[論文レビュー] Space Filling Curves for 3D Sensor Networks with Complex Topology

Mayank Goswami, Siming Li+4 more|arXiv (Cornell University)|Jul 10, 2015

Computational Geometry and Mesh Generation参考文献 25被引用数 3

ひとこと要約

本稿では、非自明なトポロジーを有する複雑な2次元表面に配置された3次元センサーネットワークに対して、分布型でコンformal幾何学に基づく方法を提案する。ホッジ分解と正則微分形式を活用して、高ジェネレータ位数のリーマン面をスリット付きの平坦トーラスに写像することで、均一に密度が高まり、段階的に埋められる経路を構築する。この経路は、高いカバレッジと未訪問ノードまでの平均距離が低く抑えられ、シミュレーションにおいてオイラー路やランダムウォークを凌駕する性能を示す。

ABSTRACT

Several aspects of managing a sensor network (e.g., motion planning for data mules, serial data fusion and inference) benefit once the network is linearized to a path. The linearization is often achieved by constructing a space filling curve in the domain. However, existing methods cannot handle networks distributed on surfaces of complex topology. This paper presents a novel method for generating space filling curves for 3D sensor networks that are distributed densely on some two-dimensional geometric surface. Our algorithm is completely distributed and constructs a path which gets uniformly, progressively denser as it becomes longer. We analyze the algorithm mathematically and prove that the curve we obtain is dense. Our method is based on the Hodge decomposition theorem and uses holomorphic differentials on Riemann surfaces. The underlying high genus surface is conformally mapped to a union of flat tori and then a proportionally-dense space filling curve on this union is constructed. The pullback of this curve to the original network gives us the desired curve.

研究の動機と目的

• 複雑なトポロジーを有する表面に配置された3次元センサーネットワークを、効率的なデータマールルーティングのための線形化に課題に対処すること。
• 均一に密度が増加し、経路密度が有界である空間充填曲線を生成する分散型アルゴリズムを開発すること。
• 既存の単純な領域（例：トーラス）における空間充填曲線の研究を、任意のトポロジーを有する高ジェネレータ位数のリーマン面に拡張すること。
• 幾何学的に情報に基づいた経路計画を通じて、センサーノードの公平かつ効率的なカバレッジを確保すること。
• 同じ表面上で複数のデータマールを低重複でスケーラブルに展開できるように、独立した高密度曲線を用いた配置を可能にすること。

提案手法

• 本手法はホッジ分解定理を用いて、表面を調和的形と正確な形に分解し、高ジェネレータ位数の表面をスリット付きの平坦トーラスの集合へのコンformal写像を可能にする。
• リーマン面上の正則微分形式を用いて、表面をスリットで接続された2つのトーラスとしての標準的表現を構築する。
• トーラスの集合上に無理数の傾きを持つ直線軌道を定義し、プッシュバックを介して元の表面に写像することで高密度曲線を生成する。
• 離散的経路は、高密度曲線を幅δのベルトに展開し、各ステップでベルト内での最近隣ノードに貪欲に到達することで生成される。
• 複数のデータマールは、異なる傾きと初期位置を割り当てることで独立した高密度曲線を実現し、経路の重複を最小限に抑える。
• 性能評価にはカバレッジ率と未訪問ノードまでの平均最短距離を用い、オイラー路やランダムウォークと比較する。

実験結果

リサーチクエスチョン

• RQ1 複雑なトポロジーを有する高ジェネレータ位数の表面に配置された3次元センサーネットワークに対して、空間充填曲線を構築可能か？
• RQ2 提案手法は、経路長が増加するに従い、曲線が均一に密度が高まり、段階的にネットワークをカバーすることを保証するか？
• RQ3 カバレッジ率と未訪問ノードまでの距離という観点から、提案手法のカバレッジ性能はオイラー路やランダムウォークと比較してどのように異なるか？
• RQ4 複数のデータマールは、重複を最小限に抑えた独立した高密度曲線を用いて展開可能か？
• RQ5 本手法は真に体積的な3次元センサーネットワークへ拡張可能か？

主な発見

• 提案手法は、ネットワークサイズの約1.25倍の経路長で90％のネットワークカバレッジを達成し、オイラー路やランダムウォークよりも著しく速い。
• 5,000ノードをカバーした後、提案手法では未訪問ノードまでの平均最短距離が3.5ホップであるのに対し、オイラー法では16.6ホップ、ランダムウォークでは22.4ホップであった。
• 1,000ノードをカバーした段階で、2本の独立した高密度曲線を用いた場合、未訪問ノードまでの平均距離は6.5ホップであったのに対し、1本の曲線では20ホップであった。
• 2本の曲線を用いた場合、最初の10,000ノードのうち重複ノードはたった1,865ノードにとどまり、複数のデータマール経路間の重複が最小限であることが保証された。
• 数学的に、曲線が稠密であることが証明されており、経路長が増加するに従い、表面の任意の点が任意に近づける。
• 本手法は、全経路長にわたり、カバレッジ率と平均距離の両指標において、オイラー路およびランダムウォークを上回る性能を発揮した。