Escolar Documentos
Profissional Documentos
Cultura Documentos
AMBIENTES FECHADOS
Alexandre Mendes da Silva
DISSERTAO
SUBMETIDA
COORDENAO
DOS
AO
PROGRAMAS
CORPO
DE
DOCENTE
PS-GRADUAO
DA
DE
GRAU
DE
MESTRE
EM
CINCIAS
EM
ENGENHARIA
SISTEMAS E COMPUTAO.
Aprovada por:
DE
29,7 cm (COPPE/UFRJ,
ii
Dedicatria
Dedico este trabalho memria de meu pai, minha me, a toda minha famlia e
ao grande amor de minha vida, Jussara
iii
Agradecimentos
Ao meu orientador, Prof. Luis Felipe, pela oportunidade de trabalho, pela conana que depositou em mim, pela sua orientao, ensinamentos, apoio e amizade.
Aos professores da banca por participarem da avaliao do trabalho, contribuindo
com correes e sugestes.
A toda equipe do Laboratrio RAVEL, pelas intensas discusses, pelo apoio,
convivncia e amizade.
Ao PESC/COPPE pelo suporte operacional e equipamentos utilizados.
CAPES pelo suporte nanceiro e pela oportunidade para a elaborao deste
trabalho.
A minha equipe de trabalho no Servio Federal de Processamento de Dados
(SERPRO) pelo apoio indispensvel concluso deste trabalho.
iv
vi
Lista de Acrnimos
AP :
BSS :
DS :
EM :
Estao Mvel;
ESS :
GPS :
IEEE :
IETF :
IP :
Internet Protocol;
NM :
N Mvel;
PDA :
RFC :
Request-for-Comments;
SNR :
STA :
Estao (Station );
TCP/IP :
WLAN :
vii
Sumrio
Resumo
Abstract
vi
Lista de Acrnimos
vii
1 Introduo e Motivao
1.1
Problemas da Mobilidade . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Trabalhos Relacionados . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3
Contribuies do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4
Organizao do Texto
. . . . . . . . . . . . . . . . . . . . . . . . . . 11
12
2.1
Viso Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2
2.3
2.4
Sistema de Distribuio
. . . . . . . . . . . . . . . . . . . . . 16
2.4.2
Modos de Rastreamento . . . . . . . . . . . . . . . . . . . . . 17
viii
3 Modelos de Mobilidade
19
3.1
Viso Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2
3.3
Smooth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.4
4 Predio de Mobilidade
25
4.1
4.2
4.3
4.4
4.5
Propagao de Sinais . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.6
41
5.1
5.2
O Mapa Fornecido . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.3
O Encontro do Trajeto . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.4
A Velocidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.5
Simulaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.6
O Cenrio de Mobilidade . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.7
. . . . . . . . . . . . . 41
5.8
Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
56
6.1
6.2
Cenrio A de Mobilidade . . . . . . . . . . . . . . . . . . . . . 58
6.2.2
Cenrio B de Mobilidade . . . . . . . . . . . . . . . . . . . . . 59
6.2.3
Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
74
Lista de Figuras
1.1
1.2
2.1
2.2
3.1
4.1
Critrio da localizao . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.2
Critrio da direo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.3
Critrio da segmentao . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.4
4.5
Histrico de um dispositivo . . . . . . . . . . . . . . . . . . . . . . . . 30
4.6
Mltiplos caminhos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.7
4.8
Ferramenta I-Prop . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.9
xi
5.2
5.3
44
5.5
5.6
6.1
6.2
6.3
6.4
6.5
. . . . 67
6.7
6.8
Preciso na predio utilizando o modelo proposto com rudo de mdia 5 dBm - cenrio A . . . . . . . . . . . . . . . . . . . . . . . . . . 71
6.9
6.10 Preciso na predio utilizando o modelo proposto com rudo de mdia 5 dBm - cenrio B . . . . . . . . . . . . . . . . . . . . . . . . . . 72
xii
Lista de Tabelas
1.1
5.1
5.2
5.3
6.1
6.2
6.3
6.4
. . . . . . . . 63
6.5
6.6
6.7
6.8
6.9
xiv
Captulo 1
Introduo e Motivao
Toda a nossa cincia, comparada com a realidade, primitiva e infantil - e, no
entanto, a coisa mais preciosa que temos - Albert Einstein
mobilidade uma importante caracterstica das redes sem o, pois permite ao
usurio permanecer conectado rede, mesmo enquanto se move. Um usurio
que o n est situado. Um pacote enviado pela Internet consegue atingir o seu destino se o endereo IP do destinatrio for conhecido. Essa entrega possvel devido
s informaes que esto agregadas nesse endereo, ou melhor, o conhecimento da
sub-rede na qual se pode encontrar um n da rede torna possvel encontrar o roteamento necessrio para atingir esse n. Um conjunto de protocolos existente permite
que o IP suporte a mobilidade [5], possibilitando que um dispositivo mvel passe de
uma rede para outra sem que as conexes estabelecidas sejam interrompidas.
No contexto de uma rede sem o, um n pode assumir diferentes localizaes
fsicas e pertencer a diferentes sub-redes em um curto espao de tempo. Dentro
desse contexto, torna-se impossvel localizar um n mvel apenas por um endereo
IP. Surge ento o problema de como identicar um n de uma rede sem o em
ambientes de grande mobilidade. Os estudos destinados a diminuir o impacto da
mobilidade nas conexes so concentrados na camada de transporte ou na camada
de rede. A predio da mobilidade ajuda a resolver problemas em redes sem o, pois
permite, por exemplo, a pr-alocao de recursos [6, 7] em outro ponto de acesso,
visando evitar a perda de conexo e a latncia em ocasies de hando [8]. Em redes
dade. Com esse objetivo, a modelagem do movimento dos ns em uma rede mvel
extremamente importante para o projeto e a simulao de novas tcnicas desenvolvidas para redes sem o. A proliferao de dispositivos de redes sem o trouxe
a necessidade de estudos da mobilidade em ambientes fechados, que apresentam a
particularidade de possurem obstculos que guiam a movimentao do usurio. A
literatura apresenta modelos [14] que permitem a obteno de trajetrias seguidas
pelos usurios em um ambiente com obstculos.
