Journal influence
Bookmark
Next issue
A forecasting method for regional information networks functioning characteristics
The article was published in issue no. № 3, 2009Abstract:The article considers forecasting problems of the regional information network characteristics subject to socioeconomic factors of user environment dynamic. The medium-term forecasting method for network elements traffic characteristics is proposed. The method is based on system-dynamic modeling of network technical parameters and user environment socioeconomic factors.
Аннотация:В статье рассматриваются вопросы, связанные с прогнозированием показателей функционирования информационно-коммуникационной среды региона с учетом динамики социально-экономических показателей пользовательской среды. Авторами предложен метод среднесрочного прогнозирования параметров нагрузки на элементы сети на основе решения комплекса задач моделирования динамики технических, экономических и социальных характеристик сети и пользовательской среды.
Authors: (shishaev@iimm.kolasc.net.ru) - , Ph.D, (datyev@mail.ru) - , V.A. Putilov (putilov@iimm.ru) - Institute for Informatics and Mathematical Modeling of the Federal Research Center "Kola Scince Center Russian Academy of Sciences" (Professor, Scientific Supervisor), Apatity, Russia, Ph.D | |
Keywords: information networks, system-dynamic method, simulation |
|
Page views: 10181 |
Print version Full issue in PDF (4.21Mb) |
Получение прогнозных значений показателей функционирования информационно-коммуникационной среды (ИКС) региона является актуальной задачей, решение которой позволит обеспечить эффективное планирование ее развития. В работах, посвященных данной проблеме, в основном рассматриваются факторы технического характера. При этом не учитывается динамика социально-экономических показателей пользовательской среды – социальной и экономической структуры пользовательского пула, его территориальной распределенности. Однако в среднесрочной перспективе динамика этих показателей оказывает существенное влияние на различные характеристики ИКС – объемы трафика, нагрузку на вычислительные и коммуникационные узлы и т.п. Поэтому при прогнозировании характеристик региональной ИКС необходимо учитывать динамику параметров социально-экономической среды региона в целом. В данной работе рассматривается метод среднесрочного прогнозирования параметров нагрузки на элементы сети на основе решения комплекса задач моделирования динамики технических, экономических и социальных характеристик сети и пользовательской среды. Основными составляющими метода являются: - формализованная концептуальная модель предметной области (КМПО); - шаблоны системно-динамических (СД) моделей субъектов информационного обмена региональных ИКС; - механизмы формирования СД-модели для решения поставленной задачи. КМПО на общем уровне представлена следующими множествами: пользователи ИКС, поставщики информационных услуг, информационные ресурсы. На более низком уровне представления происходит атрибутирование элементов этих множеств некоторыми группами характеристик и возможно объединение элементов множеств по определенным признакам этих групп. К таким группам относятся характеристики, описывающие различные классы информационных ресурсов, типы пользователей в терминах потребляемых ими информационных ресурсов, демографико-возрастные секторы пользователей, социально-экономические группы пользователей, а также поставщиков информационных услуг. При необходимости, обусловленной специфичностью предметной области, КМПО может быть дополнена новыми объектами или новыми характеристиками уже присутствующих в ней объектов. КМПО дает общее представление о предметной области и позволяет формулировать задачи, связанные с моделированием характеристик нагрузки, ассоциированных с объектами КМПО. Шаблоны СД-моделей субъектов информационного обмена. Для учета динамики демографических, социально-экономических показателей, а также показателей, описывающих экономическое и техническое состояние региональных ИКС, влияющих на пользовательскую среду, разработаны шаблоны СД-моделей, с помощью которых можно получать прогнозные оценки этих показателей. Шаблон моделей демографических секторов, разработанный в Институте информатики и математического моделирования Кольского научного центра (КНЦ) РАН в рамках исследований с 1997 по 2001 гг., позволяет создавать модели для получения прогнозных оценок количества населения различных возрастных категорий. Модели социально-экономических групп пользователей, построенные на базе соответствующего СД-шаблона, позволяют получать прогнозные оценки количества населения, принадлежащего каждой из этих групп. Разбиение населения на группы может производиться на основе различных социально-экономических признаков, таких как занятость в экономической отрасли, принадлежность к организации, к социальной группе. Основные характеристики шаблона СД-моделей социально-экономических групп: SGm – характеристики m-й социально-экономической группы; SGm = {pd, gq, el, pl, vl, gc}, где pd – доли пользователей m-й социально-экономической группы среди каждого типа пользователей, провайдера, класса ресурсов, демографического сектора; gq – численность m-й социально-экономической группы; el – уровень доходов m-й социально-экономической группы, elÎ(0,1],
где sgsm – доход m-й социально-экономической группы; h – индекс социально-экономической группы (
где prm – привлекательность m-й социально-экономической группы,
