DOI QR코드

DOI QR Code

A TDMA Based Data Collection Scheme Considering the Variability of Data in Sensor Networks with Mobile Sink

이동 싱크 기반 센서 네트워크에서 데이터 변화율을 고려한 TDMA 기반 데이터 수집 기법

  • Received : 2010.05.10
  • Accepted : 2010.05.31
  • Published : 2010.08.28

Abstract

In data collection using a mobile sink, the time that sensor nodes are included in its communication radius is not uniform. The data collection schedule in non-uniform time is needed between a mobile sink and sensor nodes for efficient data collection. The existing data collection schemes using a mobile sink considered staying time in its communication range and data collected by the mobile sink. However, they did not consider the characteristics of data collected in sensor networks. In this paper, we propose a TDMA based schedule scheme that consists of the data collection period by each sensor nodes and the data collection period between a mobile sink and sensor nodes. Moreover, we propose a data collection scheme considering the variability of data in sensor networks. The proposed data collection scheme collects only data that changed larger than the threshold set by the user. In order to show the superiority of the proposed scheme, we compare it with DWEDF that aims to collect data uniformly. As a result, our experimental results show that the proposed scheme reduces about 23% energy consumption and the data collection failure of sensor nodes over the DWEDF.

이동 싱크를 이용한 데이터 수집에서 센서 노드들이 이동 싱크의 통신반경에 포함되는 시간은 불균등하다. 불균등한 시간내에 효율적인 데이터 수집을 위해서는 이동 싱크와 센서 노드간 데이터 수집 스케줄링이 필요하다. 기존 이동 싱크에 이용된 스케줄링 기법들은 데이터 수집을 위해 이동 싱크의 통신범위에 머무는 시간과 이동 싱크로 수집된 데이터양 등을 고려하였다. 하지만 기존 연구들은 센서 네트워크에서 수집되는 데이터의 특성을 고려하지 않았다. 본 논문에서는 센서 노드별 데이터 수집 주기와 이동 싱크와 센서 노드사이의 데이터 수집 주기로 구성된 TDMA 스케줄링 기법을 제안하였다. 또한 온도, 습도 등과 같이 일정하게 증가 혹은 감소하는 센서 데이터의 특성을 고려한 TDMA 스케줄링 기반의 데이터 수집기법을 제안하였다. 제안한 데이터 수집 기법은 센서 노드별 전체 데이터의 수집이 아닌 사용자가 설정한 임계 값보다 크게 변한 데이터를 수집한다. 제안하는 기법의 우수성을 보이기 위해 기존 스케줄링 기법 중 데이터 균등 수집을 목표로 하는 DWEDF 기법과 성능 평가를 수행하였다. 실험 결과 제안하는 기법이 기존 DWEDF 기법에 비해 데이터 수집에 소모되는 에너지가 약23% 줄었고, 센서 노드의 데이터 수집실패가 감소하였다.

Keywords

References

  1. H. Karl and A. Willing, “A short survey of wireless sensor networks,” TKN Technical Report TKN-03-18, 2003.
  2. N. Xu, S. Rangwala, K. Chintalapudi, D. Ganesan, A. Broad, R. Govindan, and D. Estrin, “A Wireless Sensor Network for Structural Monitoring,” In Proceedings. The ACM Conference on Embedded Networked Sensor Systems, 2004. https://doi.org/10.1145/1031495.1031498
  3. S. Subramanian and S. Shakkottai, “Geographic Routing with Limited Information in Sensor Networks,” Fourth International Conference on Information Processing in Sensor Networks, 2005. https://doi.org/10.1109/IPSN.2005.1440935
  4. D. Sharma, V. Zadorozhny, and P. K. Chrysanthis, “Timely Data Delivery in Sensor Networks Using Whirlpool,” Second International VLDB Workshop on Data Management for Sensor Networks (DMSN 2005), 2005. https://doi.org/10.1145/1080885.1080895
  5. J. Luo, J. Panchard, M. Piorkowski, M. Grossglauser, and J. P. Hubaux, “MobiRoute: Routing towards a Mobile Sink for Improving Lifetime in Sensor Networks,” International Conference on Distributed Computing in Sensor Systems, 2006. https://doi.org/10.1007/11776178_29
  6. S. R. Gandham, M. Dawande, R. Prakash, and S. Venkatesan, “Energy Efficient Schemes for Wireless Sensor Networks with Multiple Mobile Base Stations,” Global Telecommunications Conference, 2003. https://doi.org/10.1109/GLOCOM.2003.1258265
  7. http://www.itl.nist.gov/div897/sqg/dads/HTML /firstocome.html
  8. G. C. Buttazzo, “Hard Real-Time Computing Systems: Predictable Scheduling Algorithms and Applications,” Kluwer Academic Publishers, 1997.
  9. A. Demers, S. Keshav, and S. Shenker, “Analysis and Simulation of a Fair Queueing Algorithm,” ACM SIGCOMM, 1989. https://doi.org/10.1145/75246.75248
  10. 조영태, 박총명, 이좌형, 정인범, “모바일 싱크 기반 무선 센서 네트워크에서 균등한 데이터 수집을 위한 데이터 가중치 기반 스케줄링 기법”, 정보과학회논문지: 정보통신 제35권 제1호, 2008.