FBE- Bilgisayar Mühendisliği Lisansüstü Programı - Doktora
Bu koleksiyon için kalıcı URI
Gözat
Yazar "Canberk, Berk" ile FBE- Bilgisayar Mühendisliği Lisansüstü Programı - Doktora'a göz atma
Sayfa başına sonuç
Sıralama Seçenekleri
-
ÖgeEnergy aware endurance framework for mission critical aerial networks(Fen Bilimleri Enstitüsü, 2019) Özçevik, Yusuf ; Canberk, Berk ; 10313961 ; Bilgisayar Mühendisliği ; Computer EngineeringCisco teknik raporuna göre (Visual Networking Index, VNI), internete bağlı hareketli cihaz sayısı dünya genelinde hızla artmaktadır. Rapora göre, 2017 yılında 8.6 milyar olarak tespit edilen cihaz sayısının 2022 yılı itibarıyla 12.3 milyara ulaşması beklenmektedir. Cihaz sayısında öngörülen artış dikkate alındığında, bu cihazlar tarafından üretilen mobil veri trafiğinin de artması kaçınılmazdır. Aynı rapora göre, dünya genelinde aylık mobil veri trafiği 2017 yılında 12 Exabyte iken, 2022 yılında 77 Exabyte olması öngörülmektedir. Söz konusu artışın mevcut karasal ağ alt yapıları ile yönetilmesi son derece zordur. Bu sebeple, yenilikçi ağ alt yapılarına duyulan gereksinim günden güne ortaya çıkmaktadır. İnternete bağlı cihaz sayısı ve bu cihazların ürettiği mobil veri trafiğinde yaşanan artışa paralel olarak, günümüzde gelişen teknolojilerden biri de havasal ağlardır. Uluslararası İnsansız Araç Sistemleri Derneği (Association for Unmanned Vehicle Systems International) raporuna göre, Amerika Birleşik Devletleri için İnsansız Hava Aracı (İHA) endüstrisinden doğan doğrudan ekonomik etki 2015 yılında 1.2 milyar amerikan doları iken, 2025 yılında 5.1 milyar amerikan doları olması beklenmektedir. Aynı raporda, İHA'ların uygulama alanlarından bir tanesi de haberleşme sistemleri olarak belirtilmektedir. Belirtilen gelişmeler doğrultusunda, İHA kullanılarak oluşturulan havasal ağ topolojileri son yıllarda yayın olarak kullanılmaktadır. Havasal ağlar tek başlarına bir servis alt yapısı oluşturmak üzere kullanıldığı gibi gibi karasal ağ ekipmanlarına yardımcı olmak üzere de kullanılır. Her iki kullanım amacının ortak özelliklerinden birisi havasal ağların kısa zamanlı ve göreve özel olmasıdır. Ağın havadaki fiziksel varlığını sürdürebilmek için bir güç kaynağına ihtiyaç duyulması, bu durumun en önemli sebebi olarak gösterilebilir. Bu bağlamda, enerji farkındalığı, havasal ağlarda asgari bakım maliyeti ile daha uzun bir dayanıklılık sağlamak için üzerinde durulması gereken en önemli konulardan biri olarak ele alınmaktadır. Literatürdeki çalışmalarda, havasal ağlar için enerji farkındalığı sağlamak üzere bir çok çalışma yapılmış olsa da, bu çalışmaların sadece bir kısmı ağın havadaki varlığını sürdürmesi için gerek duyduğu zorunlu enerjiyi dikkate alır. Havasal ağlarda, hesaplama ve haberleşme için harcanan ernerji miktarının, ağı havada tutmak için gereken enerji miktarına göre çok daha az olduğu bilinmektedir. Dahası, bir İHA'nın uçarken harcadığı enerji miktarı; uçuş yönü, uçuş hızı gibi bir çok parametreye ve maruz kaldığı fiziksel kuvvetlere göre farklılık gösterir. Bu sebeple, bu tezde, bir İHA'nın uçuş karakteristiği ile enerji tüketimi ilişkisi göz önüne alınarak, havasal ağın sürekliliğini sağlamak için gerek duyulan İHA