[論文レビュー] Balanced Wireless Crowd Charging with Mobility Prediction and Social Awareness

Tamoghna Ojha, Theofanis P. Raptis+2 more|arXiv (Cornell University)|Apr 20, 2022

Energy Harvesting in Wireless Networks参考文献 24被引用数 9

ひとこと要約

MoSaBa は、移動予測と社会的文脈（位置ベースの関心）および社会的関係（自己報告による接触履歴）を活用して、将来の接触を予測するマルコフモデルを用いた、集中型で移動性および社会的要因に配慮したピア選択手法を提案する。エネルギー損失を最小限に抑える知的なペアリングにより、最先端の手法よりも高速な収束、より高いネットワークエネルギー、低いエネルギー変動距離を達成する。

ABSTRACT

The advancements in peer-to-peer wireless power transfer (P2P-WPT) have empowered the portable and mobile devices to wirelessly replenish their battery by directly interacting with other nearby devices. The existing works unrealistically assume the users to exchange energy with any of the users and at every such opportunity. However, due to the users' mobility, the inter-node meetings in such opportunistic mobile networks vary, and P2P energy exchange in such scenarios remains uncertain. Additionally, the social interests and interactions of the users influence their mobility as well as the energy exchange between them. The existing P2P-WPT methods did not consider the joint problem for energy exchange due to user's inevitable mobility, and the influence of sociality on the latter. As a result of computing with imprecise information, the energy balance achieved by these works at a slower rate as well as impaired by energy loss for the crowd. Motivated by this problem scenario, in this work, we present a wireless crowd charging method, namely MoSaBa, which leverages mobility prediction and social information for improved energy balancing. MoSaBa incorporates two dimensions of social information, namely social context and social relationships, as additional features for predicting contact opportunities. In this method, we explore the different pairs of peers such that the energy balancing is achieved at a faster rate as well as the energy balance quality improves in terms of maintaining low energy loss for the crowd. We justify the peer selection method in MoSaBa by detailed performance evaluation. Compared to the existing state-of-the-art, the proposed method achieves better performance trade-offs between energy-efficiency, energy balance quality and convergence time.

研究の動機と目的

• すべてのノードの完全な知識と無制限の交換時間の仮定に基づく従来の P2P-WPT 手法が、高いエネルギー損失と遅い収束を引き起こすという限界を是正すること。
• 移動予測と社会的情報をピア選択に統合することで、移動的オポチュニスティックネットワークにおけるエネルギーバランスの質を向上させること。
• 予測された接触機会と社会的特徴に基づいて最適なピアペアを選択することで、エネルギー変動距離を低減し、総合的なネットワークエネルギーを最大化すること。
• 移動性と社会性の共同的影響がエネルギー交換効率に与える影響を検討し、単独で考慮されるいずれの要因とも異なる視点を提供すること。

提案手法

• 履歴的な移動データに基づき、移動デバイスの将来の移動パターンを予測する O(k) マルコフ予測器を用いる。
• 社会的情報の2次元を統合する：社会的文脈（位置ベースの関心）と社会的関係（自己報告による接触履歴）を用いて接触機会を予測する。
• 段階的ピア選択を実施する — まず社会的文脈に基づき、次に社会的関係に基づいて選択する — これによりエネルギー損失と変動距離を最小限に抑える。
• 集中型意思決定メカニズムを適用し、予測された接触時間の長いペアを選択することで、エネルギーのバランスへの収束を高速化する。
• 接触時間の長いペアと低いエネルギー損失を有するペアを優先することで、エネルギー交換を最適化し、全体的なネットワークエネルギー効率を向上させる。
• エネルギーレベルとターゲットバランスへの近接度を考慮したヒューリスティックを採用し、高負荷状況下でも意思決定遅延が 1 ms 未満となる。

実験結果

リサーチクエスチョン

• RQ1 移動予測と社会的情報の統合が、P2P 無線クラウド充電におけるエネルギーバランス性能にどのように寄与するか？
• RQ2 社会的文脈（位置ベースの関心）と社会的関係（自己報告による接触履歴）が、接触予測の正確性とエネルギー交換効率に与える影響は何か？
• RQ3 MoSaBa は、収束速度、エネルギー損失、バランス後の総合的ネットワークエネルギーという観点から、最先端の手法と比較してどのように差をつけるか？
• RQ4 社会的特徴の導入が、ネットワーク全体におけるエネルギー変動距離をどの程度低減するか？
• RQ5 集中型で知識に基づくアプローチが、動的かつ変化し続ける移動性と社会的相互作用を有するモバイルでオポチュニスティックなネットワークにおいて、分散型または反応型ピア選択を上回るか？

主な発見

• MoSaBa は MobiWEB や PGO、PFT よりもエネルギーのバランスへの収束が速く、特にエネルギー損失率が高くなる場合（β = 0.4）に、ターゲットエネルギーに到達するノードの数が顕著に多い。
• バランス後の総合的ネットワークエネルギーは、MoSaBa がベンチマークより一貫して高く、エネルギー効率が高く、累積損失が少ないことを示している。
• エネルギー変動距離は MoSaBa で最小限に抑えられており、最適化されたピアペアリングと交換中の損失低減により、優れたエネルギーバランスの質を実現している。
• P2P 会合の回数は MoSaBa が PGO や PFT よりも多く、MobiWEB と同等であるが、エネルギー損失が低いため、より優れた性能のトレードオフを達成している。
• ピーク負荷時のイテレーションにおいて、実行時間は 1 ms 未満で維持され、本手法のスケーラビリティと低遅延意思決定能力を裏付けている。
• ノード数が増加する（m = 150）と、P2P 会合の頻度が増加するため、実行時間も比例的に上昇し、会合数と計算コストの直接的な相関関係を確認した。