Понятие о системах массового обслуживания (СМО). Аналитическое моделирование на основе систем массового обслуживания Структура обслуживающей системы

ВНИМАНИЕ!!! Этот раздел будет состоять из нескольких страниц, остальные из которых в данный момент находится в стадии написания. Но уже написанная часть достаточно интересная, поэтому я считаю, что будет полезно уже сейчас сделать её доступной читателям

Давно-давно, когда мы были студентами, этот раздел математики у нас выпил немало студенческой крови. А между тем, этот раздел чрезвычайно интересный!

  • Моделирование СМО — для тех, кто уже всё знает.

Датский инженер Агнер Эрланг работал в телефонной компании и занялся в начале XX в. рассчётами, касающимися работы телефонной станции: какая доля попыток позвонить не будет успешной, т.к. заняты все линии, сколько нужно иметь линий связи, если абоненты могут дожидаться освобождения линии или если будут прекращать попытку. В технике фамилия датского инженера осталась в виде единицы измерения абонентской нагрузки Эрланг (Эрл ).

1 Эрл - это занятие одной телефонной линии в течение 1 часа.

Позже возник целый раздел математики - Теория Массового Обслуживания , который позволяет решать различные задачи, касающиеся далеко не только телефонии.


Я не ставлю себе целью написать целый учебник по ТМО. Такого роду материалов в интернете много. «Изюминкой» моей статьи должен стать интерактивный онлайн-расчётник, который позволит менять исходные данные и смотреть, как будет меняться поведение системы.

Главные понятия Теории:

Система массового обслуживания (СМО) объект, принимающий заявки и осуществляющий их обслуживание. Для обслуживания в состав СМО может входить один или несколько приборов Сеть массового обслуживания (СеМО) несколько СМО, между которыми заявки циркулируют. Заявка поступает в какую-либо СМО сети, а получив обслуживание, может поступить в другую СМО сети либо покинуть её. Заявка объект, поступающий в СМО и требующий обслуживания. Также может называться требованием, запросом или как-то ещё. Прибор часть СМО, которая осуществляет обслуживание заявки. Также может называться обслуживающим устройством, каналом, либо это может быть работник или целая бригада. Очередь множество заявок, поступивших в СМО, обслуживание которых ещё не началось по причине занятости всех приборов в системе. Накопитель Часть СМО, в которой содержится очередь.

Исходные данные для рассчётов в ТМО

λ - интенсивность потока заявок среднее количество заявок, поступающих в систему в течение заданного количества времени. Единица измерения - заявок в час (час -1) μ - интенсивность обслуживания среднее количество заявок, которое прибор может обслужить в течение заданного количества времени. Единица измерения - заявок в час (час -1) n - количество обслуживающих приборов количество приборов в составе СМО, каждый из которых может обслуживать заявки. Поступающая заявка обслуживается в любом свободном приборе, т.е. все приборы работают параллельно. Характер потока заявок и обслуживания По своей сути, закон распределения случайной величины времени между поступлением заявок (если речь идёт о потоке заявок) или продолжительности обслуживания конкретной заявки (если речь идёт об интенсивности обслуживания). Может иметь экспоненциальное, нормальное, равномерное или ещё какое угодно распределение. Поток заявок может вообще иметь детерминированный характер (по расписанию), а продолжительность обслуживания может быть и константной m - Размер накопителя Размером накопителя определяется характер СМО: при нулевом размере заявка получает отказ в обслуживании при отсутствии свободных приборов. Если накопитель бесконечный, все заявки будут ожидать обслуживания по мере освобождения приборов. Если же размер накопителя конечный, то при наличии свободных мест заявка помещается в очередь, а при заполнении накопителя заявка получает отказ в обслуживании

Основные показатели работы СМО

ρ - коэффициент загрузки отношение интенсивности потока заявок к суммарной интенсивности обслужвания. Коэффициент загрузки позволяет определить, будет ли система справляться с задачами или из-за перегрузки будет неработоспособной. Вероятность наличия в системе n заявок, вероятность простоя системы наибольшее количество задач ТМО требует найти оптимальное количество обслуживающих приборов или размер накопителя. Вероятность и среднее время ожидания доля заявок, которые попадают в очередь, среднее время пребывания заявок в ожидании начала обслуживания Вероятность отказа доля заявок, получающих отказ в обслуживании. Неактуально для систем с бесконечным накопителем.

Какие задачи позволяет решать ТМО?

Вот несколько типичных задач, которые могут быть решены с применением аппарата теории массового обслуживания. На этой странице скоро появится расчётник, который позволит найти решение этих задач.

  • Классическая задача. Справочная служба имеет многолинейный телефонный номер, в среднем разговор оператора с абонентом длится 3 минуты, а в течение суток поступает 600 звонков. Сколько нужно иметь телефонных линий (и посадить операторов), чтобы не более 2% звонков оставались без ответа по причине занятости всех линий? А если звонков будет 300 или 1400 в течение суток?

    В терминах ТМО задача звучит так:

    • λ = 25 звонков в час (600 звонков поделить на 24 часа)
    • μ = 20 звонков в час (60 минут поделить на 3)
    • m = 0 (при занятости всех линий звонящий абонент услышит гудки «занято»)
    • Найти n , при условии, что вероятность отказа 2%
  • В резервуар водонапорной башни железнодорожной станции непрерывно поступает вода - по кубометру воды за 3 минуты. От водонапорной башни воду получают три гидроколонки для снабжения паровозов водой. На каждую колонку заезжает паровоз в среднем раз в 2 часа и берёт от 10 до 30 кубометров воды (количество воды равномерно распределено в указанном диапазоне). При переполнении резервуара вода вытекает из переливной трубы, чего желательно избегать. Какой объём резервуара требуется водонапорной башне?

    В терминах ТМО задача звучит так:

    • λ = 20 м 3 в час
    • μ = 10 м 3 в час (математическое ожидание разового расхода 20 м
    • n = 2 - количество каналов обслуживания (гидроколонок)
    • Найти m - размер накопителя, т.е. резервуара при условии нулевой вероятности отказа
  • В кассу вокзала приходит в среднем по 200 человек в час. Каждого будущего пассажира кассир обслуживает в среднем 4 минуты. Сколько должно работать касс, чтобы касса успевала обслужить каждого желающего? А сколько должно работать касс, чтобы люди стояли в очереди не более 20 минут?

    В терминах ТМО:

    • λ = 200 человек в час
    • μ = 15 человек в час (60 минут поделить на 4)
    • m = ∞ , т.е. в очереди может быть бесконечно много людей
    • Найти n , при котором S имеет конечную величину
  • Пора уже что-то посчитать!

    Вычислительные мощности, доступные каждому в XXI веке колоссальны, и позволяют легко и непринуждённо проводить ресурсоёмкий расчёт - имитационное моделирование . В таблице ниже осуществляется моделирование простенькой одиночной системы массового обслуживания. Можно изменять любые из исходных данных и наблюдать, как система отзывается. Можно, например, увеличить интенсивность потока заявок и наблюдать, как система будет «утопать» в заявках (или увеличится поток отказов, если размер накопителя конечен). А вслед за этим можно увеличить количество приборов в системе и наблюдать, как показатели работы придут в норму. В этом расчёте предельная длина очереди равна 1000. Для большинства применений это можно считать бесконечно большим накопителем, однако следует помнить, что если в накопителе окажется больше тысячи заявок, расчёт будет некорректным.

    Параметр Величина Пояснение
    Исходные данные
    λ в час - Интенсивность потока заявок
    P μ (t) Эксп.
    Эрл.
    Закон распределения времени обслуживания: экспоненциальный .
    μ в час - Интенсивность потока обслуживания (каждым прибором)
    25% за минут 50% за минут 99% за минут
    50% в интервале минут 95% в интервале минут
    n Количество каналов обслуживания (не более 50)
    Результаты моделирования (на момент)
    t Время моделирования
    S Состояние СМО, т.е. количество заявок на обслуживании + в накопителе
    S-n Длина очереди
    Статистика , показатели работы системы
    Количество поступивших заявок
    p 0 Вероятность простоя СМО
    P 1-n Загруженность обслуживающих приборов
    S MAX Максимальное количество заявок в системе за время моделирования
    p W Вероятность ожидания
    T W Среднее время ожидания, мин.
    T Wmax Максимальное время ожидания, мин.
    P n Распределение вероятностей пребывания СМО в различных состояниях
    T W Распределение времени ожидания в очереди

    Если интересно, см. математической модели в этой таблице. Даже такая модель позволяет делать интересные наблюдения. Например, можно сравнить несколько СМО с одинаковой производительностью μ×n, обслуживающих одинаковый поток заявок λ, но содержащих различное количество обслуживающих приборов n. В зависимости от того, стремимся ли мы сократить количество обслуживающих аппаратов или же вероятность ожидания, выгодным будет либо наличие одного высокопроизводительного прибора, или десятка низкопроизводительных. Также видно, что среднее арифметическое времени ожидания - величина коварная. Надо будет сделать расчёт медианной величины...

    См. также:

    • Моделирование системы массового обслуживания — более серьёзный расчёт с более гибко регулируемыми параметрами

    Применение различных математических методов к формализации. Акцент на сложную систему - непредсказуемую. Носитель неопределенности является человек.

    Характерным примером стохастических (случайные, вероятностные) задач являются модели систем массового обслуживания.

    СМО имеют повсеместное распространение. Это телефонные сети, автозаправочные станции, предприятия бытового обслуживания, билетные кассы, торговые мероприятия и т.д.