değişimleri sırasında, enerji farkında bir uçuş planlaması sunulur. Havasal ağlarda, bir İHA'nın enerji tüketimini etkileyen en önemli faktör, İHA'nın maruz kaldığı fiziksel kuvvetlerdir ve uygun bir enerji farkındalığı sağlamak için dikkate alınması gerekir. İHA'ya etki eden bileşenler arasında, yer çekimi kuvveti, en belirleyici kuvvettir ve bir İHA'nın hareketi esnasında harcadığı enerji ile doğrudan ilişkilendirilebilir. Bu sebeple, tezde, enerji tüketimiyle ilişkili bir topoloji grafı modellenmektedir. Bu grafta, İHA konumları düğümlerle, bir yolu katetmek için gereken enerji tüketim maliyetleri ise kenarlarla ifade edilmektedir. Önerilen yaklaşımın doğrulanması için üç farklı yönlü ve tamamlanmış graf modeli sunulur ve her bir graph modelinde yer çekimine karşı yapılan hareketler farklı şekilde maliyetlendirilir. Topoloji grafı oluşturulduktan sonra, bir optimizasyon problemi sağlamak ve belirlenen algoritmik bir yaklaşımla bir çözüm kümesi önermek için Tamsayılı Doğrusal Programlama (Integer Linear Programming, ILP) ile birlikte bir Havasal Toplama ve Dağıtma Problemi (Aerial Pickup and Delivery Problem, APDP) tanıtılır. Sunulan topoloji modeli ve optimizasyon problemi göz önüne alındığında, İHA değişimine gerek duyulan bir t anında, en az enerji tüketimine sahip uçuş planlamasını sağlamak üzere bir Mekansal Uçuş Planlayıcısı (Spatial Flight Planner) önerilir. Uçuş planlayıcısının gerçeklenmesi için Dinamik Programlama (Dynamic Programing, DP) yaklaşımıyla Bellman-Ford algoritması kullanılarak topoloji grafı üzerindeki en az maliyetli uçuş planı araştırılır. Ayrıca, önerilen sistem, havasal ağın tüm operasyonel zamanını göz önünde bulunduran ve sadece t zamanındaki minimum enerji tüketimini değil, aynı zamanda küresel arama alanını tarayan Zamansal Uçuş Planlayıcısı (Temporal Flight Planner) adlı bir uçuş planlama algoritması ile ilave bir geliştirme daha ortaya koyar. Genişleyen arama alanını makul bir sürede taramak üzere Genetik Algoritmalar (Genetic Algorithms, GA) yaklaşımı kullanılır. Böylece, olası çözüm kümesinin bir kısmı elenerek optimuma yakın bir alt çözüm kümesi taranır ve sistemden daha kısa sürede yanıt alınır. Önerilen sistemin gerçeklenmesinden sonra, algoritmaların zaman ve bellek karmaşıklıklarını ölçmek üzere bir dizi analiz yürütülmekedir. Tezde incelenen havasal ağ için belirlenen uygulama alanı ve çalışılan senaryolar dikkate alındığında, sonuçların uygun sınır dahilinde olduğu belirtilebilir. Önerilen sistemin değerlendirilmesi ve topoloji hakkında enerji farkındalığı gözetmeyen geleneksel bir yaklaşım ile karşılaştırılması için kapsamlı bir simülasyon ortamı sunulmaktadır. Bu sebeple, üç farklı senaryo ölçeği göz önüne alınarak farklı sayıda İHA, karasal son kullanıcı ve kapsama alanı belirlenir. Dahası, simülasyon ortamının oluşturulması ve çıktıların elde edilmesi için gereken bir dizi simülasyon aracı tanıtılır. Ayrıca, simülasyon boyunca kullanılacak ağ mimarisine ilişkin tüm varsayımlar açıkca sunulur. Tezde tanıtılan sistemin değerlendirmesi için, çeşitli boyut ve kanat tipine sahip İHA'lardan en yaygın olarak kullanılan, döner kanatlı dronlar kullanılmaktadır. Simülasyon ortamında test edilen havasal ağın bir