การจัดการทรัพยากรในโครงข่ายเซ็นเซอร์ไร้สายเคลื่อนที่ แบบไม่ทำงานร่วมกัน เพื่อการเฝ้าระวังด้านสุขภาพ

บทคัดย่อ

เครือข่ายเซ็นเซอร์ไร้สายทางด้านชีวการแพทย์สามารถเพิ่มคุณภาพของการให้บริการด้านการดูแลสุขภาพให้กับประชาชนผ่านการพัฒนาของการใช้งานและบริการใหม่ ๆ การใช้งานที่มีศักยภาพรวมถึงการตรวจสอบผู้ป่วยซึ่งจะมีพารามิเตอร์สัญญาณชีพที่สำคัญ เช่น อุณหภูมิของร่างกาย ความดันโลหิต คลื่นไฟฟ้าหัวใจ อัตราการเต้นของหัวใจ และอัตราการหายใจ เป็นต้น ที่จะถูกส่งไปยังศูนย์การแพทย์ ผู้ป่วยจึงสามารถตรวจสอบได้จากระยะไกลโดยไม่จำเป็นต้องมีคนดูแลส่วนบุคคล ดังนั้น การส่งข้อมูลดังกล่าวไปยังศูนย์การแพทย์จึงต้องการความน่าเชื่อถือสูง วัตถุประสงค์ของงานวิจัยนี้คือจึงนำเสนอวิธีสำหรับการหาเส้นทางในเครือข่ายเซ็นเซอร์ ไร้สายทางด้านชีวการแพทย์โดยใช้กลไกการหาเส้นทางแอนนิคาส (anycast) ที่อยู่บนพื้นฐานวิธีการหาเส้นทางด้วยวิธีการเรียนรู้แบบรีอินฟอร์สเมนท์เลิร์นนิ่ง (reinforcement learning; RL) การศึกษาในงานวิจัยนี้จะแบ่งออกเป็น 2 ส่วน ส่วนแรกในบทที่ 3 นำเสนอ แอนนิคาส คิว เราท์ติ้ง (anycast Q-routing) และศึกษาผลกระทบของพารามิเตอร์และประสิทธิภาพของการค้นหาเส้นทางไปยังปลายทางเมื่อเปรียบเทียบกับวิธีการเดิมที่มีอยู่แล้วคือ แอนนิคาส (anycast) มัลติคาส (multicast) และบรอดคาส (broadcast) ที่อยู่บนพื้นฐานของโปรโตคอลเอโอดีวี (ad hoc on demand distance vector; AODV) ผลการทดลองในบทที่ 3 แสดงให้เห็นว่า พารามิเตอร์การสำรวจ (exploration parameter; ?) เท่ากับ 0.9จะมีการดำเนินการที่ดีที่สุดสำหรับโครงสร้างของเครือข่ายแบบกริด ในขณะที่ตัวแปร อัตราการเรียนรู้ (learning rate; ?) ปัจจัยส่วนลด (discount factor; ?) และ ค่าคงที่ผลตอบแทนถ่วงน้ำหนัก (weighted reward constants) จะไม่มีผลกระทบต่อประสิทธิภาพในการดำเนินการ จากการเปรียบเทียบกับวิธีการหาเส้นทางเดิมที่มีอยู่ แอนนิคาส คิว เราท์ติ้ง มีปริมาณข้อมูลในการสื่อสาร (overhead) น้อยที่สุด และมีความล่าช้าในการค้นหาเส้นทาง (path search latency) น้อยที่สุด เมื่อเปรียบเทียบกับวิธีการหาเส้นทางแอนนิคาส ในส่วนที่ 2 ของการศึกษางานวิจัยในบทที่ 4 มุ่งเน้นไปที่การขยายอัลกอริธึมที่ได้นำเสนอไปก่อนหน้านี้ ด้วยวิธีการซ่อมแซมเส้นทางเดิม แอนนิคาส คิว เราท์ติ้ง (local repair anycast Q-rouing) เพื่อตอบสนองการซ่อมแซมเส้นทางเมื่อมีโหนดล้มเหลวในโครงสร้างเครือข่ายแบบกริด ผลการทดลองในบทที่ 4 ได้รับการยืนยันผลการวิจัยในบทที่ 3 แม้จะมีการซ่อมแซมเส้นทางหลังจากโหนดล้มเหลว วิธีการซ่อมแซมเส้นทางเดิม แอนนิคาส คิว เราท์ติ้ง (anycast local repair Q-routing) แสดงให้เห็นว่ามีปริมาณข้อมูลในการสื่อสารน้อยที่สุด และสามารถค้นหาเส้นทางได้เร็วกว่า แม้ความยาวเส้นทาง (path length) สูงกว่าเล็กน้อย เนื่องจากมีการสำรวจเส้นทางในช่วงเริ่มต้นของการค้นหาเส้นทาง นอกจากนี้ ผลการดำเนินงานของการซ่อมแซมเส้นทางเดิมด้วยการหาเส้นทางแอนนิคาส คิว เราท์ติ้ง เมื่อเปรียบเทียบกับ แอนนิคาส เอโอดีวี (anycast AODV) ในเครือข่ายเมื่อมีพื้นที่บดบังการค้นหาเส้นทาง ซึ่งในความเป็นจริงอาจเกิดจากสิ่งกีดขวางทางกายภาพ เช่นอาคารทะเลสาบหรือบึง วิธีการที่นำเสนอยังสามรถใช้ข้อมูลในการสื่อสารในปริมาณต่ำ รวมถึงความล่าช้าในการค้นหาเส้นทางน้อยกว่าวิธีการหาเส้นทางแอนนิคาส เอโอดีวี

คำสำคัญ