    С позиции моделирования процесса массового обслуживания ситуации, когда образуются очереди заявок (требований) на обслуживание, возникают следующим образом. Поступив в обслуживающую систему, требование присоединяется к очереди других (ранее поступивших) требований. Канал обслуживания выбирает требование из находящихся в очереди, с тем чтобы приступить к его обслуживанию. После завершения процедуры обслуживания очередного требования канал обслуживания приступает к обслуживанию следующего требования, если такое имеется в блоке ожидания. Цикл функционирования СМО подобного рода повторяется многократно в течение всего периода работы обслуживающей системы. При этом предполагается, что переход системы на обслуживание очередного требования после завершения обслуживания предыдущего требования происходит мгновенно, в случайные моменты времени.

    Примерами СМО могут служить:

      посты технического обслуживания автомобилей;

      посты ремонта автомобилей;

      аудиторские фирмы и т.д.

    Основоположником теории массового обслуживания, в частности, теории очередей, является известный датский ученый А.К.Эрланг (1878-1929), который исследовал процессы обслуживания на телефонных станциях.

    Системы, в которых имеют место процессы обслуживания, называют системами массового обслуживания (СМО).

    Чтобы описать систему массового обслуживания, необходимо задать:

    - входной поток заявок;

    - дисциплину обслуживания;

    - время обслуживания

    - количество каналов обслуживания.

    Входной поток требований (заявок) описывается путем выявления как вероятностного закона распределения моментов поступления требований в систему, так и количества требований в каждом поступлении.

    При задании дисциплины обслуживания (ДО) необходимо описать правила постановки требований в очередь и обслуживания их в системе. При этом длина очереди может быть как ограниченной, так и неограниченной. В случае ограничений на длину очереди поступившая на вход СМО заявка получает отказ. Чаще всего используются ДО, определяемые следующими правилами:

    первым пришел – первым обслуживаешься;

      пришел последним - обслуживаешься первым; (коробочка для теннисных шариков, стек в технике)

      случайный отбор заявок;

      отбор заявок по критерию приоритетности.

    Время обслуживания заявки в СМО является случайной величиной. Наиболее распространенным законом распределения является экспоненциальный закон.  - скорость обслуживания. =количество заявок обслуживания/ед. времени.

    Каналы обслуживания , могут быть расположены параллельно и последовательно. При последовательном расположении каналов каждая заявка проходит обслуживание на всех каналах последовательно. При параллельном расположении каналов обслуживание производится на всех каналах одновременно по мере их освобождения.

    Обобщенная структура СМО представлена на рис.

    Предметом теории массового обслуживания является установление зависимости между факторами, определяющими функциональные возможности СМО, и эффективностью ее функционирования.

    Проблемы проектирования СМО.

    К задачам определения характеристик структуры СМО относятся задача выбора количества каналов обслуживания (базовых элементов {Ф i }), задача определения способа соединения каналов (множества элементов связей {Hj}), а также задача определения пропускной способности каналов.

    1). Выбор структуры . Если каналы работают параллельно, то проблема выбора Str сводится к определению количества каналов в обслуживающей части исходя из условия обеспечения работоспособности СМО. (Если очередь не является бесконечно растущей).

    Отметим, что при определении количества каналов системы, в случае их параллельного расположения, необходимо соблюдать условие работоспособности системы . Обозначим:  - среднее число заявок, поступающих в единицу времени, т.е. интенсивность входного потока;  - среднее число заявок, удовлетворяемых в единицу времени, т.е. интенсивность обслуживания; S - количество каналов обслуживания. Тогда условие работоспособности СМО запишется

    или
    . Выполнение этого условия позволяет вычислить нижнюю границу количества каналов.

    В случае, если
    , система не справляется с очередью. Очередь при этом растет безгранично.

    2). Необходимо определить критерий эффективности функционирования СМО с учетом затрат на потери времени как со стороны заявок, так и со стороны обслуживающей части.

    В качестве показателей эффективности функционирования СМО рассматриваются следующие три основные группы показателей:

    1. Показатели эффективности использования СМО.

      Абсолютная пропускная способность СМО - среднее число заявок, которое может обслужить СМО в единицу времени.

      Относительная пропускная способность СМО – отношение среднего числа заявок, обслуживаемых СМО в единицу времени, к среднему числу поступивших заявок за это время.

      Средняя продолжительность периода занятости СМО.

      Коэффициент использования СМО - средняя доля времени, в течение которого СМО занята обслуживанием заявок.

    2. Показатели качества обслуживания заявок.

      Среднее время ожидания заявки в очереди.

      Среднее время пребывания заявки в СМО.

      Вероятность отказа заявке в обслуживании без ожидания.

      Вероятность того, что поступившая заявка немедленно будет принята к обслуживанию.

      Закон распределения времени ожидания заявки в очереди.

      Закон распределения времени пребывания заявки в СМО.

      Среднее число заявок, находящихся в очереди.

      Среднее число заявок, находящихся в СМО.

    3. Показатели эффективности функционирования пары «СМО - потребитель».

    При выборе критерия эффективности функционирования СМО необходимо учесть двойственный подход к рассмотрению систем массового обслуживания. Например, работу универсама, как СМО, можно рассматривать с противоположных сторон. С одной, традиционно принятой, стороны покупатель, ожидающий свою очередь у кассы, представляет собой заявку на обслуживание, а кассир - канал обслуживания. С другой стороны, кассир, который ожидает покупателей, может быть рассмотрен в качестве заявки на обслуживание, а покупатель - обслуживающее устройство, способное удовлетворить заявку, т.е. подойти к кассе и прекратить вынужденный простой кассира. (традиционно – покупателей > чем кассиров, если кассиров > чем покупателей, они ждут покупателей).

    С
    учетом этого целесообразно минимизировать обе части СМО одновременно.

    Применение такого двойственного подхода предполагает необходимость учета при формировании критерия эффективности не только перечисленных выше показателей в отдельности, но и одновременно нескольких показателей, отражающих интересы как обслуживающей, так и обслуживаемой подсистем СМО. Например, показано, что наиболее важным критерием эффективности в задачах массового обслуживания является суммарное время нахождения клиента в очереди, с одной стороны, и простоя каналов обслуживания - с другой.

    Классификация систем массового обслуживания

    1. По характеру обслуживания выделяют следующие виды СМО:

    1.1. Системы с ожиданием или системы с очередью . Требования, поступившие в систему и не принятые немедленно к обслуживанию, накапливаются в очереди. Если каналы свободны, то заявка обслуживается. Если же все каналы заняты в момент поступления заявки, то очередная заявка будет обслужена после завершения обслуживания предыдущей. Такая система называется полнодоступной (с неограниченной очередью).

    Существуют системы с автономным обслуживанием, когда обслуживание начинается в определенные моменты времени;

        Системы с ограниченной очередью . (ремонт в гараже)

        Системы с отказами . Все заявки, прибывшие в момент обслуживания заявки, получают отказ. (ГТС)

        Системы с групповым входным потоком и групповым обслуживанием . В таких системах заявки поступают группами в моменты времени, обслуживание также происходит группами.

    2. По количеству каналов обслуживания СМО подразделяются на следующие группы.

    Одноканальные СМО.

    Многоканальные СМО . Обслуживание очередной заявки может начаться до окончания обслуживания предыдущей заявки. Каждый канал действует как самостоятельное обслуживающее устройство.

    3. По кругу обслуживаемых объектов различают два вида.

    Замкнутые СМО. Замкнутая система массового обслуживания - это система массового обслуживания, в которой обслуженные требования могут возвращаться в систему и вновь поступать на обслуживание. Примерами замкнутой СМО являются ремонтные мастерские, сберегательные банки.

    Открытые СМО.

    4. По количеству этапов обслуживания различают однофазные и многофазные СМО.

    Однофазные СМО - это однородные системы, которые выполняют одну и ту же операцию обслуживания.

    Многофазные СМО - это системы, в которых каналы обслуживания расположены последовательно и выполняют различные операции обслуживания. Примером многофазной СМО являются станции технического обслуживания автомобилей.

    Приведенная классификация СМО является условной. На практике чаще всего СМО выступают в качестве смешанных систем. Например, заявки ожидают начала обслуживания до определенного момента, после чего система начинает работать как система с отказами.

    Во многих областях экономики, финансов, производства и быта важную роль играют системы массо-вого обслуживания (СМО), т.е. такие системы, в которых, с одной стороны, возникают массовые запросы (требования) на выполнение каких-либо услуг, а с другой стороны, происходит удовлетворение этих запросов.

    В качествепримеров СМО в финансово-экономи-ческой сфере можно привести системы, представляющие собой: банки различных типов, страховые организа-ции, налоговые инспекции, ау-диторские службы, различные системы связи (в том числе те-лефонные станции), погрузочно-разгрузочные комплексы (товарные станции), автозаправочные станции, различные предприятия и организации сферы обслуживания (магазины, предприятия массового питания, справочные бюро, парикмахерские, билетные кассы, пункты по обмену валюты, ремонтные мастерские, больницы).

    Такие сис-темы как компьютерные сети, системы сбора, хранения и обра-ботки информации, транспортные системы, автоматизирован-ные производственные участки, поточные линии также могут рассматриваться как своеобразные СМО.

    В торговле выполняется множество операций в процессе движе-ния товарной массы из сферы производства в сферу потребления. Такими операциями являются: погрузка и выгрузка товаров, пере-возка, упаковка, фасовка, хранение, выкладка, продажа и т. д. Для торговой деятельности характерны массовое поступление товаров, денег, массовое обслу-живание покупателей и т. п., а также выполнение соответствующих операций, которые носят случайный характер. Все это создает не-равномерность в работе торговых организаций и предприятий, порождает недогрузки, простои и перегрузки. Много времени отни-мают очереди, например, у покупателей в магазинах, водителей ав-томашин на товарных базах, ожидающих разгрузки или погрузки.