sosyal etkinlik için bir araya toplanan kullanıcılara hizmet sağladığı düşünülmektedir. Önerilen sistem ve geleneksel yaklaşım için her bir senaryo ölçeği dört saat çalıştırılarak simülasyon ortamından veriler toplanır ve tezde tanıtılan üç performans kriteri üzerinden bir karşılaştırma sağlanır. Bu performans kriterlerinden δ, simülasyon boyunca harcanan toplam enerji miktarının normalize edilmesiyle elde edilir ve 0-100 arası değerler almaktadır. Değerlendirme sonucuna göre, önerilen sistem, δ parametresi dikkate alındığında %20'ye varan enerji tasarrufu sağlamaktadır. Performans kriterlerinden ikincisi, γ parametresi, havasal ağın varlığı boyunca, hava-kara arasında, ihtiyaç duyulan toplam dron değiştirme sayısını göstermektedir. Bir başka deyişle, hizmet süresi boyunca enerji kaynağını tüketen ve yerdeki yedek dronlardan biri ile değiştirilmesi gereken toplam dron sayısıdır. Elde edilen bulgulara göre, önerilen sistem kullanıldığında, %15'e kadar daha az sayıda dron enerji kaynağını tüketerek değişime ihtiyaç duymaktadır. Performans kriterlerinden üçüncüsü ise, η, bir dronun ortalama havada kalma süresini işaret etmektedir. Önerilen sistem ile bu değer %18 oranında artırılmaktadır. Değerlendirme sonuçlarından elde edilen bulgulara göre, önerilen sistemin, geleneksel bir yönteme göre daha başarılı bir enerji farkındalığı yarattığı vurgulanabilir. Dahası, arama alanının zaman ekseninde genişletilmesi sonucu elde edilen bulguların, belirli bir t anı için elde edilen bulgulara göre daha da iyi olduğu gösterilmektedir. Öte yandan, geniş arama alanında tarama yaparak makul bir sürede çözüm bulmak için kullanılan evrimsel algoritmalar, (Evolutionary Algorithms), rassal yapıları gereği her zaman en iyi sonucu bulmayı garanti etmemektedir. Bu sebeple, GA yönteminin kullanılması ile elde edilen sonuçların evrensel optimum sonuca ne kadar yakın olduğu, sistemin başarımının kanıtlanması açısından, incelenmektedir. Buna göre, Zamansal Uçuş Planlayıcısı'nın DP ve GA yaklaşımları ile gerçeklenmesi sonucu elde edilen bulgular birbirleriyle karşılaştırılır. GA gerçeklemesi ile elde edilen bulguların, DP gerçeklemesi ile elde edilen bulgulara göre %5'e kadar daha kötü enerji farkındalığına sebep olduğu; ancak, GA gerçeklemesi ile sistemin 30 kata kadar daha kısa sürede yanıt vermesinin sağlandığı gösterilmektedir. Bu sebeple, sistemin uygun bir şekilde hizmet verebilmesi için GA yaklaşımının kullanımı onaylanmaktadır. Sonuç olarak, önerilen sistem kullanıldığında, çalışmada ele alınan geleneksel yaklaşımdan daha uygun bir enerji farkındalığı sağlandığı ve önerilen sistemin evrimsel algoritmalar kullanılarak gerçeklenmesinin, daha makul sürede yanıt vermeye yardımcı olurken, sağlanan çözümlerin üstünlüğüne zarar vermediği savunulabilir. Simülasyonlar sırasında önerilen sistem tarafından bulunan çözümlerde, uçuş planlamasının havadaki dronlar arasında yer değiştirmeler içerdiği rapor edilmektedir. Bu sebeple, karasal son kullanıcıların servis taleplerini kesintisiz olarak karşılamak üzere, dronlar üzerine konuşlandırılmış Havasal Baz İstasyonları (HBİ) arasında kullanıcı devri yapılması gerekmektedir. Elde edilen bulgulara göre, önerilen sistem, geleneksel