Mobil nesnelerin interneti için yeni nesil hücresel ağ tabanlı ağ dilimleme
Next generation cellular network based network slicing for the mobile internet of things
- Tez No: 913485
- Danışmanlar: PROF. DR. HASAN BULUT, PROF. DR. ORHAN DAĞDEVİREN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 163
Özet
5G ve 5G ötesi (B5G) kablosuz iletişim teknolojilerinin hızlı gelişimi gecikme, verim ve güvenilirlik de dahil olmak üzere çeşitli hizmet kalitesi (QoS) gereksinimlerini karşılama yeteneği ile araç iletişiminde yeni bir çağın habercisidir. Bu tez çalışmasında, 5G araç ağlarının performansını ve sağlamlığını artırmak için ağ dilimlemeyi, İnsansız Hava Araçlarını (İHA'lar) ve takviyeli öğrenme algoritmalarını entegre eden üç adımlı yapılandırılmış bir yaklaşımla araştırılan bu teknolojilerin dönüştürücü potansiyeli araştırıldı. Çalışmanın ilk adımında, araç ağlarının heterojen QoS taleplerini karşılamak için 5G ağ dilimleme özelliklerinin kullanılmasına odaklanıldı. Her biri kişiselleştirilmiş kuyruk sistemleri tarafından desteklenen üç farklı ağ dilimi: Ultra Güvenilir ve Düşük Gecikmeli İletişim (URLLC), Geliştirilmiş Mobil Geniş Bant (eMBB) ve Büyük Ölçekli Makine Türü İletişim (mMTC) uygulandı. Bu sistemler, çeşitli hizmet gereksinimlerinin etkin yönetimini ve önceliklendirilmesini sağlayarak izolasyonu ve optimum kaynak kullanımını sağlamaktadırlar. Ayrıca, mobilite etkinlikleri sırasında kesintisiz bağlantıyı sürdürmek için özel bir devir algoritması da entegre edildi. Kaynak tahsisi, Kanal Kalite Göstergesi (CQI), Modülasyon ve Kodlama Şeması (MCS) ve güç aktarımına göre önceliklendirilerek, kaza senaryoları sırasında yüksek öncelikli acil durum mesajlarının etkin bir şekilde ele alınması sağlandı. Bir kaza senaryosu bağlamında OMNeT++ ve Python'un kullanıldığı karşılaştırmalı simülasyonlar, dinamik dilimlemenin, QoS parametrelerini geliştirmede statik dilimlemeden önemli ölçüde daha iyi performans gösterdiği görüldü. İkinci adımda, İHA'nın araç ağı tabanlı 5G iletişimine röle (relay) olarak entegrasyonu sağlandı. İHA, kapsama alanını (kapsama boşluğunu ele alır), mobiliteyi ve hizmet kalitesini geliştirmek amacıyla enerji verimliliğini ve gerçek zamanlı uyarlanabilirlik için optimize edilmiş Lazy Theta* algoritmasını temel alan dinamik bir yol planlamasını kullanmaktadır. İHA'ların entegrasyonu, araç ağının gerçek zamanlı koşullarına dinamik olarak uyum sağlayarak ağ kapsama alanına ve mobilite zorluklarına esnek ve uyarlanabilir bir çözüm sağlamaktadır. Son olarak üçüncü adımda kaynak tahsisini dinamik olarak optimize etmek için takviyeli öğrenme algoritması kullanıldı. Markov Karar Süreci (MDP) modelini ve azalan ϵ-açgözlü (greedy) stratejisiyle Q-öğrenmeyi kullanan algoritma, optimum dilimleme kararlarını vermek için gerçek zamanlı ağ koşullarından ve geçmiş verilerden öğrenmektedir. Bu dinamik yaklaşım, yüksek öncelikli acil durum mesajlarının gerekli kaynaklarını minimum gecikme ve maksimum güvenilirlikle almasını sağlamaktadır. Bu tez çalışmasının bulguları, gelişmiş ağ dilimleme, İHA dağıtımı ve akıllı kaynak tahsis algoritmalarının stratejik entegrasyonu yoluyla 5G/B5G araç ağlarının geliştirilmesine yönelik kapsamlı bir yaklaşımın önemini belirtmektedir. Elde edilen sonuçlar, hizmet kalitesi ve kaynak tahsisi verimliliğinde önemli bir iyileşmeye işaret ederek, bu yeniliklerin daha dayanıklı, verimli ve duyarlı araç iletişim sistemleri oluşturma potansiyelini ortaya koymaktadır. Bu tezde yürütülen araştırma, modern ulaşım ağlarının giderek karmaşıklaşan taleplerini karşılamak için yenilikçi teknolojik çözümlerin nasıl kullanılabileceğini göstererek daha güvenli ve daha akıllı ulaşım ağlarının geliştirilmesi için araç iletişiminin geleceğine dair kritik bilgileri sunmaktadır.
