何鈞雷

(同濟大學(xué) 軟件學(xué)院， 上海 201804)

一種事件驅(qū)動型無線傳感器網(wǎng)絡(luò)數(shù)據(jù)抓取策略

何鈞雷

(同濟大學(xué) 軟件學(xué)院， 上海 201804)

在事件驅(qū)動型無線傳感器網(wǎng)絡(luò)數(shù)據(jù)抓取中，為了提高ERS算法的效率，對其加以改進，得出一種基于軌跡搜索的事件驅(qū)動型數(shù)據(jù)抓取策略，即通過搜索Sink節(jié)點所留軌跡，取代搜索單個Sink節(jié)點，以提升搜索成功概率，提高搜索效率，降低數(shù)據(jù)抓取功耗。在30×30的網(wǎng)格中對所提策略進行仿真，結(jié)果顯示，當(dāng)選取合適的點跡信息時效閾值時，相對于原ERS算法，改進后的算法能減小27%的延時，功耗可降低32%。

無線傳感器網(wǎng)絡(luò)；數(shù)據(jù)抓??；事件驅(qū)動；低功耗數(shù)據(jù)采集；搜索效率

無線傳感器網(wǎng)絡(luò)是利用無線通信方式將眾多傳感器節(jié)點連接成的網(wǎng)絡(luò)系統(tǒng)[1]。傳感器節(jié)點均由集成的傳感器、數(shù)據(jù)處理及通信模塊構(gòu)成，布置在監(jiān)測區(qū)域，協(xié)同感知、采集、處理所在環(huán)境的數(shù)據(jù)，并將其無線發(fā)送給數(shù)據(jù)匯聚(Sink)節(jié)點。要實現(xiàn)環(huán)境數(shù)據(jù)的遠(yuǎn)程采集和網(wǎng)絡(luò)管理，就必須通過Internet等接入方式訪問Sink節(jié)點[2-5]。

相對于傳統(tǒng)傳感器網(wǎng)絡(luò)，無線傳感器網(wǎng)絡(luò)能夠極大地提高傳感器網(wǎng)絡(luò)的空間覆蓋率，增強環(huán)境檢測的精度，提高系統(tǒng)的容錯性，因而具有很好的應(yīng)用前景[6-7]。

無線傳感器網(wǎng)絡(luò)的數(shù)據(jù)采集方式可以分為周期報告型和事件驅(qū)動型兩類[8]。對于周期報告型數(shù)據(jù)采集方式，傳感器節(jié)點定期向Sink節(jié)點發(fā)送數(shù)據(jù)，其周期由傳感器網(wǎng)絡(luò)的規(guī)模和數(shù)據(jù)采集頻率決定。對于事件驅(qū)動型數(shù)據(jù)采集方式，傳感器節(jié)點只有在監(jiān)測到用戶感興趣的事件后，才向Sink節(jié)點傳送數(shù)據(jù)。事件驅(qū)動型數(shù)據(jù)采集方式多用于抓取偶然事件提供的數(shù)據(jù)，能夠降低不必要的數(shù)據(jù)傳輸，延長網(wǎng)絡(luò)壽命。

由于Sink節(jié)點的位置一直在改變，而事件驅(qū)動型場景中隨機事件發(fā)生的頻率較低，因此，基于遺傳局域搜索算法(GLS)[9]、拓展圓搜索算法(ERS)[10-11]以及分組交集算法(XYLS)[12]等的傳輸機制大都存在能量利用率低下的問題。

本文擬對ERS算法加以改進，通過搜索Sink節(jié)點的移動軌跡，來提高搜索效率，降低搜索延時和功耗。

1 基于軌跡搜索的數(shù)據(jù)抓取策略

軌跡信息相對于Sink節(jié)點更容易被找到，因此，可考慮利用ERS算法搜索Sink節(jié)點留下的移動軌跡，而非Sink節(jié)點本身，即通過追蹤軌跡發(fā)現(xiàn)Sink節(jié)點。