bir yönteme kıyasla %14'e kadar daha fazla kullanıcı devri sayısına (Ψ) sebep olmaktadır. Literatürdeki çalışmalara göre, kullanıcı devri sayısının artması durumunda son kullanıcı performansına dair bazı parametrelerde düşüş yaşandığı görülmektedir. Bu nedenle, önerilen sistemin sebep olduğu kullanıcı devri sayısının, son kullanıcı performansına etkisini araştırmak üzere, simülasyon ortamı genişletilerek ortalama kullanıcı düzlemi gecikmesi parametresi (average access link latency) ve paket kayıp oranı parametresi (packet loss ratio) incelenmektedir. İncelemede, gerçek zamanlı ve gerçek zamanlı olmayan uygulamaların ürettiği heterojen bir son kullanıcı trafiği göz önünde bulundurulur. Değerlendirme sonuçlarına göre, önerilen sistemin %10'a kadar daha fazla ortalama kullanıcı düzlemi gecikmesine ve %19'a kadar daha fazla paket kaybı oranına neden olduğu belirlenir. Sonuç olarak, önerilen sistemin son kullanıcı perspektifinde bir bozulmaya neden olduğu, ancak enerji farkındalığı perspektifinden ise önemli miktarda bir enerji tasarrufu sağladığı sonucuna varılmaktadır. Dahası, literatürde yer alan teknik raporlar incelendiğinde, son kullanıcı performansında meydana gelen kötüleşmenin kabul edilebilir bir seviyede olduğu ortaya konmaktadır. Ayrıca, önerilen sistemin son kullanıcı performansı üzerindeki olumsuz etkisini sınırlandırmak adına, bir Kullanıcı Devri Faktörü İyileştiricisi (Handover Factor Optimizer) algoritması sisteme eklenir. Böylece, son kullanıcı performansında meydana gelebilecek bozulma, önceden belirlenen bir kullanıcı faktörü değeri ile sınırlandırılır. Önerilen eklenti üzerinde gerçekleştirilen zaman karmaşıklığı ve bellek karmaşıklığı analizleri de tezde sunulmaktadır. Son olarak, önerilen sistemin farklı trafik istekleri olan son kullanıcılar üzerindeki etkisini daha ayrıntılı incelemek üzere, sadece gerçek zamanlı ve sadece gerçek zamanlı olmayan trafik istekleri üreten simülasyon ortamları ayrı ayrı incelenmektedir. Böylece, önerilen sistem nedeniyle kullanıcı performansında meydana gelen düşüş farklı trafik isteklerine göre detaylıca ele alınmaktadır ve önerilen sistemin farklı kullanım senaryoları için uygulanabilirliği araştırılmaktadır. Değerlendirme sonuçlarına göre, gerçek zamanlı olmayan trafik istekleri ile ele alınan senaryoda, daha fazla kullanıcı düzlemi gecikmesi ve paket kaybı oranı olduğu görülmektedir. Bu nedenle, önerilen sistemin, gerçek zamanlı olmayan trafik isteği bulunan son kullanıcılar için dikkatli bir şekilde görevlendirilmesi gerektiği vurgulanır. Bununla birlikte, önerilen sistemin uygulama alanı ve tezde incelenen senaryolar dikkate alındığında, genel olarak Hiper-Metin Transfer Protokolü (Hypertext Transfer Protocol Version 3, HTTP3) ve Hızlı Kullanıcı-Datagram-Protokolü İnternet Bağlantıları (Quick User-Datagram-Protocol (UDP) Internet Connections, QUIC) gibi yeni nesil gerçek zamanlı protokoller kullanan son kullanıcı uygulamarı karşımıza çıkmaktadır. Sonuç olarak, bir son kullanıcı tarafından üretilebilecek her iki trafik tipi için, önerilen sistem nedeniyle meydana gelen performans düşüşünün, sistemdeki enerji tasarrufu göz önüne alındığında, kabul edilebilir düzeyde olduğu iddia edilir.