    В связи с этим возникают задачи анализа работы, например тор-гового отдела, торгового предприятия или секции, для оценки их деятельности, выявления недостатков, резервов и принятия в конеч-ном итоге мер, направленных на увеличение ее эффективности. Кроме того, возникают задачи, связанные с созданием и внедре-нием более экономичных способов выполнения операций в пределах секции, отдела, торгового предприятия, овощной базы, управления торговли и т. п. Следовательно, в организа-ции торговли методы теории массового обслуживания позволяют определить оптимальное количество торговых точек данного профиля, численность про-давцов, частоту завоза товаров и другие параметры.

    Другим ха-рактерным примером систем массового обслуживания могут служить склады или базы снабженческо-сбытовых организа-ций, и задача теории массового обслуживания сводится к тому, чтобы установить оптимальное соотношение между числом по-ступающих на базу требований на обслуживание и числом об-служивающих устройств, при котором суммарные расходы на обслуживание и убытки от простоя транспорта были бы мини-мальными. Теория массового обслуживания может найти при-менение и при расчете площади складских помещений, при этом складская площадь рассматривается как обслуживающее устройство, а прибытие транспортных средств под выгрузку - как требование.


    Основные характеристики СМО

    СМО включаетследующие элементы : источник требований, входящий поток требований, очередь, обслуживающее устройство (канал обслуживания), выходящий поток требований (обслуженных заявок).

    Каждая СМО предназначена для обслуживания (выполнения) некоторого потока заявок (требований), поступающих на вход системы, в основном, не регулярно, а в случайные моменты времени. Обслуживание заявок также длится не постоянное, заранее известное время, а случайное время, которое зависит от многих случайных причин. После обслуживания заявки канал освобожден и готов к приему следующей заявки.

    Случайный характер потока заявок и времени их обслуживания приводит к не-равномерной загруженности СМО: в некоторые промежутки времени на входе СМО могут скапливаться необслуженные заявки, что приводит к перегрузке СМО, в некоторые же дру-гие интервалы времени при свободных каналах на входе CMО заявок не будет, что приводит к недогрузке СМО, т.е. к про-стаиванию ее каналов. Заявки, скапливающиеся на входе СМО, либо "становятся" в очередь, либо по какой-то причине невоз-можности дальнейшего пребывания в очереди покидают СМО необслуженными.

    Схема СМО изображена на рисунке 5.1.

    Рисунок 5.1 - Схема системы массового обслуживания

    Каждая СМО включает в свою структуру некоторое число обслуживающих устройств, которые называют каналами обслуживания . Роль каналов могут играть различные приборы, лица, выполняющие те или иные операции (кассиры, операторы, продавцы), линии связи, автомашины и т.д.

    Каждая СМО в зависимости от своих параметров: характера потока заявок, числа каналов обслуживания и их производи-тельности, а также от правил организации работы обладает определенной эффективностью функционирования (пропускной способностью), позволяющей ей более или менее успешно справляться с потоком заявок.

    СМО явля-ется предметом изучения теории массового обслуживания .

    Цель теории массового обслуживания — выработка рекомен-даций по рациональному построению СМО, рациональной ор-ганизации их работы и регулированию потока заявок для обес-печения высокой эффективности функционирования СМО.

    Для достижения этой цели ставятся задачи теории массового обслуживания, состоящие в установлении зависимостей эффек-тивности функционирования СМО от ее организации (пара-метров).

    В качестве характеристик эффективности функционирова-ния СМО можно выбрать три основные группы (обычно средних) показателей:

    1. Показатели эффективности использования СМО:

    1.1. Абсолютная пропускная способность СМО - среднее число заявок, которое сможет обслужить СМО в единицу времени.

    1.2. Относительная пропускная способность СМО - от-ношение среднего числа заявок, обслуживаемых СМО в единицу времени, к среднему числу посту-пивших заявок за это же время.

    1.3. Средняя продолжительность периода занятости СМО.

    1.4. Коэффициент использования СМО — средняя доля времени, в течение которого СМО занята обслужи-ванием заявок.

    2. Показатели качества обслуживания заявок :

    2.1. Среднее время ожидания заявки в очереди.

    2.2. Среднее время пребывания заявки в СМО.

    2.3. Вероятность отказа заявке в обслуживании без ожи-дания.

    2.4. Вероятность того, что поступившая заявка немедлен-но будет принята к обслуживанию.

    2.5. Закон распределения времени ожидания заявки в очереди.

    2.6. Закон распределения времени пребывания заявки в СМО.

    2.7. Среднее число заявок, находящихся в очереди.

    2.8. Среднее число заявок, находящихся в СМО, и т.п.

    3. Показатели эффективности функционирования пары "СМО — потребитель" , где под "потребителем" понимают всю совокупность заявок или некий их источник (например, средний доход, при-носимый СМО в единицу времени, и т.п.).

    Случайный характер потока заявок и длительности их об-служивания порождает в СМО случайный процесс . Поскольку моменты времени T i и интервалы времени поступле-ния заявок T , продолжительность операций обслуживания Т обс , про-стоя в очереди T оч , длина очереди l оч — случайные величины, то характеристики состояния систем массового обслуживания носят вероятностный характер. Поэтому для решения задач теории массового обслужива-ния необходимо этот случайный процесс изучить, т.е. постро-ить и проанализировать его математическую модель.

    Математическое изучение функционирования СМО значи-тельно упрощается, если протекающий в ней случайный про-цесс является марковским . Чтобы случайный процесс был марковским, необходимо и достаточно, чтобы все потоки событий, под воз-действием которых происходят переходы системы из состояния в состояние, были (простейшими) пуассоновскими .

    Простейший поток обладает тремя основными свойствами : ординарности, стационарности и отсутствия последействия.

    Ординарность потока означает практическую невозмож-ность одновременного поступления 2-х и более требований. На-пример, достаточно малой является вероятность того, что в магазине самообслуживания одно-временно выйдут из строя несколько кассовых аппаратов.

    Стационарным называется поток, для которого математиче-ское ожидание числа требований, поступающих в систему в едини-цу времени (обозначим λ ), не меняется во времени. Таким образом, вероятность поступления в систему определенного количества тре-бований в течение заданного промежутка времени ?T зависит от его величины и не зависит от начала его отсчета на оси времени.

    Отсутствие последействия означает, что число требова-ний, поступивших в систему до момента T , не определяет того, сколько требований поступит в систему за время (T + ?T) . Например, если в кассовом аппарате в данный момент произо-шел обрыв кассовой ленты и он устранен кассиром, то это не влияет на воз-можность нового обрыва на данной кассе в следующий момент и тем более на вероятность возникновения обрыва на других кассовых аппаратах.

    Для простейшего потока частота поступления требований в систему подчиняется закону Пуассона , т. е. вероятность по-ступления за время T ровно k требований задается формулой

    где λ интенсивность потока заявок , т. е. среднее число заявок, поступающих в СМО в единицу времени,

    где τ — среднее значение интервала времени между двумя со-седними заявками.

    Для такого потока заявок время между двумя соседними заяв-ками распределено экспоненциально с плотностью вероятности

    Случайное время ожидания в очереди начала обслуживания то-же можно считать распределенным экспоненциально:

    где ν интенсивность движения очереди , т. е. среднее число зая-вок, приходящих на обслуживание в единицу времени,

    где Т оч - среднее значение времени ожидания в очереди.

    Выходной поток заявок связан с потоком обслуживания в кана-ле, где длительность обслуживания Т обс является случайной величи-ной и подчиняется во многих случаях показательному закону рас-пределения с плотностью

    где μ интенсивность потока обслуживания , т. е. среднее число заявок, обслуживаемых в единицу времени,

    Важной характеристикой СМО, объединяющей показатели λ и μ , является интенсивность нагрузки, которая показывает степень согласования указанных потоков зая-вок:

    Перечисленные показатели k, τ, λ, l оч, Т оч, ν, Т обс, μ, ρ, Р k являются наиболее общими для СМО.

    Для всех моделей сетей очередей, описанных в главе 2, предполагалось, что длительности обслуживания требований на различных этапах маршрута независимы. Это неадекватно отражает реальную ситуацию в сетях передачи информации, где длина (объем) сообщения в процессе его передачи от одного узла к другому не меняется, что приводит к необходимости исследования сетей с зависимыми (в частности, идентичными) длительностями передачи сообщений на каналах.

    В настоящей работе, следуя предполагается, что наряду с длительностью обслуживания каждое сообщение характеризуется также своим объемом, а относительно длительностей обслуживания предполагается лишь их условная (при фиксированном объеме) независимость, что позволяет фактически учитывать зависимость длительностей обслуживания одного и того же сообщения на различных этапах своего маршрута. При этом мы ограничиваемся принципами маршрутизации Келли (сети типа Джексона с марковской маршрутизацией являются частным случаем рассматриваемой модели).

    Приводится альтернативное доказательство мультипликативного представления для стационарных вероятностей состояний таких сетей с узлами различных типов, реализующими так называемые симметричные дисциплины обслуживания, и допускающими зависимость обслуживания требований в различных узлах маршрута. При этом не затрагиваются тонкие вопросы существования стационарных распределений для общих сетей, которые представляют собой предмет самостоятельных исследований.

    5.2.1 Описание сети. Обозначения

    Рассмотрим сеть МО, для описания которой будем использовать следующие обозначения:

    М - конечное множество узлов сети,

    М - число узлов в сети МО,

    Номер узла, .

    Узлы предполагаются следующих типов:

    0) экспоненциальные многолинейные с бесконечной емкостью накопителя и дисциплиной FIFO (отметим, что приведенную ниже теорему нетрудно перенести на экспоненциальные узлы со случайным выбором прибора или места в очереди);

    1) бесконечнолинейные;

    2) однолинейные с бесконечной емкостью накопителя, инверсионной дисциплиной обслуживания с прерыванием обслуживания и дообслуживанием;

    3) однолинейные с бесконечной емкостью накопителя и дисциплиной равномерного разделения прибора.

