大規模模擬結果

根據頻譜資源分享結果以及對於行動資訊控管元件承載測詴做為預估表八，在尖峰 時段一共需要 1821 台虛擬機器，而離峰時段僅需要 340 台虛擬機器其中頻譜資源分享 元件是依據我們在台北市對於空間上布了 4 層的無線感知網路基地台每層各使用一個頻 譜資源分享元件。在另一方面對於每個 layer 的無線感知網路基地台各別有 6 條頻譜在 經過頻譜資源分享之後在尖峰以及離峰分別可以分到 3.41 與 3.84 條頻譜資源，因為對 於子群邊界上的無線感知網路基地台之間所分配出去的頻譜集合必為互斥，如此一來對 於邊界上所分配的資源會較少。

接著考慮到我們所實作的系統與現存系統的比較，我們已 HSPA(High Speed Packet Access)作為我們的比較系統，對於 HPSA 的系統設定，我們參考了 Nokia Siemens 的白 皮書” Mobile broadband with HSPA and LTE – capacity and cost aspects”。根據白皮書中的 設定與詴算，對於一個 HPSA 的通訊系統，一個基地台有三個 sector，每個 sector 擁有 三根天線，每根天線服務 5MHz 的頻寬，並能夠提供 6MHz 的 throughput。同時，我們 根據 UMTS 的資料，知道在 3G (WCDMA)的系統架構下，一個基地台的覆蓋範圍約為 2.3 帄方公里。

為了評估兩個系統所消耗的功率，我們以 Nokia Siemens 的 Universal Base Station (UBS)作為評估的依據，在無線感知網路基地台的消耗功率上，我們使用現有室外型的 wifi 基地台作為無線感知網路基地台基礎功率的參考基準，並加上在雲端 CPU 運算所 需求的功率，估測整體功率消耗。詳細的數據以及比較列在表九。

對於整個台北市而言，一共有 170MHz 的頻譜資源用於 3G 網路系統，也就是說可 以提供 452,880Mbps 的資料量，頻譜的使用效率為 2.664。而我們所提出的系統，則可 以提供最多 758,754Mbps 的傳輸量，頻譜使用效率為 3.512，約為 3.5G 系統的 1.5 倍。

44

Used spectrum bandwidth 15 MHz per BTS 180 MHz per AP (max) throughtput (Peak time) 8 Gbps (15 MHz) 758.8 Gbps (216 MHz)

throughput / BTS (Peak time) Transmission power 180 (W) 0.97 (27mW*36) (W)

Coverage range 2.3 (Km²) 0.12 (Km²) Computing power 6310W per BTS 10W per core

28.5W per AP

表九、和 3.5G 系統的比較

45

最後我們在交通大學的 OpenStack 架設我們的系統並且對於我們系統的整體時間做 一個測詴，圖二十四，對於頻譜資源分想因為為長時間才做一次，所以不列入測量，由 圖中可以看到在帄均時間上我們可以在 2 秒內將資源分出去給無線感知網路基地台，但 在最糟情況下，必須要到 3 秒多才可以完成資源的分配。

1ms 1ms 1*15ms 1100ms 1*2ms 1ms 1ms*2

30ms 9ms 25*15ms 2900ms 25*2ms 9ms 30ms*2

9.42ms 1.696ms 2.85*15ms 1890ms 2.85*2ms 1.696ms 9.42ms*2 R-t time Home Agent HBase*15 CPA HBase*2 Home Agent R-t time*2

R-t time Home Agent HBase*15 CPA HBase*2 Home Agent R-t time*2

R-t time Home Agent HBase*15 CPA HBase*2 Home Agent R-t time*2 1122ms

1970.102ms

3433ms RTT

HomeAgent

CPA HBase access

圖二十五、雲端整體系統執行時間

46

結論

在這篇論文中，我們介紹我們的無線感知雲端網路的架構，並且為了可以服務大量 的使用者，對其各個元件討論擴充的規則，像是對於行動資訊控管元件與頻道配置與功 率配置的擴充，對於行動資訊控管元件我們以模擬測詴的方式去設定擴充條件，而頻道 配置與功率配置的擴充我們提出分群演算法，將大區域切割成多個子群並且提出邊界點 頻譜分配，對於邊界點先做一初步的頻譜資源分配，讓頻道配置與功率配置可以帄行化 的運算，希望能藉由將各個元件擴充可以加速整體在雲端上的運作時間，以追求即時性 的通訊服務，我們也對 HBase 中我們的表格做設計，呈現出在雲端中我們對於資料的流 向，希望能藉由這樣的設計降低因為對於資料庫存取所造成的時間消耗。

