陳曉陽，江凌云，王 蕾，劉博偉

(南京郵電大學 通信與信息工程學院，江蘇 南京 210003)

0 引 言

隨著物聯(lián)網規(guī)模的日益龐大，各種類型的傳感終端數(shù)量也隨之不斷增加[1]。為了實現(xiàn)更好地覆蓋和采集數(shù)據(jù)，通常會布置較多的冗余節(jié)點；同時為了獲取更多的樣本數(shù)據(jù)，節(jié)點往往處于過采樣的狀態(tài)，即遠高于采樣頻率[2]。這樣不僅會導致?lián)砣葐栴}，同時也給設備本身的軟硬件資源、應用層的連接存儲資源等帶來了巨大的負荷。

但是，當上述情況發(fā)生時，所采集的數(shù)據(jù)不能簡單

地隨機丟棄，這樣會使部分重要數(shù)據(jù)丟失，導致無法獲取實時的狀態(tài)信息；也不能隨機處理，這樣會因為重要數(shù)據(jù)延后處理而使得數(shù)據(jù)更新不及時。因而，需要將各類傳感數(shù)據(jù)的重要性進行具體量化排序，得出優(yōu)先級進行相應處理。

對此，文中提出一種基于層次分析法的設備屬性優(yōu)先級模型，并給出了算法流程；以智能家居場景為例給出了模型求解的過程；最后給出了模型的具體實現(xiàn)和應用。

1 相關工作

針對以上問題，國內外有了一定的研究。文獻[3]從數(shù)據(jù)接入的安全性和可靠性角度，考慮了設備本身的CPU資源和數(shù)據(jù)庫的存儲資源，同時限制在指定時間段接收數(shù)據(jù)，這樣一定程度上緩解了數(shù)據(jù)接入時的擁塞問題，但是無法根據(jù)實際情況有選擇地接收重要數(shù)據(jù)。文獻[4]通過粒計算給出了一個具體場景下的屬性篩選方法，但是所考慮的受限條件不完整，當場景變得較為復雜時，模型無法動態(tài)地進行擴展。文獻[5]給出了海量數(shù)據(jù)情況下的安全處理模型，較好地解決了接入后的數(shù)據(jù)安全存儲問題，但是并未考慮接入中并發(fā)以及擁塞問題。

文中基于層次分析法提出了一種通用的屬性優(yōu)先級模型，可以根據(jù)具體場景選擇需要受限的條件以及終端屬性，最終求解得出優(yōu)先級隊列，并應用于大量節(jié)點接入網絡時產生的擁塞問題。

2 層次分析法模型

各種類型的傳感器所采集的傳感數(shù)據(jù)不斷上傳，使得數(shù)據(jù)處于過采樣狀態(tài)，造成擁塞問題，同時給設備的軟硬件資源、連接存儲資源等帶來了巨大的負荷。因而針對不同的條件，需要建立一個通用的模型來具體量化傳感數(shù)據(jù)的重要性，得出相應的優(yōu)先級。層次分析法[6]可以根據(jù)不同準則得出各方案所占權重，因而在此方法的基礎上，建立了設備屬性優(yōu)先級模型。

2.1 屬性優(yōu)先級模型

由于不同場景下的不同因素會對各種類型傳感數(shù)據(jù)的優(yōu)先級產生影響，因而需要根據(jù)不同準則建立對應模型，最終得出各屬性的優(yōu)先級，具體模型如圖1所示。

圖1 屬性優(yōu)先級模型

從圖1可以看出，模型分為目標層、準則層和方案層。目標層即為各種類型傳感設備的屬性優(yōu)先級隊列；準則層中根據(jù)不同的場景和應用，可以針對性地列舉出對應的條件，分別記為Condition1,Condition2,…,Conditionm；而方案層中則列舉了相應場景下的各個傳感設備的屬性，分別記為Attribute1,Attribute2,…,Attributen。

每個屬性Attribute兩兩比較以及每個準則條件Condition兩兩比較的重要性程度不同，用以構建比較矩陣，確定最終的權系數(shù)。在實際應用場景中，設備屬性通常很多，受限的準則條件亦如此，無原則的兩兩比較在增加工作量的同時，也會給最終結果的正確性帶來一定的問題，因而首先需要確定方案層中各屬性重要程度和準則層中各準則條件重要程度的大致分類。這樣不僅統(tǒng)一規(guī)范了物聯(lián)網場景中各屬性和準則條件比較的原則，降低構造過程中的工作量，同時也確保最終的優(yōu)先級不會出現(xiàn)錯亂，并且有理可依。