    Множество узлов типа обозначается а число приборов в узле - .

    Всюду, как и раньше, прописными латинскими буквами будем обозначать случайные величины, а их реализации - соответствующими строчными буквами, причем векторные случайные величины и векторы будем выделять полужирным шрифтом.

    В сеть поступает пуассоновский поток заявок интенсивности , а каждая поступающая в заявка характеризуется набором случайных величин , не зависящих от аналогичных случайных величин для остальных заявок и предыстории функционирования сети, где:

    Случайная длина маршрута заявки, т.е. число этапов, на которых она будет обслуживаться;

    Случайный маршрут, представляющий собой набор номеров узлов (возможно повторяющихся), последовательно проходимых заявкой на всех L этапах;

    Случайные объемы на последовательно проходимых этапах маршрута, вообще говоря, различные на различных этапах;

    Случайные длительности обслуживания на последовательно проходимых этапах маршрута, также, вообще говоря, различные на различных этапах. Отметим, что если на некотором этапе заявка обслуживается в узле типа 2 или 3, то длительность обслуживания на данном этапе представляет собой то время, которое обслуживалась бы в этом узле заявка, если бы в нем не было других заявок.

    Объем Y может иметь как реальный физический смысл в виде, например, объема памяти, необходимого для записи сообщения, так и носить вспомогательный характер, например, для задания типов заявок в сети; в последнем случае рассматриваемая модель может трактоваться, как сеть МО с континуальным множеством типов сообщений.

    Очевидно, что при таком описании сети объем и длина соответствуют обслуживанию заявки в узле с номером . Напомним, что допускаются маршруты R, в которых номера могут повторяться, т.е. заявка может обслуживаться в одном и том же узле s несколько раз, причем с различными длительностями обслуживания.

    Статистические характеристики случайной величины задаются совместной функцией распределения (ФР)

    совместную ФР маршрута и объемов заявки на этапах, через

    условную совместную ФР длительностей обслуживания заявки на этапах при фиксированных маршруте и объемах и через

    условную ФР длительности обслуживания заявки на этапе (в узле с номером ) при фиксированных маршруте и объемах.

    Относительно введенных функций делаются следующие предположения.

    (П 1.) Длительности обслуживания предполагаются условно независимыми вдоль маршрута, т.е. условная ФР имеет вид

    (П 2.) Экспоненциальные узлы s являются -линейными СМО (с бесконечной емкостью накопителя), интенсивности обслуживания в которых любой заявки каждым прибором равны

    Таким образом, если , т.е. на этапе маршрута заявка обслуживается в узле s типа 0, то

    Иными словами, длительность обслуживания в узле типа 0 не зависит ни от маршрута R, ни от объемов Y (включая объем ) и имеет экспоненциальное с параметром распределение.

    (П 3). Функции распределения не содержат сингулярной компоненты.

    Тогда их плотности, понимаемые в обычном смысле для абсолютно непрерывных распределений или в обобщенном смысле для дискретных и смешанных распределений, и обозначим через соответсвенно.

    Кроме того, для узлов типов 1-3 положим

    и для сокращения записи результатов обозначим дополнительно через

    условные плотности распределения времени окончания (интенсивности) обслуживания заявки с характеристиками на этапе маршрута (в узле ) при условии, что она обслуживалась время Заметим при этом, что если на этапе маршрута заявка обслуживается в экспоненциальном узле с номером (т.е. если ), то

    1. ИССЛЕДОВАНИЕ ОСОБЕННОСТЕЙ МУЛЬТИМЕДИЙНОГО ВИДЕОТРАФИКА ПРИ ЕГО ПЕРЕДАЧЕ ПО ПАКЕТНЫМ СЕТЯМ

    1.1. Основные типы мультимедийного трафика реального времени.

    1.2. Общий подход к описанию мультимедийного трафика реального времени.

    1.3. Параметры качества обслуживания при передаче мультимедийного трафика в пакетных сетях передачи данных.

    1.4. Технологии и стандарты кодирования и передачи видеотрафика.

    1.5. Аппроксимация видеотрафика марковскими процессами.

    2. АНАЛИЗ И РАЗРАБОТКА МЕТОДОВ МОДЕЛИРОВАНИЯ ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМ ПЕРЕДАЧИ МУЛЬТИМЕДИЙНЫХ ВИДЕОТРАФИКОВ.

    2.1. Анализ классов математических моделей для исследования процессов передачи мультимедийного видеотрафика в пакетных сетях.

    2.2. Сети массового обслуживания как модели телекоммуникационных систем.

    2.2.1. Параметры сетей массового обслуживания.

    2.2.2. Характеристики стационарного режима функционирования сети массового обслуживания.

    2.3. Расчет замкнутых неоднородных сетей массового обслуживания большой размерности.

    2.4. Вычисление характеристик сетей массового обслуживания, производных от метода анализа средних.

    2.5. Расчет замкнутых неоднородных сетей массового обслуживания с приоритетным обслуживанием.

    3. МОДЕЛИРОВАНИЕ ПРОЦЕССОВ ПЕРЕДАЧИ ВИДЕОТРАФИКА В

    ПАКЕТНЫХ СЕТЯХ ПЕРЕДАЧИ ДАННЫХ.

    3.1. Общие принципы организации мультимедийных сервисов в пакетных телекоммуникационных сетях.

    3.2. Концептуальная модель задержек передачи видеотрафика.

    3.3. Математическая модель задержек передачи видеопотока.

    3.4. Вероятностно- временные характеристики модели оценки задержек передачи видеопотока.

    3.5. Результаты моделирования.

    4. ОЦЕНКА ДЖИТТЕРА ПЕРЕДАЧИ ВИДЕОПОТОКОВ В ПАКЕТНЫХ

    СЕТЯХ ПЕРЕДАЧИ ДАННЫХ.

    4.1. Общая постановка задачи.

    4.2. Оценка дисперсии задержки передачи видеотрафика в пакетной сети, достоверность результатов.

    Рекомендованный список диссертаций

    • Влияние самоподобности речевого трафика на качество обслуживания в телекоммуникационных сетях 2005 год, кандидат технических наук Осин, Андрей Владимирович

    • Аппроксимативные методы и модели массового обслуживания для исследования компьютерных сетей 2011 год, доктор технических наук Бахарева, Надежда Федоровна

    • Разработка модели и анализ характеристик обслуживания видеоинформации в узле сети АТМ 2002 год, кандидат технических наук Молчанов, Дмитрий Александрович

    • Влияние мультифрактальных свойств GPRS/EDGE трафика на характеристики обслуживания мобильных телекоммуникационных сетей 2009 год, кандидат технических наук Матвеев, Сергей Борисович

    • Методика исследования информационных процессов в телекоммуникационных системах на железнодорожном транспорте 2006 год, кандидат технических наук Толстошеин, Андрей Викторович

    Введение диссертации (часть автореферата) на тему «Применение сетей массового обслуживания для исследования процессов передачи видеопотоков в пакетных сетях»

    Одной из тенденций развитая современного общества является стремительный рост потребления различных информационных и телекоммуникационных услуг - . Постоянное снижение стоимости информационных услуг, а также развитие телекоммуникационной инфраструктуры (охват все большей территории и все большей части её населения) являются основными причинами этого роста.

    Рассматривая особенности развития телекоммуникаций в Иордании, можно отметить следующую особенность . Исторически недостаточно развитая инфраструктура, ограниченный объем инвестиций для её развития, и бурный спрос на телекоммуникационные услуги, в том числе на мультимедийные, который обусловлен экономическим и географическим положением страны, вызывает острую необходимость более эффективного использования всех имеющихся телекоммуникационных ресурсов.

    Современные телекоммуникационные системы постоянно расширяют перечень своих услуг посредством предоставления все большего числа различного вида информационных сервисов, в том числе и мультимедийных. Примерами мультимедийных сервисов являются: видеотелефония, видеоконференция, высокоскоростная передача мультимедийных данных, IP-телефония, цифровое телевизионное вещание, мобильная видеосвязь и видео по запросу - .

    Традиционно для предоставления информационных услуг использовались синхронные методы передачи данных, при которых на первичной сети выделялись телекоммуникационные ресурсы в расчете на максимальную нагрузку, которые монопольно занимались потребителями и поставщиками соответствующих информационных услуг. В этом случае телекоммуникационные ресурсы сети ис-® пользовались неэффективно, а общая производительность сети была низкой .

    Применение пакетных методов передачи информации позволяет за счет ста-^ тистического мультиплексирования значительно повысить общую пропускную способность телекоммуникационной сети - .

    Свидетельством этому служит сравнительный анализ способов коммутации для обеспечения мультимедийных услуг, приведенный в . В этой статье обсуждаются перспективы построения мультимедийных сетей связи с использованием режима коммутации пакетов, имеющего следующие преимущества перед методом коммутации каналов:

    Более высокую эффективность использования ресурсов звена передачи данных за счет статистического мультиплексирования трафиков пакетов многих приложений;

    Значительно более низкую вероятность потери пакетов передаваемого трафика при повышении нагрузки на сеть, хотя при этом имеют место значительные непредсказуемые транзитные задержки;

    Возможность гибкого динамического управления передаваемыми трафиками за счет использования различных механизмов назначения приоритетов элементам трафика, и резервирование телекоммуникационных ресурсов сети.

