Hình 4.13 - Tỷ số phân phát gói tin (mô phỏng hoàn hảo).
4.3.3 Bình luận kết quả
Theo dõi tất cả hình kết quả (từ hình 4.4 đến hình 4.11), ta đều thấy rằng chúng hội tụ hoặc dần đến sự ổn định. Đây chính là kết quả mà ta mong đợi khi thực hiện xem xét chế độ dừng trong phần lý thuyết. Cho từng hình, ta còn có thể bình luận như sau:
Bằng kinh nghiệm, ta nhận thấy rằng hai số gia (tăng/giảm) trong hình 4.4 gần như có cùng các trị trung bình tại mỗi thời điểm. Nghĩa là số MN mới và số MN mất là gần như nhau. Hai số gia này giảm theo thời gian và thậm chí kết thúc xung quanh một giá trị cố định, tương ứng với giá trị ở trạng thái ổn định. Khoảng thời gian cho hội tụ này là đáng lưu ý. Tập các MN lân cận thay đổi tương quan với vận tốc trung bình tại từng thời điểm. Vì các MN di chuyển có xu hướng đi qua tâm của vùng mô phỏng, thêm nữa vận tốc của chúng sẽ suy giảm dần về 0.01m/s (điều này được thấy rõ ngay sau đây khi ta xem các hình histogram), khoảng thời gian dành cho di chuyển cũng có trạng thái dừng. Nghĩa là mật độ các MN có trạng thái dừng. Do đó, không có sự chênh
gian đầu mô phỏng vì hệ chưa thực sự có chế độ dừng. Kết quả này rất quan trọng khi áp dụng cho giao thức định tuyến để xác định lưu lượng, thời gian sống, quản lý của MANET.
Từ đó, ta xét số cặp MN không thuộc dải truyền của nhau. Kết quả là ở hình 4.5 với các dải truyền là 200m và 250m. Tính kết nối có thể đột biến khác nhau trong giai đoạn chuyển trạng thái và trong trong trạng thái ổn định. Hình 4.5 cho thấy điểm rơi của đồ thị dải truyền 200m tại thời điểm gần 100 giây. Xem lại sự phân bố các MN (hình 4.3), lúc đầu các MN tập trung không gần tâm miền mô phỏng. Sau đó, chúng có xu hướng di chuyển về tâm với vận tốc nằm trong toàn dải từ 0.01m/s đến 9.99m/s (xem các hình histogram của vận tốc), số MN lân cận mất cao (hình 4.4), dải truyền nhỏ chính là nguyên nhân có điểm rơi này. Rõ ràng với dải truyền nhỏ hơn (200m) thì tỷ lệ số cặp MN không trong dải truyền của nhau phải nhỏ hơn so với dải truyền lớn (250m).
Xét mức độ node trên hình 4.6. Liên hệ với hình 4.4, khoảng thời gian 200 giây đầu tiên của hai đồ thị này có liên hệ mật thiết với nhau. Sự thay đổi hai số gia trong khoảng 200 giây này vẫn khá lớn nên mức độ node cũng thay đổi lớn (ứng với hai đường đồ thị thăng giáng lớn của hình 4.6 trong khoảng 200 giây đầu). Sau đó, hai số gia này chênh lệch ít cho kết quả mức độ node cũng biến đổi ít hơn. Ta thấy hầu như giá trị mức độ node trung bình gần là hằng số. Dải truyền rộng, liên quan đến kích thước vùng mô phỏng và mật độ node cho đồ thị mức độ node ứng với dải truyền 200m thấp hơn so với dải truyền 250m.
Quan tâm đến giá trị vận tốc trung bình ở trạng thái ổn định tại những thời điểm mô phỏng (hình 4.7). Giá trị này giảm theo thời gian, như ta kết quả trong phân tích lý thuyết, và phải mất khoảng 2000 giây để đạt được sự tương đồng giá trị vận tốc trung bình của trạng thái ổn định. Giá trị trung bình khi bắt đầu mô phỏng là khoảng 5m/s (tức là khoảng 18km/h), là một giá trị trung bình phân bố đều trong khoảng 0.01 đến
9.99m/s. Khởi đầu, tất cả các giá trị vận tốc của các MN phân bố đều trong 0.01m/s đến 9.99m/s. Với thời gian lớn hơn thì tiến đến dạng gần của phân bố xác suất giá trị vận tốc ở trạng thái ổn định. Kết quả cho thấy thời gian hội tụ là lớn hơn 1000 giây và dường như chắc chắn hội tụ từ thời điểm 5000 giây trở đi. Kết quả này minh hoạ phần lý thuyết rằng vận tốc sẽ suy giảm và hội tụ. Chi tiết lấy mẫu vận tốc cũng có thể xem trên các hình 4.8 đến 4.11.
