Design of Adaptive Duty-cycled Protocols in Low-power and Lossy Networks

Abstract

Internet of Things (IoT) has opened a new era with low-power embedded devices. In industrial IoT networks, numerous sensors and actuators are deployed for system monitoring and remote control. From smart homes to smart cities, new applications and network services are emerging such as electricity management, home security, health care, and smart grid. As IoT applications become diverse, the need for reliable, energy-efficient, and flexible (i.e., adaptable to diverse and dynamic applications) network protocols is growing up steadily. In this dissertation, to this end, we design three different duty-cycled protocols for dynamic low-power and lossy networks (LLNs). Firstly, we focus on mobile LLNs. With the proliferation of emerging Internet of Things devices and applications, mobility is becoming an integral part of low-power and lossy networks (LLNs). However, most LLN protocols have not yet focused on the support for mobility with an excuse of resource constraints. Some work that do provide mobility support fail to consider radio duty-cycling, control overhead, or memory usage, which are critical on resource-limited low-power devices. To tackle theses problems, we introduce MAPLE, an asymmetric transmit power-based routing architecture that leverages a single resource-rich LLN border router. It supports mobility in duty-cycled LLNs using received signal strength indicator (RSSI) gradient field-based routing. We implement MAPLE on a low-power embedded platform, and evaluate through experimental measurements on a real multihop LLN testbed consisting of 31 low-power ZigBee nodes and 1 high-power gateway. We show that MAPLE improves the performance of mobile devices in LLN by 27.2%/55.7% and 17.9% in terms of both uplink/downlink reliability and energy efficiency, respectively. Next, we move our attention to Time Slotted Channel Hopping (TSCH), which is a promising TDMA-like link layer protocol standardized by the IEEE 802.15.4-2015. Compared with conventional asynchronous duty-cycled MAC protocols, it provides both higher reliability and lower energy operation. For this reason, a number of TSCH scheduling schemes have been proposed recently. However, they lack one thing: flexibility to support a wide variety of applications and services with unpredictable traffic load and routing topology due to fixed slotframe sizes. To this end, we propose TESLA, a traffic-aware elastic slotframe adjustment scheme for TSCH networks which enables each node to dynamically self-adjust its slotframe size at run time. TESLA aims to minimize its energy consumption without sacrificing reliable packet delivery by utilizing incoming traffic load to estimate channel contention level experienced by each neighbor. We extensively evaluate the effectiveness of TESLA on large-scale 110-node and 79-node testbeds, demonstrating that it achieves up to 70.2% energy saving compared to Orchestra (the de facto TSCH scheduling mechanism) while maintaining 99% reliability. Lastly, we point out the limitations of TESLA. In TESLA, a reception (Rx) slot is shared for multiple transmitters. To prevent their transmissions from being collided, TESLA inevitably allocates more Rx slots than actually needed. To tackle this inefficient resources usage, we propose OST, a on-demand TSCH scheduling with traffic-awareness, which improves TESLA further. OST basically schedules timeslots based on estimation of average traffic load. Moreover, if there are queued packets due to instantaneous traffic burst, it additionally allocates timeslots exactly as needed. We implement OST on ContikiOS, and evaluate OST with state-of-the-arts on large-scale multi-hop testbed showing the superiority of OST over others.