在構造設備屬性相對準則層的比較矩陣的過程中，應該遵循以下原則：

(1)涉及安全方面的屬性值的重要程度最高，例如檢測火災的煙霧屬性值，因為這些值用以實時反饋安全性數(shù)據(jù)，涉及生命財產安全，需要優(yōu)先接收處理；

(2)實時性要求高或需要反向控制的屬性值的重要程度次要高，例如門禁中的紅外屬性值，因為這些屬性值需要對所接收的數(shù)據(jù)或下發(fā)的指令做出及時的處理和反應，以確保實時性要求，但是相比于安全性數(shù)據(jù)重要程度較低；

(3)其余一般屬性值的重要程度最低，例如檢測房間的濕度屬性值，因為這些數(shù)據(jù)通常無需做出及時反饋，僅用于檢測和數(shù)據(jù)儲存。

需要注意的是，在不同場景下，相同屬性值間的相對重要程度可能有所不同，因而需要根據(jù)具體場景進行確定。

而在確定準則條件相對目標層的比較矩陣的過程中，需要根據(jù)實際場景中軟硬件資源的不同以確定各準則條件的重要程度，例如當服務器的接入資源足夠，而其他資源受限時，那么服務器接入資源的重要程度應最低。

通過以上原則構建比較矩陣，并進行一致性判決。矩陣通過一致性判決后，需要確定各屬性的權系數(shù)，分別記為W1,W2,…,Wn，對應的矩陣記為A=(aij)n×n，求解步驟如下：

通過得出的權系數(shù)，可以得出最終的設備屬性優(yōu)先級模型表達式。

(1)

其中，[·]表示向下取整；Level1,Level2,…,Leveln分別記為各屬性對應的優(yōu)先級。

通過表達式可以發(fā)現(xiàn)，綜合權系數(shù)所占比重越大，對應的優(yōu)先級越高，因而在數(shù)據(jù)接入過程中可以根據(jù)得出的屬性優(yōu)先級進行合理的處理。

2.2 算法流程

以上通過層次分析法對各設備屬性的權系數(shù)進行了具體量化，最終根據(jù)求解出的權系數(shù)得到各屬性對應的優(yōu)先級等級。具體流程如圖2所示。

圖2 求解屬性優(yōu)先級流程

如圖2所示，首先兩兩比較各設備屬性相對每一準則的重要程度，以及各準則相對于目標的重要程度，以構造正互反矩陣；其次對所構造的矩陣進行一致性判決，若通過一致性判決便可以求解出各設備屬性所占的綜合權系數(shù)，若無法通過一致性判決則需要重新調整矩陣，再次進行一致性判決，直到通過一致性判決為止；最后，通過所求解出的綜合權系數(shù)，根據(jù)優(yōu)先級的表達式得出各設備的屬性優(yōu)先級。

3 模型求解

為了證明所構建的模型能夠應用于實際物聯(lián)網場景，以下選取智能家居[7]這一典型應用進行模型求解。該場景下傳感器屬性類型較多，可以選取溫度、光照、煙霧、紅外以及PM2.5作為方案層中的五種方案，實際中若有增加動態(tài)擴展即可，求解步驟一樣。

考慮到智能家居中有終端采集節(jié)點、網關以及平臺側服務器[8]，因而對屬性優(yōu)先級產生影響的準則有終端接入網關的物理信道資源、網關傳輸數(shù)據(jù)的網絡性能資源、網關本身的CPU資源、網關與服務器的應用連接資源以及服務器中的數(shù)據(jù)存儲資源[9]。因而根據(jù)圖1可以具體化該場景下的層次模型，如圖3所示。

根據(jù)上述表示方法，方案層從左至右可記為Attribute1,Attribute2,…,Attribute5，準則層從左至右可記為Condition1,Condition2,…,Condition5，因而可以量化得出每一個Attribute相對Condition以及每一個Condition相對目標層的正互反矩陣。其中Attribute相對Condition的矩陣從左至右依次記為ACi,i=1,2,…,5，Condition相對目標層的矩陣記為CL。這里以每一個Attribute相對數(shù)據(jù)存儲資源Condition4的正互反矩陣AC4為例，其余都可類似進行求解。

下面給出AC4的構造過程：由于煙霧傳感器用于檢測該場景下的火災情況，涉及安全問題，因而重要程度相對其他最高；而紅外傳感器用于門禁系統(tǒng)，需要較高的實時性，根據(jù)原則(2)應該次最高；溫度、光照和PM2.5用于檢測室內的環(huán)境參數(shù)，保存于后臺數(shù)據(jù)庫，供用戶調用查詢，因而重要程度相對最低。根據(jù)以上原則和分析，可以構建出每一個Attribute相對數(shù)據(jù)存儲資源的比較矩陣AC4如下:

