UNIVERSITATEA POLITEHNIC TIMIOARA

FACULTATEA DE AUTOMATIC I CALCULATOARE

Domeniul: Calculatoare i Tehnologia Informaiei











MODELAREA TRAFICULUI
N REELELE DE COMUNICAII METROPOLITANE
CU SISTEME DINAMICE HAOTICE

-PROIECT DE CERCETARE DOCTORAL-














Coordonator tiinific:
prof. univ. dr. ing. tefan HOLBAN





Doctorand:
Ing. Daniel-Simion DIAN


TIMIOARA 2011

2


























3

REZUMAT
Lucrarea de fa, care este o propunere de cercetare n vederea
obinerii titlului academic de doctor n tiina calculatoarelor i tehnologia
informaiei, i propune o abordare din prisma sistemelor dinamice
haotice, n vederea caracterizrii i modelrii traficului agregat din reelele
de comunicaii de mare vitez (metropolitane).
Dac pentru anumite servicii punctuale oferite de reelele de
comunicaii unificate (servicii de date, video sau voce, etc.) exist metode
i modele clasice care pot aproxima i modela cu succes fenomenul,
traficul observat n reelele de mare vitez, care este un rezultat al
agregrii traficului generat de servicii ca cele de mai sus amintite, este
caracterizat de parametrii care nu pot fi aproximai cu ajutorul modelrii
clasice, de exemplu de tip Poisson sau Markov i necesit o abordare
diferit.
Traficul observat n cadrul reelelor metropolitane este un fenomen
complex iar complexitatea poate genera comportamente haotice. Un
comportament haotic nu este nici predictibil dar nici aleator. O modificare
minor asupra condiiilor iniiale poate genera modificri arbitrare majore
ntr-o stare ulterioar. Astfel un serviciu de comunicaii nou implementat
poate genera modificri majore asupra traficului global. Acest lucru este
nedorit ntr-o reea de comunicaii care este destinat s ofere servicii
ntr-o manier controlat, predictiv i care s poat fi administrat.
Este necesar o modelare cu acuratee astfel nct modelele
realizate s poat fi utilizate n programe software de simulare i testare
sau n reele experimentale iar rezultatele obinute s fie n concordan
cu realitatea.
Experiena utilizrii teoriei haosului n diferite domenii ca economie,
meteorologie sau criptare ne ofer ncredere n aplicarea ei cu succes
pentru modelarea traficului agregat din reelele de mare vitez
(metropolitane).


4




















5

DECLARAIE


Subsemnatul, Daniel-Simion DIAN, declar pe proprie rspundere
c prezenta lucrare este original, rezultatul eforturilor proprii, iar
excepiile au fost semnalizate corespunztor in text.
De asemenea, declar c pentru fiecare material ilustrat care nu mi
aparine, folosit in prezenta lucrare, au fost respectate condiiile de
folosire, modificare i liceniere, iar acest fapt a fost subliniat
corespunztor.






Semntura,






6


















7

CUVNT DE MULUMIRE


Mulumesc familiei pentru sprijinul acordat, mai ales soiei, Dana,
care m-a sprijinit tot timpul i bieelului meu Denis, de 6 luni, care mi
d putere ca eu s trec peste toate evenimentele neplcute.
Mulumesc domnului profesor tefan Holban pentru disponibilitatea
avut pe parcursul acestui an i pentru calmul cu care a tratat orice
problem aprut.
Doresc s mulumesc colegilor care in mod direct sau indirect,
contient sau incontient, au ajutat la conceperea i realizarea acestui
material.
Dar in primul rnd, mulumesc lui Dumnezeu pentru tot ceea ce
sunt.










8


























9

LUCRRI PUBLICATE


Traffic shaping and traffic policing impacts on aggregate traffic
behaviour in high speed networks - Daniel-Simion Dian, Dan Horea
Giura SACI 2011 (Timioara, Romnia); ISBN: 978-1-4244-9108-7;
paginile 465-467











10


















11

PREAMBUL
Lucrarea reprezint raportul numrul unu n cadrul studiilor de
doctorat, la Universitatea Politehnica Timioara, domeniul Calculatoare i
Tehnologia Informaiei. Acest raport este o concluzie a documentrii i
cercetrii efectuate ntre anii 2005-2007 i 2009-2011.
Raportul este alctuit din ase capitole ce surprind urmtoarele
aspecte:
1. Capitolele 1, 2 i 3 prezint stadiul tehnico-tiinific actual n
cadrul modelrii traficului. Sunt detaliate aspect teoretice de baz,
metode n modelarea clasic a reelelor de comunicaii i abordarea
problemei sistemelor dinamice haotice n vederea caracterizrii
fenomenului studiat.
2. Capitolul 4 detaliaz problemele existente n cadrul modelrii
traficului n reelele de mare vitez. Este punctat problema eecului
modelelor de tip Poisson sau Markov n caracterizarea traficul agregat i
sunt prezentate metode alternative utilizate pentru a depi acest impas.
3. Capitolul 5 ofer informaii asupra celor dou curente care s-au
conturat n cadrul modelrii traficului i a caracteristicilor noi observate.
n acest capitol este prezentat metoda de abordare proprie n cadrul
cercetrii pentru rezolvarea problemelor existente. Este subliniat faptul c
traficul din reelele de comunicaii de mare vitez a suferit modificri
majore n ultimii ani datorit noilor servicii implementate i este necesar
un studiu amnunit asupra dinamicii i complexitii existente ca apoi
modelele de trafic s fie ajustate astfel nct s poat surprinde noile
proprieti.
4. Capitolul 6 enumer sub form de tabel evenimentele
preconizate n vederea susinerii cu succes a tezei de doctorat.

12


















13

CUPRINS
1.Modelarea proceselor Aspecte teoretice .................. 15
1.1.Definiie ................................................................................ 15
1.2.Proprieti ........................................................................... 15
1.3.Parametrii construciilor (modelelor) matematice ........................ 16
1.4.Etapele construciei unui model matematic ................................ 16
2.Modelarea Clasic a Reelelor de Comunicaii ............ 17
2.1.Introducere ........................................................................... 17
2.2.Clasificare general a traficului n reelele de comunicaii ............. 19
2.3.Clasificarea surselor de trafic. Reprezentarea cu ajutorul modelelor
matematice ................................................................................. 22
2.4.Modele matematice pentru analiza surselor de trafic ................... 23
2.4.1. Model ul Lanului Markov .................................... 27
2.4.2. Procesul Poisson .............................................. 28
2.4.3. Model ul ON/OFF ............................................... 33
2.4.4. Model ul MMPP(Markov Modul ated Poisson Process) . 35
2.4.5. Model ul Determi ni st ......................................... 38
3.Sisteme dinamice pentru modelarea traficului ........... 38
3.1.Noi unea de si stem dinami c (nel i ni ar) ........................ 38
3.2.Spaiul stri l or (fazelor) asoci at unui sistem di nami c .... 42
4.Observaii asupra modelrii traficului - Probleme ...... 44
4.1.Observaii asupra traficului n reelele metropolitane ................... 49
4.2.Efectul auto-similaritii asupra cozilor de ateptare.................... 52
5.Modelarea traficului cu sisteme dinamice haotice ...... 54
5.1.Asupra modelrii traficului cu sisteme de tip ON/OFF .................. 56
6.Planul de cercetare doctoral ................................... 59
7.Bibliografie ............................................................. 60


14

INDEX ILUSTRAII I TABELE
Figura 1 - Clasele generale de trafic ..................................................................... 20
Figura 2 - Starea curent a informaiei n cazul diferitelor........................................ 23
Figura 3 - Periodicitatea pachetelor informaionale n .............................................. 24
Figura 4 - Trafic de tip VBR ................................................................................. 25
Figura 5 - Modelul Lanului Markov Discret ............................................................ 27
Figura 6 - Modelul Lanului Markov Continuu ......................................................... 28
Figura 7 - Procesul Poisson .................................................................................. 29
Figura 8 - Distribuii Erlang-k ............................................................................... 30
Figura 9 - Superpoziia a n procese punctuale ........................................................ 31
Figura 10 - Modelul IPP (Intrerupted Poisson Process) ............................................ 32
Figura 11 - Procesul Poisson ntrerupt .................................................................. 32
Figura 12 - Modelul ON/OFF ................................................................................. 33
Figura 13 - Dispunerea informaiei n cadrul modelului ON/OFF ................................ 33
Figura 14 - Modelul MMPP (Markov Modulated Poisson Process) ............................... 35
Figura 15 - Modelul MMPP corelat ......................................................................... 36
Figura 16 - Modelul Cox ...................................................................................... 37
Figura 17 - Diagrama fazei pentru distribuia Cox ................................................... 37
Figura 18 - Modelul Erlang ................................................................................... 38
Figura 19 - Cmpul generat de un si stem di nami c ........................................ 41
Figura 20 - Trai ectori i de faz al e unui si stem di nami c ................................ 44
Figura 21 - Trafi c real versus model ul Markov pentru acei ai ncrcare
(Sursa: Fi gura 4 di n [LEL94]). ...................................................................... 46
Figura 22 - Poz edi fi catoare, Sursa: W. E. Lel and, et al ., .......................... 52
Figura 23 - Poz edi fi catoare, sursa: W. E. Lel and, et al ., ........................... 52
Figura 24 - Probabi l i tatea de Ocupare a cozi i de ateptare P(K>k) pentru 50
de surse omogene, cu LRD i ncrcarea medi e =0.7, pentru trafi c
autosi mi l ar di feri t. H=0.5 este echi val ent cu trafi c de ti p Poi sson ............ 53

Tabelul 1 - Modele de analiz i modelare a surselor de trafic ................................... 26
Tabelul 2 - Planul de cercetare doctoral ................................................................ 59





15

1.Modelarea proceselor Aspecte teoretice

Capi tolul 1, 2, i 3 sunt rezul tatul si ntezei realizate di n
urmtoarele materiale bi bliografice: [GRA95], [RAD03],
[SER06], [ERR94a], [PRU95b] i [TEL01].
Pri n model are se dorete crearea unui model matemat ic
care s i mite caracteristici le rel evante ale unui proces studiat
(fenomen, etc.)
1
. Performanele model ul ui matemati c sunt
comparate pri ntr-un studi u cu procesul pentru care a fost creat.
Dac este necesar parametrii model ului sunt ajustai pentru a
mri acurateea cu care caracteri zeaz fenomenul studi at.
Modelele matematice sunt o reprezentare simpl ificat a
procesului observat pri n distorsi uni i greel i, care vor
evi denia componente eseniale ale unei real i ti complexe.
Astfel pri n modelare se real izeaz separarea ntre eseni al i
neesenial . Modelul matematic va ine cont, pe de o parte, de
parametri i eseni al i i va studia comportamentul procesului n
funcie de aceti parametri i , i ar pe de al t parte va negl i ja
anumi i parametrii pentru a putea caracteriza fenomene
complexe i nu va i ne seama n di namica procesului de
parametri i negli jai .
Dup aceast i ntroducere n modelarea matematic putem
formula o defini i e.

1.1. Defini ie: Model ul matematic este o construcie
matemati c, abstract, si mpl ifi cat care reprezint un
proces real i este creat pentru un scop parti cular.