-
ÖgeTraffic and mobility aware delay modeling for software-defined networks (SDN)(Fen Bilimleri Enstitüsü, 2019) Özçevik, Müge ; Canberk, Berk ; 10249440 ; Bilgisayar Mühendisliği ; Computer EngineeringCisco tarafından yayınlanan teknik rapora göre (Visual Networking Index, VNI), mobil cihazlardan üretilen veri trafiğinin 2021 yılında 49.0 exabayt seviyesine ulaşması beklenmektedir. Bu aşırı trafik yoğunluğu altında, mobil kullanıcıları memnun edebilmek için bu kullanıcıların 5. Nesil (5th Generation, 5G) hizmetlerdeki taleplerine odaklanılmalıdır. Belirtilen bu 5G hizmetleri, Ultra-Güvenilir Düşük Gecikme İletişimi (Ultra-Reliable Low Latency Communication, URLLC) ve Genişletilmiş Mobil Bant (enhanced Mobile Broadband, eMBB) olarak adlandırılır. URLLC hizmetleri araç ağlarında spesifik bir uygulama olan araç takımı (vehicle platoon) ile örneklendirilebilir. Araçların takım halinde ilerlemesi; farklı yol dinamiklerinde bile yakıt ve trafik verimliliğini arttırır ve takım içerisindeki araç arası mesafeleri kontrol ederek sürüş güvenliğini sağlar. Araç ile ağ altyapısı (Vehicle to Infrasructure, V2I) arasındaki 5G bağlantısı sayesinde, takım içerisindeki lider araç kontrol merkezinden trafik akış kontrolü için dinamik kuralları alır ve takım içerisindeki kendisini takip eden araçlara manevra için gerekli verileri IEEE 802.11p bağlantısı üzerinden araçtan araca (Vehicle to Vehicle, V2V) ile iletir. Bu servis, güvenilir veri iletişimi ve katı gecikme (strict latency) şartı gerektirir. Diğer bir yandan; eMBB hizmetleri, eğitim ve oyunlarda kullanılmak üzere 360 derecelik video akışı sağlayan artırılmış ve sanal gerçeklik (Augemented Reality, AR - Virtual Reality, VR) deneyimleri ve yarının otonom arabaları için gerekli veri iletimi olarak tanımlanır. Bu servis; 1080p, 2K, 4K, ve 8K kalitesinde video içeriği sunabilmektedir. Eğlence amaçlı kullanım alanlarında veri iletimindeki gecikme çok önemli olmasa da, otonom araçlarda eMBB servisi hayati rol üstlendiği için çok düşük gecikme ile hizmet vermelidir ve aracın hareketliliği boyunca 5G bağlantısında hiçbir kesinti olmamalıdır. Uluslarası mobil iletişim (International Mobile Communications, IMT-2020) raporuna göre, eMBB ve URLLC servislerinin uçtan uca gecikmesinin (end-to-end Delay, e2eDelay) azaltılarak en fazla birkaç milisaniye (a few miliseconds) olacak şekilde tutulması gerekmektedir. Burada, uzak sunucudan hareketli kullanıcıya aşağı yönde (downlink) akıtılan trafiğin uçtan uca gecikmesi Veri (Data) ve Kontrol (Control) katmanları dikkate alınarak ölçülür. Veri katmanı, Çekirdek (Core) ve Kenar (Edge) ağlarındaki her bir cihazda gerçekleşen kuyrukta bekleme ve işleme süresi olarak modellenmektedir. Kontrol katmanı ise, merkezi kontrolörde hareketlilik prosedürlerinin koşulması için beklenilen işlem süresini içerir. Bu tezde; trafik yoğunluğu ve hareketlilikten doğan problemler düşünülerek, URLLC ve eMBB servisleri için yeni bir uçtan uca gecikme modeli üzerine çalışılmaktadır. Bu nedenle; bu durum kendimize aşağıdaki soruyu sormamıza neden olmaktadır: Aşırı-yoğun ağlarda (Ultra-Dense Networks, UDN) artan trafik heterojenliği ve yoğunluğu altında eMBB ve URLLC hizmetleri için uçtan uca gecikme nasıl en aza indirilir? Bu tezde; eMBB ve URLLC hizmetleri için 5G ağlarında en aza indirilmiş uçtan uca gecikmeyi sunan trafik heterojenliğine ve hareketliliğine duyarlı bir Yazılım