    В связи с ростом производительности систем передачи данных стало # возможным использование пакетных методов передачи трафиков, генерируемых различными информационными сервисами, число которых может быть достаточно большим. Поэтому становится актуальной задача оценки параметров качества предоставляемого сервиса с учетом конкретных архитектуры и топологии используемой телекоммуникационной сети в условиях реальной информационной нагрузки .

    Эта задача особенно актуальна в случае предоставления мультимедийного сервиса, который в значительной степени чувствителен к задержкам передачи его ^ трафика .

    В статьях и делается вывод о том, что технология ATM является наиболее подходящей технологией для эффективной передачи мультимедийной информации и предоставления услуг ATM-сетей с гарантированным требуемым ц качеством. Однако, обеспечение параметров качества услуг речевого трафика в сетях ATM является сложной задачей, решение которой невозможно без применения специальных методов управления транспортными, сетевыми и канальными ресурсами. В этих статьях подробно рассмотрены понятия качества и целостности услуг, эффективности использования ресурсов; приведена классификация механизмов управления трафиком; проведен сравнительный анализ алгоритмов управления перегрузками в сетях ATM.

    Необходимо отметить, что к настоящему времени теория оценки парамет-^ ров качества предоставляемого мультимедийного сервиса в пакетных сетях недостаточно развита.

    Разработан ряд математических моделей различных классов, которые позволяют получить адекватную оценку параметров качества обслуживания для конкретных видов информационных сервисов, конкретных архитектур телекоммуникационных систем, а также конкретных их топологий, как правило, регулярных , , .

    Наиболее актуальными, в плане решения задач оценки качества предоставляемого мультимедийного сервиса, выделяются три основные задачи:

    1. Оценка параметров трафиков, генерируемых информационными серви-ф сами определенного типа.

    2. Собственно оценка параметров задержек передачи мультимедийного трафика, передаваемого в пакетной сети с заданной архитектурой и топологией.

    3. Оценка дисперсии и джиггера задержки передачи мультимедийного трафика в пакетных сетях.

    Для решения выше перечисленных задач применяются различные математические методы моделирования , , среди которых выделяются аналитические, имитационные и гибридные. Так, в статье профессором Мархасиным предложен метод баланса шггенсивностей нагрузок для решения задачи анализа интегрального телетрафика в радиоинтерфейсе, оптимизации и динамического управления качеством обслуживания мобильных сетей 3-ш поколения, например ^ систем GPRS. В работе оценивается вероятность появления скачков интенсивности трафика в сотовых сетях подвижной связи и проводится анализ его рабочих характеристик, для решения данной задачи можно использовать аппарат теории самоподобия. В работах и анализируется видеотрафик, генерируемый различными сервисами в радио и мобильных сетях.

    Для решения второй задачи в работе предлагаются различные методы совпадения импульсных потоков для отыскания необходимых параметров суммарного трафика, передаваемого по телекоммуникационной сети с заданными архитектурой и топологией. Применение методов теории совпадения импульсных потоков для расчета трафиков нагрузки в широкополосных интегральных сетях ATM предлагалось в . Цыбаков В. И. в работе утверждает, что традиционные методы проектирования телефонных сетей оказываются неприемлемы для оценки параметров мультимедийных сетей, так как традиционные методы учитывают только лишь одномерный трафик, который к тому же является однородным. Мультимедийная сеть представляет собой интегрированную сеть с представлением широкого спектра услуг (речи, данных, видео), т. е. является сетью, обеспечивающей многомерный и неоднородный трафик.

    Для решения задачи оценки джиттера задержки (задача 3) применяются математические модели различных классов. Наиболее распространенными являются аналитические и имитационные модели. Содержание этих методов более подробно рассмотрено в главе 2. Выбор используемого класса моделей определяется многими факторами, среди которых можно выделить следующие: цели моделирования, возможность адекватного описания исследуемых параметров в соответствующих классах математических моделей, трудоемкость разработки этих моделей и др - .

    В качестве примеров аналитического моделирования параметров качества предоставления мультимедийных сервисов можно выделить следующие работы.

    Рекомендации ITU-T Е.430, Е.800 и концепция соответствия качества услуг представленного информационного сервиса. Эту модель предлагается использовать для проектирования, инсталляции и эксплуатации как существующих, так и вновь разрабатываемых информационных услуг современных телекоммуникационных сетей.

    В работе разработана аналитическая модель процессов обслуживания видеографика в узле коммутации ATM. Использование данной модели на этапе планирования пользовательских услуг видеоинформации позволит определять необходимые параметры качества обслуживания, такие как задержка, джиггер и вероятность потери пакетов, необходимых при установлении транспортного соединения.

    В литературе часто встречаются аналитические модели различных телекоммуникационных систем, разработанных в классе конечных марковских цепей и непрерывных марковских процессов. Для построения аналитической модели сети радиосвязи с неоднородными потоками информации в работе выбраны методы непрерывных марковских процессов с конечным множеством состояний. Приведена модель, описывающая процесс передачи информации в радиосетях и позволяющая определить вероятности отказа по требованиям и по нагрузке для всей сети и для каждого поступающего в сеть потока.

    В статье предложена математическая модель IP сети передачи звука, представленная в виде марковского процесса, в котором стационарное распределение вероятностей состояний имеет непрерывный характер. Марковский процесс описывает возможности предоставления услуг с несколькими уровнями качества.

    В статье рассматриваются математические модели, описывающие процессы функционирования и управления трафиком в системах мобильной связи. В качестве математических аппаратов применены модели сетей и систем массового обслуживания с комбинированным обслуживанием, относительными приоритетами, ожиданием, потерями, резервированием ресурсов и ненадежными каналами. Получены основные вероятностно-временные характеристики этих процесссов.

    В работе представляется методика оценки качества обслуживания пользователей сети Интернет, а что касается мультимедийных сетей, то такая методика представлена в статье .

    В качестве примеров имитационного моделирования параметров качества предоставления мультимедийных сервисов можно выделить работы и , в которых для оценки параметров передачи мультимедийного трафика применялся метод имитационного моделирования. Представленные имитационные модели процессов передачи видеотрафика в телекоммуникационных сетях, работающих в режиме коммутации пакетов, на примере IP-сети, позволяют изучить поведение видеопотока в условиях, когда телекоммуникационная система не гарантирует качества предоставления соответствующих услуг абонентам. В этих моделях различные типы видеокадров, составляющие его последовательности, передаются отдельно (в каждом эксперименте передается один тип видеокадров), а в конце суммируются результаты. В этих моделях не учитывается влияние дополнительных кадров (например, повторно переданных) и не рассчитывается задержка, которая является основным параметром качества видеосервиса.

    В работе для исследования мобильной сети, предоставляющей различен ные мультимедийные услуги, представлена имитационная модель, которая позволяет определить параметры задержки и потери пакетов, происходящие в мобильных сетях. В данной имитационной модели исследуется процесс передачи узкоформатного видеоизображения с низкой частотой регенерации (низкокачественное видео).

    В работе рассматривается пример А ГМ-сети, которая предоставляет услугу передачи мультимедийного трафика ABR, в соответствии с которой гарантируется минимальная скорость передачи, и не производится синхронизации приемника и передатчика. Передаваемый видеопоток в данной системе имеет низкий приоритет, а число абонентов этой сети является ограниченным.

    В работе представляется имитационная модель, предназначенная для исследования вероятностно-временных характеристик транспортного протокола в беспроводной сети. В данной модели приводится анализ задержки при различных вероятностях потери пакетов информации для различных вариантов транспортного протокола TCP. Разработанная модель подтверждается реальными измерениями на реальной сети.

    В работе анализируется процесс цифровой передачи видеотрафика, который предъявляет строгие требования к ширине полосы пропускания, задержке и потере. Сети с коммутацией пакетов не могут гарантировать качество обслуживания, особенно при многоадресной (широковещательной) передаче видео. Для обеспечения большей гибкости и эффективности в этих сетях применяются различные механизмы управления потоками, позволяющие, с одной стороны, повысить эффективность, а с другой стороны, обеспечить требуемое качество предоставляемого сервиса. Сравнительный анализ приводится в на примере передачи мультимедийного трафика стандарта MPEG. Сравниваются два механизма управления потоками: IntServ и DiffServ. Отдается предпочтение механизму Diff-Serv с приоритетами и разбиением мультимедийного передаваемого потока на ряд потоков с различными уровнями приоритетов.

    Целью диссертационной работы является разработка методов и средств аналитического моделирования процессов передачи мультимедийных видеопотоков в пакетных сетях; применение разработанных методов для оценивания основных параметров качества мультимедийных видеосервисов (транзитной задержки и её джиггера).

    Для достижения этих целей решены следующие основные задачи диссертационной работы:

    1) Исследование особенностей мультимедийных трафиков, их классификация и параметризация.

    2) Анализ особенностей методов кодирования и процессов передачи мультимедийных видеотрафиков в пакетных сетях.

    3) Адаптация метода аналитического моделирования телекоммуникационных систем замкнутыми неоднородными сетями массового обслуживания для оценки параметров качества мультимедийных видеосервисов.

    4) Разработка аналитических моделей задержек передачи видеотрафика в IP-сети и оценка джиттера и дисперсии этих задержек.

    Научная новизна результатов:

    1. Разработана модель видеотрафика реального времени, которая учитывает структуру и содержание мультимедийной информации, используемого метода кодирования и сжатия при условии его передачи в пакетных сетях; основана на его аппроксимации пуассоновскими процессами.

    2. Разработана методика аналитического моделирования процессов передачи мультимедийного трафика замкнутыми неоднородными сетями массового обслуживания большой размерности, которая учитывает топологию телекоммуникационной сети и применяемые протоколы обмена данными.

    3. Разработана модель процесса передачи видеотрафика в TCP/IP сети с типичной звездообразной топологией, обеспечивающая оценивание широкого спектра вероятностно-временных характеристик её процессов функционирования.

