Spatial prediction models of wireless network efficiency estimated by kriging method

• Autorzy: Kamińska-Chuchmała A.

Warianty tytułu

PL

Przestrzenne modele predykcji wydajności sieci bezprzewodowej estymowane metodą krigingu

• Języki publikacji: PL

Abstrakty

PL

Obecnie przewagę ruchu w Internecie stanowią sieci bezprzewodowe ze względu na swobodę dostępu jaką oferują użytkownikom. W związku z tym, wskazane jest zwrócenie większej uwagi na wydajność sieci bezprzewodowej i znalezienie odpowiednich metod, które mogłyby posłużyć do prognozy wydajności takiej sieci. W pracy została zaproponowana przestrzenna (3D) prognoza sieci bezprzewodowej. Dane do badań zostały zgromadzone z sieci WiFi z otwartym dostępem o nazwie PWR-WiFi zlokalizowanej w budynku znajdującym się na kampusie głównym Politechniki Wrocławskiej w Polsce. Modele przestrzennej predykcji wydajności rozważanej sieci bezprzewodowej zostały obliczone za pomocą estymacyjnej metody krigingu zwyczajnego.

EN

Nowadays, the main Internet traffic is provided by wireless networks due to their mobility. Therefore, it should be more attention paid on efficiency of wireless network and find appropriate methods which could predict performance of considered network. In the paper spatial (3D) prediction of wireless network has been proposed. The data for research were collected from open WiFi network named PWR-WiFi located in building belonging to the main campus of Wrocław Univer-sity of Science and Technology in Poland. Spatial prediction models of wireless network efficiency were performed by kriging estimation method.

Słowa kluczowe

PL

predykcja WiFi; wydajność sieci bezprzewodowej; metoda krigingu; punkty dostępowe

EN

WiFi prediction; wireless network efficiency; kriging method; Access Points

• Wydawca: KAPRINT
• Czasopismo: Rynek Energii
• Rocznik: 2018
• Tom: Nr 2
• Strony: 89--94
• Opis fizyczny: Bibliogr. 10 poz., fig., tab.

Twórcy

autor

Kamińska-Chuchmała A.

• Faculty of Computer Science and Management, Wrocław University of Science and Technology, Wybrzeże Wyspiańskiego 27, 50-370 Wrocław

Bibliografia

• [1] http://gs.statcounter.com/press/mobile-and-tablet-internet-usage-exceeds-desktop-for-first-time-worldwide, available and checked on 19.11.2017
• [2] Ryo Hamamoto, Chisa Takano, Hiroyasu Obata, Kenji Ishida, Improvement of Throughput Prediction method for Access Point in Multi-rate WLANs Considering Media Access Control and Frame Collision, Third International Symposium on Computing and Networking (CANDAR), 2015, pp. 227-233
• [3] Indika Sanjeewa Abeywickrama Dhanapala, Ramona Marfievici, Sameera Palipana, Piyush Agrawal, Dirk Pesch, Modeling WiFi Traffic for White Space Prediction in Wireless Sensor Networks, Local Computer Networks (LCN), 2017 IEEE 42nd Conference on, 2017.
• [4] Laisen Nie, Dingde Jiang, Shui Yu, Houbing Song, Network Traffic Prediction Based on Deep Belief Network in Wireless Mesh Backbone Networks, Wireless Communications and Networking Conference, 2017 IEEE.
• [5] Haiying Shen, Shenghua He, Lei Yu, Ankur Sarker, Prediction-based redundant data elimination with content overhearing in wireless networks, Pervasive Computing and Communications (PerCom), 2017 IEEE International Conference on.
• [6] R. A. Avinash, Janardhan H. R., Sudarshan Adiga, Vijeth B., Manjunath S., S. Jayashree, N. Shivashankarappa, Data prediction in Wireless Sensor Networks using Kalman Filter, Smart Sensors and Systems (IC-SSS), International Conference on, 2017.
• [7] Wackernagel H. Multivariate Geostatistics: An Intr. with Apps. Springer-Verlag Berlin Heidelberg, 2003.
• [8] Chile J-P, Delfiner P. Geostatistics: Modeling Spatial Uncertainty, Wiley, 2012.
• [9] R Core Team (2017). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/
• [10] Renard D., Bez N., Desassis N., Beucher H., Ors F., Freulon X. RGeostats: The Geostatistical R package 11.1.1 MINES ParisTech / ARMINES. Free download from: http://cg.ensmp.fr/rgeostats

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).