Tanımlı Ultra Yoğun Ağ (Software-Defined Ultra-Dense Networks, SDUN) yapısı önerilmektedir. Yukarıda bahsedilen araştırma sorusu, yalnızca önerilen bu SDUN yapısı ile ele alınabilir. Bu yapı topolojiye herhangi bir fiziksel temas gerektirmeden merkezi bir izleme ile dinamik bir şekilde veri katmanını kontrol eder. SDUN, UDN topolojisinde trafik heterojenliğini ve aşırı trafik yoğunluğunu dikkate alan bir yaklaşım sunmak için kenar ve çekirdek ağlarını ortak bir şekilde değerlendirir. Bu konu tezde, şu alt modüllerde detaylı bir şekilde incelenmektedir: Trafik Heterojenliği Yönetimi (Traffic Heterogeneity Management), Trafik Yoğunluğu Yönetimi (Traffic Intensity Management), eMBB servisleri için Devredim Yönetimi (Handover Management for eMBB Services) ve URLLC servisleri için Devredim Yönetimi (Handover Management for URLLC services). Bu alt modüllerin ayrıntılarından aşağıdaki paragraflarda sırasıyla bahsedilmektedir. Trafik heterojenliği yönetimi modülünde; TCP sıkışıklık kontrol mekanizmasındaki kaybolan her paketin zaman aşımı için eklenen ekstra hatta çıkma süresi ve bundan dolayı diğer paketlerin artan kuyrukta bekleme süreleri nedeniyle, UDP (eMBB) trafiğinin TCP (URLLC) trafiğini sıkıştırdığına inanıyoruz. Bu durum; UDP üzerinde taşınan trafiğin bant genişliğini diğer trafik tipiyle dengeli olmayan bir şekilde TCP'nin kullanması beklenen kısımları da kullanmasından kaynaklanmaktadır. Bu nedenle; ağdaki her cihaz içerisinde hizmet verilen UDP ve TCP üzerinde taşınan trafik sayılarının oranı olarak tanımladığımız trafik heterojenliği parametresi önemli hale gelmektedir. 3. Nesil Ortaklık Projesinin (3rd Generation Partnership Project, 3GPP) yayımladığı sürüm 14 teknik özelliklerine göre, geleneksel kendi kendini organize edebilen ağlarda (Long Term Evolution-Self Organize Networks, LTE-SON) komşu baz istasyonları arasındaki trafik yoğunluğu dengelenirken heterojenlik oranını dikkate alınmaz. İncelenen TCP trafiğinin uçtan uca gecikmesini en aza indirebilmek için, her baz istasyonunun trafik yoğunluğu ve trafik heterojenliği parametreleri dikkate alınarak en uygun trafik yolu belirlenmelidir. Bunun için; 5G ağlarında SDUN tabanlı yazılımlaştırma yapısı öneriyoruz ve bunu üç temel katkı çerçevesinde sunuyoruz. Bunlar; topoloji grafının sanallaştırılması, trafik yoğunluğu ($\rho_j$) ve trafik heterojenliği (H\textsubscript{j}) parametrelerine göre uçtan uca gecikme (e2eDelay) optimizasyonu, ve yeni kuyruk teorisi tabanlı OpenFlow ağ anahtar modeli olarak tanımlanmaktadır. Öte yandan; merkezi SDUN kontrolör yapısının darboğaz sorununu hizmet verme süresini hızlandıracak şekilde çözmek için üç yeni öneri sunmaktayız. Bu öneriler ile uçtan uca gecikme optimizasyon algoritmasını ve en kısa yol algoritmasını parallel koşabilecek şekilde tasarlamış oluyoruz. Bu süreçte uçtan uca gecikme parametresi, Kontrol (Control Plane) ve Veri katmanı (Data Plane) etkisi düşünülerek bir matematiksel kapalı form çerçevesinde yeniden düzenlenmiştir. Sonuç olarak; önerilen SDUN tabanlı e2eDelay modeli, LTE-SON ve geleneksel LTE mimarilerine göre \%74 ve \%98 oranında daha az uçtan uca gecikme ile incelenen TCP akışına hizmet verebilmektedir. Trafik yoğunluğu yönetimi modülünde ise; araç takımı ağlarında (platoon networks) otonom araçların güvenilir veri iletimi ve çok düşük gecikme ihtiyacı olduğuna inanıyoruz. Bunlar, URLLC 5G spesifikasyonu