O artigo [15] exibiu resultados de uma pesquisa envolvendo predio de mobilidade em um ambiente real de redes sem o. Esses resultados foram obtidos
utilizando dados empricos coletados no campus de Dartmouth College e revelou
uma preciso de 65 a 72 % na predio utilizando a tcnica de Markov de ordem k,
entre outras. Os resultados comprovam a viabilidade da utilizao de deteco de
padres na predio de mobilidade.
Na rea de localizao envolvendo a qualidade de sinal tambm existem muitos
trabalhos que utilizam diferentes modelos de propagao de sinal [16, 17] para estimar a posio de um dispositivo mvel atravs de aproximaes do valor indicado
pelo modelo com o valor obtido pela interface de rede. Resultados publicados [2]
demonstram a considervel ecincia que pode ser obtida atravs de modelos que
utilizam aspectos envolvidos na propagao de sinais. Em ambientes fechados, a
utilizao de sistemas baseados em GPS (Global Positioning System ) [18] para localizao torna-se invivel, sendo assim crescente o nmero de trabalhos, disponveis
na literatura, que utilizam o valor de qualidade do sinal.
Neste trabalho, para realizar os estudos envolvendo a localizao em ambientes
fechados tambm foi efetuada uma caracterizao da mobilidade. Apresentou-se
[13] um modelo para melhor caracterizao do padro existente na trajetria percorrida por um dispositivo mvel em ambientes fechados. No modelo de mobilidade proposto no trabalho [13], apresentou-se uma preciso de 73% para a predio
de mobilidade envolvendo apenas o histrico das movimentaes executadas pelos
dispositivos mveis nos cenrios simulados. No entanto, a utilizao de predio
pi = p0i 10 log10 di i ,
sendo:
= ndice referente ao meio de transmisso,
p0i =
di =
i =
(1.1)
hando pode ocorrer. Trabalhando-se com o histrico, a diferena entre as tcnicas disponveis na literatura est nos critrios utilizados para encontrar padres na
0 2
0 2
0 3
utilizada
(ss1 ss1 ) + (ss2 ss2 ) + (ss1 ss3 ) , sendo que (ss1 , ss2 , ss3 )
0
0
0
corresponde aos valores existentes no banco de dados e ss1 , ss2 , ss3 corresponde
aos valores medidos a partir da posio do dispositivo a ser localizado.
Outro algoritmo utilizado pelo RADAR o NNSS-AVG. Esse algoritmo seleciona
as regies do mapa de sinais que possuem valores prximos aos medidos na posio
atual do dispositivo mvel. A posio estimada ser ento a mdia dos valores
encontrados. O terceiro algoritmo o HBA (History Based Algorithm ). No HBA,
a cada medio do sinal so estimadas k possveis localizaes. Um histrico dos
Algoritmo
Preciso (metros)
NNSS
3.59
NSS-AVG
3.32
HBA
2.37
System ), [23]. Trata-se de um sistema que utiliza, alm das medies do sinal recebido dos pontos de acesso, a medio dos sinais recebidos de outros dispositivos
vizinhos. Os autores indicam como ponto forte, da soluo, o aumento da preciso
com o aumento da quantidade de dispositivos mveis existentes. Alm disso, em
cenrios com poucos pontos xos (pontos de acesso) de referncia a preciso maior
que em outros sistemas. Os resultados obtidos demonstram uma preciso de 18.5
metros, 10.9 metros e 5.5 metros para cenrios com 4, 5 e 9 pontos de acesso, respectivamente. Com o aumento da densidade de dispositivos esses valores passaram
para 3.4 metros, 3.2 metros e 2.8 metros respectivamente.
WLAN Tracker uma ferramenta com interface grca na qual so exibidas as
posies dos dispositivos mveis. A ferramenta exige uma fase de mapeamento, em
que so realizadas repetidas medies em diferentes pontos do ambiente. Calcula-se
a mdia da qualidade do sinal para cada um destes pontos e os valores so armazenados. Aps o mapeamento, o sistema capaz de efetuar localizaes utilizando as
10
informaes de qualidade de sinal fornecidas pelas estaes mveis. Com esses valores de qualidade de sinal, realizada uma pesquisa na base de dados, que foi
obtida durante a fase de mapeamento. Apenas as 20 ocorrncias, que mais se aproximam do valor enviado pela estao mvel, so utilizadas no decorrer do processo.
Esses 20 resultados passam por dois ltros: de sinal e de histrico. Surge aqui uma
abordagem utilizando histrico com medies de sinal. No entanto, essa abordagem
utiliza histrico apenas para eliminar opes que esto muito distantes da atual
posio. O ltro de sinal apenas elimina os valores de fora de sinal mais fracos
(abaixo de um limite mnimo).
Ao nal do processo de localizao do WLAN Tracker, se houver mais de uma
posio possvel aps a aplicao dos ltros, a opo com menor distncia, com
relao ltima posio do dispositivo mvel, ser escolhida. O desempenho do
WLAN Tracker foi avaliado [24], em um cenrio real de ambiente fechado apresentando a mdia de erros de 2.244 m para trs pontos de acesso.
11
12
Captulo 2
Redes Locais Sem Fio
EDE local sem o (Wireless Local Area Network - WLAN) um termo geral
utilizado para redes que utilizam portadoras de rdio de curto alcance e alta
velocidade.
13
Direct Sequence Spread Spectrum Radio PHY: essa camada prov operao nas velocidades de 1 e 2 Mbps. A verso de 1 Mbps utiliza a modulao
DBPSK (Dierential Binary Phase Shift Keying ) e a de 2 Mbps utiliza a
modulao DQPSK (Dierential Quadrature Phase Shift Keying );
14
Congurao independente (ad hoc ): cada estao se comunica diretamente entre si, sem a necessidade de estao intermediria. A operao dessa
rede fcil , mas a desvantagem que a rea de cobertura limitada. Estaes
com essa congurao esto em um BSS (Basic Service Set ) independente;
Data Unit ), e, no lado do Sistema de Distribuio (descrito na Seo 2.4.1): associao, desassociao, distribuio, integrao e reassociao. Alm dos servios
acima descritos, o padro ainda oferece as funcionalidades de roaming dentro de um
ESS e gerenciamento de fora eltrica (as estaes podem desligar seus transceivers
para economizar energia). O protocolo da subcamada MAC o CSMA/CA (Carrier
15
16
17
mesmo ESS, transitando entre diferentes BSSs, tudo ocorre de forma transparente
para a subcamada Logical Link Control (LLC).
