[論文レビュー] Group Centric Networking: A New Approach for Wireless Multi-Hop Networking to Enable the Internet of Things

Gregory Kuperman, Jun Sun+3 more|arXiv (Cornell University)|Nov 25, 2015

Opportunistic and Delay-Tolerant Networks参考文献 32被引用数 3

ひとこと要約

本稿では、IoT環境における局所的で協働的なグループに属するデバイスを想定した、Wireless Multi-hop Networkingアーキテクチャの新規提案であるGroup Centric Networking (GCN) を提示する。GCNは、AODV や SMF といった従来手法と比較して、ネットワークリソース使用量を最大10倍まで低減しながら、損失率の高い移動環境でも82–100%のパケット到達率を維持する。これは、グループベースのレジリエントなデータ配信と、適応的リレーセレクションを活用することで実現される。

ABSTRACT

In this paper, we introduce a new networking architecture called Group Centric Networking (GCN), which is designed to support the large number of devices expected with the emergence of the Internet of Things. GCN is designed to enable these devices to operate collaboratively in a highly efficient and resilient fashion, while not sacrificing their ability to communicate with one another. We do a full protocol implementation of GCN in NS3, and demonstrate that GCN utilizes up to an order of magnitude fewer network resources than traditional wireless networking schemes, while providing high connectivity and reliability.

研究の動機と目的

• 密な損失率の高いIoTネットワークにおける、従来のポイントツーポイントでリンクに依存するルーティングのスケーラビリティと信頼性の課題に対処すること。
• スマートデバイスエコシステム（例：ホームオートメーションや軍事ネットワークなど）に一般的なグループ中心の通信パターンに特化したネットワーキングアーキテクチャを設計すること。
• 移動性と損失率の高い無線環境において、高い接続性とレジリエンスを維持しながら、ネットワークリソース消費を低減すること。
• フラッディングや長距離ルーティングに依存せずに、効率的で局所的なデータ配信を実現すること。
• 高エラー率下でも、従来プロトコルに比べてグループ中心設計が静的および移動環境の両方で優れた性能を示すことを実証すること。

提案手法

• GCNは、デバイスを動的で関心ベースのグループに編成し、通信は主に局所的かつ協働的に行われる。
• ハイブリッドルーティングとフラッディングメカニズムを採用：1対1および1対多のトラフィックにはターゲットドフラッディング、1対多および多対多のパターンにはグループベースのリレーリングを適用。
• リレーセレクションは、ローカルなグループメンバーシップとリンク品質に基づき、再帰的送信を最小限に抑える。
• エラー率と移動性に応じて、各領域のリレーデバイス数を動的に調整することで、接続性を維持する。
• 集中型ルーティングテーブルを避ける分散型で局所的な制御メカニズムを採用し、シグナルオーバーヘッドを低減する。
• NS3における完全実装により、さまざまな移動性およびエラー率条件（曲線0%、25%、50%）下でのプロトコルの妥当性を検証した。

実験結果

リサーチクエスチョン

• RQ1 グループ中心のネットワーキングモデルは、損失率の高い移動型IoTネットワークにおいて、従来のリンクベースのルーティングを上回ることができるか？
• RQ2 GCNは、フラッディングやAODVと比較して、著しく少ないネットワークリソースを使用しながらも、高い到達率を維持できるか？
• RQ3 GCNの適応的リレーセレクションは、高エラー率および高移動性環境下でどれほどレジリエンスを向上させるか？
• RQ4 GCNは、静的および移動型ネットワークシナリオにおいて、さまざまなグループサイズと移動パターン下で、どの程度の性能を示すか？
• RQ5 GCNは、SMF や AODV と比較してリソース使用量を桁違いに減らしながら、ほぼ100%の到達率を達成できるか？

主な発見

• 50%のエラー率（曲線50%）下での移動型ネットワークにおいて、GCNは82–100%のパケット到達率を達成した一方、AODVはたった0–12%にとどまった。
• 曲線0%（低エラー）下では、50ユーザーのネットワークでGCNは95%以上のパケット到達率を達成し、100ユーザーのネットワークではほぼ100%に近い到達率を示した。
• GCNは、SMF や AODV と比較して、最大で1桁のリソース使用量の削減を達成したが、同等または優れた到達率を維持した。
• 高移動性環境下では、高レジリエンスのGCNは曲線50%下でも82%以上の到達率を維持したが、AODVは0%にまで低下した。
• 小規模ネットワーク（50ユーザー、10%グループサイズ）では、低レジリエンスのGCNは局所的カバレッジが不足し、性能が著しく低下したが、中程度のレジリエンスでは顕著な性能向上が見られた。
• 1対1トラフィックに向けたGCNのターゲットドフラッディングは、SMFのネットワーク全体フラッディングと比較して不要な再送信を削減し、信頼性を損なわず効率性を向上させた。