交通数据的去趋势波动分析

Effect of Spatial and Temporal Traffic Statistics on the Performance of Wireless Networks

The traffic in wireless networks has become diverse and fluctuating both spatially and temporally due to the emergence of new wireless applications and the complexity of scenarios. The purpose of this paper is to quantitatively analyze the impact of the wireless traffic, which fluctuates both spatially and temporally, on the performance of the wireless networks. Specially, we propose to combine the tools from stochastic geometry and queueing theory to model the spatial and temporal fluctuation of traffic, which to our best knowledge has seldom been evaluated analytically. We derive the spatial…

异构网络中波动引起的业务拥塞

Fluctuation-induced traffic congestion in heterogeneous networks

在复杂的异构网络，特别是互联网的研究中，非常注意分析由硬件故障或过载引起的网络故障，其中网络反应被建模为重新路由的流量远离故障或拥塞的元素。在这里，我们模拟另一种类型的网络反应拥塞-急剧减少的输入流量率通过拥挤的路线，发生在更短的时间尺度。我们认为，在互联网上的局部需求和容量之间的不匹配的结果在交通损失的拥塞发作，并表明它可以被描述为一个相变的特点是在介观时间尺度上的强非高斯损失波动。由输入流量中的噪声引起的波动，由于网络的异构性而加剧，表现在无标度负载分布中。它们导致网络对拥塞的第一个迹象反应过度，显著减少了沿拥塞完全可以忽略的通信路径的输入流量。

计算机网络流量的全局建模与预测

Global Modeling and Prediction of Computer Network Traffic

我们开发了一个概率框架的全球建模的流量在计算机网络。该模型将现有的单链路（流）流量模型与网络上的路由相结合，以捕获全局流量行为。它产生于一个有限的近似的流量波动的时间尺度和用户共享网络的数量增长。所得到的概率模型由高斯和/或稳定的无限方差分量组成。它们可以用某些“时空”随机场来简洁地描述和处理。该模型对模拟和真实数据进行了验证。然后，它被应用到预测流量波动未观察到的链路从一组有限的观察到的链接。此外，异常检测和网络管理的应用进行了简要讨论。

网络流量平衡：冗余、学习和随机波动的影响

Balancing Traffic in Networks: Redundancy, Learning and the Effect of Stochastic Fluctuations

我们研究了网络中的流量分布，其用户试图通过遵守一个简单的学习计划的启发，进化对策论的复制动态尽量减少延迟。这些动态的稳定稳态与网络的Wardrop平衡相一致，并形成一个凸多胞体，其维数由网络的冗余度（衡量用户路径的“线性相关性”的重要概念）决定。尽管存在大量的不动点，但复制子动力学的长期行为却非常简单：每个解轨道都收敛到一个沃德罗普均衡。另一方面，当用户的延迟由于随机外部因素而不可预测地波动时，会出现重大挑战。在这种情况下，内部平衡不再是平稳的，但严格平衡保持随机稳定，而不管波动的大小。事实上，如果网络没有冗余和用户有足够的耐心，我们表明，长期的平均用户的交通流量收敛到附近的平衡，我们还估计相应的不变测度。