Моделі та методи адаптивної маршрутизації в транспортних IoT мережах
Дата
2026
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Ляшенко А.В. Моделі та методи адаптивної маршрутизації в транспортних IoT мережах. – Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 172 – Телекомунікації та радіотехніка. – Навчально-науковий інститут телекомунікаційних систем КПІ ім. Ігоря Сікорського, Київ, 2026.
У дисертаційній роботі вирішено актуальну науково-прикладну задачу управління інформаційними потоками автономних транспортних засобів в інформаційно-комунікаційній IoV-мережі розумного міста. Сучасна IoV-мережа об’єднує мобільні IoT-вузли, придорожні модулі, вузли попередньої обробки даних, базові станції та хмарні сервіси в єдину інформаційно-комунікаційну систему. У цій системі транспортний засіб виступає не лише об’єктом маршрутизації, а насамперед джерелом інтенсивних потоків V2X-повідомлень, телеметрії, сенсорних даних і службових метаданих. Для таких потоків розроблено методи адаптивної оцінки поточного QoS-стану сегментів мережі, просторово-часового прогнозування інформаційного навантаження та маршрутизації інформаційних потоків, які генеруються мобільними IoT-вузлами та обслуговуються інфраструктурними елементами IoV-мережі. Стандарти ETSI ITS і 3GPP C-V2X задають для них жорсткі вимоги до затримки доставки та актуальності даних. Постановка проблеми визначається просторово-часовою нерівномірністю інформаційного навантаження в IoV-мережі. У години пік концентрація автономних транспортних засобів на окремих сегментах мережі призводить до різкого зростання інтенсивності V2X-повідомлень, телеметрії та потоків сенсорних даних, тоді як на інших сегментах зберігається помірний режим роботи. Таке навантаження є нестаціонарним, зашумленим і схильним до швидкого поширення між суміжними ребрами графа, тому для оперативного керування мережею необхідні методи адаптивної оцінки стану інформаційних потоків, їх просторово-часового прогнозування та пошуку оптимального шляху обслуговування. Аналіз існуючих підходів показав, що класичні методи статистичного усереднення, зокрема пакетна обробка, ковзне вікно та EMA з фіксованим коефіцієнтом згладжування, не забезпечують необхідного компромісу між шумостійкістю та швидкістю реакції на сплески інформаційного навантаження. Статичні алгоритми пошуку шляху в часозалежному графі ігнорують очікуваний майбутній стан сегментів мережі, а моделі прогнозування без урахування топології не здатні відтворити поширення навантаження між сусідніми сегментами. Промислові підходи не забезпечують явного узгодження між реактивною оцінкою поточного стану та проактивним прогнозом майбутнього інформаційного навантаження. Таким чином, актуальною є задача адаптивної маршрутизації інформаційних потоків в умовах динамічно змінного QoS-стану сегментів IoV-мережі, що потребує розробки нових моделей і методів, здатних одночасно оцінювати поточний стан каналу, прогнозувати його зміну та приймати маршрутне рішення в межах часових обмежень, визначених стандартами ETSI ITS. У роботі задача формалізується у вигляді часозалежної зваженої IoV-мережі, в якій вершини відображають вузли телекомунікаційної інфраструктури (RSU, gNB, хмарні агрегатори), а ребра — сегменти передавання даних між суміжними вузлами мережі. Вага ребра визначається як час обслуговування інформаційного потоку на сегменті — тобто час перебування мобільного IoT-вузла в зоні активної генерації V2X-даних. Вимірювані QoS-індикатори стану сегмента визначають адаптивне оновлення оцінки швидкості, на основі якої обчислюється ця вага. Таке подання дозволяє поєднати реактивне оновлення стану за потоковими вимірами з прогнозом майбутнього навантаження та процедурою вибору маршруту обслуговування інформаційних потоків. Формальною основою роботи є телекомунікаційна модель IoV-мережі у вигляді часозалежного зваженого графа 𝐺𝑇 = (𝑉 , 𝐸, 𝑊(𝑡), 𝑇 ) та модель вхідного потоку даних 𝑆𝑖𝑛. У роботі розроблено телекомунікаційну модель IoV-мережі та два взаємопов’язані методи. Телекомунікаційна модель IoV-мережі подає мережеву інфраструктуру у вигляді часозалежного зваженого орієнтованого графа 𝐺𝑇 = (𝑉 , 𝐸, 𝑊, 𝑇 ), в якому вага ребра визначається