Federated Learningを用いたIoT向け自律分散クラスタリング技術
| Project/Area Number |
22K11996
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 60060:Information network-related
|
|---|
| Research Institution | Hiroshima City University |
|---|
Principal Investigator |
大田 知行 広島市立大学, 情報科学研究科, 教授 (90347617)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000)
Fiscal Year 2024: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
|
|---|
| Keywords | 無線マルチホップネットワーク / Federated Learning / 自律分散クラスタリング / IoT |
|---|
| Outline of Research at the Start |
IoTシステムにおける安定的なサービス提供のためには，端末が持つセンシング情報や周辺の端末との情報交換により得られる情報を活用することにより，高効率，かつ，高信頼な端末間通信方式が必要である．本研究では，ユーザの持つ端末のセンシング情報から得られる位置情報や移動速度，周辺の端末密度，消費電力量などを考慮した通信制御とユーザのプライバシー情報の保護を実現するために，Federated Learningを用いた自律分散クラスタリング技術を開発する．
|
| Outline of Annual Research Achievements |
災害発生時には，迅速な避難のため，災害状況を正確に把握する必要がある．しかし，災害時には通信トラヒックの増加などの要因により既存の通信インフラが正常に機能しなくなる状況下における有効な情報共有の手段として，モバイル端末間の無線通信のみで構築されるMobile Ad hoc NETwork(MANET)ような無線マルチホップネットワークがある．本研究では，地理情報をもとに避難者に対して避難所までの経路を提供する災害時避難支援システムにおいて，自律分散クラスタリングによるMANET通信とモバイル通信を併用した情報共有手法を提案してきた．提案手法では，ユーザ端末間で自律分散クラスタリング技術によりクラスタを構築し，各クラスタのクラスタヘッドがクラスタ内のユーザから情報を収集したのち，その情報をモバイル通信を用いてクラスタヘッド間で共有する．このように，モバイル通信を行う端末をクラスタヘッドに限定することによって，基地局における通信トラヒックを削減する．ネットワークシミュレータに提案手法を実装することにより，この提案手法の有効性を，地理情報を利用したシミュレーション実験により評価してきた．
ネットワークシミュレータでは，災害等を想定したシナリオに基づいたイベントを発生させることにより，フィールド内の移動経路等の状況を変化させている．具体的には，シミュレーション中に通行止めとなるエリアを発生させている．各端末は収集した情報に基づき，移動経路の混雑度や危険度に応じた移動先の変更や移動経路の変更をする．このようなフィールドの状況と端末の動きを変化させる機能をネットワークシミュレータへ実装した．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
研究方法では，前年度にフィールドの状況変化と端末の動きのモデル化とネットワークシミュレータへの実装とFederated Learningを用いた自律分散クラスタリング技術の設計と評価を計画していた．ネットワークシミュレータへの実装については，必要な機能を実装することができた．しかしながら，Federated Learningを用いた自律分散クラスタリング技術の設計と評価については，設計が完了しておらず，シミュレーションによる評価まで至っていないため，研究状況の進捗がやや遅れているとの判断とする．
|
| Strategy for Future Research Activity |
Federated Learningを用いた自律分散クラスタリング技術の設計を急ぎ進めていく．ユーザの持つ端末から，移動速度，位置情報，近接ユーザ数，ユーザ密度，通信インタフェースの選択（5G/4Gネットワーク，MANET），通信方式の選択（ユニキャスト，ブロードキャスト），通信の優先制御，情報交換の間隔，端末の残存電力等のセンシング情報や近隣端末との情報交換により得られる情報を分析し，ネットワーク資源利用の効率化と通信経路の高信頼化を実現するために，Federated Learningを用いたクラスタヘッドの選択，及び，クラスタサイズの決定，クラスタの構成・維持手法を検討する．検討した内容を基に，ネットワークシミュレーションによりFederated Learningを用いた自律分散クラスタリング技術の評価を行う．評価をするために必要な機能は，前年度にネットワークシミュレータに実装できている．
|
Report
(1 results)
Research Products
(5 results)
