L’accés a Internet s’ha convertit avui en dia en una necessitat degut a la facilitat i
comoditat que ens produeix poder enviar un mail, fer una transferència bancària,
consultar informació de tot tipus des de qualsevol lloc. El major ús de totes aquestes
aplicacions, juntament amb les múltiples possibilitats de connexió que ens ofereixen
les xarxes WiFi, WIMAX, UMTS entre d’altres, fan que sigui objecte d’estudi millorar
l’eficiència i donar més facilitats a l’usuari.
Una vegada que l’usuari selecciona una xarxa per tenir accés a Internet, els
requeriments i capacitats i la qualitat de la mateixa van canviant atenent als canvis
produïts en l’entorn. El que aquí ens interessa és saber quina xarxa és la millor en cada
moment tenint en compte els esmentats canvis. D’aquesta manera això fitxa les bases
en la creació d’un sistema capaç d’autogestionar‐se i autoconfigurar‐se.
El principal objectiu d’estudi és el desenvolupament d’un mecanisme de decisió que
executi de forma semblant a un handover vertical, un canvi de xarxa automàtic.
D’aquesta manera l’usuari té l’avantatge de gaudir de la xarxa que li proporcioni millor
connexió possible atenent als canvis de l’entorn a cada instant. Per una altra banda,
l’usuari pot treballar sense haver de preocupar‐se de la connectivitat amb
independència del lloc on es trobi, de si està en moviment, dels requeriments de
l’aplicació a executar, etc.
Dintre de l’àmbit de les comunicacions autonòmiques l’actual recerca de les xarxes
cognitives (cognitive networks) és el mitjà adequat per desenvolupar aquesta tasca.
Les xarxes cognitives apareixen com a resposta a la limitació de l’espectre i a la
ineficiència del seu ús. La característica principal d’aquestes xarxes és que poden
adaptar dinàmicament els seus paràmetres com a resposta de les necessitats dels
usuaris o dels canvis en les condicions de l’entorn. Així mateix aquestes xarxes tenen la
capacitat d’aprendre de les adaptacions realitzades i aprofitar aquest coneixement per prendre futures decisions basades en la experiència.
L’escenari en el que es centra el nostre treball és l’anomenat Always Best Connected,
concepte que es refereix no només a que l’usuari estigui sempre connectat, sinó
connectat de la millor manera possible.
Per portar a terme tot l’esmentat previament hem estudiat les característiques de
diferents models procedents d’àrees com: autonomic communications, autonomic
computing, robòtica i informàtica. A més a més hem intentat extreure influències
procedents de camps originalment no tan lligats a les tecnologies, com són la
psicologia i la pedagogia, per tal de intentar aprofundir en el desenvolupament
d’aquests sistemes amb l’ajuda de models utilitzats pels humans.
Les característiques més valuoses que hem trobat són la simplicitat, l’ús de context, la capacitat d’aprenentatge i la reconfigurabilitat. De cada model s’han extret trets valuosos pel posterior disseny de la nostra solució. Aquests models van des d’una
solució robòtica basada en un simple esquema “reb‐tracta‐actua” desenvolupat a
mitjans dels 80, fins a les darreres aportacions oferides per universitats i centres de investigació i desenvolupament en el camp de les comunicacions autònomes.
En quant a tasques i blocs comuns, trobem pràcticament en tots els models estudiats
els següents mòduls: captació de dades (sensing) i monotorització, anàlisi, ús de
context o informació de l’entorn, presa de decisions, aprenentatge i execució. El bloc
sensing és la via que utilitza el sistema per apreciar la realitat física de l’exterior.
Mitjançant múltiples tipus de dades mesurades, així com moviment, xarxes
disponibles, mètriques i topologies utilitza data‐aggregation per eliminar informació
redundant.
El mòdul d’anàlisi és el responsable de trobar els mecanismes necessaris per
interpretar les dades rebudes, filtrar‐les i correlar‐les per tal de descriure una situació.
Aquest bloc fa ús d’ontologies per representar i compartir el model de la realitat adquirit amb totes les entitats amb les que està interrelacionat. Finalment avalua
l’impacte de les decisions preses i coordina les interaccions entre els diferents sistemes
autonòmics.
Quan parlem de context ens referim a un terme essencial en la presa de decisions.
Aquest terme és utilitzat per donar un millor coneixement sobre la informació de que
es disposa, tenint en compte les circumstàncies de cada cas.
El terme context i el seu comportament són el centre d’estudi de diferents projectes
desenvolupats per la Unió Europea com són: Ambient Networks, SPICE, E2R (End to
End Reconfigurability) i MobiLife. En tots ells la utilització del context es fa en diferents capes i diferents ontologies. La recerca d’aquests projectes europeus englobats en el
Sixth Framework Programme tenen com a finalitat utilitzar el context de les situacions
per tal de donar un millor producte als usuaris finals.
La presa de decisions està formada per un grup de regles associades a un conjunt
d’accions emmagatzemades dintre d’una base de dades. Aquest mòdul proveeix al
sistema dels mecanismes i algoritmes necessaris per trobar l’acció a realitzar en cada moment. Aquí juga un factor important la interpretació de les dades rebudes en base
al context i al coneixement de la situació per aconseguir la decisió idònia.
L’aprenentatge dintre d’aquest sistema és vist com un conjunt de mecanismes que
utilitza l’experiència per predir accions futures. Aquesta capacitat és important per
millorar el rendiment i l’efectivitat de decisions passades i descobrir noves relacions per a la construcció d’un millor coneixement.
Com a darrer bloc considerem la funció d’execució com la més senzilla, que només du
a terme les decisions preses anteriorment. Una vegada executada l’acció indicada,
informa pertinentment als usuaris o administradors del resultat de les accions
realitzades.
Hem de destacar que el Phased Model for Network Selection based on context està
composat per quatre blocs: Sensing, Anàlisi‐Presa de decisions, Aprenentatge i
Execució. El que destaca respecte dels models prèviament avaluats és la construcció
d’un bloc capaç d’analitzar i prendre decisions simultàniament. Això és degut a
l’estreta col∙laboració entre ambdós mòduls amb l’objectiu d’agilitzar el rendiment.
També cal remarcar el continu feedback loop entre aquest complex mòdul i la base de
dades que emmagatzema la nova informació aportada pel bloc d’aprenentatge.
Una vegada dissenyat el model proposat, faltaria implementar pràcticament una
solució i simular la viabilitat del sistema. En aquest sentit són molts els estudis teòrics fets dins aquest camp, però encara no s’ha trobat resultat pràctic. |