基于軌跡搜索的數(shù)據(jù)抓取策略主要由Sink節(jié)點軌跡生成、軌跡搜索和軌跡追逐3部分組成。

1.1 Sink節(jié)點軌跡的生成

讓移動的Sink節(jié)點在傳感器網(wǎng)絡(luò)中周期性地留下軌跡信息。

移動的Sink節(jié)點周期性地發(fā)送信標(biāo)報文，這些記錄著Sink節(jié)點位置信息的信標(biāo)報文由Sink節(jié)點附近的傳感器節(jié)點儲存。周期太長將會導(dǎo)致軌跡追蹤中斷，而周期太短則會導(dǎo)致傳感器節(jié)點上存儲的信標(biāo)報文刷新過于頻繁而增大功耗，所以需要合理選擇發(fā)送周期T。

隨著時間的推移，Sink節(jié)點的移動軌跡會越來越長，這勢必提高成功搜索軌跡的概率，但事件匯報數(shù)據(jù)包在追逐Sink節(jié)點時，將要跨越更多步數(shù)，又將帶來更大的能量消耗，因此，在Sink節(jié)點軌跡信息的生成過程中，還應(yīng)合理設(shè)置軌跡信息的時效閾值τ。只有產(chǎn)生時間小于τ的軌跡信息才有效。

1.2 Sink節(jié)點軌跡的搜索

隨著事件的發(fā)生，在傳感器節(jié)點處生成事件匯報數(shù)據(jù)包，并開始搜索Sink節(jié)點留下的軌跡信息。

傳感器節(jié)點監(jiān)測到事件發(fā)生，將產(chǎn)生的數(shù)據(jù)形成事件匯報數(shù)據(jù)包，并向Sink節(jié)點傳輸。在ERS算法的基礎(chǔ)上，增加對Sink節(jié)點軌跡的搜索。設(shè)定事件匯報數(shù)據(jù)包的TTL(Time to Live)值L，并使數(shù)據(jù)包向鄰近傳感器節(jié)點移動，數(shù)據(jù)包每移動1次L減1，直到L減為0時，數(shù)據(jù)包停止移動。在移動過程中節(jié)點上有效的Sink節(jié)點軌跡信息，就會向數(shù)據(jù)源所在的節(jié)點發(fā)送確認(rèn)報文。在數(shù)據(jù)源所在的節(jié)點以L為基準(zhǔn)設(shè)定定時器，定時結(jié)束前收到確認(rèn)報文則說明搜索到目標(biāo)，沒收到則說明搜索失敗。在定時結(jié)束時重新發(fā)送數(shù)據(jù)包并增大L以擴大搜索范圍。

在搜索階段，由于Sink節(jié)點及其移動軌跡都被列入搜索目標(biāo)，故相對于ERS算法，這種策略可提高搜索成功的概率。

1.3 Sink節(jié)點的追逐

發(fā)現(xiàn)軌跡信息后，沿著軌跡信息路徑追逐，找到Sink節(jié)點并完成數(shù)據(jù)傳輸。

一旦數(shù)據(jù)源節(jié)點收到確認(rèn)報文，即開啟追逐Sink節(jié)點的算法。事件匯報數(shù)據(jù)包向新的傳感器節(jié)點移動，若發(fā)現(xiàn)新節(jié)點上存儲的信標(biāo)報文更新，則繼續(xù)追逐，否則留在當(dāng)前節(jié)點。事件匯報數(shù)據(jù)包逐漸朝著Sink節(jié)點靠近，并最終趕上Sink節(jié)點，完成數(shù)據(jù)傳輸。

2 軌跡搜索策略的性能分析

假設(shè)數(shù)據(jù)源節(jié)點位于(x0,y0)處，信標(biāo)報文發(fā)送周期為T的Sink節(jié)點，從(x1,y1)處開始進行原理數(shù)據(jù)源節(jié)點移動[5]，事件匯報數(shù)據(jù)包搜索的初始TTL值為L，每次搜索失敗后TTL增量為ΔL,Sink節(jié)點和數(shù)據(jù)包的等待時間分別為ts和td，軌跡信息的時效閾值τ>Ltd。

2.1 搜索延時分析

軌跡搜索策略的延時主要包括,搜索到軌跡所需的時間Tt和追逐到Sink節(jié)點的時間Tc兩部分。Tt的大小直接受L的影響，可表述為

Tt=Ltd。

(1)

當(dāng)搜索到的軌跡的產(chǎn)生時間正好等于τ時，會引發(fā)追逐過程的最壞情形，此時對應(yīng)的搜索延時

(2)

對于ERS算法，其搜索延時取決于搜索的次數(shù)，可表示為

(3)

