زمانبندی مبتنی بر پیش بینی احتمالات برای تاخیر ترافیک حساس در اینترنت اشیاء

قیمت: 43,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

زمانبندی مبتنی بر پیش بینی احتمالات برای تاخیر ترافیک حساس در اینترنت اشیاء

عنوان لاتین

Probabilistic Prediction based Scheduling for Delay Sensitive Traffic in Internet of Things

این مقاله یک رویکرد مبتنی بر پیش بینی احتمالات برای فراهم کردن کیفیت سرویس (QoS) جهت تاخیر ترافیک حساس برای اینترنت اشیاء (IoT) مطرح کرده است. یک بسته مشترک برنامه ریزی و شما اختصاص پهنای باند پویا برای سرویس تفکیک و درمان ترجیحی برای تاخیر ترافیک حساس مطرح شده است. برنامه ریز برروی کاهش زمان انتظار تاخیر سرویس های حساس اولویت بالا در صف و همزمانی نگهداری زمان انتظار سرویس های دیگر درمیان محدودیت های قابل تحمل تمرکز کرده است. شما تفاوت در احتمال میانگین طول صف در بسته های اولویت بالا در چرخه قبل و چرخه کنونی برای تعیین احتمال میانگین وزن مورد نیاز در چرخه کنونی را مورد استفاده قرار می دهد. این مقاله اختصاص پهنای باند بهینه شده برای همه سرویس ها بوسیله اجتناب از توزیع منابع اضافی برای سرویس های اولویت بالا را پیشنهاد می دهد و هنوز سرویس ها برای آن را ضمانت می کند. عملکرد الگوریتم با استفاده از ردیابی ترافیک MPEG-4 تحت بارگزاری سیستم متفاوت مورد بررسی قرار گرفته است. نتایج بهبود عملکرد با توجه به زمان انتظار برای زمان بندی بسته های اولویت بالا و بطور همزمان نگهداشتن محدودیت های قابل تحمل برای زمان انتظار و گم شدن بسته برای سرویس های دیگر را نشان می دهد.

This paper proposes a probabilistic prediction based approach for providing Quality of Service (QoS) to delay sensitive traffic for Internet of Things (IoT). A joint packet scheduling and dynamic bandwidth allocation scheme is proposed to provide service differentiation and preferential treatment to delay sensitive traffic. The scheduler focuses on reducing the waiting time of high priority delay sensitive services in the queue and simultaneously keeping the waiting time of other services within tolerable limits. The scheme uses the difference in probability of average queue length of high priority packets at previous cycle and current cycle to determine the probability of average weight required in the current cycle. This offers optimized bandwidth allocation to all the services by avoiding distribution of excess resources for high priority services and yet guaranteeing the services for it. The performance of the algorithm is investigated using MPEG-4 traffic traces under different system loading. The results show the improved performance with respect to waiting time for scheduling high priority packets and simultaneously keeping tolerable limits for waiting time and packet loss for other services.