1.2. Proprietile modelelor matemati ce:

- Este abstract

1
Un exemplu de proces care necesit o modelare matematic este traficul n reelele de
comunicaii.
16

- Este si mpl i fi cat: Simple, but not si mpler Ei nstei n
- Matemati c un set de ecuai i cu variabile i ndependente,
variabile dependente i parametri i de tipul y=f(x;c).
- Este asociat unui proces real observat model ul
matemati c trebui e s poat fi testat.
- Scop particular

1.3. Parametri i construci i lor (modelelor) matemati ce
sunt de trei ti puri :

- Parametri i pentru care model ul este creat astfel nct s
se studieze comportamentul lor variabi le de stare,
variabile dependente, variabi le de ieire.
- Parametri i ce afecteaz modelul , dar model ul nu este
creat pentru studi ul comportamentului lor variabile
independente, parametri i de intrare, etc.
- Parametri i ai cror efect este negl i jat model ul ignor
aceti parametrii .

Definirea model ului const ast fel n defi nirea vari abi lelor,
a relai ilor di ntre ele i a modul ui n care acestea
interacioneaz cu mediul n care sistemul modelat este
prezent.

1.4. Etapele construciei unui model matematic:

- Se pornete de l a observai i asupra procesul ui care se
dorete a fi modelat.
- Formularea probl emei ce se dorete a fi cunoscut.
- Construcia modelul ui alegerea variabi lelor de i nteres
i a parametrilor ignorai , presupuneri , i dei , di scui i ,
etc. .
17

- Este folosi tor? se pot obine datele necesare, se pot
real iza predicii le?
- Testarea modelului real izarea predici il or care pot fi
comparate cu datele reale observate.
- Modi fi carea modelul ui.
Pe baza acestor etape se poate modela ori care ti p de
procese, di n di ferite domeni i (economie, comuni cai i , biologie
etc.).
Odat cu evol ui a tehnologiei s-au fcut observai i foarte
importante asupra proceselor real e tocmai datori t faptului c a
fost posi bil observarea fenomenelor la scale temporale foarte
fi ne, lucru care nu era posi bi l acum ci va ani . Aceste
observai i i msurtori au pus n evi den comportri ale
si stemelor care se deprteaz tot mai mul t de comportamentul
l iniar i astfel tehnici le, ca modelele Markov sau Poi sson, nu
mai pot fi folosi te pentru model are. Ca exempl u, observai i le
fcute asupra traficului n reele, real izate la scale temporale
de ordinul micro secundelor, au scos n evi den proprieti
care pot fi caracterizate mai bi ne cu ajutorul si stemelor
descri se prin elemente care aparin teoriei haosului dect cu
modele cl asice uti lizate pn acum. Teoria haosul ui a deveni t o
uneal t esenial pentru model are n lumea n care trim. Cu
toate c vi aa pare c decurge conform unor legi bi ne defi ni te
i este perfect control abi l haosul este prezent i nu poate fi
evi tat.
2. Modelarea Clasic a Reelelor de Comunicaii
2.1. Introducere

Reeaua de comuni cai i este un ansambl u complex format
di n echi pamente i mi jloace tehni ce capabi le s asi gure, la
cerere, permanent sau temporar, interconectarea ori cror
uti l izatori, uti l i zatori care constituie de al tfel sursele
18

importante de trafic ale reelei . Reeaua trebuie de asemenea
s permi t transportul i nformaii lor ntre termi nalele
interconectate. n domeniul specific al telecomunicai i lor,
anal iza real i ti lor tehnice a condus l a l rgirea noi uni i de trafic
care trebuie s nglobeze pe l ng executarea propri u-zis a
serviciul ui cerut i prel ucrarea instruci uni lor i nterne privi nd
aceast execuie. Odat cu transmi terea de date, noi unea de
trafi c i -a pierdut semni ficaia ini ial (legat de servici ul
telefoni c i telegrafic), pentru a deveni o noi une complex i
conform noi lor servici i asi gurate de o reea i oferi te
uti l izatorilor, ca i servici ul de gestiune i ntrei nere a reelei
nsi .
Acest l ucru i mpl i c faptul c noi unea de trafic trebuie s
cl ari fice simultan dou aspecte i anume : traficul ca produs al
reelei de telecomunicai i i trafi cul ca element de prelucrare
al acestei a. De asemenea trebuie s se ataeze conceptului de
trafi c i caracterul de canti tate i nformaional n mi care, ceea
ce impli c n consecin noi unea de debi t.
Se poate vorbi de trafic i ntens sau sczut, de fl ui di tatea
trafi cul ui, de si tuaii de saturare i de blocare, toate aceste
aspecte rezul tnd din observai i l e i anal izele efectuate asupra
trafi cul ui pe toate ni vel uri le reelei . Pe aceast l inie traficul
apare sub di verse forme : trafi c oferit, scurs, refuzat, de
ateptare, de plecare, de sosire, efi cace, i neficace, de
comutaie, de comand, etc., fi ecare di ntre acestea avnd o
defini ie proprie i o expresie i ndi vidual ce depinde de
serviciul sol ici tat i de procedura de servire folosi t (cu
pierderi, cu ateptare).
A. K. Erlang, ingi ner de telecomunica i i i matemati cian
danez, a fost cel ce i -a legat numele de problemele de trafic
telefoni c, el abornd pri mele studi i aprofundate n acest
domeniu, bazate pe teoria probabil i til or. Generali tatea
studi i lor sale este unani m acceptat i ca o recunoatere a
19

meri telor sale numele su a fost dat uniti i de msur care
permi te expri marea trafi cul ui ce i ntervine n di feri te servici i de
comuni cai i .
Reelele de comunicai i unificate (voce, date, vi deo, etc.)
sunt proiectate pri n l uarea n considerare a di feri te variabi le.
Dou di ntre aceste variabile sunt servici ile asi gurate de reea i
costul acestor servi cii , ambele de o i mportan major pentru
sati sfacerea ceri nelor uti l izatorului . n proiectarea unei reele
este necesar o di mensionare corect a capaci ti i acesteia, n
speci al n vederea unei ulterioare mbuntiri a proprietilor
reelei .
2.2. Clasificare general a traficului n reelele de comunicaii

n trecut, servi ci ile reelelor de comunicai i erau furnizate
pri n intermediul unor arhitecturi dedicate ceri nelor anumi tor
servici i (existau reele separate pentru telefonie, pentru
transmisi ile radi o i TV, precum i pentru transferul de date).
Aceast si tuaie s-a schi mbat odat cu creterea numrul ui de
uti l izatori , a servi cii lor i faci l iti lor ce trebuiesc oferi te n
cadrul acelei ai structuri de reea. Acest nou ti p de reea este
creat pentru a suporta o gam larg de servici i, mpreun cu
apl icai i le care deri v di n acestea sub forma unei reele
uni fi cate mul ti -servi ci i .
Pentru a ati nge acest nivel de i ntegrare n cadrul unei
reele, este necesar o clasi ficare a celor mai importante ti puri
de servi cii disponi bi le n reel ele de comuni cai i unifi cate.
Aceast clasi ficare poate fi fcut ntr -o manier clasi c, prin
di vizarea servicii lor n trei cl ase generale de trafi c: trafi cul de
date, traficul audio i traficul vi deo, dup cum este il ustrat n
figura 1.


20



Figura 1 - Clasele generale de trafic

Clasa traficului de date coni ne toate servici ile care
opereaz cu transmisia datelor ntr-o form mai mul t sau mai
puin brut. Exemple de apl i caii ale acestei clase de trafic sunt
transferul de fii ere ntre dou sau mai mul te puncte din reea,
accesarea n comun a datel or sau schimbul de date prel ucrate
ntre sistemele software.
Servici i le care necesi t transmi terea de voce i /sau audio
fac parte di n a doua clas, clasa traficului audi o. Acest ti p de
trafi c este generat de apli cai i cum ar fi telefoni a de ti p VoIP,
audio la cerere sau audio-conferi n.
Ul tima cl as de trafic acoper servici i le care necesi t
trafi c video. Cteva apl icai i care folosesc un astfel de trafic
sunt vi deo-telefoni a, vi deo-conferina, vi deo la cerere sau
accesarea fi lmelor di n bazele de date (streami ng vi deo).
Traficul n general este caracteri zat de parametri i (i ndi ci
de performan) astfel :
- ntrzierea ti mpul care se scurge de la transmi si a
unui pachet (bi t) pn cnd acesta ajunge la
destinaie.
- Jitter variaia maxi m/medie a ntrzieri i.
- Rata de transfer raportul di ntre canti tatea de date
transmis i ti mpul de transmisi e la un moment dat.
21

Aceast rat de transfer poate varia n funcie de
caracteri sti ci le reelei l a un moment dat.
- Lrgimea de band se defi nete ca numrul de bi i
pe secund care sunt transmi i cu succes n reea.
Condi ia i deal este ca rata de transfer s fie egal
cu l rgi mea de band oferit. Lrgi mea de band este
un parametru confi gurabi l n reea i nu depi nde de
evenimentele existente l a un moment dat n reea
(congestie, rafal e, etc.) dar rata de transfer poate
varia n funcie de condi i i le de congestie sau rafale
aminti te mai sus.
- Rata de pierderi procentul de date di n vol umul total
de date transmis care nu ajunge l a desti naie.
De la o clas de trafic l a al ta, noiunile de lrgi me de
band, ntrziere i pierderi pot vari a foarte mul t. Traficul
audio i video necesi t o transmi tere a i nformaiei ntr -un
anumi t domeni u de vari aie a ntrzieri i (ji tter). Acest lucru
este necesar pentru a permi te o reproducere fi del a fl uxuri lor
audio sau video. n ceea ce privete clasa trafi cul ui de date,
lucruri le stau complet diferi t. Traficul de date nu necesi t un
domeniu de vari aie al ntrzieri i , ns este esenial ca nici o
uni tate de date s nu se pi ard sau s fie di storsi onat. O al t
di feren rezi d din faptul c trafi cul de date este rel ati v
independent de rata de transmi sie oferi t de reea. Aceeai
canti tate a datel or poate fi transmi s fr nici o problem att
la vi teze mari ct i l a vi teze mi ci de transmisie, cu singura
di feren c transmisia va dura mai mult l a o rat de transfer
mi c. Contrar acestor considerente, traficul audi o i vi deo are
nevoie de rate de transfer a datelor i lrgime de band a
conexi uni lor bi ne defi nit i asigurat.




22

2.3. Clasificarea surselor de trafic. Reprezentarea cu ajutorul
modelelor matematice.

Sursele de trafic reprezi nt de fapt uti lizatori i de servici i
di ntr-o reea, i ar anal iza acestor surse pri ntr-o reprezentare
pri n modele matematice sau de al t ti p este de o mare
importan, conducnd la nelegerea comportamentul ui
uti l izatorilor i i mpactul pe care acetia l au asupra reelei. n
urma acestei anal ize sunt culese date stati sti ce uti l izate n
real izarea unui management adecvat al reelei di n punct de
vedere funcional i esti marea i mpactului de noi servi ci i asupra
reelei de comunicai i . De asemenea se poate spune c sursele
de trafi c si muleaz cl ienii , iar ti mpul di ntre generri succesive
ale unei surse de trafic reprezint comportamentul unui
uti l izator.
Sursele i generatoarele de trafi c pot fi i mplementate hard
sau soft. Generatoarele de trafi c i mplementate hard sunt foarte
costi sitoare la nivel de sistem, sunt folosi te pentru testarea
reelei la ncrcare maxi m cu trafi c i nu pot genera (asigura)
la nivel de apl i caie traf i c ce respect dinamica model ul ui TCP
(retransmi terea cadrelor, negocierea ferestrei de di alog, etc.).
Generatoarele de trafi c implementate soft sunt capabi le s
modeleze apl icaii i protocoale ca de exempl u: FTP (Fi le
Transfer Protocol ), HTTP (Hypertext Transfer Protocol ), UDP
(User Datagram Protocol ), NNTP (Network News Transfer
Protocol), etc., toate respectnd protocoalele de transport TCP
sau UDP.
Pentru modelarea surselor de trafic exist modele
matemati ce de anal iz, modele bazate pe culegerea de date
stati stice i modele ad-hoc, care nu coni n nici o component
real ist i care genereaz i trimi t pachete ct pot de repede.
Sursele de trafi c pot fi cl asifi cate general dup cum
urmeaz :
23

- dup tipurile de trafic:
surse audio;
surse vi deo;
surse pentru trafic de date.