Các hình 4.8 đến 4.11 là histogram của vận tốc được thực hiện bằng cách: lấy mẫu giá trị vận tốc cứ sau 10 giây và tính tổng số MN ứng với từng khoảng giá trị vận tốc từ giây thứ 10 đến thời điểm ta xét. Các kết quả này gắn kết với kết quả của hình 4.7. Cả hai kết quả trong hình 4.7và hình 4.11 thu được đều phù hợp với thời gian lớn hơn 5000 giây. Giá trị vận tốc sau cùng vẫn suy giảm và hội tụ đến giá trị khoảng 2m/s (sau 5000 giây) là phù hợp với trị trung bình vận tốc mà ta đã thấy từ hình 4.7. Nó cũng chứng minh cho điều ta đã bình luận ở trên: đó là liên quan đến sự tăng/giảm số MN lân cận và mật độ phân bố của các MN. Tuy nhiên, sau khi đạt được sự ổn định (nghĩa là có chế độ dừng) thì chúng lại độc lập với nhau. Vì vậy ngụ ý mô phỏng là hoàn hảo và có giá trị cho lấy mẫu.
Cuối cùng, ta xem kết quả khi thực hiện giao thức định tuyến DSR trên những kịch bản này. Ta định cấu hình gồm 20 kết nối, mỗi kết nối có tốc độ bit không đổi (CBR) là 1gói tin trong 1 giây và chiều dài một gói tin cố định là 512 bytes. Mỗi kết nối được khởi đầu ở thời điểm độc lập, phân bố ngẫu nhiên đều trong khoảng 0 đến 40 giây của thời gian mô phỏng. Mỗi kết nối sẽ được thực hiện cho đến khi kết thúc mô phỏng. Qua mỗi khoảng 10 giây, ta tính tỷ số giữa tổng số gói nhận được (của tất cả 100 MN) với tổng số gói gửi (của tất cả các MN gửi đi) và gọi là tỷ số phân phát gói tin. Các kết quả biểu diễn là hình 4.12 (mô phỏng di động của các MN chưa hoàn hảo) và 4.13 (mô phỏng di động của các MN hoàn hảo). Với hình 4.12 có khoảng chuyển trạng thái đáng chú ý là khoảng 200 giây, trong khi hình 4.13 thì khoảng chuyển trạng
thái là không đáng chú ý. Đương nhiên, kết quả này phản ánh chân thực các kết quả từ hình 4.4 đến 4.11. Khi mô phỏng di động chưa hoàn hảo (hình 4.12), hệ cần có thời gian để đạt được chế độ dừng. Nên ta lấy mẫu sẽ thu được kết quả lúc đầu chưa ổn định. Dẫn đến tỷ số phân phát gói tin của khoảng thời gian này có giá trị khó xác định (và do đó khó cho thiết kế một MANET). Sau đó, hệ mới đạt được sự ổn định nên tỷ số phân phát gói tin sẽ ổn định (dao động xung quanh một giá trị trung bình và vì là chế độ dừng nên gọi là moment bậc 1). Còn với mô phỏng di động hoàn hảo (hình 4.13) thì ta bỏ qua phần thời gian chuyển trạng thái mà lấy mẫu khi hệ đã ổn định. Nên, ta có thể tính được tỷ số phân phát gói tin và có thể điều chỉnh các tham số để đạt được tỷ số này theo mong muốn. Điều này là hữu ích cho thiết kế và xây dựng MANET.
Một câu hỏi đặt ra là với khoảng thời gian chuyển trạng thái nhỏ (như kết quả ta vừa xét) thì có thực sự cần thiết để tốn thời gian và công sức cho thực hiện “lấy mẫu hoàn hảo” và “mô phỏng hoàn hảo” hay không? Đây là câu hỏi thực sự đáng quan tâm.
