无线网络中的信息年龄（AoI）

你的数据有多旧？

#

数据时效性是我在Methanex NZ工作时总结的六条标准之一——信息越新，价值越大！最近，不少研究者开始提出新的调度算法，安排传感器和IoT设备的数据采集，目标是让下一代无线网络（5G）中的信息年龄（AoI）尽量小。

数据质量

#

在Methanex NZ的那段时间，我研究过数据质量，评估数据好坏时主要看这几点：

• 时效性：数据在被使用那一刻还值多少
• 完整性：系统里的数据有没有缺字段
• 一致性：数据保持一致的程度
• 可信度：对数据来源有多少信心
• 准确性：数据和现实的吻合程度
• 完好性：来源数量，以及各来源之间数据的一致程度

欢迎来到数据的时代。

#

什么是信息年龄

#

信息年龄（AoI）关心的是数据够不够新鲜[1]。这个方向最近火起来，背后是4G向5G的过渡：5G把更多精力放在了服务物联网（IoT）设备和机器类通信（MTC）的无线技术上[2]。

AoI的最新研究

#

Reinforcement Learning Based Scheduling Algorithm for Optimizing Age of Information in Ultra Reliable Low Latency Networks [1]

这篇论文设想了一个工厂场景：大量传感器根据自身状态不停地发送数据。传感器本身没有存储，所以要记录某个传感器的当前状态，远程调度器就必须选中它的信号；没被选中的信号会被调度器的接入点直接忽略。于是调度器就陷入了两难——怎样在各种不同的传感器之间做最优选择，才不至于违反时间敏感的约束。论文写道："URLLC意义上的最小化，体现为让每个传感器的AoI超过预设阈值的概率保持在最低。“作者用机器学习方法来求解他们提出的这个问题。

Minimizing the Age of Information from Sensors with Correlated Observations [3]

这篇论文研究的是"传感器信息存在相关性的一般场景下的平均AoI”。既然是同一个来源产生的数据，发到接入点的冗余量就可以压下来。不过这需要一套聪明的调度策略，因为各个传感器的传输速率和数据大小都不一样。用机器学习的策略，调度器就能识别出传感器数据的来源，只接收最少量的数据，从而把整体信息年龄降到最低。

参考文献

#

[1] Elgabli, A., Khan, H., Krouka, M., & Bennis, M. (2018). Reinforcement learning based scheduling algorithm for optimizing age of information in ultra reliable low latency networks. arXiv preprint arXiv:1811.06776.

[2] Boccardi, Federico, et al. “Five disruptive technology directions for 5G.” IEEE Communications Magazine 52.2 (2014): 74-80.

[3] Kalør, Anders E., and Petar Popovski. “Minimizing the Age of Information from Sensors with Correlated Observations.” arXiv preprint arXiv:1811.06453 (2018).