- dup di versi tatea servi cii lor pe care le asi gur:
surse omogene, care asigur orice tip de trafi c dar
ofer un si ngur ti p de servici u ;
surse eterogene, care asi gur ori ce ti p de trafi c i
ofer o di versi tate de servi ci i .

- dup modul de implementare:
cu implementare hard;
cu implementare soft.

2.4. Modele matematice pentru analiza surselor de trafic

Pentru a real iza o anal iz a surselor de trafic, trebuie
ini ial avut n vedere banda pe care o ocup diferi tele ti pur i de
trafi c i forma (proprietile) n care se prezi nt informai a,
rezul tnd de aici dificultatea n a caracteriza i cl asifica aceste
surse (figura 2).

Figura 2 - Starea curent a informaiei n cazul diferitelor
tipuri de trafic
24

De asemenea, este foarte important studi ul trafi cului i
di n punctul de vedere al ratei de transfer a bi i lor
informaional i , rat de bi t constant (CBR Constant bitrate)
sau rat de bi t vari abi l (VBR Vari able bi trate).
Traficul de tip CBR (surse de trafic de voce) reprezint un
fl ux periodi c de pachete i nformaionale, de perioad egal cu
un mul tipl u al raportul ui dat de rata efecti v de transfer pe
l inia de legtur (canal ) i rata sursei de trafi c (figura 3).


Figura 3 - Periodicitatea pachetelor informaionale n
cazul traficului CBR

Aceast periodi ci tate poate fi modi fi cat (alterat) de
ntrzieri le aleatoare i ntroduse de reea, ceea ce conduce la
apari ia unui ji tter. Caracteri sti ca principal a acestui ti p de
trafi c const n egal itatea di ntre valoarea de vrf a ratei de
transfer a pachetelor i valoarea medie a acesteia.
Traficul de tip VBR caracterizeaz n general sursele de
trafi c vi deo, trafi cul n rafale i traficul audi o real izat cu
detecie a vorbiri i, iar princi pal a sa caracteristic este rata de
transfer variabil a i nformaiei (figura 4). Momentele de ti mp
la care sosete i nformaia pe l ini e sunt variabile sau astfel spus
servici ile de tip VBR genereaz o capaci tate variabi l de date
ntr-o uni tate de timp.
25


Figura 4 - Trafic de tip VBR

Pri nci palele modele de anal iz i modele matematice a
surselor de trafi c sunt detal iate n tabelul 1.

Tipul
de
Trafic
Modelul sursei
de trafic
Descriere


Date
Proces Bernoulli
Sosiri de probabilitate p i intervalul
dintre acestea modelat dup o
distribuie geometric
Proces Poisson
Sosirile sunt de tip Poisson , iar
intervalul dintre acestea este modelat
exponenial
Proces Poisson
Compus
Traficul este generat n rafale dup un
proces Poisson
Modelul
Persistent
Transmiterea de trafic la rata de
transfer maxim admis

Voce
ON/OFF
Dou stri periodice, traficul este
generat n starea On, iar n starea Off
nu este generat trafic
Modelul Markov
cu
dou stri
Dou stri alternante, cu dou
probabiliti diferite ale proceselor de
sosire


Video
Modelul
Autoregresiv
Model liniar axat pe considerente de
corelaie i distribuie a semnalului
video
Lanul Markov
Detaliat
N lanuri Markov, condiionate de o
matrice de tranziie a strilor
26

MMPP
Un numr infinit de stri cu sosiri de
tip Poisson
Modelul
Histogram
Bazat pe distribuii statistice
Modelul Self
Similar
Bazat pe autocorelaia i condiiile de
dependen dintre secvenele de
trafic

Tabelul 1 - Modele de analiz i modelare a surselor de trafic

n general , n cazul model ri i surselor de trafic de date,
procesul de sosire al pachetelor se presupune a fi de tip
Poi sson. Totui , acest model nu are posi bi li tatea de a anal iza
corel area sosi ri l or succesi ve de mesaje. Pentru a acoperi
aceast problem, pentru traficul de date au fost propuse
modelele de ti p MMPP (Markov Modulated Poi sson Process),
care au caracteristic faptul c ti mpul de staionare n fiecare
stare a lanul ui Markov este modelat de o di stri buie
exponenial. S-a demonstrat de asemenea c traficul de date
referi tor l a anumi te apl icai i poate fi model at destul de bine cu
ajutorul Procesul ui On/Off, unde durata stri lor On i Off pot fi
caracterizate cu ajutorul unei di stri bui i de ti p exponeni al ,
Wei bul l sau Pareto. Dup cum este artat n tabel ul nr. 2.4,
model ul On/Off este folosi t n general pentru a model a traficul
de voce. Majori tatea modelelor de trafic au l a baz procesul
stocastic i folosesc ca punct de plecare modelul Lanul ui
Markov deoarece acesta poate fi uor folosi t pentru a
caracteriza procesele alternative de sosire.
Avnd n vedere tabel ul 1, n paragrafele urmtoare vom
detal i a aspectele i mportante pentru cele mai uti l izate modele
matemati ce n caracterizarea tipuri lor de surse de trafi c
prezentate n paragraful 2.4.


27

2.4.1. Modelul Lanului Markov

Acest model poate fi caracterizat n dou moduri : n ti mp
di scret i n ti mp conti nuu, avnd proprieti i apl icabi li ti
di ferite corespunztoare fiecrui mod de caracteri zare .
Model ul Lanul ui Markov Discret se caracterizeaz pri n
faptul c ti mpul ia doar valori di screte i const ntr -un set de
stri n
j
, corespunztoare momentelor discrete de timp (spaiu
di scret de stri i parametru temporal discret). Pe durata
fiecrui i nterval de ti mp starea sistemului se schi mb aleator,
n concordan cu starea curent n
i
i probabi l itatea p
i , j
a
tranzi iei din starea n
i
n starea n
j
(figura 5).


Figura 5 - Modelul Lanului Markov Discret

Dac
) ( j p
j
n
este probabi l i tatea absolut a stri i n , atunci
spai ul probabi l i ti lor l a momentul j este reprezentat printr-o
matrice l i nie p(j) ale crei componente sunt p
0
(j), p
1
(j), ,
p
n
(j). De asemenea, probabil i ti le de tranzi ie p
n, k
ntre stri
se pot grupa ntr-o matrice ptrat, matricea de tranzi i i n
care suma elementelor pe fiecare l inie este egal cu uni tatea.
Model ul Lanul ui Markov Conti nuu este caracterizat de un
spai u di scret de stri i un parametru temporal cont i nuu, care
poate l ua ori ce valoarea real (figura 6).
28



Figura 6 - Modelul Lanului Markov Continuu

Dac sistemul se afl n starea n
i
, n fiecare perioad de
timp infini tezi mal dt probabi li tatea ca si stemul s treac n
starea n
j
este dat de o di stri buie exponeni al i este egal
cu
i , j
dt, unde
i , j
reprezi nt rata medie de trecere a si stemul ui
di n starea n
i
n starea n
j
. i n acest caz sistemul este
caracterizat de o matrice de trecere, care pentru acest model
se numete matri cea i nfi ni tezimal .

2.4.2. Procesul Poisson

Procesul Poisson este cel mai vechi model de anal iz i
este de asemenea i cel mai i mportant, deoarece reuete s
real izeze o descri ere surprinztor de detal iat mul tor si tuai i de
trafi c, datori t gradul ui mare de aleatori sm pe care l are n
comparaie cu al te modele.
Pri nci palele caracteri sti ci ale procesului Poi sson sunt :

- este un proces staionar (omogeni tatea n ti mp funci a
de di stri buie este i ndependent de momentele de timp,
toate i ntervalele di ntre sosiri sunt distri bui te identi c) ;
- sosiri le la di feri te momente de timp sunt independente
(evol ui a strii vi i toare a procesului depinde doar de
starea prezent nu este un proces cu memorie);
29

- regulari tatea (probabil i tatea de a exi sta mai mul te
evenimente la un anumit moment de timp este zero).

Acest proces poate fi caracterizat pri n faptul c sosirile
(eveni mentele) sunt plasate aleator pe axa ti mpului , astfel
nct fiecare eveni ment este independent de toate cel elal te. Ne
ateptm l a o funcie de autocorelaie de tip impul s.

Figura 7 - Procesul Poisson

Intervalele dintre sosirile succesi ve n cazul procesul ui
Poi sson pot fi model ate de o distri buie de tip :

- Exponeni al, pentru care funcia de distribu ie
spectral este
t
e t F

=1 ) ( , iar funci a densi tate
spectral este
t
e t f

= ) ( , unde reprezint rata
cereri lor de apel .
Pentru acest tip de di stri buie se obin urmtoarele valori
matemati ce:

1
1
= m
(valoarea medie) i
2
2
1

o = (vari ana).

- Erl ang-k, (obi nut pri n nsumarea a k vari abi le
aleatoare independente i dentic distri bui te avnd
di stri bui i exponeniale) pentru care funcia densi tate
spectral este:
t
k
k
e
k
t
t g

=
)! 1 (
) (
) (
1
(1)
Pentru acest ti p de di stri buie se obi ne:
30

valoarea medie

k
m =
1 i variana
2
2

o
k
=
.

Figura 8 Distribuii de tip Erlang-k
(sursa figura 4.3, pag. 56 din [TEL01])


Se observ c pentru k=1 se obine distri buia
exponenial (figura 8).
- Poi sson, pentru care funcia densi tate spectral
este
t
e
t
t p

v
v

v

=
!
) (
) , (
, i ar val ori le matematice pentru
valoarea medie i variana sunt t Var m = =
1
.
Di stri buia Poisson consti tuie n general un foarte bun
model pentru numrul de apel uri ntr -o reea telefonic sau
numrul de pachete ntr-o reea simpl de cal cul atoare.
Proprietile eseniale ale procesul ui Poisson sunt
exprimate de trei teoreme fundamentale:
Teorema 1 - (Teorema l ui Pal m sursa [TEL01], pag 90):
superpozi i a mai mul tor procese punctuale va conduce l a un
proces care local va fi de ti p Poisson.
31

Pri n local se nelege faptul c se consider intervale de
timp att de mi ci nct fiecare proces va contribui cu cel mult
un eveni ment pe durata unui i nterval (figura 9).


Figura 9 - Superpoziia a n procese punctuale
(sursa figura 6.5, pag. 90 din [TEL01])

Teorema 2 - (Teorema l ui Raikov sursa [TEL01], pag 91.):
pri n descompunerea aleatoare a unui proces punctual n sub-
procese, sub-procesul i ndi vidual va converge l a un proces
Poi sson, atunci cnd probabi li tatea ca un eveni ment s apari n
acestui sub-proces ti nde la zero.
Teorema 3 (sursa teorema 6.3 di n [TEL01], pag 92):
dac pentru un proces Poisson avem n sosiri ntr-un i nterval de
durata t, atunci aceste sosiri sunt uniform (rectangul ar)
di stri bui te n cadrul acestui i nterval .
Procesul Poisson ntrerupt (IPP Interrupted Poi sson
Process) consti tuie o general izare a procesul ui Poi sson n timp
di scret, general i zare aprut datori t faptul ui c, fii nd un
proces fr memorie, acesta di n urm nu era sufi cient pentru a
modela un proces de sosire real . Model ul IPP poate model a
trafi cul n rafal e i este caracterizat de dou stri, care
al terneaz conti nuu, fiecare avnd a rat propri e de transfer.
Timpi i de ateptare pentru fiecare stare sunt atri bui i unei
funcii exponeni ale negative (figura 10).