(2)

圖3 智能家居場景下的層次模型

按照AHP的步驟進行求解，得出最大的特征值λmax=5.409 6，一致性指標CI=0.102 4，一致性比率CR=0.091 4<0.1，通過檢驗，其正規(guī)化后的特征向量為：

(3)

其余五個矩陣的構造和求解過程與上述類似，因而可以分別得出其余五個矩陣的運算結果，具體如下所示：

AC1的最大特征值λmax=5.319 3，CI=0.079 8，CR=0.071 3<0.1，通過一致性檢驗，得到其正規(guī)化的特征向量W1=(0.047 5 0.035 1 0.540 5 0.245 4

0.131 5)T；

AC2的最大特征值λmax=5.351 7，CI=0.087 9，CR=0.078 5<0.1，通過一致性檢驗，得到其正規(guī)化的特征向量W2=(0.054 10.033 60.542 20.226 1 0.144 0)T；

AC3的最大特征值λmax=5.261 0，CI=0.065 3，CR=0.058 3<0.1，通過一致性檢驗，其正規(guī)化的特征向量W3=(0.048 4 0.035 9 0.5467 0.226 2 0.142 8)T；

AC5的最大特征值λmax=5.317 4，CI=0.079 4，CR=0.070 8<0.1，通過一致性檢驗，其正規(guī)化的特征向量W5=(0.047 1 0.034 9 0.571 7 0.215 6 0.130 7)T；

CL的最大特征值λmax=5.227 7，CI=0.056 9，CR=0.050 8<0.1，通過一致性檢驗，最終可以得到其正規(guī)化的特征向量W6=(0.093 90.039 20.075 6

0.520 5 0.270 8)T。

通過以上結果可以最終求得溫度、光照、煙霧、紅外以及PM2.5所占的權系數(shù)，分別為0.050 5,0.034 0,0.547 2,0.235 0,0.133 3，進而根據(jù)式(1)可以求出其對應的優(yōu)先等級[10]Level分別為2,1,16,7,4，也即五個屬性的優(yōu)先級由高到低排序分別為煙霧、紅外、PM2.5、溫度以及光照。這個結果與實際相吻合，煙霧傳感器用于火災的預警，涉及安全問題，因而優(yōu)先級最高；光照傳感器在夜晚時可有可無，因而優(yōu)先級最低；紅外傳感器一般用于門禁，要求其實時性[11]，因而優(yōu)先級也較高，但是相比預警而言等級略低；PM2.5和溫度是測試室內環(huán)境的參數(shù)值，而PM2.5涉及人類健康，因而優(yōu)先級比溫度傳感器高。

4 模型實現(xiàn)與應用

目前，物聯(lián)網應用場景中都未按照優(yōu)先級順序接收處理數(shù)據(jù)，只是按照數(shù)據(jù)到達的先后順序進行處理，即一般隨機方式，使得數(shù)據(jù)在接入控制的過程中由于擁塞等因素產生數(shù)據(jù)處理總量低下，以及重要數(shù)據(jù)更新滯后等問題。而將優(yōu)先級順序引入實際的應用場景，可以增加數(shù)據(jù)處理的總量，及時更新重要數(shù)據(jù)。

因而，在Eclipse平臺[12]新建HTTP Server[13]端，將優(yōu)先級機制寫入Server中，同時降低其并發(fā)處理的連接數(shù)，模擬擁塞場景[14]。開啟服務器后，發(fā)送兩萬個包括溫度、光照、煙霧、紅外以及PM2.5的數(shù)據(jù)包，最終得出了一般隨機方式和優(yōu)先級模型方式接收各屬性數(shù)據(jù)包個數(shù)的統(tǒng)計圖，如圖4所示。

圖4 接收各屬性數(shù)據(jù)包個數(shù)統(tǒng)計圖

通過圖4可以發(fā)現(xiàn)，在網絡擁塞的情況下，從數(shù)據(jù)包總數(shù)來看，優(yōu)先級模型能處理15 633個數(shù)據(jù)包，而一般隨機方式只能處理14 301個數(shù)據(jù)包，數(shù)據(jù)包的處理總量相比提高了9.3%，緩解了擁塞造成的丟包問題。這是因為引入了屬性優(yōu)先級機制，使得數(shù)據(jù)包能夠有序進行處理，避免了數(shù)據(jù)競爭過程中的丟包問題。