其中N為搜索失敗次數(shù)，M為最終搜索成功時數(shù)據(jù)包移動的步數(shù)。

2.2 搜索功耗分析

假設(shè)數(shù)據(jù)包每移動一步的功耗相同,并以此進行歸一化計算。與延時相似，軌跡搜索策略的功耗包括搜索功耗Et和追逐功耗Ec兩部分。搜索過程中所有節(jié)點均有數(shù)據(jù)傳輸，因此

Es=2L2-2L+1。

(4)

數(shù)據(jù)包沿著Sink節(jié)點的軌跡追逐，其功耗由追逐的步數(shù)決定,即

(5)

采用ERS算法的功耗可由搜索次數(shù)得到,即

(6)

比較式(1)至式(6)可知，軌跡搜索策略能夠有效減少搜索到Sink所需的次數(shù)，相對于ERS算法能減小延時和功耗。

3 仿真結(jié)果與分析

選取網(wǎng)格劃分為30×30的傳感器網(wǎng)絡(luò)，數(shù)據(jù)源節(jié)點位于網(wǎng)絡(luò)中央，Sink節(jié)點的初始位置由Random Waypoint模型[11]隨機給出。設(shè)定數(shù)據(jù)包的等待時間td=1 s，Sink節(jié)點的等待時間ts則依仿真情況而定。TTL的初始值和搜索失敗后的增量均為5 s。假定Sink節(jié)點移動了50步后數(shù)據(jù)源節(jié)點開始搜索,以保證網(wǎng)絡(luò)中存在足夠多的軌跡信息。針對軌跡信息的時效閾值τ和Sink節(jié)點等待時間ts的不同取值，分析軌跡搜索策略的性能。

3.1 軌跡信息的時效閾值對性能的影響

分析軌跡信息的時效閾值τ對軌跡搜索策略性能的影響。將Sink節(jié)點的等待時間ts設(shè)為3 s，從0～30 s改變τ值。

搜索次數(shù)隨τ的變化情況如圖1所示。對于軌跡搜索策略，τ的逐漸增大伴隨著搜索次數(shù)的減少，這是由于閾值增大，使得有效軌跡變長，從而可提高搜索成功的概率。

圖1 搜索次數(shù)隨軌跡信息時效閾值的變化關(guān)系

軌跡搜索策略的總延時隨τ變化的情況如圖2所示。由式(1)和式(2)可知，延時主要由搜索時間和追蹤時間兩部分組成。隨著τ的增大，搜索次數(shù)減少，搜索延遲也得以減小，但τ的增大，會導(dǎo)致軌跡長度增長，追蹤時間也相應(yīng)增加。在τ<18時，隨著τ的增大，總延時會不斷減小，當(dāng)τ>18時，隨著τ的增大，總延時則相應(yīng)增加。當(dāng)τ=18時,相對于ERS算法，延時能夠減小27%。

圖2 總延時隨軌跡信息時效閾值的變化關(guān)系

τ的變化對軌跡搜索策略總功耗的影響如圖3所示。通過去除冗余，在追逐過程中的功耗小于搜索過程的功耗，因此總功耗主要隨著搜索次數(shù)變化。τ的增加能夠有效減小搜索次數(shù)，功耗自然隨之逐漸降低。在延遲最小時功耗能夠減小32%。

圖3 功耗隨軌跡信息的時效閾值的變化關(guān)系

從圖1至圖3可見，將軌跡搜索策略用于無線傳感器網(wǎng)絡(luò)，可提高傳感器網(wǎng)絡(luò)數(shù)據(jù)抓取的速度，降低數(shù)據(jù)抓取的功耗。

3.2 Sink節(jié)點等待時間對性能的影響

Sink節(jié)點等待時間的長短，間接反映了Sink節(jié)點移動的快慢。較小的ts說明Sink節(jié)點具有較快的移動速度。讓ts從2 s變化到8 s，軌跡信息的時效閾值τ設(shè)置為5ts，以使Sink節(jié)點移動過程中軌跡的長度不發(fā)生變化。

在ts發(fā)生變化時，軌跡搜索策略和ERS算法的搜索次數(shù)如圖4所示。對于ERS算法，ts的增加并不會使得其搜索次數(shù)發(fā)生變化，而對于軌跡搜索策略，則會使得其稍有下降。隨著搜索次數(shù)的下降，延遲和功耗都將減小，這一趨勢在圖5和圖6中也得以反映。