32



Figura 10 - Modelul IPP (Intrerupted Poisson Process)
(sursa [WEB2])

Ideea acestei general izri a aprut datori t
supra ncrcri i, astfel nct, n acest caz, cereri l e care sosesc
vor fi prel ucrate ini ial de un sistem de capaci tatea li mitat, iar
dac acesta este ocupat, aceste cereri vor fi prel ucrate de
si stemul pentru suprancrcare. IPP poate fi anal izat i cu
ajutorul model ul ui ON/OFF prezentat n (figura 11):


Figura 11 - Procesul Poisson ntrerupt
(sursa figura 6.7, pag. 94 din [TEL01])

IPP este foarte util pentru model area traficului telefonic n
reelele ATM : n perioadele acti ve sosiri le sunt de tip
di stri buie exponenial , n decursul acestor peri oade cel ulele
sosesc dup un proces de ti p poisson, i ar perioadele i nacti ve
sunt defini te n mod si mi l ar pri n di stri bui i de ti p exponenial .
33

2.4.3. Modelul ON/OFF

Acest model mai este numi t i trenul de pachete i este
caracterizat de dou stri care alterneaz continuu, o stare
acti v i o stare i nacti v, fiecare dintre ele pe o anumi t
perioad de ti mp (On i Off). Cel e dou perioade de timp sunt
independente, i ar traficul va fi generat doar pe durata
perioadelor On (figura 12).


Figura 12 - Modelul ON/OFF
(sursa [LUI02], pagina 10)

n general , fiecare perioad de timp vari az dup o lege
de distribuie exponeni al (conducnd la model ul MMPP) sau
geometric (Wei bul l ), continu sau discret, n funcie de
alegerea axei ti mpului . Di spunerea i nformaiei pe l inie poate fi
i lustrat conform figurii 13.


Figura 13 - Dispunerea informaiei n cadrul modelului ON/OFF

Matemati c, acest model poate fi caracterizat de cteva
relaii fundamentale.


34

] [ ] [ OFF P ON P =
,
1 ] [ ] [ = + OFF P ON P

(2)



+
= ] [ON P
,


+
= ] [OFF P
(3)


Dac este acti v starea ON, probabi li tatea ca sistemul s
rmn n aceast stare este p, i ar probabil i tatea de a intra n
starea OFF este 1-p. Analog, dac este activ starea OFF,
probabi l itatea ca sistemul s rmn n aceast stare este q,
iar probabi l i tatea de a intra n starea ON este 1-q, astfel nct
timpul estimat pentru starea ON este
p 1
1
, iar ti mpul esti mat
pentru starea OFF este
q 1
1
.
Dac P
ON
reprezint fraciunea de timp n care sursa
rmne n starea ON, atunci rata de emi sie medie a sursei este
RP
ON
, unde R este rata maxi m de generare a sistemul ui afl at
n starea ON. n cazul a N surse afl ate si mul tan n starea ON,
vom obi ne o rat de emisie medi e egal cu NRP
ON
. Numrul
de surse aflate n starea ON urmrete o distribuie binomial
de tipul:
k N
ON
k
ON
k
N
p p C k P

= ) 1 ( ) (
(4)
Dac din cele N surse k se afl n starea ON, vom avea
nevoie de o rat de emi sie egal cu produsul kR bps. Dac
pentru aceast rat de transfer avem mai mul t de k surse n
starea ON, va rezul ta un sistem cu pierderi .
Model ul ON/OFF este l arg folosi t pentru apl icai i n reelele
de comuni cai i ns nu poate fi uti lizat pentru anal iza corelaiei
trafi cul ui total dintr-un si stem. La nivel ul sursel or de trafic,
acest model este foarte bun pentru a caracteriza trafi cul audio
necompri mat (ON/OFF simplu) i traficul vi deo necompri mat
(ON/OFF mul ti pl u), i ar atunci cnd perioadele ON i OFF
35

corespund unor legi de distri buie de ti p heavy-tailed (de
exempl u distribuia Pareto) cu ajutorul acestui model se poate
caracteriza trafi cul web ( n acest caz modelul ON/OFF face
parte din clasa modelelor Markov autocorelate). De asemenea,
model ul ON/OFF este foarte uti l pentru anal iza trafi cul ui n
reelele de ti p ATM.
De evi deni at c att model ul procesul ui Poisson ct i
model ul ON/OFF fac parte di n clasa modelel or simple ce
pornesc de l a teoria l anului Markov.

2.4.4. Modelul MMPP (Markov Modulated Poisson Process)

Model ul MMPP este unul di ntre cele mai puternice modele
de anal iz, folosi t n foarte mul te studi i asupra surselor de
trafi c i asupra comportrii trafi cului n general . MMPP este n
esen un lan Markov cu N stri , fiecrei stri fi i ndu-i asociat
o rat a bi tul ui i o valoare medie a ti mpului de ateptare,
independente una de al ta (figura 14).



Figura 14 - Modelul MMPP (Markov Modulated Poisson Process)
(sursa [WEB1])

Procesul de sosire n fiecare stare este de ti p Poisson, iar
timpii de ateptare sunt di stri bui i exponenial. Se poate
observa di n cele expuse anterior c model ul ON/OFF este un
caz particul ar al model ului MMPP cu dou stri , unde starea 1
36

reprezi nt ON cu rata bi tul ui egal cu 1, i ar starea 2 reprezint
OFF cu o rat a bi tul ui egal cu 0. Cele dou stri MMPP au fost
folosite pentru a aproxi ma superpozi ia surselor de voce sub
form de pachete mpreun cu sosiri de tip trafi c de date.
Ca i n cazul model ul ui ON/OFF, exist i varianta
model ul ui MMPP corel at, care face parte di n cl asa modelelor
Markov autocorel ate (figura 15).

Figura 15 - Modelul MMPP corelat

MMPP a fost l arg folosi t att pentru a modela di feri te
surse de trafic B-ISDN (voce i vi deo), ct i pentru a
caracteriza superpozi ia trafi cul ui . Acest model are proprietatea
de a surpri nde att ratele de sosire ale trafi cul ui vari abi l, ct i
corel aia dintre ti mpi i de ateptare. De asemenea, model ul
MMPP se poate caracteriza drept un dubl u proces Poisson,
fi i ndu-i asociat conform lanul ui Markov o matrice de tranzi ie
di ntr-o stare nal ta. Cu toate acestea, MMPP poate fi folosi t
pentru a modela doar corelaia pe termen scurt a traficului .
Porni nd de la model ul lanul ui Markov i MMPP, s-a
real izat un model matematic n speci al pentru caracterizarea
trafi cul ui ATM, numi t MMBP (Markov Modul ated Bernoul l i
Process descri s n [WEB3]). Axa timpul ui n cazul acestui model
este discretizat n momente de ti mp (ti me slot) de l ungi me
fi x, iar probabi l itatea ca la un moment de ti mp s existe o
cel ul este de tip Bernoull i , cu un parametru care variaz
conform unui proces Markov cu r stri , proces i ndependent de
37

procesul de sosire. La sfri tul fiecrui moment de ti mp,
procesul Markov trece de l a starea i la starea j cu
probabi l itatea p
i , j
sau rmne n starea i cu probabi l itatea
1
1
, ,
= =

=
i
j
j i i i
p p
, pentru i =1,,r (5)
Probabi l iti le de sosire a cel ulelor i procesele Markov se
presupun a fi independente unele de celelal te i de aici
concl uzia c i acest model va fi caracterizat de o matrice de
tranzi ie i o matrice a probabil i tilor de sosire.
Di n categori a modelelor Markov si mple uti lizate n anal iza
surselor de trafi c mai fac parte:

- Modelul Cox (figura 16)

Figura 16 - Modelul Cox

- aproximeaz teoreti c ori ce tip de distribuie;
- are funcia de autocorelaie nul ;
- distribui a Cox face parte di n cl asa di stri bui il or n faz,
iar un si stem cu o astfel de distri buie se poate model a uor cu
ajutorul procesel or Markov (distribuia Cox este o distribuie
Erl ang rami ficat, vezi figura 17).


Figura 17 - Diagrama fazei pentru distribuia Cocs
(sursa figura 4.7, pag. 62 din [TEL01])
38

- Modelul Erlang (figura 18)


Figura 188 - Modelul Erlang

- aproxi meaz di stri bui i determi ni ste (distribuia
Erl ang este obi nut prin cascadarea a mai mul te distribui i
exponeniale i denti ce);
- ofer formulel e de calcul a probabi l i tii de bl ocare
(Erl ang B - congestie) i a ntrzi erii (Erlang C - delay) .

2.4.5. Modelul Determinist

Acesta este un model de anal iz foarte simpl u pentru
caracterizarea surselor de trafi c care genereaz trafi c la o
perioad constant de timp. De aceea model ul determi nist este
foarte uti l pentru anal iza sursel or de trafi c CBR din cadrul
reelelor ATM. Acest model poate detali a mai bine nivelul
inferior al unei surse ATM. Deoarece model ul i mpune anumite
restrici i asupra trafi cul ui n ceea ce pri vete canti tatea de
trafi c prel ucrat ntr-un i nterval de ti mp, este necesar o reglare
a acestei canti ti de trafic pentru a respecta aceste restri ci i .

3. Sisteme dinamice pentru modelarea traficului

3.1. Noiunea de sistem dinamic (nel ini ar)

Si stemele fizice, biologice, soci ale, economice i chiar cele
pol i tice evolueaz n ti mp, adic sunt procese caracterizate de
stri care se modi fic n ti mp. Aceast observaie a dus la
conceptul de si stem dinamic, care se modific n ti mp sau, cu
al te cuvinte, i modi fi c starea cu timpul .
39

Teoria sistemelor dinami ce se ocup cu evol uia unui
si stem, adic cu modi fi carea stri i sale n ti mp. Dezvoltarea
teoriei sistemelor di nami ce a evi deniat existena unor sisteme
la care nu se putea prevede comportarea lor n ti mp, dei erau
cunoscute legi le ce guvernau fenomenele respecti ve, precum i
condii i le ini i ale ale evol uiei lor. De exempl u, este cunoscut
imposi bil i tatea precizri i evoluiei parametrilor meteorologi ci
pentru i ntervale mari de ti mp, cu toate c aerul, nori i,
temperatura etc. evolueaz dup legi cunoscute ale mecani cii
fl uidelor i termodi namici i i se di spune de ecuai ile ce descri u
fenomenele respective, precum i de mi jloace de calcul
puterni ce.
Di n punct de vedere matematic, un sistem di nami c const
di ntr-un spaiu al stri lor, numi t i spai u al fazel or, i o regul
numit lege dinami c, ce va preci za starea care va corespunde,
n vi i tor, unei stri prezente a sistemul ui .
Este adevrat c elaborarea unui model teoretic duce, n
general , la o ndeprtare de sistemul real , ceea ce poate
expl ica, n anumi te si tuaii , i nsuccesul descrieri i unor
fenomene. Un model poate descrie un fenomen natural,
complex, caracterizat de un numr foarte mare de parametri ,
numai dac modelul este bi ne ales, i anume dac cupri nde
parametri i eseni al i n evoluia sistemului di nami c.
Un si stem di nami c determi nist este complet caracterizat
de starea sa ini ial i de di nami ca sa. Un astfel de sistem
poate avea spai ul stri lor conti nuu sau discret i o di namic
defini t n ti mp conti nuu sau discret.
Un sistem di namic n ti mp conti nuu este modelat de un
si stem de ecuaii di fereniale, iar evoluia unui si stem dinami c
n ti mp discret este descri s de un sistem de ecuai i i terative.
Unui sistem di namic n ti mp conti nuu i se poate asocia
si stemul de ecuaii di fereniale ordi nare de forma:
40

