ОЦЕНКА СРЕДНЕГО ВРЕМЕНИ ЗАДЕРЖКИ В ИНФОКОММУНИКАЦИОННЫХ СЕТЯХ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ ТЕНЗОРНОГО АНАЛИЗА

Инфокоммуникационные сети представляют собой телекоммуникационные сети, предназначенные для целей передачи информационных потоков различного рода. Для оценки качества обслуживания данных потоков в инфокоммуникациях используются различные характеристики, к которым также относится и среднее время задержки, максимальное значение которого определяется международными стандартами. В работе представлены результаты применения методов тензорного анализа к задаче оценки среднего времени задержки в инфокоммуникационных сетях с целью определения уровня качества предоставления услуг в данных сетях. Основные положения применения тензорного анализа к задаче моделирования инфокоммуникационных сетей позволяют использовать узловой и контурный методы для реализации тензорного подхода к оценке вероятностно-временных характеристик исследуемых сетей. Разработанная с использованием тензорной методологии узловая модель инфокоммуникационной сети в качестве исходных данных рассматривает интенсивности трафика и интенсивности обслуживания, что совпадает с основными параметрами, задаваемыми при анализе инфокоммуникационных сетей. Контурная модель инфокоммуникационной сети, несмотря на сложности в выборе исходных данных, демонстрирует хорошие возможности по оценке среднего времени задержки «в целом» для маршрута передачи информации по сети. По представленным в работе результатам моделирования инфокоммуникационных сетей можно сделать вывод о том, что необходимо узловой и контурный метод тензорного анализа использовать совместно. Узловой метод обеспечивает возможность расчета загрузки каждой системы сети с учетом топологии и влияния нескольких источников, а контурный метод на основе результатов, полученных узловым, позволяет определить среднее время задержки для маршрута передачи информации по сети.

1. Гольдштейн Б.С., Кучерявый А.Е. Сети связи пост-NGN. – СПб.: БХВПетербург, 2014.

2. Соколов Н. Сценарии реализации концепции “Интернет вещей” // Первая миля. – 2016. – 5 (58). – С. 32-36.

3. Саати Т.Л. Элементы теории массового обслуживания и её приложения. – М.: Либроком, 2010.

4. Lemeshko O., Yevsieieva O., Yevdokymenko M. Tensor flow-based model of quality of experience routing // 2018 14th International Conference on Advanced Trends in Radioelecrtronics, Telecommunications and Computer Engineering (TCSET). – Lviv-Slavske, 2018. – Pp. 1005-1008.

5. Lemeshko O., Yevsieieva O., Yevdokymenko M. Tensor flow-based model of quality of experience routing // 2018 14th International Conference on Advanced Trends in Radioelecrtronics, Telecommunications and Computer Engineering (TCSET). – Lviv-Slavske, 2018. – Pp. 1005-1008.

6. Пономарев Д.Ю. Особенности применения тензорного анализа к моделированию инфокоммуникационных сетей [Электронный ресурс] // Моделирование, оптимизация и информационные технологии. Научный журнал. – 2018. – Том 6. – № 2. – Режим доступа: https://moit.vivt.ru/wp-content/uploads/2018/04/Pоnomarev_2_18_1.pdf (дата обращения: 31.05.2018).

7. Пономарев Д.Ю. Тензорная методология в информационных коммуникациях // Известия высших учебных заведений. Приборостроение. – 2012. – Т. 55, 5. – C. 18-23.

8. Пономарев Д.Ю. Оптимизация среднего времени доставки информации в спутниковой инфокоммуникационной сети // Системы связи и радионавигации. – Красноярск: АО «НПП «Радиосвязь», 2016. – С. 59-62.