altında temel iki ihtiyaç olarak belirtilmektedir. Tezin bu modülünde, URLLC 5G servisi üzerine odaklanılarak uçtan uca gecikmeyi en aza indirmek için Yazılım-Tabanlı Araç Takım Ağı (Software-Defined Platoon Network, SDPN) tasarlanmıştır. Bu SDPN yapısı, araç takım ağlarında V2V ve V2I bağlantılarını göz önüne alarak Karışık Tamsayılı Doğrusal Problem (Mixed-Integer Linear Problem, MILP) ile uçtan uca gecikme optimizasyonu tanımlamaktadır. Ancak önerilen bu problemin çözümü polinomsal zamanda çözülemez ve NP (Non-deterministic Polynomial) karmaşıklıktadır. Bu optimizasyonun en az sürede çözülebilmesi için, problem temel iki alt-seviyeye ayrılmıştır: Araç Takımı Oluşturma (Platooning) ve Yük Dengeleme (Load Balancing). Seviye 1'de (Level 1), araç takımı oluşturmak için araç grafın en uygun küme örtüsünü (set cover) bulan yeni Merkezi Küme Örtüsü algoritması (Centralized Set Cover algorithm) önerilmektedir. Seviye 2'de (Level 2); makro (macrocells) ve küçük hücre (smallcells) katmanları arasındaki trafik yoğunluğu geçişi, uçtan uca gecikme göz önünde bulundurularak optimize edilmekte ve bunun için yeni Yük Dengeleme algoritması (Load Balancing algorithm) önerilmektedir. SDPN kontrolörünü daha da hızlandırmak için, makro ve küçük hücrelerin yük eşiklerini (load thresholds, $\rho_{m,s}$) dinamik olarak belirleyen bir analitik metodoloji tanımlanmıştır. Bu sayede, etkin maliyetli bir SDPN yapısı elde edilmiştir. Performans değerlendirmesine göre ise, önerilen SDPN yapısı uçtan uca gecikmeyi 3.5 milisaniye altında tutarak geleneksel yapıya göre \%45 iyileştirme sağlamaktadır ve topolojide \%70 daha çok trafik yüküne başarılı bir şekilde hizmet verebilmektedir. EMBB servisleri için devredim (handover) yönetimi modülünde ise; günümüz devredim prosedürü Sanal Geliştirilmiş Paket Çekirdeğinde (virtual Evolvel Paket Core, vEPC) hala üç durumlu olarak gerçeklendiği için, 5G gecikme ihtiyacını istenilen ölçüde karşılayamadığına inanıyoruz. Burada, istenilen uçtan uca gecikme 4 milisaniyenin altında olmalıdır ve eMBB servisinin hareketliliği sırasında herhangi bir bağlantı kesintisi yaşanmamalıdır. Bu ihtiyaç doğrultusunda, uçtan uca gecikmenin Markov modeline odaklanılmıştır. Bu gecikme, aşağı yönde akıtılan eMBB trafiğinin kenar (Edge) ve çekirdek (Core) ağındaki gecikmeleri dikkate alınarak hesaplanabilir. Burada aşırı yoğun trafik altında, kenar ağına teslim edilebilen paket sayısının azalması nedeniyle kenar gecikmesi çekirdek ağından kötü yönde etkilenmektedir. Bu nedenle Hedef Baz İstasyonunu (target eNodeB, TeNB) belirlerken sadece kenar ağını dikkate almak uçtan uca gecikme açısından yanlış tercihe neden olabilir. Bu problemi aşabilmek için, kenar ve çekirdek gecikmeleri ortak olarak ele alınması önerilmektedir. Bu gecikmeler devredim prosedürünün her aşamasından farklı şekilde etkilenmektedir. Bu aşamalar (1) hazırlanma (preparation), (2) gerçekleme (execution), ve (3) sonlandırma (conclusion) olarak adlandırılır. Kenar ve çekirdek ağını ortak şekilde en aza indirebilecek ve devredim aşaması (2)'yi tamamiyle prosedüründen kaldırabilecek tek yapının merkezi bir bakış açısıyla devredim yönetimi sunan yeni bir SDUN yapısı olduğuna inanıyoruz. SDUN yapısı; ağı merkezi olarak izleme ile devredimin en uygun zamanda tetiklenmesini; ve sonrasında, önerilen optimizasyon formülüne göre en uygun TeNB'nin belirlenmesini ve buna uygun