як час обслуговування інформаційного потоку на сегменті. Вимірювані QoS-індикатори стану сегмента — коефіцієнт пропускної здатності 𝜂, коефіцієнт завантаження 𝐿 та коефіцієнт зміни завантаження каналу 𝜏 — визначають адаптивне оновлення оцінки швидкості, на основі якої обчислюється ця вага. Першим є метод адаптивної оцінки стану інформаційних потоків на сегментах IoV-мережі. У ньому коефіцієнт згладжування 𝛼 визначається автоматично за результатами кластеризації QoS-стану сегмента у просторі ознак (𝜂, 𝐿, 𝜏). Для побудови бази нечітких знань використано пакетно-інкрементальну кластеризацію, метрику Махаланобіса, коефіцієнт Бхаттачар’ї та нечіткий висновок Такагі–Сугено. Це забезпечує автоматичне формування правил без експертного налаштування та дозволяє змінювати 𝛼 від режиму стійкої фільтрації шуму до режиму миттєвої реакції на сплеск інформаційного навантаження. Другим є метод просторово-часового прогнозування інформаційного навантаження сегментів IoV-мережі та пошуку оптимального маршруту обслуговування інформаційних потоків. Прогнозування реалізовано на основі графової нейронної мережі з дифузійною згорткою (DiffusionConv) та блоками GRU, яка враховує топологію мережі та кореляції між суміжними сегментами. Прогноз використовується як часозалежна евристика алгоритму A*, що оцінює очікуваний QoS-стан сегментів на момент проходження через них інформаційного потоку, та забезпечує суттєве скорочення простору пошуку при збереженні оптимальності маршруту. Розроблені модель і методи утворюють єдиний контур обробки даних. На основі телекомунікаційної моделі IoV-мережі формується часозалежний граф; метод адаптивної оцінки формує згладжену реактивну оцінку поточного QoS-стану сегментів; метод прогнозування генерує короткостроковий прогноз навантаження; алгоритм A* з часозалежною евристикою визначає маршрут з мінімальним очікуваним сумарним часом обслуговування інформаційного потоку. Завдяки цьому рішення приймається не на основі одиничного зашумленого виміру, а на основі узгодженої реактивно-прогнозної оцінки стану IoV-мережі. Метою дисертаційної роботи є підвищення ефективності управління інформаційними потоками автономних транспортних засобів в IoV-мережі розумного міста за рахунок розробки телекомунікаційної моделі IoV-мережі та методів автоматичної оцінки поточного QoS-стану сегментів мережі, їх просторово-часового прогнозування та пошуку оптимального маршруту обслуговування на основі модифікованого алгоритму A*, що забезпечують скорочення часу реакції системи на зміну інформаційного навантаження та зменшення обчислювальних витрат при маршрутизації. Для досягнення мети у дисертації поставлено та вирішено сім задач: проведено аналіз архітектури IoV-мереж та особливостей формування інформаційних потоків; досліджено обмеження існуючих методів оцінки стану інформаційного навантаження; розроблено телекомунікаційну модель IoV-мережі; розроблено метод адаптивної оцінки стану; розроблено метод просторово-часового прогнозування та удосконалено метод пошуку оптимального маршруту; створено програмний комплекс та проведено експериментальні дослідження на імітаційному стенді IoV-мережі м. Ірпінь та наборі даних METR-LA. Об’єктом дослідження є процеси формування, передавання та управління інформаційними потоками автономних транспортних засобів в інформаційно-комунікаційній IoV-мережі розумного міста. Предметом дослідження є методи адаптивної оцінки стану, просторово-часового прогнозування та реактивно-проактивної маршрутизації інформаційних потоків у часозалежній IoV-мережі. Для розв’язання поставлених задач застосовано методи теорії графів для побудови часозалежної моделі IoV-мережі та реалізації алгоритмів пошуку шляху; методи машинного навчання та штучних нейронних мереж для просторово-часового прогнозування показника стану інформаційного потоку; методи теорії нечітких множин для формування адаптивної оцінки; методи імітаційного моделювання для побудови експериментального стенду IoV-мережі на основі реальної топології та синтетичних інформаційних потоків; методи інженерії програмного забезпечення для створення мікросервісної архітектури та структур даних в оперативній пам’яті. Експериментальну