где ecfm – весовой коэффициент, определяемый экспертом, для m-й социально-экономической группы, ecfÎ(0,1]; h – индекс социально-экономической группы, Модели поставщиков информационных услуг, построенные на основе разработанного системно-динамического шаблона, позволяют получать прогнозные оценки количества пользователей различных типов, демографических секторов, социально-экономических групп для каждого провайдера с учетом технико-экономических характеристик предоставляемых информационных услуг. Основные характеристики шаблона СД-моделей поставщиков информационных услуг: qs=un/at, (4) где un – суммарное время неработоспособности провайдера за определенный промежуток времени, at – общая длительность этого промежутка времени; as – список предоставляемых дополнительных сервисов; ac – абонентская плата за определенный промежуток времени; где tb – объем трафика, включенный в абонентскую плату. Разработанный шаблон моделей типов пользователей представляет собой набор характеристик, описывающих поведенческие особенности пользователя и предпочтения, связанные с техническими характеристиками информационно-коммуникационных услуг: UTj – характеристики j-го типа пользователя; UTj =, где pd – доля пользователей j-го типа в каждой социально-экономической группе, провайдере, классе ресурсов, демографическом секторе; NS – статистическое распределение количества сеансов использования сети в сутки за определенный период; N – статистическое распределение количества веб-страниц, запрошенных в течение сеанса; T – статистическое распределение времени между запросами страниц; Uid – идентификатор типа пользователя; q задает предпочтение пользователя: если q близко к 1 – важна цена, q близко к 0 – важна скорость, Таким образом, модели типов пользователей, построенные на основе разработанного шаблона, позволяют разделять множество пользователей на типы с точки зрения различных социально-экономических и технических признаков с учетом цели использования ИКС. Класс информационного ресурса – это агрегированная характеристика, сочетающая количество и объем объектов ресурса и поставленное ей в соответствие название, отражающее тематику и предназначение ресурса. С точки зрения моделирования сетевого трафика необходимо выделять классы ресурсов, порождающие различные трафики. По отношению к контенту данных ресурсов можно сказать, что они должны иметь некоторые структурные (дизайнерские) особенности, например, соотношение текста и графики на страницах. Подобные особенности технически выражаются в определенном количестве размещенных на страницах ресурсов объектов специфического размера. Основными характеристиками шаблона СД-моделей классов информационных ресурсов являются RCu – характеристики информационных ресурсов класса u, RCu=, где Сid – идентификатор класса ресурса; pd – доля пользователей u-го класса ресурсов в каждом типе пользователей, провайдера, демографического сектора, в каждой социально-экономической группе; BS – статистическое распределение размеров «тел» страниц информационного ресурса класса Сid; OQ – статистическое распределение количества объектов на странице информационного ресурса класса Сid; OS – статистическое распределение размеров объектов ресурса класса Сid. В результате модели типов пользователей и классов ресурсов, построенные на основе разработанных шаблонов, позволяют учитывать не только общее количество пользователей информационных систем, но и специфику информационных ресурсов, необходимых для решения задач типичного представителя различных социально-экономических групп пользователей. Механизмы формирования СД-модели. Все задачи, связанные с прогнозированием различных характеристик нагрузки, сформулированные в терминах объектов КМПО, определяют цель моделирования и объекты, влияние и характеристики которых необходимо учитывать при моделировании. Приведем примеры формулировок задач для региональных ИКС. Задача 1. Найти прогнозные оценки объемов трафика различных социально-экономических групп, пользующихся услугами данного провайдера, учитывая классификацию информационных ресурсов, типизацию пользователей и демографическую обстановку в регионе. Задача 2. Найти прогнозные оценки объемов трафика всех провайдеров, учитывая демографическую обстановку в регионе, специфическое распределение пользователей по социально-экономическим группам, типизацию пользователей и классификацию ресурсов. Подобных задач может быть сформулировано достаточно много, и результаты решений большинства из них имеют практическую ценность. Формулировки задач, решаемых с помощью предлагаемого метода, однотипны и поэтому могут быть структурированы следующим образом: T=, где T – поставленная задача; G – цель моделирования; GO – целевая группа объектов; IC – уточняющие начальные условия; IF – факторы, влияние которых необходимо учитывать, На основе структурированной формулировки поставленной задачи формируется структура СД-модели согласно разработанным рекомендациям и правилам. Целью этих рекомендаций и правил по формированию структуры СД-модели является снижение объема необходимых модификаций исходных шаблонов СД-моделей при построении результирующей СД-модели. На основе построенных СД-моделей можно проводить исследования параметров нагрузки моделируемой сети для различных сценариев, выраженных в изменениях начальных значений переменных и законах функционирования модели. На базе предлагаемого метода создан прототип СД-модели региональной ИКС КНЦ РАН. Информация об объемах трафика, ассоциированного с основными подразделениями КНЦ и соответствующими провайдерами, полученная в результате моделирования (временной диапазон, для которого было проведено моделирование, – 2006–2012 гг.), согласуется с накопленными в коммуникационном центре КНЦ РАН данными за 2006–2009 гг. Другим примером реализации является созданный прототип СД-модели сети провайдера г. Апатиты Мурманской области. Результаты моделирования объемов трафика, ассоциированных с различными группами пользователей, соответствуют накопленным данным за 2006–2009 гг. и используются при формировании стратегии развития сети провайдера. Литература 1. Вишневский В.М. Теоретические основы проектирования компьютерных сетей. М.: Техносфера, 2003. 512 с. 2. Основы построения больших информационно-вычислительных сетей; под общ. ред. Д.Г. Жимерина и В.И. Максименко. М.: Статистика, 1976. 296 с. |
Permanent link: http://swsys.ru/index.php?id=2305&lang=en&like=1&page=article |
Print version Full issue in PDF (4.21Mb) |
The article was published in issue no. № 3, 2009 |
Perhaps, you might be interested in the following articles of similar topics:
- Некоторые результаты имитационного моделирования мультисервисных бортовых цифровых платформ стандарта DVB-RCS
- Система моделирования поведения групп робототехнических агентов с элементами социальной организации Кворум
- Имитационное моделирование пневмогидромеханической системы в компьютерном тренажере
- Инструментальные средства для оптимизации и планирования производства на базе эволюционных метаэвристик
- Автоматизация процессов управления сервис-ориентированными системами
Back to the list of articles