O padro IEEE 802.11 no dene detalhes da implementao de um DS, porm
dene os servios que devem estar disponveis para a comunicao entre os dispositivos da rede sem o e a integrao entre seus componentes. Esses servios podem
ser divididos em dois grupos, o primeiro com os servios oferecidos pelas estaes e
o segundo com aqueles oferecidos pelo DS, conforme citado na Seo 2.2.
18
a estao espera por pacotes transmitidos (beacons ) pelos pontos de acesso periodicamente, sem a necessidade de realizar uma requisio. Atravs desses pacotes, a
estao identica o ponto de acesso e o ESS correspondente. No rastreamento ativo,
uma estao envia pacotes requisitando informaes sobre pontos de acesso. Esses
pacotes podem ser endereados a um ESS especco ou para todos os que estiverem
no alcance, atravs de broadcast. Todos os pontos de acesso que receberem o pacote de requisio endereado ao ESS, ao qual pertencem, respondem diretamente
estao na qual o pacote teve origem.
Como tipicamente so enviados 10 beacons por segundo, para cada canal a estao deve fazer o scanning por 0.1 segundo. Para agilizar o processo, a estao
pode enviar um pacote de requisio (probe request ), realizando um rastreamento
ativo. O rastreamento ativo (probing ) muito utilizado em ocasies nas quais o
dispositivo mvel j est associado a um ponto de acesso, mas o sinal est cando
cada vez mais fraco e necessrio descobrir urgentemente outro AP.
19
Captulo 3
Modelos de Mobilidade
20
3.3 Smooth
21
3.3 Smooth
Esse modelo implementa dois processos estocsticos que guiam as mudanas de
velocidade e direo. Alm disso, as alteraes na velocidade ocorrem baseadas em
uma acelerao/desacelerao que suaviza o movimento do n. Esse modelo foi implementado, para efetuar as simulaes necessrias, em um algoritmo na linguagem
C++ segundo interfaces e padres da ferramenta ScenGen [29]. Utilizou-se como
referncia, para a implementao com tempo discreto, o artigo [30].
O algoritmo utiliza duas probabilidades que denem o comportamento da mobilidade:
22
23
[0o , 180o ] nas bordas superior, inferior e laterais, e [0o , 90o ] nos vrtices da rea de
simulao. O valor da velocidade na reexo tambm pode seguir uma distribuio
24
uniforme entre [vmin , vmax ]. Essa variao do bounce chamada de modied bounce.
Na regra delete and replace, quando atinge a borda, o n mvel retirado da
rea de simulao e inserido novamente em uma posio de coordenadas (x, y ) aleatoriamente escolhidas. Essa regra tem a caracterstica de representar a sada do n
mvel da rea de cobertura da rede, o que, s vezes, uma caracterstica realista.
Entretanto, uma caracterstica no realista, colocar o mesmo n mvel aleatoriamente numa posio qualquer da rea, simplesmente para garantir que o nmero de
ns do cenrio simulado permanea constante.
A regra de borda wrap around espelha o movimento do n mvel na borda
oposta. O n preserva a mesma direo, sentido e velocidade que possua antes de
alcanar a borda.
Com o estudo apresentado em [32], foi realizada uma avaliao de como os modelos de mobilidade e as regras de borda inuenciam na distribuio espacial dos ns,
em uma rede mvel. No estudo [32], os modelos de mobilidade foram analisados
segundo mtricas tais como: mdia da velocidade, mudanas bruscas de direo,
mudanas bruscas de velocidade, tempo mdio de durao de conexes com ns vizinhos e distribuio espacial dos ns na rea de simulao. Um resultado obtido foi
que, com algumas regras de borda, a distribuio espacial dos dispositivos mveis
sofre grandes alteraes ao longo da simulao. Esse resultado muito importante,
uma vez que a avaliao de desempenho de redes mveis, utilizando modelos de mobilidade, pode resultar em concluses equivocadas devido ao fato das anlises serem
realizadas antes que o sistema se torne estvel.
25
Captulo 4
Predio de Mobilidade
26
27
Critrio da segmentao: esse critrio uma extenso do critrio de direo. A seqncia de pontos de acesso, aos quais o dispositivo mvel se
associou, armazenada. O algoritmo compara o segmento (seqncia) que
est em construo com os que esto armazenados no histrico. Se a parte inicial de um segmento do histrico for igual ao segmento atual (em contruo),
ento a predio aponta para o prximo ponto de acesso aps a parte inicial
da seqncia do histrico (Figura 4.3). Caso exista mais de um segmento com
a parte inicial igual ao do atual, a predio aponta para o ponto de acesso com
maior incidncia, como prximo da seqncia, nesses segmentos;
Regra de Bayes: ao invs de considerar uma rota que j foi tomada, podese traar todas as possveis rotas que o n poderia tomar a partir da posio
28
atual e, com isso, vericar, baseado nos prximos passos, qual o ponto de acesso
mais provvel de ser utilizado pelo dispositivo mvel. Ou seja, dado o ponto
de acesso mais provvel a ser utilizado em uma n-sima transio, calcula-se a
probabilidade, de prxima transio, para cada ponto de acesso utilizando-se
a regra de Bayes (Equao 4.1). O exemplo da Figura 4.4 exibe que o ponto de
acesso mais provvel de ser utilizado na segunda transio (aps o AP atual)
o c2 . Dessa forma, calculando-se as probabilidades P ((Ai1 Ai B = b1 )|c2 )
e P ((Ai1 Ai B = b2 )|c2 ) verica-se que o ponto de acesso mais provvel
na prxima transio o b2 ;
P ((Ai1 Ai B = bx )|Cn ) =
(4.1)
sendo:
Ai =
Ai1 =
B=
Cn =
m=
29
30
P (Xn+1 = a|L) =
N (ca, L)
,
N (c, L)
(4.2)
sendo:
N (s,s) =
L = histrico,
Xn+1 = prximo ponto de acesso,
c = contexto,
ca = concatenao do contexto c com o prximo ponto de acesso a .
