[논문 리뷰] Mobile Geometric Graphs, and Detection and Communication Problems in Mobile Wireless Networks

Alistair Sinclair, Alexandre Stauffer|arXiv (Cornell University)|2010. 05. 07.

Opportunistic and Delay-Tolerant Networks참고 문헌 25인용 수 11

한 줄 요약

이 논문은 랜덤 기하 그래프 프레임워크를 확장하여 이동성 있는 무선 네트워크를 현실적으로 모델링하는 모바일 기하 그래프(MGGs)를 소개한다. 브라운 운동 하에서 탐지 시간과 퍼콜레이션 시간을 분석하여, 2차원에서는 탐지 시간 尾확률이 exp(−Θ(t/log t))로 감소하고 3차원에서는 exp(−Θ(t))로 감소함을 보이며, 퍼콜레이션 시간 尾확률은 exp(−Ω(t^{d/(d+2)}))로 감소한다. 이는 고도로 확률적인 상황에서 O(log^{1+2/d} n) 시간 내에 브로드캐스트가 가능함을 의미한다.

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.

연구 동기 및 목표

• 지속적인 노드 운동을 갖는 시간에 따라 변화하는 기하 그래프 모델을 사용하여 이동성 있는 무선 네트워크를 현실적으로 모델링하기.
• 고정된 목표물과 이동하는 목표물에 대해 네트워크가 목표물을 감지하는 데 소요되는 탐지 시간을 분석하기.
• 브라운 운동 이동성 하에서 거대 컴ponent에 연결되는 데 소요되는 퍼콜레이션 시간을 연구하기.
• 이론적 이해와 실용적 함의를 위해 탐지 시간과 퍼콜레이션 시간의 날카운 尾확률 한계를 도출하기.
• 퍼콜레이션 결과를 응용하여 이동성 네트워크에서 브로드캐스트 시간의 고확률 한계를 도출하기.

제안 방법

• 노드가 일정 분산 s^2를 갖는 R^d에서 독립적인 브라운 운동을 수행하는 모바일 기하 그래프(MGGs)로 이동성 네트워크를 모델링하기.
• 노드 위치가 각 시간 단계에서 i.i.d. 정규 이동량을 갖는 이산 시간 관측 모델을 사용하기.
• 퍼콜레이션 시간 분석을 단일 노드가 원점에 위치해 있을 경우로 축소하기 위해 팔름 이론과 이동 불변성을 적용하기.
• 연속체 퍼콜레이션 이론과 위erner 호스 테올리 등으로 탐지 시간 尾확률을 한정하기.
• 체르노프 한계와 유니온 한계를 사용하여 무한 네트워크에서의 결과를 n개 노드를 갖는 유한 네트워크로 확장하기.
• 퍼콜레이션 시간과 메시지 확산 간의 관계를 연결하여 브로드캐스트 시간의 한계를 유도하기.

실험 결과

연구 질문

• RQ1 브라운 운동 하에서 모바일 기하 그래프에서 탐지 시간의 尾행동은 어떻게 되는가?
• RQ2 거대 컴포넌트에 연결되는 데 소요되는 퍼콜레이션 시간은 시간과 차원에 따라 어떻게 스케일링되는가?
• RQ3 퍼콜레이션 시간 尾확률 한계를 활용하여 이동성 네트워크에서 고확률 브로드캐스트 시간의 한계를 유도할 수 있는가?
• RQ4 2차원과 고차원 간에 탐지 시간과 퍼콜레이션 시간 행동은 어떻게 다를까?
• RQ5 유도된 尾확률 한계가 유지되는 가장 넓은 이동성 모델의 범주는 무엇인가?

주요 결과

• 합리적인 목표물 운동 가정 하에 2차원에서는 탐지 시간이 t를 초과할 확률이 exp(−Θ(t/log t))로 감소한다.
• 3차원 이상에서는 탐지 시간 尾확률이 exp(−Θ(t))로 감소하여 2차원보다 더 빠른 수렴을 보인다.
• 모든 차원 d ≥ 2 에서 퍼콜레이션 시간 尾확률은 exp(−Ω(t^{d/(d+2)}))로 감소하며, 이는 고차원에서 더 느린 수렴을 의미한다.
• 퍼콜레이션 임계값 이상의 n개 노드를 갖는 이동성 네트워크에서 브로드캐스트 시간은 고확률로 O(log^{1+2/d} n)이다.
• 네트워크 크기가 충분히 클 경우 유한 영역에서도 퍼콜레이션 시간 尾확률 한계가 유지되어 실용적 환경에 적용 가능함을 보장한다.
• 정확히 n개의 노드를 갖는 네트워크로의 분석도 확장되며, 이 경우에도 고확률로 브로드캐스트 시간은 O(log^{1+2/d} n)로 유지된다.