=
=
=
-
-
-
) ; ,..., , (
...... .......... .......... ..........
) ; ,..., , (
) ; ,..., , (
2 1
2 1 2
2
2 1 1
1
t x x x f x
t x x x f x
t x x x f x
n n
n
n
n
(6)
care are sol uie uni c i care poate fi rescris sub forma:

) , ( t x f x =
-

(7)
unde
n
n
R t x t x t x t x e = )] ( ),..., ( ), ( [ ) (
2 1
(8)


reprezi nt vectorul de stare al si stemul ui n timp continuu la
momentul
+
eR t , astfel nct x(t
0
)=x
0
caracterizeaz starea
ini ial a sistemului i :
(9)

reprezi nt vectorul deri vate pariale, iar
] ,..., , [
2 1 n
f f f f =
(10)

reprezi nt un cmp vectori al ce defi nete dinami ca sistemului :
n n
R R R f
+
:
(11)

i care este conti nuu n
+
R R
n
.
n condi i ile de val abi l itate a teoremei de exi sten i
unici tate a sol uiei problemei (7), pentru fiecare pereche
n
R R t x e
+
) , (
0 0
exi st o uni c funcie continu:
,
n
R R t x u
+
: ) , , (
0 0
(12)
astfel nct:
0 0 0
) , , ( x t x = u , (13)
iar
) ), , , ( ( ) , , (
0 0 0 0
t t x f t x u = u
(14)

este numi t, n apl i caii le i ngi nereti , fl ux sau si stem dinamic.
(

= =
-
dt
t dx
dt
t dx
dt
t dx
dt
t dx
t x
n
) (
,...,
) (
,
) ( ) (
) (
2 1
41

Cmpul vectorial f al unui si stem di namic, caracterizat de
un si stem de ecuai i difereni ale ordi nare, genereaz un fl ux ,
astfel nct unei stri i niiale x
0
i va corespunde n spai ul
stri lor, dup timpul t i magi nea sa
t
(x
0
), aa cum se
i lustreaz n figura 19.


Figura 19 - Cmpul generat de un si stem di nami c
(sursa fi gura 1.7 din [SER06])

Cnd cmpul vectorial f, asoci at sistemului di nami c n timp
continuu, depi nde doar de vectorul vari abi lei de stare x(t) i nu
depi nde expl ici t de t (ca n relaia (7)), se spune c sistemul
di namic n ti mp continuu este (de tip) autonom, caz n care
este caracterizat de si stemul de ecuaii di fereniale de forma:
)) ( ( ) ( t x f t x =
-
. (15)
Un sistem dinamic n ti mp discret poate fi caracterizat de
si stemul de ecuaii cu diferene (fi nite) sau de ti p i terati v de
forma:
) ], [ ( ] 1 [ k k x g k x = + , (16)
unde
n
n
R k x k x k x k x e = ]] [ ],..., [ ], [ [ ] [
2 1
(17)

reprezi nt vectorul de stare pentru si stemul dinamic la
momentul de ti mp di scret N k e sau Z, astfel nct
0 0
] [ x k x =
caracterizeaz starea i ni ial a si stemului , iar:
42

] ,..., , [
2 1 n
g g g g =
(18)

reprezi nt o apl icaie care definete di nami ca si stemul ui (n
timp) di scret:
n n
R Z R g :
(19)

Pentru fiecare pereche N R k x
n
e ) , (
0 0
exi st o unic funcie
continu n ti mp di scret:

n
R N k x u : ) , , (
0 0

(20)
care defi nete traiectoria sistemului di namic pri n ( x
0
, k
0
), astfel
nct:

0 0 0 0
) , ; ( x k x k = u (21)
iar

) ), , ; ( ( ) , ; 1 (
0 0 0 0
k k x k g k x k u = + u (22)
n acest caz, apl i caia u se numete si stem di nami c n
timp di scret generat de apl icaia g. Dac ns apl icaia g
depi nde doar de variabi l a x[k] i nu depi nde expl ici t de k, se
spune c sistemul di nami c n ti mp di scret este autonom, caz n
care acesta este caracterizat de si stemul de ecuai i iterati ve de
forma:

]) [ ( ] 1 [ k x g k x = +
(23)

sau

) (
1 k k
x g x =
+
(24)


3.2. Spai ul strilor (fazelor) asoci at unui sistem di namic

Si stemele di namice n ti mp continuu i n ti mp di scret,
caracterizate de relaii le (7), respectiv (16), pot fi descri se de
sol ui i le (12), respectiv (20), care pot fi reprezentate unitar de
fami l ia i nfi ni t de funci i :

}, {
t
u cu } { :
t t
M M u u , (25)
43

parametrizat dup timpul notat cu t sau n, cu valori R t e sau
Z ne .
Mul imea M di n relaia (25) se numete spai ul stri lor i
este al ctui t di n mul imea tuturor stri lor (sau fazelor)
posi bi le ale si stemul ui di namic.
O faz sau o stare l a un moment dat t este un punct M x e
i reprezi nt total itatea caracteristici lor procesul ui la acel
moment.
Spai ul stri lor (sau fazelor) unui sistem di namic este un
spai u matemati c, cu axe de coordonate ortogonale pentru
fiecare variabi l necesar pentru a caracteriza starea
instantanee a si stemul ui . De exempl u, starea unei particule
materi ale n micare unidi mensi onal este caracterizat pri n
pozi ia sa (x) i vi teza ) (
-
= x v . n conseci n spai ul fazelor este
un pl an:
2
R M = . Pe de al t parte, o particul n mi care, ntr -un
spai u tridi mensi onal , va fi caracterizat de un spaiu al fazel or
cu ase dimensi uni ) , , , , , (
- - -
z y x z y x , adic, n acest caz,
6
R M = .
Spai ul
n
R R , n care se consi der i o ax a timpul ui (care
este ortogonal n raport cu toate axele variabi lelor de stare),
se numete spai ul stri lor (sau fazelor) extins.
Imaginea timpul ui ( R t e sau Z ne ) pri n
t
u se numete
traiectorie de faz sau, simplu, traiectoria sistemul ui di nami c.
Traiectoria se obine pri n el i minarea timpul ui t ntre vari abi lele
de stare x, ceea ce revi ne l a proiecia curbei integrale, notat
cu ABCD n figura 20, pe spai ul fazelor M (pl anul x
1
, x
2
n acest
caz), care este ortogonal pe axa timpul ui .
44



Figura 200 - Trai ectori i de faz al e unui si stem di nami c
(sursa figura 1.8 din [SER06])

Pri n fiecare punct M x e
0
di n spaiul fazelor trece o si ngur
traiectorie de faz, i ar pri n fiecare punct M R x t e ) , (
0
trece o
si ngur curb i ntegral.
Total itatea traiectori i lor de faz ale unui si stem di nami c
(care evol ueaz n ti mp) se numete port ret de faz. Obiectul
teoriei si stemelor di namice l constituie studiul portretelor de
faz ataate acestora. Punctele x M e se numesc stri sau faze.
Di mensiunea spaiul ui fazel or M determi n i di mensiunea
si stemul ui di nami c. Astfel, dac < ) dim(M , si stemul di namic
corespunztor este fi ni t di mensional , i ar dac = ) dim(M ,
si stemul di namic este i nfi nit di mensional.

4. Observaii asupra modelrii traficului - Probleme

Odat cu apari i a reelelor de comunicai i , care n faza
incipient au coi ncis cu reele separate dedicate fiecrui ti p de
serviciu (existau reele de date i reele de voce pe
infrastructur separat), i ngi nerii de comuni caii i oameni i de
ti in au dezvol tat modele matemati ce care s aproxi meze
trafi cul di n cadrul acestor reele de date sau de voce. Aceste
modele urmau s fie uti lizate n cadrul programelor software de
45

si mul are de reele sau pentru a calcul a sau aproxi ma anumi i
parametri i ai reelei (gradul de ocupare a resurselor, evol ui a
numrului de cl i eni din reea, etc.). Tehni ci le de modelare
cl asic, prezentate n paragrafele de mai sus, au reui t s ofere
rspunsuri la aceste probleme.
Odat cu uni fi carea reelelor de comunicai i, care
presupune o i nfrastructur capabi l s ofere toate servi ci i le
necesare pe un suport de transport uni c, s-a observat o
modi fi care n di namica trafi cul ui care nu mai permi te uti l izarea
metodelor cl asice de modelare, acestea fi i nd i nexacte.
Punctul de plecare pentru aceste studii , referi toare la
modi fi carea di namici i trafi cul ui din reelele uni ficate, sunt
observai i le fcute de Fowler i Leland [FOW91, LEL93, LEL94]
care au conti nuat msurtori le de trafic i niiate de Shoch i
Hupp [SHO80]. Lel and i Fowler au reuit s real izeze
msurtori preci se asupra trafi cului de ti p ethernet pe durata
mai mul tor ani, care au artat c variaia ratei de vrf a
trafi cul ui se exti nde peste mul te dimensi uni temporale. Acest
lucru a ri di cat semne de ntrebare asupra model elor Markov
care erau util izate pentru a prezice performanele reelelor.
Modelele ti nd spre zgomot al b odat ce ordi nul de agregare
crete iar rata de vrf a trafi cul ui devi ne neted odat cu
agregarea sursel or de trafic. Netezire a trafi cul ui si ntetic odat
cu creterea gradul ui de agregare este n contradi cie cu
observai i le fcute asupra msurtori lor reale. n figura 21
prel uat di n [LEL94] se observ di ferenele di ntre msurtori le
reale i traficul prezis de modelul Markov.

46



Figura 21 - Trafi c real versus model ul Markov pentru acei ai ncrcare
(Sursa fi gura 4 di n [LEL94]).