31
32
campo de mobilidade medindo o sinal obtido. Para minimizar esse nus, podem ser
utilizados algoritmos de interpolao para que no seja necessrio que se caminhe
por todos os pontos de um ambiente fechado. A segunda alternativa refere-se utilizao de um modelo de propagao de sinal. Essa tcnica fornece estimativas para
a qualidade do sinal em um ambiente segundo um modelo matemtico, no entanto
a preciso no to eciente quanto as medidas reais.
Como no havia a disponibilidade de um ambiente com grande densidade de
dispositivos mveis, para realizao de medies reais, o presente trabalho foi desenvolvido com a utilizao de um modelo para estimar a distribuio da qualidade
de sinal.
P Lf s (d)[dB] = 20log10
4d
,
(4.3)
sendo:
33
d
,
d0
(4.4)
sendo:
d0 = valor de referncia para distncia. Esse valor menor do que
qualquer distncia possvel para d ,
n=
d=
Mltiplos caminhos: em um ambiente fechado existe o problema dos mltiplos caminhos que podem ser seguidos por um sinal devido aos fenmenos de
refrao, reexo e difuso. Estes fenmenos criam caminhos adicionais para
a propagao do sinal, alm do caminho direto entre transmissor e receptor
(Figura 4.6). A interseo destes caminhos pode ocasionar um aumento ou
diminuio do sinal.
34
X
d
+
i [dB].
d0
i
(4.5)
Ray tracing: o ray tracing [11, 12] uma tcnica de deteco de coliso, com
base na traagem de diversos raios partindo de uma origem at o destino desejado, utilizada em computao grca para transformar uma representao
simples de dados em uma projeo 3D. Essa tcnica tem sido utilizada para a
predio da propagao do sinal e atinge uma boa preciso [37]. No entanto,
a complexidade computacional muito alta.
Algoritmos Genticos e Redes Neurais: A utilizao de inteligncia articial foi realizada no artigo [38]. As redes neurais foram utilizadas para
corrigir o erro na predio ocasionado pelo efeito dos mltiplos caminhos.
35
P (l) = P0 l
X
n
X
(4.6)
u=0 v=0
sendo:
36
37
P (l) = P0 l2
v
Y
Ri2
i=1
Ri (i , ) =
u
Y
Tj2 ,
j=1
i cos2 ()
p
,
i sen() + i cos2 ()
i sen()
Ti (, ) =
(4.7)
q
(1 Ri2 ),
(4.8)
(4.9)
38
sup
=
0
j
w
(4.10)
sendo:
v=
nmero de reexes,
u=
Ri =
Tj =
P0 =
=
sup =
0 =
condutividade da superfcie,
w=
freqncia angular.
Para o mapa fornecido (Figura 4.7), situou-se cada ponto de acesso no mapa e
cada obstculo existente no ambiente foi modelado com seus respectivos coecientes
de condutividade e permeabilidade eltrica. Traou-se raios com origem no ponto
39
40
41
Captulo 5
Modelo de Mobilidade Proposto
URGIU a necessidade de representar cenrios com obstculos para caracterizar um ambiente fechado. Essa necessidade motivou a proposta de um novo
modelo de mobilidade
42
. A
5.4 A Velocidade
43
5.4 A Velocidade
A velocidade dos ns limitada ao intervalo [vmin , vmax ]. Para a escolha da
velocidade inicial a ser imposta ao n, so obedecidas as seguintes regras:
Se o n no possuir ns vizinhos, em uma distncia de at 30 metros, a velocidade atribuda segundo uma distribuio uniforme dentro do intervalo
possvel;
5.4 A Velocidade
44
Figura 5.1: Mapa do cenrio e mapa convexo gerado para estabelecimento de trajetos
5.5 Simulaes
45
A cada intervalo de t segundos de simulao, a velocidade do n pode ser alterada segundo uma probabilidade pv . O novo valor tambm ser escolhido segundo
as duas regras citadas acima.
5.5 Simulaes
Neste trabalho, realizou-se simulaes, com o modelo de mobilidade proposto e os
descritos na Seo 3.1, para estabelecer comparaes. Para realizar tais simulaes
foi utilizado o simulador ScenGen [29]. As implementaes do modelo proposto
e dos modelos Smooth e MMIG foram realizadas em C++ utilizando a interface
de programao do simulador. Utilizou-se a regra de borda bounce nos modelos
Smooth e MMIG. O modelo proposto e o Waypoint no permitem a sada da rea
de simulao e, portanto, no necessitam de regra de borda. Para obter a mtrica
da predio do prximo ponto de acesso utilizou-se o critrio de Markov ordem 2,
ou seja, a predio foi baseada no histrico de mobilidade e nos dois ltimos pontos
de acesso utilizados pelo n. Foram executadas 30 rodadas de simulao para cada
modelo de mobilidade.
Abaixo esto descritas as conguraes especcas dos modelos utilizados nas
simulaes.
Waypoint:
Tempo de pausa = 0
MMIG:
Probabilidade m de mudana para os estados = 0.4
Smooth:
46
= 0.5
= 0.5
=3
Valores de velocidade
= distribuio uniforme
Modelo Proposto:
Probabilidade de mudana de direo pd
= 0.5
= 0.5
= 1 segundo
= distribuio uniforme
47
Mudanas bruscas de velocidade: representa o nmero mdio de mudanas bruscas de velocidade em cada segundo de simulao. Essa mtrica
calculada a partir da diferena de velocidade entre dois instantes de tempo
consecutivos. A variao considerada brusca se seu valor for maior ou igual
a 50% da velocidade mxima simulada.
48
Entropia do histrico de mobilidade: essa mtrica avalia o grau de previsibilidade de um n, baseado em seu histrico (ver denio de histrico e
entropia na Seo 4.2 ). A entropia de uma varivel aleatria X denida,
de forma geral, pela Equao 5.1:
H(X) =
(5.1)
Para este trabalho, utilizou-se a equao denida em [15] para calcular a entropia com a utilizao da predio por Markov ordem k, conforme pode ser
visualizado na Equao 5.2.
