Análise de Associações em Redes Wi-Fi Utilizando Técnicas de Aprendizado de Máquina Multirrótulo para Economia de Energia da Rede

• Guilherme H. Apostolo Universidade Federal Fluminense
• Débora Muchaluat-Saade Universidade Federal Fluminense
• Luiz C. Schara Magalhães Universidade Federal Fluminense
• Flávia Bernardini Universidade Federal Fluminense

DOI: https://doi.org/10.5753/wgrs.2020.12456

Resumo

Para atender às necessidades de acesso sem fio dos usuários, as redes Wi-Fi têm sido bastante ampliadas e isso leva a custos energéticos cada vez maiores. Economizar energia numa rede Wi-Fi de grande escala, sem nenhum grande impacto no serviço oferecido aos usuários, é sem dúvida algo extremamente desejável. Neste trabalho, analisa-se o desempenho de algoritmos de aprendizado de máquina multirrótulo para fornecer previsões de associações de usuários num cenário real de rede sem fio, utilizando dados da rede SCIFI da Universidade Federal Fluminense (UFF) em um período de 6 meses. Os resultados mostraram que o método relevância binária e o algoritmo árvore de decisão obtiveram a melhor acurácia com um valor de 87,04% para a classificação dos estados de ocupação dos pontos de acesso sem fio. Os resultados também demonstram que um mecanismo como o idealizado por este trabalho é capaz de economizar em torno de 10,34% da energia total utilizada pela rede sem fio.

Palavras-chave: Redes Wi-Fi de Larga Escala, Aprendizado de Máquina, Aprendizado Multirrótulo, Economia de Energia, Smart Buildings, Ambient Intelligence, Previsão de Ocupação de Pontos de Acesso

Referências

Buitinck, L., Louppe, G., Blondel, M., Pedregosa, F., Mueller, A., Grisel, O., Niculae, V.,Prettenhofer, P., Gramfort, A., Grobler, J., Layton, R., VanderPlas, J., Joly, A., Holt,B., and Varoquaux, G. (2013). API design for machine learning software: experiencesfrom the scikit-learn project. In ECML PKDD Workshop: Languages for Data Miningand Machine Learning, pages 108-122.

Cui, Y., Ma, X., Wang, H., Stojmenovic, I., and Liu, J. (2013). A survey of energy efficient wireless transmission and modeling in mobile cloud computing. Mobile Networks and Applications, 18(1):148-155.

Debele, F. G., Li, N., Meo, M., Ricca, M., and Zhang, Y. (2014). Experimenting resourceondemand strategies for green wlans. ACM SIGMETRICS Performance Evaluation Review, 42(3):61-66.

Fang, L., Xue, G., Lyu, F., Sheng, H., Zou, F., and Li, M. (2018). Intelligent large-scale ap control with remarkable energy saving in campus wifi system. In 2018 IEEE 24th International Conference on Parallel and Distributed Systems (ICPADS), pages 69-76. IEEE.

Ganji, F., Budzisz, L., and Wolisz, A. (2013). Assessment of the power saving potential in dense enterprise wlans. In 2013 IEEE 24th Annual International Symposiumon Personal, Indoor, and Mobile Radio Communications (PIMRC), pages 2835-2840.IEEE.

Haratcherev, I., Fiorito, M., and Balageas, C. (2009). Low-power sleep mode and out-of-band wake-up for indoor access points. In 2009 IEEE Globecom Workshops, pages 1-6. IEEE.

Jardosh, A. P., Papagiannaki, K., Belding, E. M., Almeroth, K. C., Iannaccone, G., and Vinnakota, B. (2009). Green wlans: on-demand wlan infrastructures. Mobile Networks and Applications, 14(6):798-814.

Lorincz, J., Capone, A., and Bogarelli, M. (2010). Energy savings in wireless access networks through optimized network management. In IEEE 5th International Sympo-sium on Wireless Pervasive Computing 2010, pages 449-454. IEEE.

Magalhães, L. C. S., Balbi, H. D., Corrêa, C., Valle, R. D. T. d., and Stanton, M. (2013).Scifi-a software-based controller for efficient wireless networks.

Marsan, M. A., Chiaraviglio, L., Ciullo, D., and Meo, M. (2010). A simple analytical model for the energy-efficient activation of access points in dense wlans. In Proceedings of the 1st international conference on energy-efficient computing and networking, pages159-168. ACM.

Sangogboye, F. C., Imamovic, K., and Kjargaard, M. B. (2016). Improving occupancy presence prediction via multi-label classification. In 2016 IEEE International Conference on Pervasive Computing and Communication Workshops (PerCom Workshops), pages 1-6. IEEE.

Tang, S., Yomo, H., Kondo, Y., and Obana, S. (2012). Wake-up receiver for radio-on-demand wireless lans. EURASIP Journal on Wireless Communications and Networking, 2012(1):42.