    4. На базе разработанной модели получены оценки основных параметров качества представляемого мультимедийного видеосервиса (транзитная задержка и её джиггер).

    Практическая ценность результатов работы.

    Предложенные математические модели и методы позволяют проектировать систему передачи данных произвольной топологии, с учетом ее конкретного оборудования, с целью обеспечения требуемых параметров качества предоставляемых мультимедийных сервисов различных видов.

    Разработано программное обеспечение анализа приоритетных замкнутых неоднородных сетей массового обслуживания большой размерности (до 200 систем обслуживания, 3000 классов требований и 10 000 требований);

    Предложенные модели использовались ООО "Первая миля" (Компьютерные сети Академгородка) при проектировании и развитии мультисервисной сети Академгородка.

    Результаты проведенных исследований внедрены в учебный процесс Сибирского Государственного Университета Телекоммуникаций и Информатики.

    Основные положения, выносимые на защиту:

    1. Модель аппроксимации трафика мультимедийного видеосервиса марковскими цепями с учетом структуры и содержания его мультимедийной информации, её методов кодирования и сжатия, архитектуры используемых систем передачи данных.

    2. Методика аналитического моделирования процессов передачи трафиков мультимедийных видеосервисов замкнутыми неоднородными сетями массового обслуживания большой размерности, основанная на отображении неоднородных информационных потоков соответствующими классами требований, задержки элементов этих потоков в соответствующем телекоммуникационном оборудовании соответствующими системами массового обслуживания.

    3. Аналитическая модель процессов передачи видеотрафика в локальной сети с использованием стека протоколов ТСРЯР для оценки параметров качества (транзитная задержка и джиггер) предоставленных мультимедийных сервисов - видео по требованию.

    Апробация работы. Основные положения и результаты диссертационной $ работы докладывались и обсуждались на: Международной научно-технической конференции «Информатика и проблемы телекоммуникаций» (г. Новосибирск, 1997г); Российских научно-технических конференциях (г. Новосибирск, 1996, 2004 гг); Международной научно-практической конференции «Связь-2004»; научно-технических семинарах кафедры ТС и ВС Сибирского государственного университета телекоммуникаций и информатики (г. Новосибирск, 1996 - 2004гг).

    Публикации: Основные результаты диссертационной работы опубликованы с 1996 по 2004 г. в 6 работах.

    Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения и приложений. Общий объем работы составляет 145 страниц машинописного текста и включает: 23 рисунка, 18 таблиц, список литературы из 130 наименований и 2 приложения.

    Похожие диссертационные работы по специальности «Системы, сети и устройства телекоммуникаций», 05.12.13 шифр ВАК

    • Исследование фрактальных свойств потоков трафика реального времени и оценка их влияния на характеристики обслуживания телекоммуникационных сетей 2007 год, кандидат технических наук Урьев, Григорий Анатольевич

    • Разработка метода повышения пропускной способности уровня абонентского доступа 2009 год, кандидат технических наук Булатов, Сергей Валерьевич

    • Влияние помехоустойчивости широкополосных систем беспроводного доступа IEEE 802.16 на качество передачи потокового трафика 2010 год, кандидат технических наук Арсеньев, Андрей Владимирович

    • Пути построения и методы анализа гибридных мультисервисных спутниковых систем связи 2002 год, кандидат технических наук Сирухи Джозеф Вере

    • Сетевая информационная система с виртуальными подсетями повышенной производительности 2009 год, кандидат технических наук Хворов, Алексей Александрович

    Заключение диссертации по теме «Системы, сети и устройства телекоммуникаций», Аль-Днебат Саид Али

    Предложен метод оценки джиттсра доставки мультимедийного видеотрафика. Он учитывает топологию исследуемой телекоммуникационной системы, структуру передаваемого видеопотока и маршрута его доставки.

    Данный метод основан на оценке задержек передачи видеокадров сетями массового обслуживания и аппроксимации дисперсии задержек в компонентах телекоммуникационной системы дисперсиями задержек в СМО М/М/1. Эта СМО эквивалентна соответствующей СМО сети по интенсивности входного потока требований и их среднему времени пребывания в ней.

    Корректность предложенных методов подтверждается результатами, представленными в перечисленных на рисунках публикациях.

    ЗАКЛЮЧЕНИЕ

    Результаты проведенных в диссертационной работе исследований показывают, что основная цель данной работы, заключающаяся в разработке аналитических моделей процессов передачи мультимедийных видеотрафиков в пакетных телекоммуникационных сетях, достигнута. При выполнении данной диссертационной работы получены следующие основные результаты:

    1) Проанализированы сервисы, которые предоставляют мультимедийные услуги в современных телекоммуникационных сетях. Проведена параметризация трафиков этих сервисов с учетом конкретной архитектуры используемых телекоммуникационных сетей и их топологии. Предложена модель аппроксимации трафиков мультимедийных сервисов марковскими процессами, которая учитывает особенности кодирования и передачи MPEG видеопотоков.

    2) Адаптирована методика моделирования процессов передачи мультимедийных трафиков и оценки параметров качества предоставляемого мультимедийного сервиса в пакетных сетях передачи данных замкнутыми неоднородными сетями массового обслуживания большой размерности.

    3) Модифицирован метод "анализ средних" - расчета сетей обслуживания, с учетом большой размерности сети (L = 200 систем обслуживания, и К = 3000 классов требований) и наличия приоритетных потоков требований.

    4) В системе Mathcad разработана программа расчета замкнутой неоднородной сети массового обслуживания с числом узлов до 200, числом классов требований до 3000 и суммарным числом требований всех классов до 10 000.

    5) Разработана аналитическая модель процесса передачи трафика мультимедийного сервиса «цифровое видео по запросу» по локальной TCP/IP сети конкретной топологии. Данная модель обеспечивает оценку следующих вероятностно-временных характеристик используемой телекоммуникационной системы: коэффициент использования различного телекоммуникационного оборудования, время доставки пакетов мультимедийного трафика до абонентов, дисперсия времени доставки, задержка пакетов в различных компонентах телекоммуникационной сети, дисперсия и джиггер этой задержки.

    6) Проведены многочисленные расчеты с помощью данной модели. Получены зависимости вероятностно-временных характеристик такой сети от числа абонентов данного мультимедийного сервиса.

    7) Разработанные методики математического моделирования были внедрены в учебный процесс Сибирского Государственного Университета Телекоммуникаций и информатики.

    8) Предложенные модели использовались ООО " Первая миля" при проектировании и развитии мультисервисной сети Академгородка города Новосибирска.

    9) Достоверность предложенных методов подтверждается результатами моделирования, а также реальными измерениями подобных телекоммуникационных систем. Результаты представлены на рис. 18 в гл.З и рис.23 в гл.4.

    Проведенные исследования показали возможность применения марковских процессов и сетей массового обслуживания для исследования процессов передачи мультимедийной информации в телекоммуникационных системах различных архитектур. Приведенные результаты моделирования продемонстрировали хорошую адекватность разработанных моделей, достаточную для практического применения . Разработанные методы и модели могут быть успешно применены для исследования процессов передачи мультимедийной информации в сетях с произвольной архитектурой и топологией.

    Список литературы диссертационного исследования кандидат технических наук Аль-Днебат Саид Али, 2004 год

    1. Мархасин А.Б. Резервы роста российского рынка услуг мобильной связи: дифференциация и динамическое управление качеством услуг (QoS) и тарифа-ми//Электросвязь № 3 - 2001.

    2. Шехтман Л. И. Системы телекоммуникаций: проблемы и перспективы. Опыт системного исследования. М.: Радио и Связь, 1998.

    3. Marchese М. Study and performance evaluation of TCP modifications and tuning over satellite links//ICC 2000.

    4. Аль-Днебат С., Аль-Касасбех Б. Вопросы развития перспективных широкополосных телекоммуникационных сетей в Иордании//Информатика и проблемы телекоммуникаций. Тезисы докладов Российской научно-технической конференции Новосибирск: СибГУТИ, 1996 - С.73-74.

    5. Altmann J., Rupp В., Varaiya P. The Case for Quality of Service on Demand. ISQE"99//Workshop on Internet Service Quality Economics 1999.

    6. Guirguis R.M., Mahmoud S. Transmission of real-time multi layered MPEG-4 over ATM/ABR service/ЛСС 2000 - PP.259-263.

    7. Dubrovsky A., Gerla M., Lee S. S., Cavendish D., Internet QoS Routing with IP Telephony and TCP Traffic//IEEE, JUNE 18-22, 2000 New Orleans.

    8. Ma Q., Steenkiste P. Routing Traffic with Quality-of-Service Guarantees in Integrated Services Networks//Workshop on Network and Operating Systems Support for Digital Audio and Video, Cambridge, England, July 1998.

    10. Бертсекас Д., Галлагер Р. Сети передачи данных: Пер: с англ.-М.:Мир. 1989, 544 с.

    11. Мизин И.А., Богатырев В.А., Кулешов А.П. Сети с коммутацией пакетов. М.: Радио и связь, 1986, 408 с.

    12. Лагутин В.С.Использование сетей с коммутации пакетов для реализации услуг мультимедиа / Системы управления сетями телекоммуникаций. МТУ СИ. М., 2002, С 210. в ЦНТИ "Информсвязь" 2002, №2205-св2002.

    13. Попова А.Г., Панов А.Е. Сравнительный анализ способов коммутации для обеспечения услуг мультимедиа. Системы управления сетями телекоммуни-каций//МТУСИ. М., 2002, С.69-75.

    14. Крук Б.И., Попантонопуло В.Н., Шувалов В.П. Телекоммуникационные системы и сети, современные технологии. Том 1 М. горячая линия-телеком, 2003г, - С.647.

