- 學位論文
透過節點選擇與歷史資料改善流量矩陣估計
Improve traffic matrix estimation by node selection and historical data
摘要
流量矩陣為在一段時間內網路中所有網路流量的整體大小，由於直接測量所有流量對於網路負擔很大。因此在傳統網路中使用線路流向來推算流量矩陣，只要得知所有流量的走向就能形成聚合矩陣藉此推算流量。但是聚合矩陣是欠定矩陣造成許多不同的答案。因此需要其他統計方式用來精準估計。 而軟體定義網路的出現對估計流量矩陣帶來改變，由於軟體定義網路可以在流量經過交換器的同時儲存其封包大小資訊，因此可以獲得經過該規則底下所有流量的封包大小的總和。同時取得線路流量大小與單一流量大小，但是軟體定義網路的交換器有一定的規則容量限制，而且控制端有運算和通訊的上限。因此在同一時間內可獲得測量數量被限制，所以有研究探討將不同流量整合成一個規則已離分離大條規則造成不同的準確度用來降低估計誤差。 在這篇論文探討在固定測量數量的情況下。當考量每個流量路由路徑下選擇節點會造成不同聚合矩陣。對於某些變數可以輕易地解出，因此可以降低估計誤差，而不用改變基本路由規則。另外藉由流量大小等歷史資訊可以更加估計準確率。
參考文獻
[1] Yin Zhang, Matthew Roughan, Nick Duffield, and Albert Greenberg. Fast accurate
computation of large-scale ip traffic matrices from link loads. In ACM SIGMETRICS
approach to traffic matrix estimation. In Proceedings of the 2003 conference
[3] Mehdi Malboubi, Liyuan Wang, Chen-Nee Chuah, and Puneet Sharma. Intelligent sdn
based traffic (de) aggregation and measurement paradigm (istamp). In INFOCOM,
延伸閱讀
- Lee, C. A. (2018). 利用向量組合方法改善網路服務匹配 [master's thesis, National Taiwan University]. Airiti Library. https://doi.org/10.6342/NTU201802568
- Lien, Y. C. (2016). 藉由資料導向的特徵轉換改進流形正則化單類別協同過濾模型 [master's thesis, National Taiwan University]. Airiti Library. https://doi.org/10.6342/NTU201601737
- Hu, H. T., & Yu, C. (2006). 結合轉轍式預測網路與多級向量量化以達成線頻譜對參數之高效率編碼. 國立宜蘭大學工程學刊, (2), 37-48. https://doi.org/10.6176/BCE.2006.02.14
- 汪進財、邱孟佑（2010）。A Traffic State-based Model for Freeway Travel Time Prediction。運輸學刊，22(3)，261-284。https://doi.org/10.6383/JCIT.201009.0261
- 邱孟佑（2011）。A Traffic State-Based Model for Freeway Travel Time Prediction〔博士論文，國立交通大學〕。華藝線上圖書館。https://doi.org/10.6842/NCTU.2011.00050