[論文レビュー] Effective Data Aggregation Scheme for Large-scale Wireless Sensor Networks

M. Mehdi Afsar|arXiv (Cornell University)|Oct 31, 2013

Energy Efficient Wireless Sensor Networks参考文献 36被引用数 3

ひとこと要約

本稿では、大規模な無線センサーネットワークにおけるエネルギー効率の向上とルーティング遅延の低減を目的として、残存エネルギー、中心性、および下位レイヤーのヘッドへの近接性に基づく動的クラスターヘッド選択を組み込んだ、階層的で適応的なデータ集約プロトコルEEMAを提案する。EEMAはノードを複数レイヤーに分類したクラスタ構造を採用し、ネットワークのライフタイムを延長するとともにスケーラビリティを向上させる。シミュレーションの結果、フラットアーキテクチャに比べて最大30％の低いルーティング遅延が達成された。

ABSTRACT

Energy preservation is one of the most important challenges in wireless sensor networks. In most applications, sensor networks consist of hundreds or thousands nodes that are dispersed in a wide field. Hierarchical architectures and data aggregation methods are increasingly gaining more popularity in such large-scale networks. In this paper, we propose a novel adaptive Energy-Efficient Multi-layered Architecture (EEMA) protocol for large-scale sensor networks, wherein both hierarchical architecture and data aggregation are efficiently utilized. EEMA divides the network into some layers as well as each layer into some clusters, where the data are gathered in the first layer and are recursively aggregated in upper layers to reach the base station. Many criteria are wisely employed to elect head nodes, including the residual energy, centrality, and proximity to bottom-layer heads. The routing delay is mathematically analyzed. Performance evaluation is performed via simulations which confirms the effectiveness of the proposed EEMA protocol in terms of the network lifetime and reduced routing delay.

研究の動機と目的

• 数千ノードを有する大規模な無線センサーネットワークにおけるエネルギー枯渇の課題に対処すること。
• 密集した大規模な展開におけるネットワークのスケーラビリティを向上させ、ルーティングオーバーヘッドを低減すること。
• 適応的クラスタリングと階層的データ集約を通じてエネルギー効率を向上させること。
• 最適化されたクラスターヘッド選択による複数の仮想レイヤーに構造化されたネットワークにより、ルーティング遅延を最小限に抑えること。
• エネルギー消費をノード間でバランスさせ、全体のネットワークライフタイムを延長すること。

提案手法

• センサーフィールドを複数の仮想レイヤーに分割し、各レイヤーをさらにクラスターやスーパークラスターに分割する。
• 残存エネルギー、ノードの中心性、および下位レイヤーのクラスターヘッド（CH）への近接性を組み合わせたハイブリッド指標を用いて、クラスターヘッド（CH）を選択する。
• ベースステーション（BS）をルートとし、センサーノードをリーフとして持つ階層的集約ツリーを構築し、マルチホップデータ集約を実現する。
• 数学的モデリングを用いてルーティング遅延を分析し、EEMAが中間転送遅延を排除することで遅延を低減することを示す。
• エネルギー消費のバランスを図り、早期ノード死を防ぐために適応的クラスタリングを導入する。
• BSを中央または非中心位置に配置した複数のネットワークスケール（300〜4000ノード）およびトポロジーにおいて、シミュレーションによる検証を実施した。

実験結果

リサーチクエスチョン

• RQ1 多層階層アーキテクチャは、大規模なWSNにおけるエネルギー効率とネットワークライフタイムにどのように影響を与えるか？
• RQ2 残存エネルギー、中心性、および近接性に基づく適応的クラスタリングは、負荷分散と遅延の低減にどの程度寄与するか？
• RQ3 追加のレイヤーを追加することにより、密集したセンサーネットワークにおけるエネルギー消費とスケーラビリティにどのような影響が生じるか？
• RQ4 EEMAは、フラットアーキテクチャおよび単一レイヤークラスタリングプロトコル（例：LEACH、HEED）と比較して、ネットワークライフタイムと遅延の点でどのように差をつけるか？
• RQ5 階層的データ集約は、カバレッジを維持しつつエンドツーエンドのルーティング遅延を低減できるか？

主な発見

• EEMAは、特に4000ノードの大きなネットワークにおいて、LEACH、HEED、DWEHCよりも顕著にネットワークライフタイムを延長する。
• 最初のノード死（FND）と半数のネットワークが生存する時点（HNA）の指標において、エネルギーに配慮したCH選択のおかげでEEMAは他のプロトコルを上回る。
• 密集したネットワーク（N=4000、M=2000）において、EEMAはフラットアーキテクチャ（L=1）に比べてルーティング遅延を約30％低減する。これは最適化された階層的ルーティングによるものである。
• 追加のレイヤーを追加することで、大規模ネットワークにおけるエネルギー効率が向上するが、小規模ネットワークではエネルギー消費が増加する。これはスケールに応じたスケーラビリティの利点を示している。
• シミュレーション結果は、EAMAが残存エネルギーと空間的近接性をCH選択に活用することで、良好なカバレッジを維持しつつ、より優れた負荷分散を達成できることを確認した。
• ルーティング遅延の数学的分析により、EAMAが中間パケット待機遅延の必要性を排除し、エンドツーエンドの高速送信を実現していることが確認された。