[論文レビュー] Mobile Geometric Graphs, and Detection and Communication Problems in Mobile Wireless Networks

Alistair Sinclair, Alexandre Stauffer|arXiv (Cornell University)|May 7, 2010

Opportunistic and Delay-Tolerant Networks参考文献 25被引用数 11

ひとこと要約

本稿は、ランダム幾何グラフフレームワークを拡張した、モバイル無線ネットワークの現実的モデルであるモバイル幾何グラフ（MGG）を導入する。ブラウン運動下での検出時間とパーコレーション時間の解析を行い、2次元では検出時間の尾部が exp(−Θ(t/log t)) に、3次元では exp(−Θ(t)) に従うことが示され、パーコレーション時間の尾部は exp(−Ω(t^{d/(d+2)})) に従う。これにより、高確率で O(log^{1+2/d} n) 時間でブロードキャストが可能となる。

ABSTRACT

Static wireless networks are by now quite well understood mathematically through the random geometric graph model. By contrast, there are relatively few rigorous results on the practically important case of mobile networks, in which the nodes move over time; moreover, these results often make unrealistic assumptions about node mobility such as the ability to make very large jumps. In this paper we consider a realistic model for mobile wireless networks which we call mobile geometric graphs, and which is a natural extension of the random geometric graph model. We study two fundamental questions in this model: detection (the time until a given "target" point - which may be either fixed or moving - is detected by the network), and percolation (the time until a given node is able to communicate with the giant component of the network). For detection, we show that the probability that the detection time exceeds t is \exp(-Θ(t/\log t)) in two dimensions, and \exp(-Θ(t)) in three or more dimensions, under reasonable assumptions about the motion of the target. For percolation, we show that the probability that the percolation time exceeds t is \exp(-Ω(t^\frac{d}{d+2})) in all dimensions d\geq 2. We also give a sample application of this result by showing that the time required to broadcast a message through a mobile network with n nodes above the threshold density for existence of a giant component is O(\log^{1+2/d} n) with high probability.

研究の動機と目的

• 連続的なノード移動を伴う時間発展する幾何グラフモデルを用いて、モバイル無線ネットワークを現実的にモデル化すること。
• 固定および移動するターゲットの両方に対して、ターゲットがネットワークによって検出されるまでの時間（検出時間）を解析すること。
• ブラウン運動による移動を想定した場合の、巨大成分への接続までの時間（パーコレーション時間）を研究すること。
• 理論的考察および実用的意味において重要な、検出時間およびパーコレーション時間のタイトな尾部境界を導出すること。
• パーコレーション結果を応用して、高確率でモバイルネットワークにおけるブロードキャスト時間を束縛すること。

提案手法

• ノードが R^d 内で定数分散 s^2 を有する独立したブラウン運動を実行するモバイル幾何グラフ（MGG）としてモバイルネットワークをモデル化する。
• ノード位置を各時刻ステップで独立同一分布の正規分布による変位で更新する離散時間観測モデルを用いる。
• パルム理論および平行移動不変性を用いて、パーコレーション時間の解析を原点に位置する1ノードに還元する。
• 連続的パーコレーションおよびウィエンヤ・サウース理論の結果を活用して、検出時間の尾部確率を束縛する。
• チェルノフ不等式および和集合不等式を用いて、無限ネットワークから有限ノード数 n のネットワークへの結果の拡張を行う。
• パーコレーション時間と連結成分間のメッセージ拡散との関係を用いて、ブロードキャスト時間の境界を導出する。

実験結果

リサーチクエスチョン

• RQ1 ブラウン運動下でのモバイル幾何グラフにおける検出時間の尾部挙動はいかなるものか？
• RQ2 巨大成分への接続までの時間（パーコレーション時間）は、時間および次元に応じてどのようにスケーリングされるか？
• RQ3 パーコレーション時間の尾部境界を用いて、モバイルネットワークにおける高確率ブロードキャスト時間の境界を導出可能か？
• RQ4 2次元とそれ以上の次元との間で、検出時間およびパーコレーション時間の挙動はどのように異なるか？
• RQ5 導出された尾部境界が有効となる、最も広い移動モデルのクラスは何か？

主な発見

• 適切なターゲット移動仮定のもとで、2次元では検出時間の超過確率が exp(−Θ(t/log t)) に従う。
• 3次元以上では、検出時間の尾部が exp(−Θ(t)) に従い、2次元よりも速い収束を示す。
• すべての次元 d ≥ 2 において、パーコレーション時間の尾部が exp(−Ω(t^{d/(d+2)})) に従う。これは、次元が高くなるほど収束が遅いことを示している。
• パーコレーション閾値を超えるノード数 n のモバイルネットワークでは、ブロードキャスト時間が高確率で O(log^{1+2/d} n) に収束する。
• ネットワークサイズが十分に大きい場合、有限領域においてもパーコレーション時間の尾部境界が成り立つため、実用的状況への適用が可能である。
• ノード数が正確に n 個のネットワークに対しても、解析が拡張可能であり、ブロードキャスト時間は高確率で O(log^{1+2/d} n) に保たれる。