[论文解读] Age- and Deviation-of-Information of Time-Triggered and Event-Triggered Systems

Mahsa Noroozi, Markus Fidler|arXiv (Cornell University)|Jun 3, 2022

Age of Information Optimization被引用 6

一句话总结

该论文提出了一种信息偏差（DoI）度量方法，用于评估网络化监控中信号感知型事件触发系统与传统时间触发系统的表现。基于随机网络计算理论，研究发现尽管事件触发系统具有更高的信息年龄（AoI），但在显著更低的网络利用率下仍能实现相近的DoI性能，因此在实时应用中更具资源效率。

ABSTRACT

Age-of-information is a metric that quantifies the freshness of information obtained by sampling a remote sensor. In signal-agnostic sampling, sensor updates are triggered at certain times without being conditioned on the actual sensor signal. Optimal update policies have been researched and it is accepted that periodic updates achieve smaller age-of-information than random updates. We contribute a study of a signal-aware policy, where updates are triggered by a random sensor event. By definition, this implies random updates and as a consequence inferior age-of-information. Considering a notion of deviation-of-information as a signal-aware metric, our results show, however, that event-triggered systems can perform equally well as time-triggered systems while causing smaller mean network utilization.

研究动机与目标

• 评估远程传感器监控系统中信息年龄（AoI）与信号估计误差之间的权衡。
• 通过引入信息偏差（DoI）度量，弥补AoI作为信号无关指标的局限性，以捕捉监控端估计值与真实传感器信号之间的实际误差。
• 在随机网络条件下，比较时间触发（周期性）与事件触发（信号感知）采样策略在AoI与DoI性能上的表现。
• 利用最大-极线性排队理论与随机网络计算，推导AoI与DoI的解析尾部分布边界，从而支持更新策略的优化。
• 证明事件触发系统可在更低的网络利用率下实现与时间触发系统相当的DoI性能，从而节省系统资源。

提出的方法

• 构建包含传感器、网络队列与监控端的系统模型，其中更新机制可为周期性触发（时间触发）或信号变化超过阈值时触发（事件触发）。
• 提出信息偏差（DoI）度量，定义为 Φ(t) = C(t) - C(A(n* complicated)），以信号相关的估计误差替代基于时间的年龄指标。
• 应用最大-极线性排队理论与随机网络计算，推导两类系统中延迟、AoI与DoI的尾部分布边界。
• 利用推导出的边界，优化更新周期（时间触发系统中的w）与触发阈值（事件触发系统中的α），以最小化AoI与DoI的尾部概率。
• 通过10^8次采样的仿真验证分析所得的尾部分布衰减速率，并比较不同参数下AoI与DoI的实测分位数。
• 分析网络利用率、服务时间波动性及阈值设置对性能的影响，尤其关注极端尾部分布概率（ε = 10^-6）下的表现。

实验结果

研究问题

• RQ1 在随机网络条件下，事件触发系统与时间触发系统在信息年龄（AoI）与信息偏差（DoI）方面的性能表现如何比较？
• RQ2 事件触发系统是否能在更低的网络利用率下实现与时间触发系统相当的DoI性能？
• RQ3 每类系统中，使AoI与DoI尾部分布边界最小化的最优更新率（周期或阈值）为何值？
• RQ4 时间触发与事件触发系统在AoI与DoI的尾部分布衰减速率上存在何种差异？这对关键应用的可靠性有何影响？
• RQ5 为何事件触发系统尽管AoI更高，却表现出更低的平均网络利用率？这对长期系统效率有何影响？

主要发现

• 事件触发系统在ε = 10^-6时，其DoI性能与时间触发系统相当，最小DoI边界值相近。
• 为最小化DoI，事件触发系统的最优更新参数为α = 8（利用率≈0.25），而时间触发系统为w = 13（利用率≈0.325）。
• 尽管AoI更高，事件触发系统在低网络利用率（高α）时表现出更小的DoI边界，原因在于更新稀疏时可保证在一次服务时延内完成交付。
• 两类系统的DoI尾部分布衰减速率相似，表明在罕见事件（ε ≈ 10^-6）下，DoI性能由相同的衰减速率主导。
• 更新参数设置不当（w或α过小或过大）会劣化尾部性能：前者因队列延迟增加，后者因更新过少。
• 当ε → 1时，事件触发系统的DoI趋近于α（阈值），而时间触发系统的DoI趋近于零，凸显两类系统在高概率事件下的根本行为差异。