Ağ trafiği simülasyonu
Ağ trafiği simülasyonu, telekomünikasyon mühendisliğinde bir iletişim ağının verimliliğini ölçmek için kullanılan bir süreçtir.
Genel bakış
![](http://upload.wikimedia.org/wikipedia/commons/thumb/7/78/NetworkCapacity_CongestionTM.png/300px-NetworkCapacity_CongestionTM.png)
Telekomünikasyon sistemleri, karşılıklı karmaşık ilişkiler içinde etkileşimde bulunan birçok farklı bileşen içeren kompleks gerçek dünya sistemleridir.[1] Bu tür sistemlerin analizi son derece zor olabilir: modelleme teknikleri bileşenler arasındaki ilişkilerden ziyade her bir bileşeni analiz etme eğilimindedir.[1][2] Simülasyon, tahmin veya performans ve ölçüm amaçları için büyük, karmaşık stokastik sistemleri modellemek için kullanılabilen bir yaklaşımdır.[1][2][3] Kullanılan en yaygın nicel modelleme tekniğidir.[1]
Modelleme aracı olarak simülasyonun seçilmesinin nedeni genellikle daha az kısıtlayıcı olmasıdır. Diğer modelleme teknikleri sürece önemli matematiksel kısıtlamalar getirebilir ve ayrıca birden fazla içsel varsayımın yapılmasını gerektirebilir.[2]
Ağ trafiği simülasyonu genellikle aşağıdaki dört adımı takip eder:[1][2]
- Sistemi dinamik stokastik (yani rastgele) bir süreç olarak modelleme
- Bu stokastik sürecin gerçekleşmelerinin üretilmesi
- Simülasyon verilerinin ölçümü
- Çıktı verilerinin analizi
Simülasyon yöntemleri
Telekomünikasyon ağlarını modellemek için kullanılan genellikle iki tür simülasyon vardır, yani ayrık ve sürekli simülasyonlar. Ayrık simülasyonlar, ayrık olay simülasyonu olarak da bilinir ve olay tabanlı dinamik stokastik sistemlerdir. Başka bir deyişle, sistem bir dizi durum içerir ve bir dizi değişken kullanılarak modellenir. Bir değişkenin değeri değişirse, bu bir olayı temsil eder ve sistemin durumunda bir değişiklik olarak yansıtılır. Sistem dinamik olduğu için sürekli değişir ve stokastik olduğu için sistemde bir rastgelelik unsuru vardır. Ayrık simülasyonların temsili, sistemi etkileyen tüm değişkenleri içeren durum denklemleri kullanılarak gerçekleştirilir.
Sürekli simülasyonlar da durum değişkenleri içerir; ancak bunlar zamanla sürekli olarak değişir. Sürekli simülasyonlar genellikle sistemin durumunu zamana göre takip eden diferansiyel denklemler kullanılarak modellenir.
Simülasyonun avantajları
- Normal analitik teknikler, modele varsayımlar ve kısıtlamalar getirilmesini gerektiren kapsamlı matematiksel modellerden yararlanır. Bu da çıktı verilerinde önlenebilir bir yanlışlığa yol açabilir. Simülasyonlar sisteme kısıtlamalar getirmekten kaçınır ve rastgele süreçleri de dikkate alır; aslında bazı durumlarda simülasyon tek uygulanabilir pratik modelleme tekniğidir;[1][2]
- Analistler, bileşenler arasındaki ilişkileri ayrıntılı olarak inceleyebilir ve sonucu gerçek dünyada uygulamak zorunda kalmadan önce birden fazla tasarım seçeneğinin öngörülen sonuçlarını simüle edebilir.[1][2]
- Optimal sistemi seçmek için alternatif tasarımları kolayca karşılaştırmak mümkündür.[1]
- Simülasyonu geliştirme sürecinin kendisi, ağın iç işleyişine dair değerli bilgiler sağlayabilir ve bu bilgiler daha sonraki bir aşamada kullanılabilir.[1]
Simülasyonun dezavantajları
- Doğru simülasyon modeli geliştirmek kapsamlı kaynak ve planlama gerektirir.[1][2]
- Simülasyon sonuçları sadece model kadar iyidir ve bu nedenle hala sadece tahmin / öngörülen sonuçlardır.[1]
- Model genellikle sınırlı sayıda değişken kullanılarak geliştirildiği için optimizasyon, olasılıkların evrensel uzayını değil yalnızca birkaç alternatifi içerecek şekilde gerçekleştirilebilir.[1][2]
- Simülasyonların yapımı çok pahalıya mal olmaktadır.
Simülasyon modellemesinde istatistiksel konular
Girdi verileri
Simülasyon modelleri, stokastik bir sistemden alınan bir dizi veriden oluşturulur. Verilerin istatistiksel olarak geçerli olup olmadığının istatistiksel bir dağılıma uydurularak kontrol edilmesi ve ardından böyle bir uyumun anlamlılığının test edilmesi gerekir. Ayrıca, herhangi bir modelleme sürecinde olduğu gibi, girdi verilerinin doğruluğu kontrol edilmeli ve aykırı (dışa düşen) değerler ortadan kaldırılmalıdır.[1]
Çıktı verileri
Bir simülasyon tamamlandığında, verilerin analiz edilmesi gerekir. Simülasyonun çıktı verileri, gerçek dünyadaki olayların yalnızca muhtemel bir "tahminini" üretecektir. Çıktı verilerinin doğruluğunu artırma yöntemleri şunları içerir: simülasyonları tekrar tekrar gerçekleştirmek ve sonuçları karşılaştırmak, olayları gruplara ayırmak ve bunları ayrı ayrı işlemek ve bitişik zaman dilimlerinde gerçekleştirilen simülasyonların sonuçlarının sistemin tutarlı bir bütünsel görünümünü oluşturmak için "bağlandığını" kontrol etmek ve uzman görüşü almak.[1][4]
Rastgele sayılar
Çoğu sistem stokastik süreçler içerdiğinden, simülasyonlar gerçek dünyadaki olayların rastgele doğasına yaklaşan girdi verileri oluşturmak için sıklıkla rastgele sayı üreteçlerinden yararlanır. Bilgisayar tarafından üretilen [rastgele sayılar], bir dizi denklem kullanılarak hesaplandıkları için genellikle tam anlamıyla rastgele değildir. Bu tür sayılar sözde rastgele sayılar olarak bilinir. Sözde rastgele sayıları kullanırken analist sayıların gerçek rastgeleliğinin kontrol edildiğinden emin olmalıdır. Sayıların yeterince rastgele davranmadığı tespit edilirse, başka bir üretim tekniği bulunmalıdır. Simülasyon için rastgele sayılar bir rastgele sayı üreteci tarafından oluşturulur.
Ayrıca bakınız
- Kanal modeli
- Ağ simülasyonu
- Ağ simülatörleri listesi
- Mobilite modelleri
- Trafik üretim modeli
- Simülasyon dili
- Kuyruk teorisi
Kaynakça
- ^ a b c d e f g h i j k l m n Flood, J.E. Telecommunications Switching, Traffic and Networks, Chapter 4: Telecommunications Traffic, New York: Prentice-Hall, 1998.
- ^ a b c d e f g h Penttinen A., Chapter 9 – Simulation, Lecture Notes: S-38.145 - Introduction to Teletraffic Theory, Helsinki University of Technology, Fall 1999.
- ^ Kennedy I. G., Traffic Simulation, School of Electrical and Information Engineering, University of the Witwatersrand, 2003.
- ^ Akimaru H., Kawashima K., Teletraffic – Theory and Applications, Springer-Verlag London, 2nd Edition, 1999, pg 6