Search

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Em áreas que exigem conectividade de curto prazo e esporádicas, como eventos e escritórios móveis, torna-se inviável manter uma infraestrutura permanente de rede somente para fornecer acesso à Internet de banda larga a clientes temporários. A utilização de nós aéreos para construir redes aéreas tem despertado grande interesse tanto da comunidade científica quanto da indústria de um modo geral. No entanto, estas redes necessitam ser gerenciadas com cuidado, principalmente devido à limitação da capacidade de energia dos nós aéreos. Diferentes soluções são encontradas, contudo, até o presente momento não foram encontradas pesquisas que propõem modelos os quais consideram, de forma conjunta, todos os aspectos restritivos de se utilizar nós aéreos: comunicação, mobilidade, restrição de energia e rotatividade. Considerando esses problemas, apresentase uma nova técnica de otimização de localização e posicionamento para redes aéreas (Location and Positioning Optimization Technique for Flying Networks – LoPoFly). O LoPoFly consiste de dois módulos: (i) localização, que tem o objetivo de encontrar um local em que um nó aéreo é necessário, tomando como base a distribuição dos clientes; e, (ii) seleção ou posicionamento, que é responsável por gerir a realocação e troca de nós aéreos, considerando o consumo energético. Estes módulos se utilizam da meta-heurística de Recozimento Determinístico (Deterministic Annealing – DA), a qual emula um processo físico (recozimento) onde um sólido é aquecido até seu ponto de fusão e arrefecido até atingir sua configuração mínima de energia. Ela é utilizada para problemas da agrupamento, compressão e classificação. Até onde se sabe, esta é a primeira abordagem para gerenciar as redes aéreas cobrindo restrições relacionadas à energia, substituição, comunicação e mobilidade em conjunto. Através de simulações, foi analisado o desempenho do LoPoFly em dois cenários. A habilidade do módulo de localização em identificar novas localizações permitiu um aumento superior a 214% no número de clientes conectados, em ambos os cenários, quando comparado a uma solução aleatória. Os resultados também mostram que em ambos os cenários, o LoPoFly reduz o número de nós aéreos necessários para suprir o evento, alcançando uma redução de 40% para o primeiro cenário e 60% para o segundo. In areas that require short-term and sporadic connectivity, such as events and mobile offices, it is impossible to maintain a permanent network infrastructure to provide broadband Internet access to temporary customers. The use of flying nodes to build flyingnetworks has aroused great interest from both the scientific community and the industry in general. However, these networks need to be carefully managed, mainly due to the limited power capacity of the flying nodes. Despite the different existing solutions, until the present moment, we found no research that proposes models that jointly consider all the restrictive aspects of using flying nodes: communication, mobility, energy restriction, and turnover. Considering these problems, we present a new technique Location and Positioning Optimization Technique for Flying Networks (LoPoFly). It consists of two modules: (i) location and (ii) positioning. The first (location) aims to find a place where a flying node is needed, based on the clients’ distribution. The second (positioning) is responsible for managing the relocation and exchange of flying nodes, considering energy consumption. These modules use the Deterministic Annealing meta-heuristic (DA). DA emulates a physical process (annealing), in which a solid is heated up to its melting point and cooled to reach its minimum energy configuration. It is used for clustering, compression, and classification problems. To the best of our knowledge, this is the first approach to manage flying networks covering constraints related to energy, replacement, communication, and mobility. Through simulations, we analyzed the performance of LoPoFly in two scenarios. The ability of the location module to identify new locations allowed an increase of more than 214 % in the number of connected customers, in both scenarios, compared to a random solution. The results also show that in both scenarios, LoPoFly reduces the number of nodes needed to supply the event, reducing 40 % for the first scenario and 60 % for the second.