Mul i al i i i -au pus ntrebri legate de veridici tatea
modelelor Markov uti l izate pentru modelarea traficul din
reelele de comuni cai i unificate ca de exemplu Paxson i Floyd
[PAX95].
Studi i detal iate cu pri vire l a apl icabi li tatea si stemelor
di namice n modelarea traficul ui au fost ntreprinse de Parag
Pruthi i Ashok Errami l l i. Acetia au propus o serie de sisteme
di namice iterati ve capabi le s caracterizeze traficul msurat i
s surpri nd proprieti le l ui fractale. n lucrarea lor au
demonstrat c agregarea acestor ti puri de surse de trafi c
conduce n final la FBM. Sisteme dezvoltate de Pruthi i Ashok
pot fi uti lizate l a generarea de trafic n ti mp real deoarece
caracteri sti ca de auto-si mi l ari tate este i ncl us n di namica
si stemul ui.
Auto-si mi l ari tatea este proprietatea unui fenomen de a
avea structuri (substructuri ) si mil are la di ferite scale
temporale. Mai si mpl u spus, orict de n detal iu am privi
fenomenul el pare asemntor. Cel mai clar exempl u de
construcie caracterizat de auto-si mil aritate este fractal ul .
Gradul de si mil ari tate (auto-simi l ari tate) este msurat de
parametrul Hurst (H) care ia valori ntre 0 i 1. Valoarea 1
semni fic un grad maxi m de simi l ari tate (auto-si mi laritate).
47

Studi i le legate de sursele de trafic caracterizate de auto-
si mil aritate au continuat cu studi ul cozi lor de asteptare
generate de agregarea surselor de tip haoti c. Norros [NOR93] a
artat c di stri bui a l ungimi i cozii de ateptare este de ti p
exponenial . Taqqu [TAQ86,97] a demonstrat teoretic c
agregarea sursel or ON/OFF de ti p heavy tai l ti nde la FBM.
Predicia teoretic a l ui Taqqu a fost evi deni at practi c pri n
msurtori reale de Wi l li nger [Wi ll 97].
n cadrul acestor studi i s-a evi deni at o al t proprietate a
trafi cul ui, aceea de dependen pe termen l ung (Long Range
Dependence - LRD). Impactul acestei proprieti se refer la
corel aia (autocorelaia) traficului. Pentru un proces care nu
are LRD, funcia de autocorelaie scade rapi d, exponenial spre
0. LRD i mpl ic funci i de autocorelaie care scad ncet spre 0,
sub forma de lege de putere. Legtura ntre auto-si mil aritate i
LRD este urmtoarea: Un proces caracterizat de auto-
si mil aritate poate avea i dependen pe termen l ung (LRD) dar
nu toate procesele cu LRD sunt caracterizate de auto-
si mil aritate.
S-a studi at intens i mpactul dependenei pe termen l ung
(LRD Long Range Dependence), observat n traficul de ti p
fractal , asupra parametri lor reel elor ca:

- Performana cozi lor de ateptare (Erramil l i i al i i
[ERR96a]),
- Cal i tatea Servici i lor (QoS Qual ity of Service) (Duffiel d
i al i i [DUF95b]),
- Al ocarea benzi i i predi cia trafi cului pe termen scurt
(Norros [NOR95]),
- Mrimea ti mpul ui necesar pentru anal iza efi cace a
corel aiei traficul ui (Addie i ali i ) [ADD95]).
- Beran i ali i [BER95] au exami nat ti puri parti culare de
trafi c cu LRD.
48

Un alt motiv pentru studiul model elor real izate cu si steme
di namice haoti ce este legat de observai i le fcute de Fowler i
Leland [FOW91] care au concl uzionat c trafi cul rmne n
rafal la toate dimensi uni le temporale de interes ingineresc i
c ori ct de mare ar fi memoria echipamentelor di n reea, acest
lucru nu va ajuta l a evi tarea congestiei sau pierderea de
pachete. S-a ri di cat ntrebarea cum putem s combatem efectul
trafi cul ui n rafal. Pentru aceasta este nevoie de o
caracterizare cu acuratee a acestui ti p de trafic cu ajutorul
modelelor matematice. Sistemele di nami ce haotice sunt
capabi le s urmreasc aceste proprieti astfel nct ne
ofer ncredere n uti lizarea lor pentru caracterizarea acestui
tip de trafi c.
Tehnici le di nami ce nel iniare dar mai ales i dea control ului
haosul ui se prezint sub forma unei oportuni ti de a ne
deprta de punctul de vedere stocasti c al model rii traficul ui n
reelele de comunicai i i a ne apropi a mai mul t de i dea
uti l izri i teoriei haosul ui n vederea modelri i .
Acest punct de vedere este susi nut de progresele recente
real izate n controlul modelelor haotice. Astfel prin control se
nelege posi bil i tatea ca printr-o modi fi care mic a unui a sau
mai multor parametri i s reuim s obl i gm traiectori a
si stemul ui haoti c s se modi fi ce spre o stare (traiectorie)
dori t. Totui trebuie s ami nti m c n reelele de comuni cai i
controlul trebui e s modifi ce comportamentul statistic al
trafi cul ui. Astfel un pri m pas n control ul haotic al stati sti cii
pentru reelele de comuni caii este o ajustare a parametri lor
care conduce la o modi ficare n statistica trafi cul ui generat de
aceste modele haoti ce.





49

4.1. Observai i asupra trafi cul ui n reelele metropoli tane

Msurtori real izate cu acuratee asupra reelelor de mare
vi tez, cu eantionare a traficul ui de pn l a 100s, au
descoperi t un nou fenomen n serii le temporale care reflect
comportamentul trafi cul ui n reel e. Fenomenul se prezint sub
forma trafi cul ui n rafal sau rafal n rafal peste ntreg
intervalul de ti mp de i nteres ingi neresc. Aceste observai i sunt
de mare interes deoarece modelele uti l izate pn atunci pentru
caracteri zarea traficului agregat erau cele de tip Markov sau
Poi sson, iar aceste modele odat cu creterea gradului de
agregare ti nd l a zgomot al b, ceea ce nseamn c traficul
devine uni form. n mod cl ar acest l ucru este n contradi cie cu
msurtori le reale asupra traficului n reele. Impl i caii le
inginereti n a uti l iza modele de trafi c incorecte n etapa de
proiectare i pl anifi care a unei noi reele sunt deosebi t de
importante deoarece rezi stena unei noi reele proiectate la
congestii i efectele secundare atunci cnd are l oc congestia
depi nd de acurateea model ului uti lizat.
Observai i le fcute mai sus sunt deosebi t de importante
pentru reelele metropol itane deoarece aceste ti puri de reele
sunt uti lizate pentru transportul trafi cul ui care provi ne de la o
mul titudi ne de servi ci i , de exempl u voce, date, vi deo, voce
peste IP (VoIP), voce+vi deo sub forma vi deoconferin i IPTV,
etc.
Msurtori le de trafic real izate n ani i 1980, 1990 i chiar
n ani i 2000 au subl i niat faptul c dei corelaia trafi cul ui era
de ateptat s scad rapi d, dup o lege exponenial, traficul
posed structuri ale corelaiei care scad mul t mai lent dect
exponenial , ca o lege de putere [FOW91]. Acest ti p de trafic a
deveni t cunoscut ca LRD (Long Range Dependence).
Pentru a rezolva aceast probl em, noi model e i noi
tehnici de model are au fost dezvol tate n scopul descrieri i i
50

anal izei comportamentul ui reelel or. Astfel exi st dou direci i
mari de studiu:

- O direcie n care se meni ne model ul Markov de
reprezentare a traficului dar se caracteri zeaz
comportamentul lui la scala temporal de interes, un
exempl u fi ind teoria deviaiei n sens l arg.
- Ceal al t direci e a adoptat pentru studi u model e
matemati ce capabi le s surprind proprietatea de auto-
si mil aritate observat n cadrul trafi cul ui .

Pri ma direcie observ cum o populaie i ntroduce non-
staionari tate n trafi c pri n uti l i zarea servi cii lor, de exempl u
variaii le zi l ni ce, pauzele de mas, srbtori i al te evenimente
care duc la modificarea traficului. Ul terior s-a dezvol tat i o
direcie care observ caracteristica de LRD a surselor
indivi duale ca i cauz a auto-si mi l ari ti i dar meni n punctul
de vedere c traficul este staionar.
Cei care au adoptat modele de trafic caracterizate de
auto-simi lari tate pri vesc traficul di n punctul de vedere a
variaiei structuri i probabi l isti ce a procesul ui cu scal a
temporal . Astfel sunt uti l izate dou metode pentru model area
trafi cul ui care este privi t ca fii nd auto-simi lar:

- Fractional Browni an/Gaussian Motion susinut de
Leland, Vei tch and Norros ([LEL94, VEI92, NOR[93],
NOR[95]]). Aceste modele sunt atracti ve datori t
faptului c uti li zeaz un numr mi c de parametri i .
Totui acestea au un neajuns n faptul c nu pot modela
procesul fizi c fundamental care are loc la cnd o surs
genereaz trafic (de exemplu o plac de reea
genereaz pachet de date, nu genereaz pachet de
51

date, echi valent cu 1 sau 0) deci aceste modele nu pot
fi uti lizate ca generatoare de trafi c n ti mp real .
- Si steme di namice haoti ce susi nute de Errami l li i Pruthi
[ERR94a, 94b, 94c, 95a, PRU95a, 95b]. n acest caz
este susi nut i deea modelri i trafi cul ui cu sisteme
di namice. Aceste modele au ca avantaje numrul mi c de
parametri i i legtura cu procesul fizic ce are loc la
transmiterea de pachete n reea (procesul de ti p
ON/OFF). Aceti factori permi t ca aceste funci i s fie
uti l izate ca generatoare de trafic n ti mp real .
Caracteristica de Auto-si mil aritate, n acest caz, este
cuantizat de parametrul Hurst.

Auto-si mi l ari tatea i LRD sunt cuanti fi cate de parametrul
Hurst ) 1 2 / 1 ( < s H . Val ori mari ale l ui H corespunde la fl uctuaii
mari ale rafalelor i puternice corelaii ale trafi cului . Putem s
pri vim aceast corelaie a sursel or i ndi vi duale de trafic astfel
nct suprapunndu-se una peste al ta n urma agregri i duc l a
creterea probabi li ti i de a avea loc rafale n trafi cul agregat.
Cel mai i mportant aspect este faptul c trafi cul agregat nu
tinde la zgomot al b Gaussian ci tinde la un proces auto-simi lar
stati stic de ordinul 2 care rmne n rafal peste mul te
di mensiuni temporale. Generic, observaii le fcute se pot
exprima astfel :


Sursel e i ndi vi dual e Structuri al e corel ai ei Auto-si mi l ari tate
au LRD care scad l ent n trafi cul agregat


Rafalele peste di feri te dimensi uni temporale combinate cu
LRD sunt proprieti ale procesel or de ti p fractal . Observai ile
de mai sus sunt completate de pi ctori alele din figura 22 i
figura 23.
52




Figura 22 Rafale peste diferite scale temporale, poz edi fi catoare, Sursa: W. E.
Lel and, et al ., On the Sel f-Si mi l ar Nature of Ethernet Traffi c,
ACM SIGComm 93



Figura 23 - Rafale peste diferite scale temporale, poz edi fi catoare, sursa: W. E.
Lel and, et al ., On the Sel f-Si mi l ar Nature of Ethernet Traffi c,
ACM SIGComm 93

4.2. Efectul auto-simi lari tii asupra cozilor de ateptare

Rafalele observate n urma msurtori lor de trafi c provi n
di n fl uctuaii le n di stri bui ile de ti p heavy tai l a surselor
53

indivi duale de trafic [LEL94, TAQ97, WIL97]. Probabi l itatea
ocupri i memori i l or echi pamentelor de reea (buffer -ul ui) a fost
legat de di stri bui a de ti p heavy tai l . Impl i cai i le unei creteri
ale valori i parametrul ui Hurst sunt legate de faptul c n cele
di n urm acest l ucru va duce la ocuparea, eventual saturarea
buffer-ul ui echi pamentul ui i creterea n acest fel a
probabi l iti i de apari ie a congestiei . Analiza cozi lor de
ateptare generate de trafic de ti p auto-si mi lar a fost real izat.
Taqqu [TAQ86,97] a demonstrat teoretic faptul c agregarea
surselor de trafi c ON/OFF cu heavy tai l conduce l a model ul
FBM. Norros [NOR93] a artat c di stri buia lungi mi i cozi i de
ateptare sunt de ti pul exponenial lrgi te. Dezvol tarea
teoreti c real izat de Taqqu a fost demonstrat practi c pri n
msurtori reale ale traficului de Wil l i nger [WILL 97]. Efectul
trafi cul ui de tip auto-simi lar asupra probabi l i ti i de blocare a
cozi i de ateptare util iznd formula l ui Norros [NOR93] pentru o
ncrcare dat a traficul ui i varii nd parametr ul H este
prezentat n figura 24.