IoT (Internet of Things)는 저전력 임베디드 기기들로 구성되는 새로운 네트워크 시대를 개척하였다. 산업 IoT 네트워크에서는 수 많은 센서와 구동기가 배치되어 시스템을 모니터링하고 원격 제어한다. 스마트홈에서부터 스마트시티까지, 전기관리, 보안, 건강관리, 스마트그리드 등과 같은 다양한 어플리케이션들이 등장하고 있다. 이렇게 IoT 어플리케이션이 다양해짐에 따라, 이러한 네트워크를 제어/관리하기 위 해 신뢰성 높고, 에너지 소모가 적고, 유연한 동작을 할 수 있는 네트워크 프로토콜에 대한 수요가 급증하고 있다. 이를 위해 본 논문에서는 저전력 네트워크를 위한 3가지 각기 다른 적응적 프로토콜을 제안한다. 먼저 우리는 이동성 저전력 네트워크에 초점을 맞춘다. 최근 등장하는 IoT 어플리케이션에서는 이동성이 매우 중요한 부분을 차지하고 있다. 하지만 그동안 대부분의 저전력 프로토콜은 저전력 디바이스의 하드웨어적 한계를 이유로 이동성에초점을 맞추지 않았다. 몇몇 연구에서는 네트워크의 이동성 지원을 위한 프로토콜을 제안하였지만, 그들은 듀티사이클링, 제어 오버헤드, 메모리 사용 등과 같은 저전력 디바이스에서 필수적인 요소를 반영하지 못하였다. 이러한 문제를 해결하고자 우리 는 MAPLE 을 설계한다. MAPLE 은 고전력 전송 전력을 사용할 수 있는 보더 라우터를 사용하여 비대칭 전력 네트워크를 구성한다. 이를 통해 저전력 네트워크에서 듀티사이클링을 통해 에너지 소비를 절감함과 동시에 네트워크의 이동성을 지원할 수 있게 된다. 우리는 MAPLE 을 실제 저전력 임베디드 플랫폼에 구현을 하고 31개의 저전력 ZigBee 노드를 사용하여 구축한 테스트베드에서 성능을 검증한다. 이를 통해 결과적으로 MAPLE 은 기존 기법 대비 27.2%/55.7%만큼 상향링크/하향링크 패킷수신율을 개선하였고, 그와 더불어 17.9%의 에너지 절감을 보여주었다. 다음으로 우리는 최근 IEEE 802.15.4-2015에서 표준화된 TSCH (Time Slotted Channel Hopping) 프로토콜에 주목한다. 기존 비동기 방식의 MAC 프로토콜에 비해, TSCH는 더욱 높은 신뢰도와 저전력 동작을 보장한다. 이러한 연유로 최근 다양한 TSCH스케줄링 기법이 제안되었다. 하지만 그들은 고정된 슬랏프레임 길이를 사용함으로써, 예측할 수 없는 트래픽과 라우팅 토폴로지를 가진 다양한 어플리케이션과 서비스를 지원하기 위한 유연한 동작을 보장하지 못한다. 따라서 이를 해결하기 위한 TSCH 스케줄링 프로토콜로서 TESLA 를 제안한다. TESLA 는 트래픽 양을 측정하여 실시간으로 슬랏프레임을 적응적으로 조절할 수 있다. 이를 통해 높은 패킷수신율 을 보장함과 동시에 에너지 소모를 최소화할 수 있다. 우리는 110개/77개의 노드로 구성된 대규모 테스트베드에서 TESLA 의 성능을 검증한다. 그 결과 기존 기법 대비 99%의 신뢰성을 유지하면서 동시어 70.2%의 라디오 에너지 사용을 감축한다는 사실을 확인하였다. 마지막 연구는 우리가 발견한 TESLA 의 한계점에서 시작한다. TESLA 에서 하나의 수신 슬랏은 여러 명의 송신 노드에 의해 공유가 된다. 그들 간의 충돌을 막기 위해 TESLA 는 어쩔 수 없이 실제 필요한 수신 슬랏의 갯수보다 많은 양을 할당하게 된다. 이러한 자원의 낭비를 줄이고자 우리는 OST 라는 온디맨드 방식의 TSCH 스케줄링 기법을 제안한다. TESLA 와 마찬가지로 OST 는 트래픽 로드에 맞춰 적응적 동작을 하지만, 이를 더욱 개선하여 각 스케줄링은 여러 명의 송신 노드에게 공유되지 않고 단 하나의 노드에게만 할당된다. 더욱이, OST 는 순간적인 트래픽 버스트에도 대처하기 위한 온디맨드 방식의 추가적인 자원할당을 포함한다. 우리는 OST를 ContikiOS를 통해 구현하고 72개의 노드로 구성된 다중 홉 테스트베드에서 성능 검증을 진행함으로써 OST 의 우수성을 보여준다.