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

  • Guilherme Henrique Apostolo Universidade Federal Fluminense
  • Débora Christina Muchaluat Saade Universidade Federal Fluminense
  • Luiz Claudio Schara Magalhães Universidade Federal Fluminense
  • Flávia Cristina Bernardini Universidade Federal Fluminense

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 efficientwireless transmission and modeling in mobile cloud computing. Mobile Networks andApplications, 18(1):148-155.

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

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

Ganji, F., Budzisz, L., and Wolisz, A. (2013). Assessment of the power saving poten-tial 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, pages1-6. IEEE.

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

Lorincz, J., Capone, A., and Bogarelli, M. (2010). Energy savings in wireless accessnetworks 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 mo-del for the energy-efficient activation of access points in dense wlans. In Proceedings ofthe Ist international conference on energy-efficient computing and networking, pages159-168. ACM.

Sangogboye, F. C., Imamovic, K., and Kjargaard, M. B. (2016). Improving occupancypresence prediction via multi-label classification. In 2016 IEEE International Confe-rence 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 Networ-king, 2012(1):42.
Publicado
07/12/2020
Como Citar

Selecione um Formato
APOSTOLO, Guilherme Henrique; SAADE, Débora Christina Muchaluat; MAGALHÃES, Luiz Claudio Schara; BERNARDINI, Flávia Cristina. Análise de Associações em Redes Wi-Fi Utilizando Técnicas de Aprendizado de Máquina Multirrótulo para Economia de Energia da Rede. 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. 125-138. ISSN 2595-2722. DOI: https://doi.org/10.5753/wgrs.2020.12456.