перевірку виконано у двох різних, але взаємопов’язаних середовищах. Перше — імітаційний стенд IoV-мережі м. Ірпінь, побудований за реальною топологією дорожнього графа та синтетичними сценаріями навантаження. Він призначений для дослідження локальних перевантажень, інцидентів і пікової інтенсивності. Друге — еталонний набір даних METR-LA, що дає змогу зіставити результати із сучасними роботами у галузі просторово-часового прогнозування. Програмну реалізацію виконано як мікросервісну систему з Apache Kafka, CSR-графом в оперативній пам’яті, сервісом TGNN-прогнозування та сервісом маршрутизації реального часу. Експериментальні результати підтвердили ефективність розроблених методів. Метод адаптивної оцінки стану інформаційних потоків демонструє зростання помилки лише у 1,2 рази при масових сплесках навантаження проти 2,7 рази для ковзного вікна, а на бенчмарку METR-LA — час реакції близько 9 с проти 171 с та шумостійкість +10% при 𝜎 = 3 mph. Компактна модель TGNN містить лише 205 тис. параметрів, що на 32% менше, ніж у DCRNN, і забезпечує 24% виграш за MAE (2,10 проти 2,77 mph). У наборі METR-LA ця метрика вимірюється в милях на годину, а швидкість 𝑣𝑠𝑒𝑔 виступає фізичним індикатором стану інформаційного навантаження сегмента. Метод пошуку оптимального шляху скорочує простір пошуку на 56–68% при емпірично зафіксованій втраті оптимальності не більше 0,00–0,08%. Навантажувальне тестування (583 повід./с, 363 000 повідомлень) показало, що програмний комплекс обробляє 96,6% потоку із затримкою 1,19 мс, тоді як підхід на основі повного перерахунку з БД обробляє лише 27,2%. Наукова новизна одержаних результатів полягає в тому, що: 1. Вперше розроблено телекомунікаційну модель IoV-мережі у вигляді часозалежного зваженого орієнтованого графа, в якій, на відміну від класичних графових моделей маршрутизації, вага ребра визначається як час обслуговування інформаційного потоку на сегменті та формується на основі вимірюваних QoS-індикаторів стану сегмента, що забезпечує формальну основу для задачі маршрутизації інформаційних потоків з урахуванням динаміки телекомунікаційного навантаження; 2. Отримало подальшого розвитку метод адаптивної оцінки стану інформаційних потоків на сегментах IoV-мережі автономних транспортних засобів, в якому, на відміну від традиційних підходів з експертним заданням бази нечітких знань, реалізовано автоматичне формування бази правил за результатами кластеризації QoS-стану сегментів з використанням метрик Махаланобіса та коефіцієнта Бхаттачар’ї і нечіткого висновку Такагі–Сугено, що забезпечує миттєву реакцію на зміну інтенсивності інформаційних потоків без участі експерта; 3. Удосконалено метод пошуку оптимального маршруту обслуговування інформаційних потоків на основі алгоритму A* за рахунок використання часозалежної прогнозної евристики на основі розробленого методу прогнозування, що оцінює очікуваний QoS-стан сегментів на момент проходження через них інформаційного потоку, що забезпечує суттєве скорочення простору пошуку при збереженні оптимальності маршруту та виконання пошуку в межах часових обмежень, визначених стандартами ETSI ITS. Практичне значення одержаних результатів полягає у створенні програмного комплексу управління інформаційними потоками в IoVмережі на основі Apache Kafka, In-Memory CSR-графа, сервісів адаптивної оцінки, TGNN-прогнозування та пошуку оптимального шляху. Розроблені методи й програмні засоби можуть бути використані для задач обробки високочастотної телеметрії та підтримки рішень у реальному часі.
Опис
Ключові слова
інтернет речей (IoT), internet of vehicles (IoV), адаптивна маршрутизація, нейронні мережі, нечітка логіка, телекомунікаційні мережі, управління інформаційними потоками, імітаційне моделювання, просторово-часове прогнозування, розумне місто, internet of things (IoT), adaptive routing, neural networks, fuzzy logic, telecommunication networks, information flow management, simulation, spatio-temporal forecasting, smart city
Бібліографічний опис
Ляшенко, А. В. Моделі та методи адаптивної маршрутизації в транспортних IoT мережах : дис. … д-ра філософії : 172 Телекомунікації та радіотехніка / Ляшенко Андрій Володимирович. – Київ, 2026. – 209 с.