[論文レビュー] A New Approach for Boundary Recognition in Geometric Sensor Networks

Sándor P. Fekete, Michael Kaufmann+2 more|ArXiv.org|Aug 1, 2005

Indoor and Outdoor Localization Technologies参考文献 1被引用数 84

ひとこと要約

本稿では、局所的なトポロジーに基づいて境界ノードを特定するグラフ理論的指標である制限付きストレス中心性を用いた、GPS不要の分散型境界認識アルゴリズムを提案する。通信範囲内の隣接関係の非隣接パターンを分析することで、境界ノードと内部ノードを高精度に区別可能であり、最大80,000ノードのネットワークにおいて実験的検証がなされ、近隣サイズが大きい場合にθ=1/3の閾値が低誤り率を達成している。

ABSTRACT

We describe a new approach for dealing with the following central problem in the self-organization of a geometric sensor network: Given a polygonal region R, and a large, dense set of sensor nodes that are scattered uniformly at random in R. There is no central control unit, and nodes can only communicate locally by wireless radio to all other nodes that are within communication radius r, without knowing their coordinates or distances to other nodes. The objective is to develop a simple distributed protocol that allows nodes to identify themselves as being located near the boundary of R and form connected pieces of the boundary. We give a comparison of several centrality measures commonly used in the analysis of social networks and show that restricted stress centrality is particularly suited for geometric networks; we provide mathematical as well as experimental evidence for the quality of this measure.

研究の動機と目的

• GPSや集中型制御が利用できない大規模かつ分散型の幾何的センサーネットワークにおける境界検出の課題に対処すること。
• ローカル通信およびトポロジー情報のみを用いてノードが自ら境界ノードとして識別できる、軽量で分散型のプロトコルを開発すること。
• 特に制限付きストレス中心性を含む中心性指標の有効性を、ランダムかつ一様なノード分布における幾何的境界検出に応用することの検証。
• 実世界のセンサーデプロイメントにおいて通信オーバーヘッドとエネルギー消費を最小限に抑える実用的でスケーラブルな境界検出ソリューションを提供すること。

提案手法

• 制限付きストレス中心性（st(v)）を用い、ノードvを介して接続される非隣接ノードペアの割合を正規化して、ノードのトポロジカル中心性を定量化する。
• ノードの境界からの距離sに基づいて期待されるストレスタイプ値をモデル化し、重なり合う通信ディスクの面積比を幾何確率を用いて計算する。
• 分散型の木ベースのフラッディングプロトコルを用いて、ノード次数ヒストグラムを収集・伝搬し、E[δ(v)]（期待次数）を計算する。
• ノードが境界と分類されるための閾値θを事前に計算し、st(v) ≤ θ × (E[δ(v)] choose 2) が成り立つ場合に境界ノードと判定する。θ=1/3が経験的に最適である。
• モンテカルロシミュレーションを用いて、内部ノードおよび境界ノードにおけるst(v)の分布を推定し、誤り率分析と閾値選定を可能にする。
• 本手法はノードの均一なランダム分布を仮定し、座標情報なしに固定された無線範囲r内でのローカル通信を前提としている。

実験結果

リサーチクエスチョン

• RQ1 制限付きストレス中心性は、グローバル座標が存在しない幾何的センサーネットワークにおいて、境界ノードと内部ノードを効果的に区別できるか？
• RQ2 ローカル通信制約下で、制限付きストレス中心性は他の中心性指標と比較して、幾何的境界検出にどの程度優れているか？
• RQ3 誤検出と見逃しを最小限に抑える観点から、境界ノードと内部ノードを最適に分離する閾値θの値は何か？
• RQ4 近隣サイズとネットワーク密度の増加に伴い、境界検出の正確性はどのようにスケーリングするか？

主な発見

• 制限付きストレス中心性は、領域の端縁付近における局所的トポロジカル非対称性に敏感であるため、他の中心性指標よりも幾何的境界の識別に優れている。
• 数値積分により、境界からの距離s ≥ rのノードにおける期待ストレスタイプ値σ ≈ 0.4135が得られ、閾値選定の基準となる。
• モンテカルロシミュレーションの結果、近隣サイズが200の場合、境界検出の誤り率は任意に小さくなり、θ=1/3では誤検出が最小限に抑えられる。
• ローカル通信と位置ハードウェアなしで、最大80,000ノードの大規模ネットワークにおいても、境界ノードの検出に高い正確性を達成している。
• アルゴリズムの総実行時間とメッセージサイズはO(|V| log²|V|)で有界であり、大規模ネットワークにおいてもスケーラブルである。