Özet (Çeviri)
The rapid development of 5G and Beyond 5G (B5G) wireless communication technologies heralds a new era of vehicular communication characterized by the ability to meet various quality of service (QoS) requirements, including latency, throughput, and reliability. This thesis delves into the transformative potential of these technologies, which is explored through a three-step structured approach, integrating network slicing, Unmanned Aerial Vehicles (UAVs), and reinforcement learning algorithms to enhance the performance and robustness of 5G vehicular networks. In the first step, we focused on the exploitation of the capabilities of 5G network slicing to address the heterogeneous QoS demands of vehicular networks. We implemented three distinct network slices—Ultra-Reliable Low-Latency Communications (URLLC), Enhanced Mobile Broadband (eMBB), and Massive Machine Type Communications (mMTC)—each supported by individualized queuing systems. These systems enable efficient management and prioritization of diverse service requirements, ensuring isolation and optimal resource utilization. Additionally, a specialized handover algorithm was integrated to maintain seamless connectivity during mobility events. Resource allocation was prioritized based on the Channel Quality Indicator (CQI), Modulation and Coding Scheme (MCS), and power transmission, ensuring that high-priority emergency messages are handled effectively during accident scenarios. Comparative simulations using OMNeT++ and Python in the context of an accident scenario demonstrated that dynamic slicing significantly outperforms static slicing in enhancing QoS parameters. In the second step, we introduced the integration of UAV as a relay into vehicular network-based 5G communication. The UAV employs a dynamic path planning based on the Lazy Theta* algorithm optimized for energy efficiency and real-time adaptability to enhance coverage (address the coverage hole), mobility, and QoS. The integration of UAVs provides a flexible and adaptive solution to network coverage and mobility challenges, dynamically adjusting to the real-time conditions of the vehicular network. Finally, in the third step, a reinforcement learning algorithm was used to dynamically optimize the resource allocation. Using a Markov Decision Process (MDP) model and Q-learning with a decaying ϵ-greedy strategy, the algorithm learns from real-time network conditions and historical data to make optimal slicing decisions. This dynamic approach ensures that high-priority emergency messages receive the necessary resources with minimum latency and maximum reliability. The findings of this thesis highlight a comprehensive approach to enhancing 5G/B5G vehicular networks through the strategic integration of advanced network slicing, UAV deployment, and intelligent resource allocation algorithms. The obtained results indicate a substantial improvement in QoS and resource allocation efficiency, showcasing the potential of these innovations to create more resilient, efficient, and responsive vehicular communication systems. The research conducted in this thesis provides critical insights into the future of vehicular communications, demonstrating how innovative technological solutions can be harnessed to address the increasingly complex demands of modern transportation networks, paving the way for safer and more intelligent transportation networks.
Benzer Tezler
- Joint server and route selection in SDN networks
SDN ağlarda ortak yol ve sunucu seçimi
HASAN ANIL AKYILDIZ
Yüksek Lisans
İngilizce
2017
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- 5G data communication defect detection on the internet of things using advanced deep learning techniques
Geliştirilmiş derin öğrenme tekniklerini kullanarak şeylerin internetinde 5G veri iletişim kusur tespiti
AHRAR NEAMAH MAHMOOD MAHMOOD
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. AYÇA KURNAZ TÜRKBEN
- New lightweight DoS attack mitigation techniques for RPL based IoT networks
RPL temelli IoT ağları için DoS saldırılarının etkisini azaltacak yeni teknikler
AHMET ARIŞ
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEMA FATMA OKTUĞ
- Design of vehicular communication systems employing physical layer network coding over cascaded fading channels
Kaskad sönümlemeli kanallarda fiziksel katman ağ kodlama yapan araçlar arası haberleşme sistemlerinin tasarımı
SERDAR ÖZGÜR ATA
Doktora
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM ALTUNBAŞ
- Yeni nesil haberleşme sistemleri için yeni bir zamanlama algoritmasının geliştirilmesi
Developing a radio resource scheduler for mobile systems
FATİH BURAK KOYUN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MESUT KARTAL