H(A|C) =
X N (ci , L) X
P (A = aj |C = ci )log2 P (A = aj |C = ci ),
gk+1 j
i
(5.2)
sendo:
5.8 Resultados
N (s,s) =
49
nmero de vezes que a sequncia s encontrado em s,
a=
ponto de acesso,
k=
L=
X=
c=
g=
A=
C=
Essa equao de entropia revela caractersticas inerentes ao histrico de mobilidade, baseando-se no nmero de vezes que diferentes seqncias de k pontos
de acesso so encontradas no histrico de pontos de acesso utilizados. Cenrios
com maior valor de entropia revelam maior nmero de sequncias diferentes
de pontos de acesso, indicando uma mobilidade mais dinmica.
5.8 Resultados
As Tabelas 5.1 e 5.3 resumem os resultados obtidos pelas simulaes realizadas
com os modelos de mobilidade utilizados. Com relao predio, pode-se observar
que o modelo de mobilidade proposto apresentou o melhor resultado. O modelo
Smooth foi o que mais se aproximou do resultado obtido pelo modelo proposto. No
entanto, a entropia obtida para o Smooth menor. Como a entropia reete caractersticas inerentes ao histrico de mobilidade, o Smooth no reetiu um ambiente
to dinmico quanto o modelo proposto. Dessa forma, pode-se armar que, para o
5.8 Resultados
50
Waypoint
MMIG
Smooth
Modelo Proposto
0.99148
0.85
0.7711
0.98779
0.0007526
0.0462
0.0467
0.031
Velocidade Mdia
1,8195
2,0967
1,9484
1,9946
Intervalo de Conana
Waypoint
MMIG
Smooth
Modelo Proposto
[1,63;1,99]
[1,91;2,28]
[1,70;2,19]
[1,81;2,18]
5.8 Resultados
51
Waypoint
MMIG
Smooth
Modelo Proposto
Entropia
32,7756
31,8746
27,4695
47,1252
0.3803
0.4684
0.6754
0.73324
Preciso da Predio
0.8
0.7
0.6
Acertos (%)
0.5
0.4
0.3
0.2
Modelo Proposto
Smooth
MMIG
Waypoint
0.1
0.5
1.5
2.5
Tempo (s)
3.5
4.5
5
4
x 10
Figura 5.3: ndice de acerto na predio para o prximo ponto de acesso utilizando
o modelo proposto
5.8 Resultados
52
point. Como no Waypoint o resultado foi inuenciado pelo fato dos ns tenderem a
permanecer em velocidades baixas, fugindo um pouco do realismo do cenrio, o resultado obtido para essa mtrica pode ser considerado como mais um ponto positivo
para o modelo proposto, em comparao com os demais modelos.
Quanto mdia de mudanas bruscas de direo, pode-se observar que o modelo
proposto apresentou mdia to alta quanto o Waypoint. Esse fato pode ser justicado
pelas mudanas de direo que devem ser executadas para contornar obstculos.
5.8 Resultados
53
5.8 Resultados
54
5.8 Resultados
55
56
Captulo 6
Modelo de Predio de Mobilidade
Proposto
utilizao apenas do histrico de movimentaes se mostrou no muito eciente para a predio da mobilidade em determinados cenrios. Movimentos
57
t segundos. Como a atividade de efetuar medies de sinal retira tempo til da
interface de rede, o valor congurado para t no deve ser muito baixo. Os resultados obtidos nas simulaes demonstram o valor da preciso da predio variando o
tempo entre medies de sinal (probing ). Para as simulaes de predio que foram
realizadas, utilizou-se um intervalo t de 3 segundos.
Para gerar os resultados de simulao, utilizou-se o modelo de mobilidade proposto [13] para a simulao de dois cenrios, um de 50 por 50 metros com a disposio
de quatro pontos de acesso e outro de 200 por 200 metros com a disposio de trinta
e cinco pontos de acesso. Cada ponto de acesso tem uma rea de cobertura de 30
metros. Utilizou-se um modelo de propagao de sinal baseado no ray tracing de
duas dimenses. Como o modelo de propagao apresentou um erro mdio de 5
dBm com relao a valores coletados empiricamente, para obter valores de medio
de sinal para cada n da simulao utilizou-se os valores do modelo de predio
de sinal baseado em ray tracing acrescentando um rudo branco de mdia 5 dBm.
Esse rudo foi acrescentado em cada um dos valores de sinal referentes aos pontos
de acesso dentro da rea de cobertura do dispositivo mvel. Realizou-se 30 rodadas
de simulao, sendo que em cada cenrio havia 30 dispositivos mveis.
Passos executados pelo modelo de predio de mobilidade:
Criao de matriz de distribuio do sinal: nessa etapa se utilizou o modelo de propagao do sinal para obter uma distribuio do sinal dentro de um
ambiente. Esses valores so utilizados durante a localizao dos dispositivos
mveis;
58
59
60
Material
Condutividade
Permissividade Eltrica
Concreto
4.5
0.11
Madeira
2.02
0.00
6.2.3 Resultados
Para gerar a distribuio do sinal no cenrio foi utilizado o cdigo desenvolvido
(ray tracing ) com base na Equao 4.7 e os coecientes encontrados em [46], exibidos
na Tabela 6.1. Os obstculos das bordas do cenrio foram classicados com o coeciente do material concreto e os obstculos internos, com o coeciente do material
madeira. Foi considerada uma perda ocasionada pela transmisso, ao encontrar um
obstculo, de 30% (valor de ). Utilizou-se o nvel de conana de 95% para clculo
dos resultados.
A escolha dos cenrios foi devido necessidade de se comparar as tcnicas de
predio de mobilidade em ambientes com diferentes probabilidades dos movimentos
seguirem padres de movimentao. O cenrio A, por ser maior e possuir regies
fechadas mais amplas, no apresenta grande padro de mobilidade, pois dentro de
uma regio convexa do mapa surgem inmeros movimentos que podem ser executados sem a necessidade de passar por obstculos. Alm disso, cada regio do mapa
pode conter mais de um ponto de acesso. O cenrio B um cenrio menor e o
padro de mobilidade mais evidenciado, pois cada movimentao possui maior
probabilidade de encontrar obstculos.