Với các hệ nhỏ (số MN ít, vùng mô phỏng nhỏ, vận tốc của các MN nhỏ) thì không thật sự cần thiết. Nhưng thực tế, các hệ MANET có nhiều giá trị đo lớn hơn rất nhiều, các máy tính hiện nay bị giới hạn bởi bộ nhớ và khả năng xử lý, để hệ đạt được trạng thái ổn định thì cần mất khoảng thời gian chuyển trạng thái lớn. Ngoài ra, để tính các tham số ta quan tâm (tỷ số phân phát gói tin chẳng hạn) thì ta cần thực hiện nhiều lần để lấy được giá trị trung bình (như trong luận văn này chỉ chạy 10 lần mô phỏng với thời gian mô phỏng 1000 giây và 10 lần mô phỏng có thời gian mô phỏng 5000 giây). Vậy, cách tốt nhất vẫn là thực hiện “lấy mẫu hoàn hảo” hệ thống.
4.4 Kết luận chƣơng
Chương này trình bày sự lựa chọn phần mềm mô phỏng ns-2 phổ biến với mong muốn xây dựng công cụ đầu vào cho phần mềm này. Ta đã thực hiện mô phỏng để lấy
truyền thông của MN và sự phụ thuộc của chúng vào mô hình di động. Cung cấp các tham số này làm đầu vào cho một ví dụ là giao thức định tuyến DSR và thấy rằng việc lấy mẫu hoàn hảo đạt được. Kết quả này là khích lệ để ta có thể áp dụng mô phỏng hoàn hảo làm đầu vào cho phần mềm ns-2 khi thực hiện giao thức định tuyến.
KẾT LUẬN
Khi muốn mô phỏng giao thức định tuyến ad-hoc hoặc các đặc tính của mạng viễn thông ad-hoc, ta cần lựa chọn một mô hình di động gần thực tế để có thể đánh giá việc thực hiện nhằm triển khai có hiệu quả. Các mô hình di động cổ điển thường không áp dụng được vì chúng chỉ có ý nghĩa với mạng tế bào. Các mô hình di động gần đây đã giải quyết được phần nào yêu cầu này. Tuy nhiên, việc xây dựng mô hình di động để lấy mẫu làm căn cứ đầu vào cho mô phỏng lại chưa gần thực tế do chưa đánh giá đầy đủ các đặc tính di động như vận tốc, chiều, phân bố,...
Luận văn này tập trung xem xét các mô hình di động đã tồn tại. Dựa trên phương pháp Palm đánh giá sự ổn định của RTMM. Các tính toán lý thuyết không chỉ có ý nghĩa cho một mô hình mà cho một lớp các mô hình di động. Chúng được áp dụng để xác nhận sự ổn định của mô hình và chế độ dừng. Mô hình khi đã ổn định sẽ được thực hiện “lấy mẫu hoàn hảo” và “mô phỏng hoàn hảo”. Để đánh giá khách quan, luận văn thực hiện mô phỏng sự di động của các MN trên một bản đồ số thực tế (mô hình bản đồ không gian). Kiểm chứng các kết quả mô phỏng cho thấy chế độ dừng của mô hình di động bản đồ không gian là hoàn toàn đáp ứng với các điều kiện lý thuyết. Và nó cũng đáp ứng được mong muốn khi thực hiện giao thức định tuyến.
Kết quả chính của luận văn đã chỉ ra tính dừng của RTMM. Phân bố vị trí, vận tốc,... sẽ ổn định khi mô hình có chế độ dừng. Chế độ dừng của mô hình là quan trọng, vì từ đó ta mới có thể thực hiện giao thức định tuyến cho MANET và đánh giá các tham số viễn thông. Việc đưa ra được một mô hình di động tổng quát gần thực tế là cần thiết trong việc thiết kế và quy hoạch mạng, phân bố lại kế hoạch lưu lượng để đạt được hiệu quả cao nhất.
Các kết quả trên đây mới chỉ là những nghiên cứu ban đầu và mới chỉ xét đến mô hình di động các MN riêng lẻ cho MANET. Thực tế có rất nhiều các tham số quan trọng khác của mô hình di động mà luận văn chưa xét đến như sự di động khi gặp vật cản có các hình dạng khác nhau, các MN di chuyển với vận tốc lớn, sự kết hợp các mẫu di động trong cùng một mô hình, mô hình di động trên một bản đồ không gian 3 chiều. Đó cũng chính là những gợi ý luận văn đưa ra mà ta cần thực hiện với mục đính xây dựng mô hình di động gần thực tế hơn.