從每個屬性接收的數(shù)據(jù)包數(shù)量看，優(yōu)先級較高的煙霧、紅外以及PM2.5數(shù)據(jù)包的處理數(shù)量相比于隨機處理方式分別提高了44.6%、29.1%以及8.3%，而優(yōu)先級較低的溫度和光照分別降低了10.6%和22.4%。這是因為將處理優(yōu)先級較低的數(shù)據(jù)包的軟硬件資源優(yōu)先分配給優(yōu)先級高的數(shù)據(jù)包，從而保證重要數(shù)據(jù)更新的及時性。

從各屬性數(shù)據(jù)的變化趨勢看，采用優(yōu)先級模型所接收的數(shù)據(jù)包數(shù)目按照優(yōu)先級順序遞減，而一般隨機方式則較為均勻地接收各屬性數(shù)據(jù)包。結果表明通過引入屬性優(yōu)先級能使重要數(shù)據(jù)優(yōu)先進行處理，符合實際應用場景的要求，避免因延遲處理導致重要數(shù)據(jù)無法及時更新。

5 結束語

在物聯(lián)網中，為了實現(xiàn)廣覆蓋，采集更多數(shù)據(jù)，節(jié)點往往處于過采樣狀態(tài)[15]，對設備本身的CPU資源、應用層的連接存儲資源等帶來了巨大的負荷，同時也會造成擁塞問題。因而基于層次分析法建立了設備屬性優(yōu)先級模型，具體量化每個屬性的重要程度，并以智能家居場景為例求解出溫度、光照、煙霧、紅外以及PM2.5五類屬性的優(yōu)先級隊列。最終將其應用于物聯(lián)網數(shù)據(jù)接入控制中，結果表明，該方法能夠按照優(yōu)先級順序接收和處理數(shù)據(jù)包，緩解了大量數(shù)據(jù)接入時的擁塞問題，保證系統(tǒng)正常運行，同時避免因延遲處理導致重要數(shù)據(jù)無法及時更新。

參考文獻:

[1] SAMIE F,BAUER L,HENKEL J.IoT technologies for embedded computing:a survey[C]//Proceedings of the eleventh IEEE/ACM/IFIP international conference on hardware/software codesign and system synthesis.New York,NY,USA:ACM,2016.

[2] BEGUM K,DIXIT S. Industry WSN using IoT:a survey[C]//International conference on electrical,electronics,and optimization techniques.[s.l.]:IEEE,2016:499-504.

[3] OH S W.Study on access permission control for the web of things[C]//17th international conference on advanced communication technology.[s.l.]:[s.n.],2015:574-579.

[4] 劉 旸.物聯(lián)網中多層/跨層接入管理關鍵技術[D].大連:大連理工大學,2014.

[5] 張桂剛,畢 婭,李 超,等.海量物聯(lián)網數(shù)據(jù)安全處理模型研究[J].小型微型計算機系統(tǒng),2013,34(9):2090-2094.

[6] AN J,GUI X L,WANG J,et al.A crowdsourcing assignment model based on mobile crowd sensing in the internet of things[J].IEEE Internet of Things Journal,2015,2(5):358-369.

[7] 易 翔,吳 蒙.基于Android和Zigbee的監(jiān)控系統(tǒng)的實現(xiàn)[J].計算機技術與發(fā)展,2015,25(6):234-236.

[8] XU K,WANG X,WEI W,et al.Toward software defined smart home[J].IEEE Communications Magazine,2016,54(5):116-122.

[9] OH S W,KIM H S.Decentralized access permission control using resource-oriented architecture for the web of things[C]//International conference on advanced communication technology.[s.l.]:[s.n.],2014:749-753.

[10] SHUBHAR V,DAKSHAYINI M.Priority based optimal resource reservation mechanism in constrained networks for IOT applications[C]//International conference on wireless communications,signal processing and networking.[s.l.]:[s.n.],2016:1228-1233.

[11] 徐源吾,王 珣.基于Hadoop的智能家居信息處理平臺[J].計算機技術與發(fā)展,2014,24(9):183-186.

[12] 李尤豐.工程類系統(tǒng)通用開發(fā)平臺的研究與設計[J].計算機技術與發(fā)展,2013,23(2):162-164.

[13] PALLE D,KOMMU A,KANCHI R R.Design and development of CC3200-based CloudIoT for measuring humidity and temperature[C]//International conference on electrical,electronics,and optimization techniques.[s.l.]:[s.n.],2016.

[14] BOUZOUITA M,HADJADJ-AOULT Y,ZANGAR N,et al.On the risk of congestion collapse in heavily congested M2M networks[C]//Proceedings of ISNCC.[s.l.]:[s.n.],2016.

[15] 張有杰,陳國慶.一種節(jié)約無線傳感網能耗的時間同步方法[J].計算機技術與發(fā)展,2012,22(11):41-44.