11], [12]



Freeway MM• Einsatz: z. B. in der Stauforschung• Mikroskopisch• Karte mit mehrspurigen Straßen ohne Kreuzungen• Implizite Eingangs- und Ausgangspunkte der Knoten• Verschiedene Fahrspuren• Geschwindigkeit abhängig von vorheriger (Zeit-diskret):• Vi(t+1) = Vi(t) + rand() Beschleunigung∙ max

• Sicherheitsabstand: SDFür alle i, j, t gilt Di,j(t) kleiner gleich SD => Vi(t) kleiner gleich Vj(t),

wenn j vor i in der selben Fahrspur ist



Freeway MM - Illustration

[1][11]



Manhattan Mobility Model• Einsatz: Simulation von städtischem Gebiet• Schachbrettartige Karte• Abzweigung bei jeder Kreuzung möglich• Wahrscheinlichkeiten für:– Geradeaus: 0,5 %– Rechts, links jeweils 0,25 %

• Grenzregel: Knoten verlässt Karte• Geschwindigkeitsregel wie bei Freeway MM

[1]



Manhattan MM - Illustration

[generiert mit dem „MobiSim Simulation Framework“]



Simulation of Urban Mobility (SUMO)• Open source (GPL), vom DLR• Präzise, komplex, realitätsnah, mikroskopisch• Geeignet für relativ große Metropolen• Geographische Beschränkung• Verkehrsregeln• Fahrverhalten• Verkehrsbedingungen• Multimodal -> verschiedene Verkehrsmittel

[1], [5]



SUMO: Phasen• Straßennetz definieren• Verkehr definieren -> Trips• Routenplanung• Routenoptimierung• Simulation• Ausgabe der Statistik

[1], [5]



MOBILITY MODELS FÜR OPPORTUNISTIC NETWORKS

• Small World in Motion (SWIM)


Small World in Motion (SWIM) MM• Ausrichtung auf menschliches Sozialverhalten• Soziologisch beeinflusst• Menschen besuchen nahe Orte öfter• Menschen besuchen belebte Orte öfter• Variation der Geschwindigkeit in Abhängigkeit

von der Distanz• Unterschiedliche Aufenthaltsdauer an

verschiedenen Orten[1], [4]



SWIM: Phasen• Initialisierung– Knoten u wird einer „Heimzelle“ C(u) zugewiesen– Übertragungsradius: r– Zellengröße: r/quareRoot(2)

• Zielauswahl: Wahrscheinlichkeitsfunktion• Verweildauer: Potenz- oder Pareto-Verteilung• Bewegungsphase: geradliniger Vektor• Geschwindigkeit proportional zur Distanz: v = d/k• Dauer k ist gleich für jeden Trip

[1], [4]



WERKZEUGETools zur Simulation und Entwicklung von mobilen Netzwerken


Werkzeuge - Überblick• Mobisim• Simulation of Urban Mobility (SUMO)• Ad hoc On-Demand Distance Vector Routing

(AODV) Simulator



Mobisim• Modulare Mobilitätsmanagementanwendung

• Mobilität erzeugt Spuren für mobile Objekte (Straßennetz)–Random Waypoint–Random Trip

• Simulation der Mobilität verschiedener Modelle auf einem Straßennetzen

[7]



Mobisim• Simulierte Szenerien:– Grafisch– Batch Modus– Resimulierung der Traces

• Ausgabe in Text oder XML-Format• Abfrage der Traces erzeugen– Erstellung der Abfrage– Abfrage Löschen

[7]



DEMO VON MOBISIM


DEMO VON SUMO


Ad hoc On-Demand Distance Vector Routing (AODV) Simulator

• interaktive Benutzeroberfläche (user kann Knoten Anordnung während der Simulation ändern)

• Drag & Drop-Funktion• Suchen Knoten durch ihren Namen• Protokollieren der Zustand jedes Knotens

[8]



Zusammenfassung

• Arten von Mobility Models• Vielfältige Anwendungsszenarien• Aufwendige/unmögliche Feldversuche werden

erspart• Problem der Datenbeschaffung• Einblick in einige Mobility Models• Vorstellung einiger Simulationswerkzeuge



Quellen (1/2)(1) SANTI, P. (2012), Mobility Models for Next Generation Wireless Networks,

Wiley Verlag, Chichester.(2) WIKIPEDIA englisch (2013), Mobility Model,

http://en.wikipedia.org/wiki/Mobility_model (abgerufen am 01.06.2013).(3) STACHOWIAK, H. (1973), Allgemeine Modelltheorie, Springer Verlag,

Wien, New York.(4) MEI A., STEFA J. (2009), SWIM: A simple model to generate small mobile

worlds, Proceedings of IEEE Infocom, S. 2106-2113.(5) SUMO – Simulation of Urban Mobility (2011),

http://sumo.sourceforge.net (abgerufen am 01.06.2013)(6) LE BOUDEC J.-Y., VOJNOVIC, M (2006), Random Trip Mobility Models,

http://research.microsoft.com/en-us/people/milanv/rtmm2.ppt (abgerufen am 04.06.2013)

http://en.wikipedia.org/wiki/Mobility_model

http://sumo.sourceforge.net/

http://research.microsoft.com/en-us/people/milanv/rtmm2.ppt


Quellen (2/2)(7) MOBISIM (2009), Feature of Mobisim,

https://code.google.com/p/gt-mobisim/ (abgerufen am 01.06.2013)(8) AODV Simulator,

http://www.masoudmoshref.com/old/myworks/documentpages/aodvsimulator.htm (abgerufen am 01.06.2013)

(9) ATULYA M., NIRANJAN P., KARTIK G., AN-I A .W (2006), Urban Mobility Models for VANETs.

(10) MICHAEL F. (2008), Brownian Motion, http://galileo.phys.virginia.edu/classes/152.mf1i.spring02/BrownianMotion.htm

(11) SVEN B., WOLF-ULRICH R., MANUEL S. (2005), The Area Graph-based Mobility Model and its Impact on Data Dissemination.

(12) JONGHYUN K. (2005), Realistic Mobility Modeling and Simulation for Mobile Wireless Networks in Urban Environments.

https://code.google.com/p/gt-mobisim/

http://www.masoudmoshref.com/old/myworks/documentpages/aodvsimulator.htm

http://www.masoudmoshref.com/old/myworks/documentpages/aodvsimulator.htm

http://galileo.phys.virginia.edu/classes/152.mf1i.spring02/BrownianMotion.htm

http://galileo.phys.virginia.edu/classes/152.mf1i.spring02/BrownianMotion.htm


FRAGEN & DISKUSSION

VIELEN DANK!

Technology

Mobility Models for Next Generation Wireless Networks