Модель інтеграції IoT- пристроїв у 5G- телекомунікаційні мережі

Abstract

У кваліфікаційній роботі досліджувалися процеси взаємодії та архітектурні рішення для підключення різнорідних IoT-пристроїв до телекомунікаційних мереж п’ятого покоління (5G). Мета дослідження полягала у розробці та обґрунтуванні адаптивної архітектурної моделі інтеграції IoT, яка забезпечує підвищення масштабованості та ефективності використання віртуалізованих ресурсів мережі. В якості методів дослідження використовувалися системний аналіз, математичне моделювання на основі Марковських процесів рішень (MDP), а також глибоке навчання з підкріпленням (DRL) для динамічного розподілу ресурсів у середовищі симуляції. Результати роботи підтвердили ефективність використання Менеджера динамічних нарізків (DSM) для розв'язання конфліктів ресурсів між типами трафіку URLLC та mMTC. Новизна дослідження полягає в удосконаленні моделі інтеграції IoT-пристроїв через поєднання мережевого нарізання (slicing) з периферійними обчисленнями (MEC), що дозволяє динамічно пріоритезувати трафік у реальному часі. Практичне значення отриманих результатів полягає у можливості їх застосування при проєктуванні сучасних телекомунікаційних мереж для оптимізації якості обслуговування (QoS) та підвищення загальної продуктивності інфраструктури Інтернету речей.

The thesis examined the interaction processes and architectural solutions for connecting heterogeneous IoT devices to fifth-generation (5G) telecommunications networks. The goal of the study was to develop and justify an adaptive architectural model for IoT integration that improves the scalability and efficiency of virtualized network resources. The research methods used included system analysis, mathematical modeling based on Markov decision processes (MDP), and deep reinforcement learning (DRL) for dynamic resource allocation in a simulation environment. The results confirmed the effectiveness of using the Dynamic Slicing Manager (DSM) to resolve resource conflicts between URLLC and mMTC traffic types. The novelty of the research lies in the improvement of the IoT device integration model by combining network slicing with edge computing (MEC), which allows for dynamic prioritization of traffic in real time. The practical significance of the results obtained lies in the possibility of their application in the design of modern telecommunications networks to optimize quality of service (QoS) and improve the overall performance of the Internet of Things infrastructure.