    15. Башарин Г.П., Самуйлов К.Е. Современный этап развития теории телеграфи-ка//Информационные материалы -2110-№1- С. 153-166.

    16. Pippas J.B., Venieris I.S. A red variation for delay control/ЛЕЕЕ June 18-22, 2000- New Orleans.

    17. S. Kapoor S. Raghavan. Improved multicast routing with delay and delay variation constraints. GLOBECOM 00 IEEE. San Francisc. 27 November -1 December 2000.

    18. Chili-Jen C., Nilsson A.A. Queuing networks modeling for a packet router architecture using the DTM technology//IEEE June 18-22, 2000 New Orleans.

    19. T.M. Trang, N. Boukhatem, G. Pujolle. COPS-SLS usage for dynamic policy-based QoS management over heterogeneous IP networks/ЯЕЕЕ network. May/June, 2003, PP 44-50.

    20. Мархасин А.Б. Анализ интегрального телетрафика и проектирование мобильных сетей ЗС//Электросвязь 2002 - № 12 - С.3-9.

    21. Демьянов А.И. Оценка параметров скачков нагрузки в сотовых сетях подвижной связи//Электросвязь 2002 - № 5.

    22. Bahl P. Supporting digital video in a managed wireless network//IEEE Communications Magazine vol. 36 - June 1998 - PP.94-102.

    23. Davies N., Finney J., Friday A., Scott A. Supporting adaptive video applications in mobile environments//IEEE Communications Magazine vol. 36 - June 1998 -PP. 138-143.

    24. Седякин H.M. Элементы теории случайных импульсных потоков. М.: Советское радио, 1965, С.260.

    25. Цыбаков В.И., Численные исследования дисперсионных свойств нагруз-ки//Вести связи 2002 - № 12 - С.55-58.

    26. Шеннон Р. Имитационное моделирования систем, искусство и наука. Пер: с англ. М.: Мир, 1978, - С.420.

    27. Аврамчук Е.Ф., Вавилов А.А., Емельянов С В. и др. Технология системного моделирования. Машиностроение. Берлин: Техник, 1988, - С.520.

    28. Максимей И.В. Имитационное моделирование на ЭВМ. М.: Радио и мир. 1988, С. 232.

    29. Иванов А.Б., Соколов И.В., От сквозного контроля сети к контролю качества услуг//Элекгросвязь 2001 - № 2.

    30. Молчанов Д.А. Разработка модели и анализ характеристик обслуживания видеоинформации в узле сети АТМ//автореферат диссертационной работы на соискание ученой степени кандидата технических наук ГУТ - Санкт-Петербург - 2002 - С. 180.

    31. Швецов В.П., Цирик И.А. Модель сети радиодоступа с разнородными потоками информации//Информсвязь 2001 - № 2195 - С. 18-25.

    32. Casetti С. De Martin J.C. Meo M. A framework for the analysis of adaptive voice over IP//IEEE June 18-22, 2000 New Orleans.

    33. Михалевич И.Ф., Сычёв К.И. Моделирование процессов функционирования и управления трафиком в системах мобильной связи//Элекгросвязь-2002 № 1.

    34. Голышко А.В., Ершов В.А., Цыбаков В.И. Оценка качества обслуживания пользователей Интернет, включенных в электромеханические АТС//Вестник связи 2000 - № 12 - С.70.

    35. Ершов В.А., Ершова Э.Б., Щека А.Ю., Метод оценки качества обслуживания на мультисервисной сети с учетом числа пользователей услуг//Электросвязь-2001 №8-С.5-8.

    36. Cohen R., Radha Н., Streaming fine-grained scalable video over packet-based net-work//IEEE Global Telecommunications Conference San Francisco -27 November-1 December - 2000.

    37. Lee M.J., Kim J.K. Video frame rate control for non-guaranteed network services with explicit rate feedback Visual Communications Lab//Dept. of Electrical Engineering Kusongdong Yusonggu Taejon - PP 305-701.

    38. Wong W.K., Qian Y., Leung V.C. Scheduling for heterogeneous traffic in next generation wireless network//GLOBECOM IEEE-San Francisco 2000 - PP .283-287.

    39. ElAarag H., Bassiouni M. Simulation of transport protocols over wireless communication networks//Proceedings of the 2000 Winter Simulation Conference -PP 235-1241.

    40. Dapeng W., Yiwei H. Streaming video over the Internet Approaches and direc-tions/ЛЕЕЕ Trans / Circuits and Syst. Video Technol 2001 - № 3 - PP.282-300.

    41. Zhao H., Ansari N., Shi Yun Q. Transmission of real-time video over IP differentiated services//Electron. Lett. 2002 - № 19 - PP.1151-1153.

    42. Baskett F., Chandy K.M., Muntz R.R., Polacias F.G. Open, closed and mixednet-works of queues with different classes of customers//Journal of the ACM v.22, №2 - 1975 - PP.248-260.

    43. Konstantopoulos Т., Zazanis M., De Veciana G. Conservation laws and reflection mappings with an application to multiclass mean value analysis for stochastic fluid queues//Stochastic Process vol. 65, №. 1 - 1996 - PP. 139-146.

    44. Marchese M. Study and performance evaluation of TCP modifications and tuning over satellite links//IEEE ICC JUNE 18-22 2000- NEW ORLEANS.

    45. Chen J.C, Agrawal P. Active techniques for real time video transmission and play-Ьаск/ЛЕЕЕ ICC 2000 - New Orleans - PP.239-243.

    46. Lixin W. Hamdi M. Analysis of Multimedia Access Protocols for Shared Medium Networks//IEEE 2000 Global Telecommunications Conference - San Francisco.

    47. Фоминов О. Мультимедиа и сети. Мультимедиа. Цифровое видео, № 5 1997.

    48. Bodamer S., A New Scheduling Mechanism to Provide Relative Differentiation for Real-Time IP Traffic/ЛЕЕЕ 2000 GTC - San Francisco.

    49. Bandara J., Shen X., Nurmohamed Z. A Fuzzy Resource Controller for Non-RealTime Traffic in Wireless Networks//IEEE ICC june 18-22, 2000 - New Orleans.

    50. Jiang J. Lai Т. H., An Efficient Approach to Support QoS and Bandwidth Efficiency in High-Speed Mobile Networks//IEEE ICC june 18-22, 2000 - New Orleans.

    51. Barryl M., Andrew T. Distributed Control Algorithms for Service Differentiation in Wireless Packet Networks//IEEE INFOCOM 2001.

    52. Mansour J. Karam F. Tobagi A. On Traffic Types and Service Classes in the Internet//IEEE Global Telecommunications Conference 2000 - San Francisco.

    53. Mercado A., Ray K. J. Adaptive QoS for Mobile Multimedia Applications Using Power Control and Smart Antennas//IEEE ICC june 18-22,2000 - New Orleans.

    54. Kuzmanovic A. Edward W Measuring Service in Multi-Class Networks//IEEE INFOCOM 2001.

    55. Lombardo A., Morabito G., Schembra G., An Accurate and Treatable Markov Model of MPEG-Video Traffic//IEEE Proc. Infocom April 1998 - USA, San Francisco.

    56. ITU-T Recommendation 1.363.2: B-ISDN ATM Adaptation Layer 2 Specifications, Sep 1997.

    57. ITU-T Recommendation H.323 Version 3, Packet Based Multimedia Communication Systems, 1998.

    58. Capurro M., Ravaglia R., Giuli D. Users, Services and Traffic Modeling for Broadband Telecommunications Planning/TVol. 2- № 4 Jul.-Aug. 1991.

    59. Bonatti M., Gaivoronski A., Lemonche P., Polese P. Summary of Some Traffic Engineering Studies Carried out Within RACE Project R1044//Vol. 5, № 2 Mar. Apr. 1994.

    60. Maniatis S.I., Nikolouzou E.G., Venieris I.S. QoS issues in the converged 3G wireless and wired networks//IEEE Communications Magazine V.40, № 8 -2002 - PP.44-53.

    61. Олифер В.Г., Олифер H.A. Компьютерные сети, принципы, технологии, протоколы. СП.: Питер, 2001, С.668.

    62. Markopoulou P., Tobagi A., Karam J. Assessment of VoIP Quality over Internet Backbones//IEEE INFOCOM 2002.

    63. Voran S. Speech quality of G.723.1 coding with added temporal discontinuity im-pairments//Proc. of ICASSP May 2001.

    64. Ramjee R., Kurose J., Schulzrinne H. Adaptive play out mechanisms for pack-etized audio applications in wide-area networks/ЯЕЕЕ INFOCOM June 1994.

    65. Rosenberg J., Qiu L., Schttlrinne H., Integrating packet FEC into adaptive voice playout buffer algorithms on the lnternet/ЛЕЕЕ INFOCOM March 2000.

    66. Carle G., Biersack E. W., Survey of Error Recoveiy Techniques for IP-Based Audio-Visual Multicast Applications//IEEE Network vol. 11 - November-December 1997 - PP.24-36.

    67. Perkins C., Hodson O., Hardman V. A Survey of Packet-Loss Recovery Techniques for Streaming Audio//IEEE Network vol.12, №. 5 - Sept-Oct 1998 -PP.40-48.

    68. Erdol N., Castelluccia C., Zilouchian A. Recoveiy of Missing Speech Packets Using the Short-Time Energy and Zero-Crossing Measurements//IEEE Transactions on Speech and Audio Processing vol.1, №.3 - July 1993 - PP.295-303.

    69. Chen Y. L., Chen B. S. Model-Based Multirate Representation of Speech Signals and Its Application to Recovery of Missing Speech Packets//IEEE Transactions on Speech and Audio Processing vol. 5, №. 3 - May 1997 - PP.220-231.

