[論文レビュー] Expected Coverage of Random Walk Mobility Algorithm

Moritz Kohls, Tanja Hernandez|arXiv (Cornell University)|Nov 9, 2016

Optimization and Search Problems参考文献 2被引用数 3

ひとこと要約

本稿では、吸収状態を用いたマルコフ連鎖を用いて、時間経過に伴うカバレッジをモデル化することで、UAVスウォームにおける対称的ランダムウォーク移動アルゴリズムの期待カバレッジに対する解析的解を提示する。被覆イベント間の依存関係を無視すると顕著な不正確さが生じることを示し、シミュレーションにより正しいモデルを検証し、大規模システムにおいてMCMCシミュレーションが信頼できる代替手法であることを示している。

ABSTRACT

Unmanned aerial vehicles (UAVs) have been increasingly used for exploring areas. Many mobility algorithms were designed to achieve a fast coverage of a given area. We focus on analysing the expected coverage of the symmetric random walk mobility algorithm with independent mobility. Therefore we proof the dependence of certain events and develop Markov models, in order to provide an analytical solution for the expected coverage. The analytic solution is afterwards compared to those of another work and to simulation results.

研究の動機と目的

• 対称的ランダムウォーク移動のUAVスウォームにおける期待カバレッジの正確な解析的解を導出すること。
• 被覆イベントの独立性を仮定した先行研究における誤りを特定し是正すること。
• MCMCシミュレーションを用いて是正された解析的モデルを検証すること。
• 是正されたモデルの性能を、従来の近似式およびシミュレーション結果と比較すること。

提案手法

• UAVの移動を、2次元グリッド上の離散時間・時定常マルコフ連鎖としてモデル化し、状態はグリッド位置を表す。
• 初訪問イベントをモデル化するため、吸収状態を導入し、初めて通過するまでの時間確率を計算可能にする。
• 状態 r での吸収を表すために、行列 P_r の対角成分 (r,r) に 1 を配置し、P(X_n = r) の計算を行列の累乗により可能にする。
• 期待カバレッジを、すべての状態における初訪問確率の平均として導出する：E[coverage] = (1/|E|) * Σ_r (π₀ P_r^n)_r。
• 複数UAVの独立移動を扱うために、P(C_n,r^multi=1) = 1 - (1 - P(C_n,r=1))^|E| の式を拡張する。
• MCMCシミュレーションを用いて、解析的モデルの正しさを、単純な独立性仮定との対比で確認する。

実験結果

リサーチクエスチョン

• RQ1 対称的ランダムウォーク移動モデル下での期待カバレッジの真の解析的表現は何か。イベントの依存関係を考慮した上で。
• RQ2 先行研究[1]における解析的解が誤りである理由は何か。誤りの根本的要因は何か。
• RQ3 被覆イベントの独立性を仮定することは、期待カバレッジ推定の正確性にどのような影響を与えるか。
• RQ4 MCMCシミュレーションは、是正された解析的解とどの程度一致するか。
• RQ5 計算の複雑性を考慮しても、是正されたモデルは大規模UAVスウォームに実用的に応用可能か。

主な発見

• 先行研究における被覆イベントの独立性仮定は、数値誤差とは無関係に、体系的な誤った解析的解を生じることを示した。
• 正しい解析的解を得るには、各状態 r に対して r での吸収を表す独自の遷移行列 P_r を用いた、初訪問時間のモデル化が必要である。
• n ステップ後の期待カバレッジは、E[coverage] = (1/|E|) * Σ_r (π₀ P_r^n)_r で与えられ、状態訪問の依存関係を適切に反映している。
• MCMCシミュレーションにより、導出された解析的モデルの正しさが確認され、正確解と強い一致を示した。
• 大規模な状態空間では、行列累乗の数値的非実行性のため、直接的な解析的計算よりもMCMCシミュレーションが好ましい。
• 本稿では、被覆指標における単純な独立性仮定が、顕著な性能過大評価を引き起こし、従来の結果を無効にすることを示した。