Em redes infra-estruturadas o n mvel necessita de um ponto de acesso ao seu
alcance para se conectar rede. Considerou-se que cada ponto de acesso tem raio
de alcance de 30 metros, portanto, quando um n ultrapassa essa rea de cobertura,
ocorre uma transio para outro ponto de acesso. As comparaes entre os modelos
61
0.98
0.975
P(Acerto na Predicao)
0.97
0.965
0.96
0.955
0.95
0.945
0.94
0.935
0.93
1
1.5
2
2.5
3
3.5
4
Tempo entre Probes (s)
4.5
0.98
P(Acerto na Predicao)
0.96
0.94
0.92
0.9
0.88
0.86
0.84
1
1.5
2
2.5
3
3.5
4
Tempo entre Probes (s)
4.5
62
Intervalo
ndice de Acerto
Varincia
entre Medies
Intervalo de Conana
(Nvel de Conana de 95%)
0.975258
0.000648
[0.97061042;0.97990558]
0.969072
0.00067
[0.96434618;0.97379782]
0.952577
0.000818
[0.94735525;0.95779875]
0.936082
0.00072
[0.93118302;0.94098098]
0.931959
0.0007
[0.92712854;0.93678946]
63
Intervalo
ndice de Acerto
Varincia
entre Medies
Intervalo de Conana
(Nvel de Conana de 95%)
0.969501
0.000103
[0.96586927;0.97313273]
0.940705
0.000106
[0.93702076;0.94438924]
0.9183
0.000318
[0.9119187;0.9246813]
0.881922
0.000625
[0.87297586;0.89086814]
0.840348
0.000548
[0.83197105;0.84872495]
Intervalo
ndice de Acerto
Varincia
entre Medies
Intervalo de Conana
(Nvel de Conana de 95%)
0.934021
0.000697
[0.929200903;0.938841097]
0.927835
0.000687
[0.923049606;0.932620394]
0.894845
0.001439
[0.887919203;0.901770797]
0.892784
0.000715
[0.88790206;0.89766594]
0.880412
0.000885
[0.87498061;0.88584339]
64
Intervalo
ndice de Acerto
Varincia
entre Medies
Intervalo de Conana
(Nvel de Conana de 95%)
0.640228
0.000098
[0.638420608;0.642035392]
0.673672
0.000129
[0.671598356;0.675745644]
0.670138
0.000153
[0.667879682;0.672396318]
0.660144
0.000324
[0.656857665;0.663430335]
0.657071
0.000034
[0.656006419;0.658135581]
P(Acerto na Predicao)
0.95
0.9
0.85
0.8
0.75
0.7
0
5
10
15
20
25
30
Erro na Medicao do Sinal de Propagacao (dBm)
65
Rudo na Medio
ndice de Acerto
Varincia
Intervalo de Conana
(Nvel de Conana de 95%)
0.975258
0.000648
[0.97061042;0.97990558]
0.934021
0.000697
[0.9292009;0.9388411]
10
0.851546
0.000735
[0.84659625;0.85649575]
15
0.812371
0.000834
[0.80709843;0.81764357]
20
0.740206
0.002492
[0.73109191;0.74932009]
25
0.732213
0.0001096
[0.73030163;0.73412437]
Rudo na Medio
ndice de Acerto
Varincia
Intervalo de Conana
(Nvel de Conana de 95%)
0.960501
0.000103
[0.958648;0.962354]
0.698044
0.000126
[0.6940272;0.7020608]
10
0.552022
0.00007
[0.54902805;0.55501595]
15
0.503888
0.00009
[0.50049318;0.50728282]
20
0.480034
0.00008
[0.47683333;0.48323467]
25
0.474667
0.00004
[0.47240379;0.47693021]
66
Tabela 6.8: ndices de acerto variando o rudo na medio com intervalo de 3 segundos entre medies - cenrio A
Rudo na Medio
ndice de Acerto
Varincia
Intervalo de Conana
(Nvel de Conana de 95%)
0.952577
0.000818
[0.947355251;0.957798749]
0.92154
0.00215
[0.913074383;0.930005617]
10
0.811234
0.000854
[0.805898584;0.816569416]
15
0.80546
0.000819
[0.80023506;0.81068494]
20
0.7321
0.000525
[0.7279167;0.7362833]
25
0.70561
0.000235
[0.702811191;0.708408809]
Tabela 6.9: ndices de acerto variando o rudo na medio com intervalo de 3 segundos entre medies - cenrio B
Rudo na Medio
ndice de Acerto
Varincia
Intervalo de Conana
(Nvel de Conana de 95%)
0.9183
0.000318
[0.915044236;0.921555764]
0.67231
0.0005415
[0.668061471;0.676558529]
10
0.54224
0.000212
[0.53958168;0.54489832]
15
0.50213
0.0005321
[0.497918508;0.506341492]
20
0.45872
0.000184
[0.456243443;0.461196557]
25
0.430125
0.000395
[0.42649641;0.43375359]
67
1
0.95
P(Acerto na Predicao)
0.9
0.85
0.8
0.75
0.7
0.65
0.6
0.55
0.5
0.45
0
10
15
20
25
30
P(Acerto na Predicao)
0.95
0.9
0.85
0.8
0.75
0.7
0
5
10
15
20
25
30
Erro na Medicao do Sinal de Propagacao (dBm)
68
K de Markov
ndice de Acerto
Varincia
Intervalo de Conana
(Nvel de Conana de 95%)
0.583505
0.000966
[0.5778305;0.5891795]
0.590412
0.0028763
[0.58062034;0.60020366]
0.340206
0.0019857
[0.33207028;0.34834172]
K de Markov
ndice de Acerto
Varincia
Intervalo de Conana
(Nvel de Conana de 95%)
0.749446
0.002176
[0.73275337;0.76613863]
0.755495
0.003455
[0.73446112;0.77652888]
0.737264
0.006585
[0.70822556;0.76630244]
69
0.95
0.9
P(Acerto na Predicao)
0.85
0.8
0.75
0.7
0.65
0.6
0.55
0.5
0.45
0.4
0
10
15
20
25
30
0.94
P(Acerto na Predicao)
0.93
0.92
0.91
0.9
0.89
0.88
1
1.5
2
2.5
3
3.5
4
Tempo entre Probes (s)
4.5
70
Intervalo
ndice de Acerto
Varincia
entre Medies
Intervalo de Conana
(Nvel de Conana de 95%)
0.934021
0.0002364
[0.93121387;0.93682813]
0.927835
0.000435
[0.92402711;0.93164289]
0.894845
0.000534
[0.890626;0.899064]
0.892784
0.001844
[0.88494393;0.90062407]
0.87305
0.003211
[0.862704;0.883396]
Tabela 6.13: ndices de acerto para o modelo proposto com rudo mdio de 5 dBm
- cenrio A
Intervalo
ndice de Acerto
Varincia