    70. Hardman V., Sasse M.A., Handley M., Watson A. Reliable Audio for Use over the Intemet//Int. Proceedings of INET"95 1995.

    71. Советов Б.Я., Яковлев С.А. Построение сетей интегрального обслуживания. -Л.: Машиностроение, 1990. С.332.

    72. ISO/IEC JTC1/SC29/WG11 № 2459 Overview of the MPEG-4 standard. 1998.

    73. Srivastava A., Kumar A., Singru A., Design and Analysis of a Video-on-Demand Served/Multimedia Systems Vol.5, No.4 - July 1997 - PP.238-254.

    74. Wu D., Hou Y., Zhu W., Zhang Y., Peha M. Streaming video over the Internet Approaches and directions//IEEE Trans. Circuits and Syst. / Video Technol. 2001 -№ 3 - PP.282-300.

    75. Conklin G., Greenbaum G., Lillevold K., Lippman A., Reznik Y. Video coding for streaming media delivery on the Internrt/ЯЕЕЕ Trans. Circuits and Syst. Video Technol. - 2001 - № 3 - PP.269-281.

    76. Lee J. On a unified architecture for video-on-demand services/ЛЕЕЕ Trans. Multimedia 2002 - № 1 - PP.38-47.

    77. Pornavalai C., Chakraborty G., Shiratori N. QoS Based Routing Algorithm in Integrated Services Packet NetwoTks//Intemational Conference on Network Protocols Atlanta, Georgia - PP. 167-175.

    78. Rabbat R. Traffic Engineering Algorithms Using MPLS for Service Differentia-tion//IEEE JUNE 18-22, 2000 - NEW ORLEANS.

    79. Toukourou M., Orozco-Barbosa L. Performance of MPEG-2 video-on-demand over RSVP//Proc. SPIE 2000 - PP. 13-24.

    80. Furey S. The place of modeling tools in network planning//EDP Perform. Revio (USA) 1989 - V.17 - №6 - PP. 1-4.

    81. Frost V.S., Melamed В., Traffic modeling for telecommunications net-works//IEEE Communications Magazine Mar. 1994 - PP.70-81.

    82. Loeve W. Construction of programs for simulation//Informatie (Netherlands) -1993,- V.35, № 7-8 PP.485-492.

    83. Shannon R.E., Introduction to simulation//IEEE Winter Simulations Conference Proceedings New York, USA - 1992 - PP.65-73.

    84. Barton R.R., Fishman G.S., Kalos M.H., Kelton W.D., Kleijnen J.P. Experimental design issues for large simulation models//IEEE Winter Simulations Conference Proceedings San Diego, USA - 1989 - PP.411-418.

    85. Henriksen J.O. The integrated simulation environment. Simulation software of the 1990s//0peration Res. (USA) 1983 - V.31, .№6 - PP. 1053-1073.

    86. Radiya A., Fishwick P.A., Nance R.E., Rothenberg J., Sargent R.G. Discrete event simulation modeling, directions for the 1990s. 1992

    87. Розанов Ю.А. Случайные процессы. M.: Наука, 1979г. С. 112.

    88. Казаков В.А. Введение в теорию марковских процессов и некоторые радиотехнические задачи. -М.: Советское радио, 1973.

    89. Гнеденко Б.В. Курс теории вероятностей. М.: Наука. 1969

    90. Феллер В. Ведение в теорию вероятностей и ее приложения. Т.1, 2. М.: Мир, 1984.

    91. Кемин Дж., Снелл Дж. Конечные цепи Маркова. М.: Наука. 1970.

    92. Карлин С.Осноы теории случайных процессов. М.: Мир, 1971.

    93. Krunz, М.М. Makowski A.M., Modeling Video Traffic Using M/G/l Input Processes: A Compromise Between Markovian and LRD Models//IEEE Journalon Selected Areas in Communications 16 (5) PP.733-748.

    94. Poon, W. Lo K., A refined version of M/G/ос processes for modeling VBR video traffic//Computer Communications PP. 1105-1114.

    95. Кофман А., Крюон P. Массовое обслуживание. Теория и приложения. М.: Мир, 1965.

    96. Башарин Г.П., Бочаров П.П., Коган Я.А. Анализ очередей в вычислительных сетях. Теория и методы расчёта. М.: Наука, 1989. С. 336.

    97. Штойян Д. Качественные свойства и оценки стохастических моделей. М.: Мир, 1979.

    98. Кениг Д., Штойян Д. Методы теории массового обслуживания. М.: Радио и связь, 1981.

    99. Jackson J.R. Networks of waiting Iines//Operation Research 1957 - №5 -PP.518-521.

    100. Gordon W.G., Newell G.F. Closed queueing systems with exponential serv-ers//Operation Research V.15, №2 - 1967 - PP.254-265.

    101. Митрофанов Ю.И., Беляков В.Г., Курбангулов B.X. Методы и программные средства аналитического моделирования сетевых систем//Препринт, М.: Научный совет по комплексной проблеме Кибернетика, 1982. с 67.

    102. ChandyK.M., Howard J.H., TowsIeyD.F., Product form and local balance in queueing networks//Journal of the ACM v.24, №2 - 1977 - PP.250-263.

    103. Беляков В.Г., Митрофанов Ю.И., Ярославцев А. Ф. Пакет прикладных программ для математического моделирования сетевых систем. 1986. С. 145150.

    104. Гурьянов А.И., Митрофанов Ю.И. Определение параметров замкнутых линейных сетей систем массового обслуживания. 1970. С.39-49.

    105. Chandy К.М. Neuse D., a heuristic algorithm for queueing network models for communications of the ACM. v.25, №2, PP. 126-141.

    106. Reiser M., Lavenberg S.S. Mean-value analysis of closed multichain queueing networks//J. ACM vol. 27, № 2 - April 1980 - PP 313-322.

    107. Reiser M. Mean-value analysis and convolution method for queue-dependentservers in closed queueing networks//Performance evaluation vol. 1 - 1981 -PP 7-18.

    108. Жожикашвили В.А., Вишневский B.M. Сети массового обслуживания. Теория и применение к сетям ЭВМ. М.: Радио и связь, 1988. С. 192.

    109. Xu Y., Chang Y., Liu Z. Calculation and analysis of compensation buffer size in multimedia systems//IEEE Commun. Lett. 2001 - № 8 - PP.355-357.

    110. Xie J., Jiang S., Jiang Y. A dynamic bandwidth allocation scheme for differentiated services in EPONs//IEEE Communications Magazine august 2004, vol. 42 №. 8, PP.32-39.

    111. Derong L., Endre S., Wei S. Nested auto-regressive processes for MPEG-encoded video traffic modeling/ЛЕЕЕ Trans. Circuits and syst / Video Technol -2001 -№2-PP 169-183.

    112. Митрофанов Ю.И. Синтез сетей массового обслуживания. Саратов: Изд-во ГуНЦ "Колледж", 1995. С. 168.

    113. Uttam K.S., Ramakrishnan S., Dilip S. Segmenting full-length VBR video into shots for modeling with Markov-modulated gamma-based framework//Proc. SPIE-2001 PP. 191-202.

    114. Ярославцев А.Ф., Аль-Днебат С.А. Моделирование процессов передачи мультимедийного трафика в 1Р-сети//Информатика и проблемы телекоммуникаций. Тезисы докладов Российской научно-технической конференции. Новосибирск: СибГУТИ, 2003 - С.77-80.

    115. Ярославцев А.Ф., Аль-Днебат С. А. Применение структурированных сетей обслуживания для оценки параметров качества сервиса телекоммуникационных сетей. Материалы международной научно-практической конференции «Связь 2004». 22-29 августа 2004 г. С.329-335.

    116. CCIE, Cisco Certified internetworking Expert. Учебное руководство, Экзамен 350-001, М, 2002.

    117. Schulzrinne Н., Casner S., Frederick R., Jacobson V. A Transport Protocol for Real-Time Applications//Audio-Video Transport Working Group January 1996.

    118. Braden R., Clark D., Shenker S. Integrated Services in the Internet Architecture:an Overview / Internet RFC 1633, June 1994.

    119. Zhao W. Tripathi S. K. Routing Guaranteed Quality of Service Connections in Integrated Services Packet Networks//International Conference on Network Protocols Atlanta, Georgia - PP. 175-182.

    120. Balakrishnan H., Padmanabhan V., Seshan S., Katz R. A Comparison of Mechanisms for Improving TCP Performance over Wireless Links//IEEE ACM Trans, on Networking December 1997.

    121. He E., Hughes H.D. Experimental Evaluation of TCP Performance over Wireless Networks//Symposium on Performance Evaluation of Computer and Telecommunication Systems 1999.

    122. Schulzrinne H., Casner S., Frederick R., Jacobson V. RTP: A Transport Protocol for Real-Time Applications//RFC 1889 January 1996.

    123. Spiridon В., Li V. Maximizing the number of users in an interactive video-on-demand system//IEEE Trans. Broadcast 2002 - № 4 - PP.281-292.

    124. Hartanto F., Tiohardi L. Effects of interaction between error control and media synchronization on application-level performances//GLOBECOM"00. IEEE San Francisco - 2000 - PP.283-287.

    125. Chatzimisios P., Boucouvalas A.C. Vitsas V. Performance Analysis of IEEE 802.11 DCF in Presence of Transmission Errors//2004 IEEE International Conference on Communications 2004.

    126. Ярославцев А.Ф., Аль-Днебат С.А., Аналитическая модель передачи мультимедийного трафика по TCP/IP сети. Материалы международной научно-практической конференции «Связь 2004». 22-29 августа 2004 г. С.323-328.

    Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.