en kısa çekirdek yolunun OpenFlow ağ anahtarlarının yoğunluğuna göre çizilmesini sağlar. Bu SDUN yapısı, önerilen Paralel Kenar Gecikme Optimizasyonu (Parallel Edge Delay Optimization) ve Paralel En Kısa Gecikme Yolu (Parallel Shortest Delay Path) algoritmaların paralel koşturulabilen yapısı sayesinde uygun maliyetli hale getirilmiştir. Performans değerlendirmesinde ise; ilk olarak SDUN QUIC tabanlı HTTP/3 1080p çözünürlüğündeki video trafiği akıtan spesifik eMBB uygulaması ile gerçeklenmiştir. İkinci aşamada ise MATLAB ortamında daha çok OpenFlow ağ anahtarına sahip topolojiler için sistem seviyesinde simüle edilmiştir. Sonuçlara bakıldığında önerilen SDUN yapısı 5G gereksinimlerini şu şekilde karşılamaktadır: Kullanıcı başına önerilen yapı çekirdek ağındaki gecikmeyi yaklaşık 7.16 milisaniye azaltmıştır. Bununla beraber kenar gecikmesini sıfır seviyesi (zero-latency level) altında tutarak geleneksel UDN yapısının devredim yönetimine göre \%20 daha fazla paket teslim oranı (delivery ratio) sağlamaktadır. Diğer bir yandan; SDUN yapısının maliyeti O(k\textsuperscript{4}log\textsuperscript{2}(k)) olarak analiz edilmiş ve maliyet verimliliğinin kabul edilebilir ekstra \%8 sanal hafıza kullanımı yanında \%50 arttığı gözlemlenmiştir. URLLC servisleri için devredim yönetimi modülünde ise; uçtan uca hareketliliği ele alabilmek ve araç ağlarının operasyonel ve sermaye harcamalarını (OPEX/CAPEX) en aza indirgeyebilmek için ağ servis zincirleri Ağ Fonksiyon Sanallaştırması (Network Function Virtualization, NFV) ve vEPC ile gerçeklenmektedir. Ancak; ultra-yoğun ağlarında fazla sayıdaki yol kenarı ünitesi (Road Side Unit, RSU) nedeniyle takım halinde seyir eden araçların liderinin artan devredim isteği SDUN kontrolörünü dar boğaz haline getirmektedir ve kontrolörün lidere vereceği cevap süresi artmaktadır. Bu noktada şu sorunun cevabını araştırmaktayız: URLLC servisleri için 5G gereksinimi olan uçtan uca gecikme nasıl en aza indirgenebilir? Bu nedenle; merkezi yaklaşımını bozmadan yeni bir SDUN/NFV kontrolörü tabanlı devredim yönetimi önerilmektedir. Bunun için Küçük Hücre Sanal Ağ Fonksiyonu (Smallcell virtual Network Function, SvNF) ve Makro Hücre Sanal Ağ Fonksiyonu (Macrocell virtual Network Function, MvNF) olmak üzere, yol kenarı ünitesi olarak hizmet veren baz istasyonlarının iki yeni rol tanımı yapılmıştır. Bunlardan ilki yol kenarı ünitesinin fiziksel kapsama alanı içerisindeki araca küçük hücre olarak hizmet vermesi, diğer ise yol kenarı ünitesinin mantıksal kapsama alanı içerisindeki araca gelen veriyi komşu baz istasyonuna yönlendirerek merkezi SDUN kontrolörüne herhangi bir devredim isteği gerektirmeden hizmet vermesidir. Kuyruk teorisiyle modellenen uçtan uca gecikme, önerilen devredim tetikleme algoritması ile SDUN kontrolöründe periyodik olarak izlenmektedir. Bu algoritma, MvNF ve SvNF içeren ağ hizmet zincir uzunluğunun 5G gereksinimini aştığı noktada Devredim Ağ Fonksiyonunu (Handover Network Function) tetikler ve ilgili aracın bağlı olduğu yol kenarı ünitesinden komşu olana doğru devredimini gerçekleştirir. Performans değerlendirmesine göre; önerilen SDUN/NFV mimarisi daha az devredim isteği oluşturarak ve ölçeklenebilirliğini arttırarak SDUN merkezi yapısının korunmasını sağlamıştır. Önerilen algoritma en fazla 7 ağ fonksiyonu içeren servis zincirine izin vererek uçtan uca gecikmeyi yaklaşık 12 milisaniye azaltmıştır.