Figura 24 - Probabi l i tatea de Ocupare a cozi i de ateptare P(K>k) pentru
50 de surse omogene, cu LRD i ncrcarea medi e =0.7, pentru trafi c
auto-si mi l ar di feri t. H=0.5 este echi val ent cu t rafi c de ti p Poi sson
(sursa figura 2.2, pagina 20 din [SAM99])
54


O direcie care se credea c poate rezolva sau cel pui n
reduce i mpactul trafi cul ui de ti p auto-simi lar asupra memori i lor
di n si stem a fost ncercarea de netezire a trafi cului (traffic
shaping i traffi c pol ici ng). S-a sperat c pri n mprtierea
(ntinderea) rafalelor surselor i ndi viduale se va al tera
caracteri sti ca trafi cul ui sufi cient de mul t nct s eli mine auto-
si mil aritatea traficului agregat i astfel sursele i ndi vi duale s
nu mai creeze probleme n traficul agregat. Di n pcate n acest
caz nu au exi stat reui te. Studi i recente real izate de Molonar
[MOL97] pentru trafi cul di n reel e ATM i Dian [DI11] au
artat c aceste metode de mprtiere a traficul ui nu el imi n
caracteri sti ca de auto-simi lari tate. Erami ll i [ERR96] a realizat
experimente n aceast direcie i a artat c n cele di n urm
pentru a se pierde proprietatea de LRD a unui proces este
nevoie de amestecarea ntr-un mod aleator a tuturor datelor,
adic toat succesi unea de date di n seri le temporale ar trebui
amestecate si schi mbate ntr-un mod aleator.

5. Modelarea traficului cu sisteme dinamice
haotice

Cercetarea doctoral i propune s abordeze problemati ca
modelri i traficul ui agregat di n reelele de mare vi tez
(metropoli tane) cu ajutorul sistemelor dinamice, mai exact vor
fi studi ate i testate o serie de sisteme de ecuai i i terati ve
(haoti ce) sau combi naii ale acestora care sunt capabi le s
surprind cu succes caracteristi ci le traficului real observat n
reelele de mare vi tez capabile s transporte date la viteze
mari de transfer i care nglobeaz mul ti tudinea de servi ci i
exi stente astzi n reelele de comunicai i (vi deo, voce, date,
vi deo streami ng, vi deo conferin, web, etc.).
55

Rezul tatele investi gaii lor teoretice vor fi uti l i zate n
continuare pentru real izarea de surse de trafic si ntetic care s
poat surpri nde proprieti le traficului real observat. Acest
trafi c si nteti c poate fi uti l izat cu precdere n programele
software de anal iz a reelelor sau ca tr afic de i ntrare n
reelele experimentale i de testare. Traficul sintetic astfel
generat trebuie s fie capabi l s urmreasc caracteristici le
trafi cul ui real msurat n reele.
Tipuri le de sisteme di namice haotice de interes sunt
acelea care pot s surpri nd i ntermitena. n acest context
aceast intermi ten se nelege prin faptul c orbi ta si stemului
de funcii are episoade l ungi de comportament neted ntrerupt
de perioade de activi tate n rafal tranzi tori i . Intermi tena este
una di n ci le de tranziie spre haos. Un sistem a crui orbite
sunt de tip i ntermi tent are i LRD [PRU95b]. Este demonstrat
c atunci cnd aceste modele sunt agregate produc trafi c de tip
auto-simi lar [PRU95b]. Atraci a pentru aceste modele vine de la
faptul c ele pot urmri procesul fizic de tip ON/OFF ce are loc
la generarea traficului , surpri nd proprietatea de auto-
si mil aritate i pot fi uti lizate ca generatoare de trafic n timp
real . Totui aceste modele sunt difici l de anal izat i nc nu au
fost caracterizate n total i tate.
n urma dezbateril or inute la Lausanne Swi tzerland n
octombrie 1996 s-au conturat dou mari direci i pentru studi ul
trafi cul ui. O parte din cei prezeni susin i deea modelri i
trafi cul ui din pri sma cauzelor de ti pul comportamentul
uti l izatorilor ca de exemplu s-a ncercat s se gseasc corel ai i
ntre comportamentul reelei i pauza de mas, de cafea sau
srbtori i astfel aceast teorie susi ne faptul c reeaua nu
este staionar i astfel traficul nu este de tip auto-simi lar
(pentru modelare se uti l izeaz teoria devi aiei n sens larg
Large Deviation Theory).
56

O al t abordare pri vete traficul di n punctul de vederea al
auto-simi lari ti i, de exemplu transferuri le de fii ere mari care
sunt independente de ti mp, i care sunt i cauza staionari ti i
trafi cul ui dar cu i ncremente.
Pri n alegerea modelelor di nami ce i studi ul trafi cului di n
pri sma sistemelor di namice haoti ce, modele care produc auto-
si mil aritate direcia de cercetare este spre trafi c de tip auto-
si mil ar. Unul din moti ve este faptul c niciodat nu vom putea
cunoate toate cauzele care duc la modi ficarea traficului
(cunoti na i nfi ni t nu poate fi ati ns). Este de dori t s reui m
s reducem ct mai mul t din complexi tate dar n acel ai ti mp
comportamentul complex trebui e rei nut. Si stemele dinamice
haotice permit, pri ntr-un numr rel ati v mic de parametri i , s
surprind complexi tatea fenomenului studi at, trafi cul n reelele
de comunicai i . Un avantaj este i faptul c aceste modele
reuesc s caracterizeze procesul fizi c ce are l oc l a ni vel ul
inferior al unui di spozi tiv de reea (ON generare pachet de
date, OFF stare idle). Toate aceste observai i indi c faptul c
aceast direcie de studiu este cea care ne va oferi rezul tate n
modelarea traficul ui .

5.1. Asupra model ri i traficului cu si steme de ti p ON/OFF

Recent s-a stabi l i t o conexiune ntre sursele de trafi c de
tip ON/OFF i caracteristici le traficului agregat de ti p auto-
si mil ar observat n urma msurtori lor di n reele. Teorema
dezvoltat de Taqqu i al i i [TAQ97] poate fi formulat astfel :
Pri n superpozii a mai mul tor surse ON/OFF alternante,
independente i i dentic distribui te rezul t trafic de ti p auto-
si mil ar.
Impl i caia acestei afirmai i pentru model area traficului
este faptul c modelele de surse de tipul ON/OFF care pot fi
folosite pentru modelarea acestui ti p de trafic trebuie s ai b
57

aceleai caracteristici peste o varietate de di mensi uni
temporale, i ndiferent de scara l a care pri vi m comportamentul
sursei . Afirmai i l e de mai sus sunt privi te ca fi ind un punct
eseni al de deprtare de l a model area tradi ional spre
modelarea auto-simi lar a traficul ui .
Practic, teorema enunat de Taqqu scoate n evi den
faptul c atunci cnd exi st un numr suficient de surse de
tipul ON/OFF, traficul agregat converge la un proces auto-
si mil ar de ordinul doi.
Funci i le alese de Taqqu sunt de tipul procese de
rennoire, unde fiecare real izare n spai ul ON reprezi nt n
domeniul ti mp un byte, un pachet sau un frame de pachete de
date. Real izri le di n perioada ON sunt urmate de perioade de
l inite (OFF) i vi ceversa.
Procesul pentru o surs i ndi vi dual de date este defi nit
ca:
{ } 0 ), ( > t t W

=
0
1
) (t W
W(t) este real izarea la momentul t a stri i sursei (starea
ON sau starea OFF) . W(t) se apl ic pe toat peri oada n care
sursa este n starea ON sau n starea OFF. O si mpl ifi care se
poate presupune mai departe legat de faptul c lungi mea
perioadelor ON i ale perioadelor OFF sunt IID (i dentic
di stri bui te). Mai departe se studiaz comportament ul seriei
temporale agregate a M surse de trafic {W
(M)
(t),t>0}. Aceasta
este superpozi ia pachetel or (bii l or) generai de cele M surse
la un moment de ti mp t:

=
=
M
m
m
M
t W t W
1
) (
) ( ) (
(26)

Dac presupunem c procesul agregat este caracterizat de
auto-simi lari tate, atunci acesta poate fi redi mensionat cu un
factor T,
,ct timp sursa este n starea ON
,ct timp sursa este n starea OFF
58

du t W Tt W
Tt
M
m
m
M
}

|
.
|

\
|
=
=
0
1
) ( *
) ( ) ( (27)
Procesul agregat W
*
M
(Tt) este sursa generatoare de
pachete (bi i ) n intervalul [0,Tt].
Astfel agregarea surselor de ti p ON/OFF care au
proprietatea de LRD n cel puin o starea (n starea ON sau
OFF) conduce la trafi c caracterizat de auto-si mi l ari tate.
Avnd n vedere extinderea gamei de servici i oferite de
reelele de comunicai i de astzi, exti ndere care are la baz
dezvoltarea uimi toare n ul timi i ani a tehnologii l or i ntel igente
(cloud computing pentru reele, i phone i i pad ca i terminale)
dar i a metodel or de acces uti l izate (Wimax, 3G+, apari i a 4G,
MPLS) traficul n reelele metropol i tane a suferi t o cretere
mare ca mrime de trafic i o modi fi care n di nami c. Sunt
necesare astfel msurtori noi prin care s se poat observa
caracteri sti ci le exi stente n di nami c astfel nct modelele
exi stente s poat fi modificate corespunztor dar mai ales s
se poat dezvol ta noi modele capabi le s urmreasc dinamica
observat n urma anal izei .
Personal cred c aceste modele vor fi di n ce n ce mai
necesare pe msur ce reelele devi n tot mai compl i cate din
punct de vedere al trafi cul ui .
Proiectarea noi lor reele i testarea noi lor protocoale de
comuni caie au nevoie de generatoare de trafi c sinteti c capabi le
s urmreasc proprietile reale ale traficului pentru a fi
uti l izate n simul atoare de reele. Orice servi ci u nou se dorete
a fi implementat, acesta trebuie s poat funci ona odat cu
vechi le servici i i ar acest fapt pune accentul tot mai mul t pe
si mul are i testare nai nte de impl ementare.
Modelele matematice trebuie s fi e destul de simpl e astfel
nct s poat fi uti l izate n ti mp real i destul de compli cate
astfel nct s surpri nd real i tatea exi stent n dinami ca
59

trafi cul ui de pachete. Teoria haosului promite s mbine aceste
dou ceri ne ntr-un mod efi cace.

6. Planul de cercetare doctoral

Activitatea de cercetare se va desfura conform unui plan care
cuprinde rapoarte de cercetare, articole publicate la conferine de
specialitate naionale i internaionale, articole publicate n reviste
naionale i internaionale i n final teza de doctorat, conform tabelului de
mai jos:


Nr.
Crt.
Eveniment Data Observaii
1. articol SACI (Timioara, ROM) 20.05.2011 realizat
2. Raport nr. 1 August 2011 programat
3. Articol nr. 2 2012 n curs
4. Articol nr. 3 2012
5. Articol nr. 4 2012
6. Raport nr. 2 2012
7. Articol nr. 5 2013
8. Raport nr. 3 2013
9. Teza de doctorat 2013

Tabelul 2 - Planul de cercetare doctoral












60

7. Bibliografie

[SAM97] Samuel L.G., Pi ttsJ.M., and Mondragon R.J., Toward the
Control of Communi cation Networks by Chaotic Maps:
Source Aggregati on, i n Vol 2b Proc. ITC15,
(1997)Tel etraffi c Contri buti ons for the Informati on Age (eds.
V Ramaswami and P.E. Wi rth), El sevei er.

