Modelado estocástico de los retrasos y el almacenamiento en búfer en los ecosistemas 5G-IoT con interruptores...

Área de la Ciencia:

• Ciencias de la computación
• Ingeniería eléctrica
• Análisis del rendimiento de la red

Sus antecedentes:

• Los ecosistemas 5G-IoT se enfrentan a desafíos para modelar con precisión los retrasos y el almacenamiento en búfer debido a patrones de tráfico complejos y por lotes.
• Los modelos de colas existentes a menudo no logran capturar la naturaleza explosiva del tráfico de IoT y las complejidades de las interacciones de plano de control en los interruptores programables.

Objetivo del estudio:

• Desarrollar y validar un nuevo modelo estocástico híbrido para evaluar los retrasos y el almacenamiento en búfer en las redes 5G-IoT.
• Caracterizar con precisión la variabilidad temporal y la lógica de enrutamiento híbrida utilizando marcos avanzados de colas.
• Mejorar la precisión predictiva para escenarios de tráfico de IoT en el mundo real.

Principales métodos:

• Integración del Proceso de Llegada de Batch Markovian (BMAP) con el servicio de tipo de fase y el modelado de plano de control semi-Markov.
• Derivación de las expresiones analíticas utilizando los marcos de colas ampliados G/G/1, H2/H2/1, M/G/1 y M/N/1.
• Validación en conjuntos de datos de tráfico del mundo real y comparación con los modelos de Poisson y el proceso de Poisson modulado por Markov (MMPP).

Principales resultados:

• El modelo BMAP demostró una precisión superior, reduciendo el error de modelado hasta en un 38% (vs. Poisson) y un 22% (vs. MMPP) para el tráfico de IoT explosivo.
• El aumento de la participación en el plano de control aumenta significativamente el retraso de procesamiento, con un aumento de 2,6 veces observado.
• El modelo H2/H2/1 exhibió la alineación de datos empíricos más alta, capturando el servicio multifásico y la saturación del flujo de control.

Conclusiones:

• El modelo estocástico híbrido propuesto, en particular con BMAP, ofrece una representación más precisa de la dinámica del tráfico 5G-IoT que los modelos tradicionales.
• El estudio pone de relieve el impacto crítico de las interacciones del plano de control y la intensidad del tráfico en el rendimiento de la red.
• Los resultados proporcionan información valiosa para optimizar el diseño y la gestión del rendimiento de la red 5G-IoT.