Modelo de Otimização de Alocação de Recursos em LoRaWAN para Aplicações de Internet das Coisas

  • Nagib Matni Universidade Federal do Pará
  • Jean Moraes Universidade Federal do Pará
  • André Riker Universidade Federal do Pará
  • Helder Oliveira Universidade Federal do Pará
  • Denis Rosário Universidade Federal do Pará
  • Eduardo Cerqueira Universidade Federal do Pará

Resumo


O LoRaWAN é a tecnologia sem fio de longo alcance mais utilizada para aplicações de Internet das Coisas (IoT) que trabalham com alta densidade, pois é capaz de conectar dispositivos que requerem serviços de comunicação de longo alcance, baixo custo e menor consumo de energia. Contudo, a densificação do uso de LoRaWAN em serviços IoT traz uma série de desafios devido a interferência por transmissão simultânea no mesmo canal e/ou maior consumo de energia pelos dispositivos. Nesse contexto, é crucial entender os conceitos de alocação de recursos do LoRaWAN para otimizar a configuração de parâmetros específicos do rádio, ie, Fator de Espalhamento (SF) e Frequência de portadora (CF), em que a otimização dos parâmetros de transmissão via modelos de otimização é um desafio em aberto. Este artigo apresenta o MARCO, um modelo de otimização de alocação de recursos para minimizar a Qualidade de Serviço (QoS) do LoRaWAN para aplicações de IoT, além de contribuir para a melhora da eficiência enérgica dos dispositivos. O MARCO considera uma programação linear inteira mista para definir as configurações ideais dos parâmetros SF e CF, bem como especificações de trafego da rede como um todo. Resultados de simulação demonstram a eficiência em termos de taxa de extração de dados, número de colisões e consumo de energia do MARCO em comparação com as heurísticas de alocação de recursos para LoRaWAN existentes.

Palavras-chave: LoRaWAN, IoT, PLIM, LoRa

Referências

(2019). Adaptive Data Rate. https://www.thethingsnetwork.org/docs/lorawan/adaptive-data-rate.html.

Akpakwu, G. A., Silva, B. J., Hancke, G. P., and Abu-Mahfouz, A. M. (2018). A survey on 5g networks for the internet of things: Communication technologies and challenges. IEEE Access, 6:3619–3647.

Amichi, L., Kaneko, M., Fukuda, E. H., Rachkidy, N. E., and Guitton, A. (2019). Joint allocation strategies of power and spreading factors with imperfect orthogonality in lora networks. arXiv preprint arXiv:1904.11303.

Bockelmann, C., Pratas, N., Nikopour, H., Au, K., Svensson, T., Stefanovic, C., Popovski, P., and Dekorsy, A. (2016). Massive machine-type communications in 5g: physical and mac-layer solutions. IEEE Communications Magazine, 54(9):59–65.

Bor, M. and Roedig, U. (2017). Lora transmission parameter selection. In 13th Conference on Distributed Computing in Sensor Systems (DCOSS), pages 27–34. IEEE.

Bor, M. C., Roedig, U., Voigt, T., and Alonso, J. M. (2016). Do lora low-power widearea networks scale? In 19th International Conference on Modeling, Analysis and Simulation of Wireless and Mobile Systems, pages 59–67. ACM.

Caillouet, C., Heusse, M., and Rousseau, F. (2019). Optimal SF Allocation in LoRaWAN Considering Physical Capture and Imperfect Orthogonality. In Global Communications Conference (GLOBECOM), Waikoloa, United States.

Dawaliby, S., Bradai, A., and Pousset, Y. (2019). Network slicing optimization in large scale lora wide area networks. In Proceedings of the IEEE Conference on Network Softwarization (NetSoft), pages 72–77. IEEE.

Duda, A. and Heusse, M. (2019). Spatial issues in modeling LoRaWAN capacity. In 22nd International ACM Conference on Modeling, Analysis and Simulation of Wireless and Mobile Systems, pages 191–198.

El-Aasser, M., Elshabrawy, T., and Ashour, M. (2018). Joint spreading factor and coding rate assignment in lorawan networks. In Global Conference on Internet of Things (GCIoT), pages 1–7. IEEE.

Ertürk, M. A., Aydın, M. A., Büyükakkaslar, M. T., and Evirgen, H. (2019). A survey on lorawan architecture, protocol and technologies. Future Internet, 11(10):216.

Harinda, E., Hosseinzadeh, S., Larijani, H., and Gibson, R. M. (2019). Comparative performance analysis of empirical propagation models for lorawan 868mhz in an urban scenario. In 5th World Forum on Internet of Things (WF-IoT), pages 154–159. IEEE.

Raza, U., Kulkarni, P., and Sooriyabandara, M. (2017). Low power wide area networks: An overview. IEEE Communications Surveys & Tutorials, 19(2):855–873.

Sandoval, R. M., Garcia-Sanchez, A.-J., and Garcia-Haro, J. (2019a). Optimizing and updating lora communication parameters: A machine learning approach. IEEE Transactions on Network and Service Management, 16(3):884–895.

Sandoval, R. M., Garcia-Sanchez, A.-J., and Garcia-Haro, J. (2019b). Performance optimization of lora nodes for the future smart city/industry. EURASIP Journal onWireless Communications and Networking, 2019(1):1–13.

Seller, O. B. A. (2017). Wireless communication method. US Patent 9,647,718.

Yastrebova, A., Kirichek, R., Koucheryavy, Y., Borodin, A., and Koucheryavy, A. (2018).

Future networks 2030: Architecture & requirements. In 2018 10th International Congress on Ultra Modern Telecommunications and Control Systems and Workshops (ICUMT), pages 1–8. IEEE.

Yousuf, A. M. et al. (2018). Throughput, coverage and scalability of LoRa LPWAN for internet of things. In IEEE/ACM 26th International Symposium on Quality of Service, pages 1–10.
Publicado
07/12/2020
MATNI, Nagib; MORAES, Jean; RIKER, André; OLIVEIRA, Helder; ROSÁRIO, Denis; CERQUEIRA, Eduardo. Modelo de Otimização de Alocação de Recursos em LoRaWAN para Aplicações de Internet das Coisas. In: WORKSHOP DE GERÊNCIA E OPERAÇÃO DE REDES E SERVIÇOS (WGRS), 25. , 2020, Rio de Janeiro. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2020 . p. 43-56. ISSN 2595-2722. DOI: https://doi.org/10.5753/wgrs.2020.12450.