[SAM97a] Samuel L.G., Pi tts J.M., and Mondragon R.J., Fast Self-
simi l ar Traffi c Generation, IEE. 14
t h
UK Tel etraffi c
Symposi um, pp. 8/1-8/4, March 1997.

[ADD95] Addi e R.G., Zukerman M, Neame T. Performance of a Si ngl e
Server Queue with Sel f-simi l ar Input, IEEE ICC95 Seatl e,
Washi nghton.

[BER95] Beran J., Sherman R., Taqqu M.S.,Wi l l i nger W. Long Range
Dependence i n Vari abl e-Bit Rate Vi deo Traffic, IEEE Trans
on Communi cati ons, Vol 43, No 2/3/4, Feb/March/Apri l 1995.

[DUF95b] Duffi el d N.G., Lewi s J.T., O Connel l N, Russel l R, Toomey F.
Predi cting Qual i ty of Service for Traffic with Long-Range
Fl uctuation, IEEE ICC95 Seatl e, Washi nghton.

[ERR94a] Errami l l i A., Si ngh R. P., and Pruthi P., Chaoti c Maps as
Model s of Packet Traffic. ITC, June 1994.

[ERR94b] Errami l l i A., Pruthi P., Wi l l i nger W., Model l ing Packet Traffic
with Chaotic Maps, Stockhol m-Ki sta, Sweden, Aug 94.

[ERR94c] Errami l l i A., Gordon J., and Wi l l i nger W., Appli cations of
Fractal s i n Engi neeri ng for Real i stic Traffi c Processes,
1994.

[ERR95a] Errami l l i A., Si ngh R., P., and Pruthi P., An Appl i cation of
determi ni stic chaotic maps to model packet traffi c,
Queuei ng Systems.

[ERR95b] Errami l l i A., Pruthi P., Wi l l i nger W., Recent Devel opments i n
Fractal Traffi c Model l ing. Proc ITC Internati onal Tel etraffi c
Semi nar. St. Petersberg, 26 June-2 Jul y, 1995.

[ERR96a] Errami l l i A., Naranyan O., and Wi l l i nger W., Experi mental
Queueing Analysi s with Long-range Dependent Packet
Traffic. IEEE/ACM Trans on Networki ng, Vol 4, No 2, Apri l
1996,

[FOW91] Fowl er H. J., Lel and W. E., Local Area Network Traffic
Characteri stic, wi th Impl icati ons for Broadband Network
Congesti on Management. IEEE, Vol 9, No 7, Sept. 1991.

[GRA95] Grazziela N. ,Traficul n Reelele de Comunicaii, Editura Tehnic,
Bucureti 1995.

[LEL93] Lel and W. E., Taqqu M. S., Wi l l i nger W., and Wi l son D., On
the Self-Si mil ar Nature of Ethernet Traffic. Proc ACM
SIGComm 93. San Fransi sco, CA, Sept 1993.

61

[LEL94] Lel and W. E., Taqqu M. S., Wi l l i nger W., and Wi l son D., On
the Self-Simi l ar Nature of Ethernet Traffic (Extended
Versi on), Feb 1994,.

[MOL97] Mol nar S., and Vi dacs A., On Model l ing and Shapi ng Self -
Si mi l ar ATM Traffic, i n Vol 2bProc, ITC15, Tel etraffi c
Contri buti ons for the i nformati on Age (eds. V Ramaswami and
P.E. Wi rth), El sevei er, 1997.

[NIC20] Niculescu G., Ioan L., Tehnici i sisteme de comutaie, MATRIX ROM,
Bucureti, 2000

[NOR93] Norros i ., Studies on a model for connecti onl ess traffi c,
based on fracti onal Browni an Moti on, Conf. On Appl i ed
Probabi l i ty i n Engi neeri ng, Computer and Communi cati ons
Sci ences, Pari s, 1993.

[NOR95] Norros I., The Management of Large Fl ows of
Connectionl ess Traffic on the Basis of Self -Si mi l ar
Model l ing, IEEE, Washi nghton, 1995,

[PAX95] Paxon V., Fl oyd S., Wi de Area Traffic :The Fai l ure of
Poi sson Model l i ng. IEEE/Trans on Networki ng, Vol 3, No 3,
June 1995.

[PRU95a] Pri thi . P., An Appl i cations of ChaoticMaps to Packet
Traffic Modell i ng, Royal Insti tute of Technol ogy, Sweden,
1995.

[PRU95b] Pruthi P., Errami l l i A., Heavy-Tai l ed ON/OFF Source
Behaviour and Sel f Simi l ar Traffi c, Proc ICC 95 June 1995.

[RAD03] Radu G., Model e de Trafi c pentru Reel ele de Dat e,
Bucureti , 2003.

[SAI94] Sai to H., Tel etraffic Technologies i n ATM networks,
Boston, 1994.

[SAM99] Samuel L. G., The Appl icati on of Non-l inear Dynami cs to
Teletraffi c Model l i ng, Queen Mary and Westfi el d Col l ege
Uni versi ty of London Jul y 1999.

[SER06] erbnescu Al exandru, Apl icai i ale si stemel or di nami ce
haoti ce n comuni cai i , Bucureti , 2006.

[SER01] erbnescu A., .a. , ndrumar de proiectare asistat de calculator,
Univ. Piteti, 2001.

[SHO80] Shoch J. F., and Hupp J. A., Masured performance of an
Ethernet l ocal network, Cammun. ACM, vol 23, No 12,Dec
1980.

[SHU95] Schuster H. G., Determi nisti c Chaos an Introducti on 3
r d
.
Ed, VCH Verl agsgesel l schaft, Wei nhei m Germany, 1995.

[TAQ86] Taqqu M. S., and Levy J. B., Using Renewal Process to
Generate Long Range Dependence and Hi gh Vari abi l ity,
62

Dependence i n Probabi l i ty and Stati sti cs, Progress i n Prob. Vol
11, Boston, 1986.

[TAQ97] Taqqu M. S., Wi l l i nger W., and Sherman R., Proff of a
Fundamental Result i n Self -Si mi l ar Traffic Model l ing, ACM
Computer Communi cati ons Revi ew.

[VEI92] Vei tch D., Novel Model s of Broadband Traffi c, 7
t h

Austral i an Tel etraffi c Research Semi nar, Murray Ri ver,
Austral i a, 1992.

[WIL97] Wi l l i nger W., Taqqu M. S., Sherman R., Wi l son D. V., Self-
Si mi l ar through high-vari abil i ty: stati sti cal analysi s of
Ethernet LAN traffic at the source level , IEEE/ACM
Transacti on on networki ng, 1997.

[DI11] Di an Dani el -Si mi on, Gi ura Dan-Horea, Traffic shapi ng and
traffic pol i ci ng impacts on aggregate traffic behaviour in
high speed networks, SACI, 2011, (Ti mi oara, Romni a),
pagi ni l e 465-467.

[VAR08] Peter Vardena, PhD Di sertati on, Traffic Modeli ng of
Communi cation Networks, Department of Physi cs of
Compl ex Systems. Eotvos Lorand Uni versi ty, Budapest,
Hungary, 2008.

[CHO06] K. Cho, K. Fukuda, H. Esaki , and A. Kato. The Impact and
Impl icati ons of the Growth i n Residenti al User-to-user
Traffic. In Proc. of SIGCOMM, Sep 2006.

[MAS08] Massi mi l i ano Marcon, Marcel Di schi nger, Kri shna P. Gummadi ,
and Ami n Vahdat, San Di ego. The Local and Gl obal Effects
of Traffi c Shapi ng in the Internet . In Proc. of ACM
SIGCOMM, August 2008.

[POT99] Potorac, A. D. Considerati on on VoIP Throughput i n
802.11 Netwworks, i n Vol . 9, Nr. 3, 2009, on page(s): 45
50, Advanced i n El ectri cal and Computer Engi neeri ng.

[THO04] Thomas Karagi anni s, Mart Mol l e, Mi chal i s Fal outsos, Long-
Range Dependence - Ten Years of Internet Traffic
Model ing, IEEE INTERNET COMPUTING, SEPTEMBER-OCTOBER
2004.

[LUI02] Lui z A. DaSi l va, Scott F. Mi dki ff , Traffi c Models, ECE 5984
Network Performance, Desi gn, and Management Bradl ey
Department of El ectri cal and Computer Engi neeri ng Vi rgi ni a
Pol ytechni c Insti tute and State Uni versi ty, 2002.

[TEL01] Teletraffic Engineering Handbook, noiembrie 2001.

[GRI03] Grigore Radu, Modele de trafic pentru reele de date, Bucureti, iunie
2003.

[GIN10] Gi nno Mi l l n, Hctor Kaschel , Gastn Lefranc, A Si mpl e
Model for the Generation of LRD Self-si mil ar Traffic
Using Pi ecewi se Affi ne Chaotic One-di mensional Maps, i n
SIC: vol . 19, i ssue 1/2010, pp. 67-78.
63


[ADR] Adrian Popescu, Traffic Self-Similarity, Department of
Telecommunications and Signal Processing University of
Karlskrona/Ronneby 371 79 Karlskrona, Sweden.

[STI10] Stilian Stoev, Gloabal Modeling of Backbone Network Traffic,
Department of Statistics, University of Michigan, Ann Arbor, INFOCOM
Conference, San Diego, 2010.

[JOE10] Joel Vaughan, Stilian Stoev, George Michailidis, Network-wide
Statistical Modeling and Prediction of Computer Traffic, 439 West
Hall, 1085 S University, Ann Arbor, MI, 48109, 2010.

[KIH] Self-Similar Network Traffic and Performance Evaluation, Edited by
Kihong Park, Walter Willinger, Copyright@2000 John Wiley & Sons, Inc.,
ISBNs: 0-471-31974-0 (Hardback); 0-471-20644-X (Electronic).

[SAI09] Sai Nandagopalan, Vinko Erceg, Internet Traffic Modeling, IEEE 802.11-
09/1216r1, November 2009.

[MOS04] Moshe Zukerman, Timothy D. Neame, Ronald G. Addie, Internet Traffic
Modeling and Future Technology Implications, ARC Special Research
Centre for Ultra-Broadband Information Networks (CUBIN), Department of
Electrical and Electronic Engineering, The University of Melbourne, Victoria
3010, Australia, INFOCOM 2003.

[NIC04] Nicolas Hohn, Measuring, Understanding and Modelling Internet
Traffic, Submitted in total fulfillment of the requirements for the degree of
Doctor of Philosophy, Department of Electrical and Electronic Engineering,
UNIVERSITY OF MELBOURNE AUSTRALIA, July 2004.

[DIM10] Dimitar Radev, Izabella Lokshina, Advanced Models and Algorithms for
Self-similar IP Network Traffic Simulation and Performance
Analysis, Journal of ELECTRICAL ENGINEERING, VOL. 61, NO. 6, 2010,
341349

Surse WEB:

[WEB1] http://www.sics.se/~aeg/report/node28.html

[WEB2] http://www.cse.wustl.edu/~jain/cse567-06/ftp/traffic_models3

[WEB3] http://www.cse.iitk.ac.in/users/cs698g/lectures.html