TÀI LIỆU THAM KHẢO
Tiếng Việt
[1] TRẦN THẠCH TÙNG (2005), “Linux tự học trong 24 giờ”, NXB Thống kê. [2] TRỊNH ANH VŨ (2005), “Giáo trình thông tin di động nâng cao” (Tài liệu giảng
dạy dành cho sinh viên chuyên nghành viễn thông), chương 1, chương 2, Hà Nội.
Tiếng Anh
[3] WILLIAM H. TRANTER, K. SAM SHANMUGAN, THEODORE S. RAPPARORT and KURT L. KOSBAR, “Principles of Communication Systems Simulation with Wireless Application”, Prentice Hall, Profession Technical Reference, Upper Saddle River, New Jersey 07458, 2002.
[4] STEFANO BASAGNI, MARCO CONTI, SILVIA GIORDANO and IVAN STOJMENOVIC, “Mobile Ad hoc Networking”, chapter 14, chapter 16, IEEE Press, A John Wiley & Sons, Inc. Publication, 2004.
[5] IVAN STOJMENOVIC, “Handbook of Wireless Networks and Mobile Computing”, chapter 15, chapter 17, chapter 21, A John Wiley & Sons, Inc. Publication, 2002.
[6] P. NICOPOLITIDIS, M. S. OBAIDAT, G. I. PAPADIMITRIOU and A. S. POMPORTSIS, “Wireless networks”, chapter 1, chapter 2, chapter 3, chapter 4, chapter 5, chapter 6, chapter 13, A John Wiley & Sons, Inc. Publication, 2003. [7] WILLIAM NAVIDI and TRACY CAMP (2004), “Stationary Distributions for the
[8] T. CAMP, W. NAVIDI and N. BAUER (March 2004), “Improving the Accuracy of Random Waypoint Simulations through Steady-state Initialization”, In Proceedings of the 15th Int’l Conference on Modeling and Simulation (MS ’04). [9] JEAN-YVES LE BOUDEC (June 2004), “Understand the Simulation of Mobility
Models with Palm Calculus”, Technical Report EPFL/IC/2004/53, EPFL.
[10] SEEMA BANDYOPADHYAY, EDWARD J. COYLE and TILLMANN FALCK, “Stochastic Properties of Mobility Models in Mobile Ad Hoc Networks”. [11] CAMP, J. BOLENG and V. DAVIES (2004), “A Survey of Mobility Models for
Ad Hoc Network Research”, WCMC: Special issue on Mobile Ad Hoc Networking: Research, Trends and Applications.
[12] GUOLONG LIN, GUEVARA NOUBIR and RAJMOHAN RAJAMARAN (April 2004), “Mobility Models for Ad-Hoc Network Simulation”, In Proceedings of Infocom 2004.
[13] JUNGKEUN YOON, MINGYAN LIU and BRIAN NOBLE (2003), “Random Waypoint Considered Harmful”, In Proc of Infocom.
[14] AMIT P. JARDOSH, ELIZABETH M. BELDING-ROYER, KEVIN C. ALMEROTH and SUBHASH SURI, “Real-world Environment Models For Mobile Network Evaluation”.
[15] BIAO ZHOU, KAIXIN XU and MARIO GERLA, “Group and Swarm Mobility Models for Ad hoc network Scenarios using virtual tracks”
[16] CRISTIAN TUDUCE and THOMAS GROSS (2005), “A Mobility Model Based on WLAN Traces and itsValidation”, IEEE 2005.
[17] JEAN-YVES LE BOUDEC and MILAN VOJNOVI´C (July 2004), “Perfect Simulation and Stationarity of a Class of Mobility Models”, Technical Report
[18] JEAN-YVES LE BOUDEC, “On the Stationary Distribution of Speed and Location of Random Waypoint”, IEEE Trans. on Mobile Computing.
[19] BYUNG-JAE KWAK, NAH-OAK SONG and LEONARD E.MILLER (November 2003), “A Standard Measure of Mobility for Evaluating Mobile Ad hoc Network Performance”, IEICE Trans. Commun., Vol.E86-B, No.11.
[20] AMIT JARDOSH, ELIZABETH M. BELDINGROYER, KEVIN C. ALMEROTH and SUBHASH SURI (September 14-19, 2003), “Towards Realistic Mobility ModelsFor Mobile Ad hoc Networks”, MobiCom’03.
