Load inference in Wi-Fi networks : models and experimentations
Inférence de la charge dans les réseaux Wi-Fi : modèles et expérimentations
Résumé
As one of the cornerstones for delivering flexibility and ease of deployment, Wireless Local Area Networks (WLANs), especially IEEE 802.11, have been widely deployed in a variety of situations: homes, corporate or campus networks, public areas, which has led to the explosion of wireless data usage and the colossal rise of access points, smartphones, and various mobile devices. In such dense environments, a device seeking connectivity must choose among multiple available Wi-Fi networks that are within its radio range. However, the procedure for selecting an access point is still a striking concern and a critical ongoing challenge, especially in public areas (e.g., train stations, airports, malls, etc.), since it is based on simple criteria that do not relate to the quality of service that the device will experience. In particular, the network load is not taken into account even though it is a key parameter for the quality of service and experience. In this dissertation, we study the possibility/capacity for an unmodified vanilla device, especially a smartphone, to estimate the load of a network from local measurements in the user space with no interventions from the access points nor root permissions. The network load can be expressed in many ways. In this work, we consider the Busy Time Fraction (BTF), defined as the fraction of time the wireless medium is sensed busy due to successful or unsuccessful transmissions. In this regard, we propose relatively simple and versatile analytical Markovian models specific to the application of BTF estimation in the presence of the IEEE 802.11 frame aggregation scheme introduced in recent 802.11 amendments. We model and simulate different scenarios in which a device induces the UpLink (UL) or the DownLink (DL) mean aggregation levels, in the user space, of an aggregated deterministic probe traffic competing with the traffic present in the network that can aggregate or not its frames. We then propose a novel and practical method called Frame Aggregation based Method (FAM). It leverages the frame aggregation mechanism to estimate the network load through its BTF and characterize the network traffic type. FAM combines an active probing technique to measure the actual packet aggregation level and analytical Markov models that provide the expected rate as a function of the volume and nature of the traffic on the network. The performance evaluation of the proposed Markovian models and the method has been established with the aid of the ns-3 network simulator and experimental test-beds under several scenarios. Results have shown that our method FAM is able to infer the network load with a granularity based on six levels of network loads for the considered scenarios.
La technologie Wi-Fi est devenue un réel besoin puisqu'elle répond de manière fiable et rapide à la demande exponentielle des services de données sans fil. Les réseaux Wi-Fi se sont densifiés ces dernières années et ils ont été largement déployés dans de nombreuses situations: réseaux d'entreprises ou de campus, espaces publics, etc. Dans de tels environnements denses, un terminal cherchant à se connecter doit choisir parmi plusieurs réseaux Wi-Fi disponibles. Cependant, la procédure de sélection d'un point d'accès (AP) reste une préoccupation majeure, en particulier dans les espaces publics (gare, aéroport, etc.), car elle est basée sur des critères simples qui prennent en compte que la qualité du lien d'un utilisateur et négligent les informations prenant en compte les autres. En particulier, la charge du réseau n'est pas prise en compte alors qu'elle est un paramètre clé pour la qualité du service. Dans cette thèse, nous abordons comment un appareil non modifié, en particulier un smartphone, pourrait estimer la charge d'un réseau via le temps d'occupation du canal (BTF) dans l'espace utilisateur sans aucune intervention des APs. Le BTF est défini comme étant la fraction de temps pendant laquelle le support sans fil est considéré comme occupé en raison de transmissions réussies ou non. À cet égard, nous proposons des modèles analytiques, basés sur des chaines de Markov relativement simples et polyvalents, spécifiques à l'application de l'estimation de BTF en présence du mécanisme d'agrégation de trames IEEE 802.11 introduit dans les récents standards (802.11n, ac, ax). Nous modélisons et simulons différents scénarios dans lesquels un terminal induit le taux d'agrégation moyen de la liaison montante (UpLink) ou descendante (DownLink) d'un trafic de sondage déterministe agrégé en concurrence avec le trafic présent dans le réseau qui peut agréger ou non ses trames dans l'espace utilisateur. Nous proposons ensuite une nouvelle méthode nommée FAM (Frame Aggregation based Method). Elle exploite le mécanisme d'agrégation de trames pour inférer le BTF et caractériser le type de trafic réseau qui peut agréger ou non ses trames. Cette méthode combine une technique de sondage actif pour mesurer le taux réel d'agrégation de trames et des modèles analytiques basés sur des chaines de Markov qui fournissent le taux d'agrégation théorique en fonction du niveau de charge et de la nature du trafic dans le réseau. Les modèles et la méthode sont confrontés à des simulations effectuées sur le simulateur réseau ns-3 et à des expérimentations réelles. Les résultats ont montré que notre méthode FAM est capable de déduire la charge du réseau avec une granularité basée sur différents niveaux de charges du réseau pour les scénarios considérés.
| Origine | Version validée par le jury (STAR) |
|---|