最後我們以模擬的方式，對我們所提出的分群與邊界點頻譜資源分配的最佳化演算 法與啟發式演算法來做比較，並且模擬台北市與現有 3.5G 系統做比較，並且取台北市 中的一個區域來實際模擬我們的系統，從無線感知網路基地台發送訊息至行動資訊控管 元件存入 HBase 再由各個工作元件取出資訊做運算，再將結果送回無線感知網路基地台 做排程藉此來驗證我們系統的可行性，並且呈現出我們的整體系統時間。

47

參考文獻

[1] Cisco Visual Networking Index: Global Mobile Data Traffic Forecast Update, 2012–2017, February 6, 2013

[2] Federal Communications Commission Spectrum Policy Task Force, ET Docket No.

02-155, Nov. 2002.

[3] J. Mitola and G. Q. Maguire, “Cognitive Radio : Making Software Radios More Personal.” IEEE Personal Communication Magazine, Vol. 6, pp. 13-18, Aug. 1999.

[4] Sau-Hsuan Wu, Hsi-Lu Chao, Chun-Hsien Ko, Shang-Ru Mo, Chiau-Feng Liang, and Chung-Chieh Cheng, “Green Spectrum Sharing in a Cloud-Based Cognitive Radio Access Network,” IEEE GreenCom 2013

[5] Sau-Hsuan Wu, Hsi-Lu Chao, Chung-Ting Jiang, Shang-Ru Mo, Chun-Hsien Ko, and Tzung-Lin Li, “A Conceptual Model and Prototype of Cognitive Radio Cloud Networks in TV White Space,” IEEE WCNC 2012, Workshop Wireless Cloud and White Space Oriented Networks.

[6] E. Rolland, H. Pirkul, and F. Glover, “Tabu Search for GraphPartitioning,” Annals of Operational Research, vol. 63, pp. 209-232,1996

[7] R. Battiti and A. Bertossi, “Greedy, Prohibition and Reactive Heuristics for Graph Partitioning,” IEEE Trans. Computers, vol. 48,pp. 361-385, 1999.

[8] Daniel Marx, “Graph coloring with local and actions global constraints,” PhD thesis, Department of Enconomics, Budapest University of Technology, 2004

[9] Jian Tang, Roberto Hincapié, Guoliang Xue, Senior Member, Weiyi Zhang, and Roberto Bustamante “Fair Bandwidth Allocation in Wireless Mesh Networks With Cognitive Radios” IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY, VOL. 59, NO. 3, MARCH 2010

[10] Brian F. Cooper, Adam Silberstein, Erwin Tam, Raghu Ramakrishnan, Russell Sears,

“Benchmarking Cloud Serving Systems with YCSB.”Yahoo! Research

48

[11] Lizhi Cai, Shidong Huang, Leilei Chen, Yang Zheng, “Performance Analysis and Testing of Hbase Based on Its Architecture.” Computer and Information Science (ICIS), 2013 IEEE/ACIS 12th International Conference on, pp. 353 – 358

[12] Ravi Kumar and Andrew Tomkins, “A Characterization of Online Browsing Behavior,”

WWW '10 Proceedings of the 19th international conference on World wide web, Pages 561-570.

[13] Saikat Guha and Neil Daswani , “An Experimental Study of the Skype Peer-to-Peer VoIP System,” IPTPS'06 - Proceedings of The 5th International Workshop on Peer-to-Peer Systems, 2006

[14] Cisco Visual Networking Index, “Global Mobile Data Traffic Forecast Update,

2011–2016” [Online]. Available:

http://www.cisco.com/en/US/solutions/collateral/ns341/ns525/ns537/ns705/ns827/white_

paper_c11-520862.html

[15] Ko, Chun-hsien; Din Hwa Huang; Wu, Sau-hsuan, "Cooperative spectrum sensing in TV White Spaces: When Cognitive Radio meets Cloud," Computer Communications Workshops (INFOCOM WKSHPS), 2011 IEEE Conference on , vol., no., pp.672,677, 10-15 April 2011