圖4 搜索次數(shù)隨Sink節(jié)點等待時間的變化關(guān)系

圖5 總延時隨Sink節(jié)點等待時間的變化關(guān)系

圖6 功耗隨Sink節(jié)點等待時間的變化關(guān)系

4 結(jié)語

探討事件驅(qū)動型無線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)抓取問題，提出一種軌跡搜索策略，以實現(xiàn)傳感器節(jié)點與移動Sink節(jié)點間數(shù)據(jù)包的傳遞。該策略能提高搜索及建立傳感器節(jié)點與Sink節(jié)點間通信的效率，減小數(shù)據(jù)抓取的延時和功耗。

[1] 司海飛,楊忠,王珺.無線傳感器網(wǎng)絡(luò)研究現(xiàn)狀與應(yīng)用[J].機電工程,2011,28(1):16-20.

[2] 李法慶,孫友偉.無線傳感器網(wǎng)絡(luò)與以太網(wǎng)絡(luò)幀結(jié)構(gòu)轉(zhuǎn)換[J].西安郵電學(xué)院學(xué)報,2010,15(3):68-71.

[3] Mouttham A, Peyton L, Eze B, et al. Event-driven data integration for personal health monitoring[J]. Journal of Emerging Technologies in Web Intelligence, 2009,21(2):110-118.

[4] 劉強,毛玉明,冷甦鵬,等.無線傳感器網(wǎng)絡(luò)中多sink節(jié)點優(yōu)化部署方法[J].計算機應(yīng)用,2011,31(9):2313-2316.

[5] Ren Fengyuan, Huang Haining, Lin Chuang. Wireless sensor network[J]. Journal of Software, 2003,14(2):1148-1157.

[6] 胡華鵬,胡方明,周惇,等.DV-Hop無線網(wǎng)絡(luò)定位算法研究[J].電子科技,2013,26(11):7-9.

[7] 洪鋒,褚紅偉,金宗科,等.無線傳感器網(wǎng)絡(luò)應(yīng)用系統(tǒng)最新進展綜述[J].計算機研究與發(fā)展,2010,47 (S1):81-87.

[8] 梁俊斌,鄧雨榮,郭麗娟,等.傳感器網(wǎng)絡(luò)中事件驅(qū)動數(shù)據(jù)收集研究進展[J].計算機應(yīng)用研究,2012,29(10):3601-3605.

[9] Li Jinyang, Jannotti J, Douglas S J, et al. A scalable location service for geographic Ad Hoc routing[C]//Proceedings of the 6th Annual International Conference on Mobile Computing and Networking. New York:IEEE,2010:120-130.

[10] Hassan J, Jha S. Optimising expanding ring search for multi-Hop wireless networks[C]//Global Telcommunications Conference. Washington DC: IEEE, 2004:1061-1065.

[11] Chang Nicholas B, Liu Mingyan. Controlled flooding search in a large network[J].IEEE Transactions on Networking,2007,15(2):436-449.

[12] Liu Dandan, Stojmenovic I, Jia Xiaohua. A scalable quorum based location service in Ad Hoc and sensor network[C]//2006 IEEE International Conference on Mobile Ad Hoc and Sensor Systems. Vancouver BC:IEEE, 2006:489-492.

[責(zé)任編輯:瑞金]

An event-driven wireless sensor network data fetching strategy

HE Junlei

(School of Software Engineering, Tongji University, Shanghai 201804, China)

In event-driven data-collection, the existing communication mechanism based on ERS has poor energy efficiency. In this paper, the data-collection strategy of track searching is proposed for event-driven data-collection cases on the fact that a line is easier to be found than a point. By searching trace of Sink rather than Sink itself, it is easier to find Sink, which can increase searching efficiency and reduce power consumption. A 30×30 net is used to simulate power consumption and searching efficiency by this trace-searching method. Simulation results show that once the track information keep a appropriate time, this method can reduce 27% delay and 32% power consumption at the meantime.

wireless sensor network, data-collection, event-driven, low-power consumption data communication, search efficiency

2014-12-31

何鈞雷(1989-)，男，碩士研究生，研究方向為軟件工程。E-mail：hejunlei2012@gmail.com

10.13682/j.issn.2095-6533.2015.02.019

TP873

A

2095-6533(2015)02-0105-04