entre Medies
Intervalo de Conana
(Nvel de Conana de 95%)
0.880412
0.000412
[0.876706149;0.884117851]
0.874227
0.003213
[0.863878087;0.884575913]
0.85567
0.006418
[0.84104354;0.87029646]
0.83567
0.000893
[0.830214116;0.841125884]
0.83241
0.000543
[0.828155591;0.836664409]
71
0.885
0.88
P(Acerto na Predicao)
0.875
0.87
0.865
0.86
0.855
0.85
0.845
0.84
0.835
0.83
1
1.5
2.5
3.5
4.5
Figura 6.8: Preciso na predio utilizando o modelo proposto com rudo de mdia
5 dBm - cenrio A
0.96
P(Acerto na Predicao)
0.94
0.92
0.9
0.88
0.86
0.84
1
1.5
2
2.5
3
3.5
4
Tempo entre Probes (s)
4.5
72
com o histrico mais alto e, com a localizao, mais baixo (devido ao menor nmero
de pontos de acesso), os resultados utilizando o modelo proposto caram prximos
aos encontrados apenas com o histrico.
0.75
0.74
P(Acerto na Predicao)
0.73
0.72
0.71
0.7
0.69
0.68
0.67
0.66
0.65
0.64
1
1.5
2.5
3.5
4.5
Figura 6.10: Preciso na predio utilizando o modelo proposto com rudo de mdia
5 dBm - cenrio B
Vale observar que o modelo proposto se adaptou s caractersticas do ambiente
e a predio apresentou preciso sempre prxima ao resultado obtido com a tcnica
mais adequada ao cenrio: a estimativa de posio utilizando sinal ou a baseada
no histrico. No cenrio A, como a utilizao do sinal apresentou uma preciso
maior, o uso do modelo de propagao aumentou a preciso. No cenrio B, como
a utilizao do histrico apresentou uma maior preciso, o uso da base de dados de
movimentaes agregou informao til para a predio. Diante do exposto, pode-se
observar que a abordagem hbrida com medio da qualidade de sinal e utilizao
do histrico de mobilidade ampliou a preciso de predio de mobilidade para os
cenrios simulados.
73
Intervalo
ndice de Acerto
Varincia
entre Medies
Intervalo de Conana
(Nvel de Conana de 95%)
0.953229
0.002705
[0.9346176;0.9718404]
0.930993
0.002688
[0.91244017;0.94954583]
0.90961
0.002725
[0.89092992;0.92829008]
0.879963
0.002099
[0.86356837; 0.89635763]
0.840007
0.001983
[0.82407183; 0.85594217]
Tabela 6.15: ndices de acerto para o modelo proposto com rudo mdio de 5 dBm
- cenrio B
Intervalo
ndice de Acerto
Varincia
entre Medies
Intervalo de Conana
(Nvel de Conana de 95%)
0.74016
0.001123
[0.72816817;0.75215183]
0.732249
0.000856
[0.72177935;0.74271865]
0.72373
0.000891
[0.71304845;0.73441155]
0.687405
0.001001
[0.67608328;0.69872672]
0.641165
0.000911
[0.63036423;0.65196577]
74
Captulo 7
Concluso e Trabalhos Futuros
75
literatura foi realizada com base na predio utilizando Markov ordem k no histrico
de pontos de acesso utilizados pelo n mvel. Os resultados atingidos revelam uma
melhor representao de padres de movimentao existentes em ambiente fechado.
Estudos em ambientes reais de redes sem o [15] apresentaram o ndice de 65-72% de
acerto para predio utilizando histrico. Esse estudo demonstra que um ambiente
real tem grande presena de padres de mobilidade. Como a caracterstica mais
importante de um modelo o nvel de realismo apresentado com o cenrio simulado,
vale observar que os resultados encontrados revelaram que o modelo de mobilidade
proposto possibilita uma melhor caracterizao de um ambiente real.
Segundo a distribuio obtida dos ns no cenrio simulado com o modelo de mobilidade proposto, os obstculos determinam caminhos de maior incidncia de utilizao e permitem a obteno de padres de mobilidade mais constantes. Modelos
sem obstculos no permitem explorar essa particularidade dos ambientes fechados.
Entre os modelos de mobilidade simulados para este trabalho, o modelo proposto
apresentou maior ndice de acerto na predio, o que permite concluir que conseguimos chegar a um cenrio que apresenta mais padres de movimentao.
A proposta para predio de mobilidade deste trabalho utiliza, alm do histrico
de movimentaes, um modelo de propagao de sinal para a obteno da estimativa
de qualidade de sinal dentro de um ambiente fechado. Os valores obtidos pelo modelo
de propagao so utilizados no modelo de predio de mobilidade proposto para
aumentar a preciso do prximo ponto de acesso a ser utilizado. Para os resultados
obtidos nesse trabalho se utilizou um modelo de propagao baseado em ray tracing.
Foram realizadas comparaes com o modelo que utiliza apenas o histrico de
movimentao e com o que utiliza apenas a localizao com a medio de sinal. A
vantagem do modelo proposto a adaptao da predio com as informaes mais
corretas obtidas do ambiente. Se o histrico for mais correto do que a localizao
obtida com o modelo de propagao, o ndice de acerto ser prximo ao do modelo
que utiliza apenas o histrico. Se a localizao obtida com o modelo de propagao
for mais correta do que o histrico, o ndice de acerto ser prximo ao do modelo
76
que utiliza apenas a localizao. Dessa forma, o modelo proposto se adapta melhor
s condies do ambiente.