[21] SHALER STIDHAM (November 16, 2001), “Applied Probability in Operations Research:A Retrospective”.
[22] JEAN-YVES LE BOUDEC and MILAN VOJNOVI´C (2005), “The Random Trip Model, Part I: Stability”, (MSR-TR-2005-164).
[23] PHILIPPE NAIN, DON TOWSLEY, BENYUAN LIU and SHEN LIU (July 2004), “Properties of Random Direction Models”, Rapport de recherche n0
5284. [24] A. A. BOROVKOV and D. KORSHUNOV1 (1993), “Ergodicity in a Sense of
Weak Convergence, Equilibrium-Type Identities and Large Deviations for Markov chains”.
[25] WEI-JEN HSU, KASHYAP MERCHANT, HAW-WEI SHU, CHIH-HSIN HSU and AHMED HELMY (2004), “Weighted Waypoint Mobility Model and its Impact on Ad hoc Networks”, MobiCom.
[26] ESA HYYTIA and JORMA VIRTAMO (29 November 2004), “Random Waypoint Model in n-Dimensional Space”.
[27] IOANNIS CHATZIGIANNAKIS, ELENA KALTSA, SOTIRIS NIKOLETSEAS, “On the Effect of User Mobility and Density on the
[28] DMITRI A. MOLTCHANOV, “Challenges and specifics of ad hoc networks”. [29] GIANNI A. DI CARO (December 2003), “Analysis of simulation environments
for mobile ad hoc networks”, Technical Report No. IDSIA-24-03.
[30] STUART KURKOWSKI, TRACY CAMP and MICHAEL COLAGROSSO, “MANET Simulation Studies: The Current State and New Simulation Tools”. [31] The Dynamic Source Routing Protocol for Mobile Ad Hoc Networks (DSR),
URL: http://www.ietf.org/ietf/ manet-dsr-09.txt
[32] “Network Simulator”, URL: http://www.isi.edu/nsnam/ns/
[33] “Ns Tutorial”, URL: http://www.isi.edu/nsnam/ns/tutorial/index.html
[34] JEAN-YVES LE BOUDEC and MILAN VOJNOVI´C (2005), “The Random Trip Model, Part II: Stationary Regime and Perfect Simulation”, (MSR-TR-2005-164). [35] FRANCOIS BACCELLI and PIERRE BREMAUD (1987), “Palm Probabilities
and Stationary Queues”, Springer LNS.
[36] ATONIO GRILO and MARIO NUNES, “Performance Evaluation of IEEE 802.11e”, INESC/IST, R. Alves Redol, Nº9, 1000 Lisboa, Portugal.
[37] ALBERTO LEON GARCIA, “Probability and Random Processes for Electrical Engineering”, Addision Wesley Publishing Company.
PHỤ LỤC
Chương trình mô phỏng chạy trên hệ điều hành Linux (Fedora Core 13). Chương trình cho phép mô phỏng được đầy đủ cho các mô hình thuộc RTMM. Tuy nhiên, ta chỉ cần chạy trên mô hình di động bản đồ không gian.
File đầu vào của chương trình là file bản đồ số định dạng bằng phần mềm Map-Infor. Một file kết quả Out sẽ lưu “vết” của các MN gồm vị trí và vận tốc. Một file bash xây dựng bằng Linux để gọi chương trình chính, nó cho phép thực hiện từ bất kỳ Konsole làm việc của Linux. Kết quả từ file Out, sao đó, được xử lý bằng phần mềm Matlab 7.01 và MS Visio.
Chạy 10 lần cho từng thời gian mô phỏng 1000 giây và 5000 giây. Một kết quả khi chạy chương trình với 50 MN, thời gian chạy mô phỏng là 1000 giây (kết quả cũng tương tự khi mô phỏng với 100 MN trong 5000 giây) được trích ra từ file Out có dạng sau:
#
# Number of nodes: 50
# Pause Time, Mean & Delta: 10.000000 0.000000
# Number of roads: 1188 # Number of intersections: 383 # $node_(0) set X_ 545.901001 $node_(0) set Y_ 842.920593 $node_(0) set Z_ 0.000000 $node_(1) set X_ 110.563469 $node_(1) set Y_ 666.349060 $node_(1) set Z_ 0.000000 $node_(2) set X_ 21.866646 $node_(2) set Y_ 534.601990 $node_(2) set Z_ 0.000000 $node_(3) set X_ 495.789001