O presente trabalho tem como contribuio a apresentao de um modelo de
mobilidade, que permite uma melhor caracterizao dos padres de movimentao
existentes em cenrios de ambientes fechados, e de uma metodologia para a predio
de mobilidade, que oferece resultados mais precisos para a estimativa de trajetria
percorrida pelo dispositivo mvel. As simulaes realizadas apresentam dados importantes para mensurar a ecincia da proposta de predio, que pode ser utilizada
para a soluo de problemas inerentes mobilidade em ambientes fechados, como,
por exemplo, na obteno da garantia de qualidade de servio e reduo no impacto
ocasionado pelo hando em redes infra-estruturadas. Os modelos apresentados contribuem para estudos, referentes caracterizao da mobilidade, que permitem uma
melhor compreenso dos problemas existentes e para o desenvolvimento de novas
solues.
Como registro para a comunidade cientca, este trabalho resultou na publicao
de dois artigos: um referente ao estudo dos modelos de mobilidade e outro propondo
o modelo de mobilidade para ambientes fechados. Os artigos foram publicados no
Workshop de Comunicao sem Fio e Computao Mvel de 2004 (WCSF 2004) e
no Simpsio Brasileiro de Redes de Computadores de 2005 (SBRC 2005), respectivamente.
Como trabalho futuro se prope a extenso, dos modelos propostos, para a simulao de ambientes em 3 dimenses. Tambm se prope a implementao do
modelo de predio de mobilidade em um cenrio de grande mobilidade para que
se possa validar a proposta em um ambiente real. Outra proposta de trabalho seria
a utilizao de novos modelos de predio de propagao de sinal para aumentar a
preciso na estimativa de posio do dispositivo mvel.
A utilizao da predio para minimizar o tempo de hando tambm um
importante resultado a ser obtido, mas as anlises devem ser efetuadas em ambientes
de grande mobilidade para mensurar a viabilidade de utilizao dos algoritmos de
77
predio. Essa reduo do tempo de hando muito importante sobretudo para
aplicaes multimdia utilizando redes no padro IEEE 802.11.
Referncias Bibliogrcas
[1] J. Francois and G. Leduc, Mobility prediction's inuence on QoS in wireless
networks: a study on a call admission algorithm, in Third International Sympo-
79
Mobile Computing and Communications Review, vol. 6, no. 3, pp. 1021, July
2002.
[11] J. McKown and J. Hamilton, R.L., Ray tracing as a design tool for radio
networks, Network, IEEE, vol. 5, no. 6, pp. 2730, Nov. 1991.
[12] R. Valenzuela, O. Landron, and D. Jacobs, Estimating local mean signal
strength of indoor multipath propagation, IEEE Transactions on Vehicular
80
[16] M. Hassan-Ahli and K. Pahlavan, A new statistical model for site-specic
indoor radio propagation prediction based on geometric optics and geometric
probability, IEEE Transactions on Wireless Communications, vol. 1, no. 1,
pp. 112124, Jan. 2002.
[17] A. Saleh and R. Valenzuela, A statistical model for indoor multipath propagation, IEEE Journal on Selected Areas in Communcations, vol. 5, no. 2, pp.
128137, Feb. 1987.
[18] M. Wright, D. Stallings, and D. Dunn, The eectiveness of global positioning
system electronic navigation, in IEEE SoutheastCon, Ocho Rios, Jamaica, Apr.
2003, pp. 6267.
[19] I. F. Akyildiz and W. Wang, The predictive user mobility prole framework
for wireless multimedia networks, IEEE/ACM Transactions on Networking,
vol. 12, no. 6, pp. 10211035, Dec. 2004.
[20] C. Cho, J. Mi, and P. S., Rate control for streaming services based on mobility
prediction in wireless mobile networks, in Wireless Communications and Net-
working Conference (WCNC), vol. 4, New Orleans, USA, Mar. 2005, pp. 2534
2539.
[21] T. Liu, P. Bahl, and I. Chlamtac, Mobility modeling, location tracking and
trajectory prediction in wireless ATM networks, IEEE Journal on Selected
Areas in Communications (JSAC), vol. 16, no. 6, pp. 922936, Aug. 1998.
[22] P. Bahl and V. N. Padmanabhan, RADAR: An in-building RF-based user
location and tracking system, in Nineteenth Annual Joint Conference of the
81
[24] C. Komar and C. Ersoy, Location tracking and location based service
using IEEE 802.11 WLAN infrastructure, in European Wireless Conference,
Barcelona, Espanha, Feb. 2004.
[25] ANSI/IEEE std 802.11. Wireless LAN medium access control (MAC) and
http://www.comp.nus.edu.sg/liqm/scengen/
[30] C. Bettstetter, Smooth is better than sharp: a random mobility model
for simulation on wireles networks, in 4th ACM International Workshop on
working Conference (WCNC), vol. 4, Atlanta, USA, Mar. 2004, pp. 19801985.
82
[32] A. Mendes, B. Astuto, and L. F. M. de Moraes, Uma avaliao dos efeitos das
regras de borda e dos modelos de mobilidade no comportamento dos ns em
redes ad hoc, in 6o. Workshop de Comunicao sem Fio e Computao Mvel
83
[41] W. Honcharenko, H. L. Bertoni, J. L. Dailing, J. Qian, and H. D. Yee, Mechanisms governing UHF propagation on single oors in modern oce buildings,
IEEE Transactions on Vehicular Tecnology, vol. 41, no. 4, pp. 496504, Nov.
1992.
[42] H. L. Bertoni, W. Honcharenko, L. R. Macel, and H. H. Xia, UHF propagation prediction for wireless personal communications, in Proceedings of IEEE,
vol. 82, no. 9, Sept. 1994, pp. 13331359.
[43] D. Yu and H. Li, Inuence of mobility models on node distribution in ad
hoc networks, in Proceedings of International Conference on Communication