瞿國慶 彭志偉 楊桂松

1(江蘇商貿(mào)職業(yè)學院電子與信息學院 江蘇 南通 226010)2(上海理工大學光電信息與計算機工程學院 上海 200093)3(江蘇省物聯(lián)網(wǎng)與視覺智能處理工程技術研究開發(fā)中心 江蘇 南通 226010)

0 引 言

隨著傳感技術的迅速發(fā)展，物聯(lián)網(wǎng)在各個領域中的應用也越來越廣泛[1]。作為一種物物相連，融合各種傳感設備和傳輸設備的復雜系統(tǒng)，物聯(lián)網(wǎng)形成了自己獨特的體系結構[2]。典型的物聯(lián)網(wǎng)結構具有三個層次，即感知層、網(wǎng)絡層和數(shù)據(jù)處理層[3]。感知層由各類傳感器節(jié)點組成，用于收集最底層的傳感數(shù)據(jù)；網(wǎng)絡層將傳感器收集到的數(shù)據(jù)以各種網(wǎng)絡形式通過路由協(xié)議傳輸給基站或移動收集器；數(shù)據(jù)處理層對收集到的數(shù)據(jù)進行融合、分析、處理。

對于感知層和網(wǎng)絡層的功能，可通過部署無線傳感器網(wǎng)絡實現(xiàn)。作為一種流行的數(shù)據(jù)獲取方法，無線傳感器網(wǎng)絡已經(jīng)被廣泛應用在智能工業(yè)領域[4]，承擔工廠自動化、故障診斷、燃料消耗監(jiān)控、工業(yè)控制等任務。對于數(shù)據(jù)處理層的功能，則通過將數(shù)據(jù)上傳到云，利用其強大的存儲以及計算能力進行處理越來越受到關注[5-6]。目前，云和物聯(lián)網(wǎng)相結合的架構方案已經(jīng)在多個方面得以應用。例如將云計算與物聯(lián)網(wǎng)兩種技術結合在醫(yī)療監(jiān)控和管理領域，首先建立醫(yī)療信息遠程監(jiān)控云平臺的模型體系結構，然后通過對該結構的分析提出了一種用于云計算的醫(yī)學監(jiān)測和管理應用算法[7]。又例如在分析海洋領域的物聯(lián)網(wǎng)的基礎上，提出建立海洋物聯(lián)網(wǎng)云計算的簡化模型，并提出海洋數(shù)據(jù)處理算法來指引船舶，使其能夠盡快以最短的距離到達目標航線[8]。然而，隨著物聯(lián)網(wǎng)接入設備的爆炸式增長，數(shù)據(jù)量也呈指數(shù)級增長，傳統(tǒng)的集中式云架構面臨網(wǎng)絡負載過大、端到端延時過長等問題[9]。為了滿足與實時物聯(lián)網(wǎng)應用相關的嚴格的服務質(zhì)量要求，同時最大限度地提高整體效率，云架構正在變得越來越分散[10]，網(wǎng)絡邊緣存在小型云節(jié)點，比如霧節(jié)點[11]，進而形成了霧架構的物聯(lián)網(wǎng)通信機制的雛形。

基于以上問題，本文提出一種基于霧架構的工業(yè)物聯(lián)網(wǎng)通信機制與算法，如圖1所示。工業(yè)現(xiàn)場的各種傳感器節(jié)點組成了一個大的無線傳感器網(wǎng)絡，無線傳感器網(wǎng)絡內(nèi)相互間能夠進行通信的節(jié)點組成獨立的子網(wǎng)，子網(wǎng)間的傳感器節(jié)點由于間距超過通信范圍而不能互相傳遞信息。為了節(jié)省傳感器節(jié)點的能量，在不需要采集數(shù)據(jù)時節(jié)點可以處于休眠狀態(tài)。移動收集器可以在子網(wǎng)內(nèi)及子網(wǎng)間中隨機移動，且移動收集器上安裝有霧服務器，從而形成移動霧節(jié)點。在該研究通信機制與算法中，霧節(jié)點具有比普通傳感器節(jié)點更強的計算能力、更大的存儲空間以及更多的能量存儲，它將扮演兩個角色，其一是進行數(shù)據(jù)收集，其二是對收集的數(shù)據(jù)進行分類處理。對于數(shù)據(jù)收集，在任意子網(wǎng)內(nèi)，移動霧節(jié)點可以在任意時間的任意位置通過廣播喚醒消息，開啟一個數(shù)據(jù)收集周期，收到喚醒消息的節(jié)點將不再休眠直到完成該數(shù)據(jù)收集周期。在數(shù)據(jù)收集期間，移動霧節(jié)點保持靜止，而傳感器節(jié)點通過使用基于期望傳輸能耗的路由機制將數(shù)據(jù)轉(zhuǎn)發(fā)到霧節(jié)點。對于數(shù)據(jù)的分類處理，霧節(jié)點可以實現(xiàn)對實時性要求高、數(shù)據(jù)量不大、計算復雜度不高、成本要求低等特點的數(shù)據(jù)的本地化處理，而對于實時性要求低、數(shù)據(jù)量大、計算復雜度大等特點的數(shù)據(jù)，霧節(jié)點可以通過因特網(wǎng)將數(shù)據(jù)上傳到云，由存儲能力、計算能力更強，但成本也更高的云進行處理。該機制可以有效收集工業(yè)現(xiàn)場的傳感數(shù)據(jù)，并利用霧架構對傳感數(shù)據(jù)進行分析處理，最終幫助改善工業(yè)現(xiàn)場應用。

圖1 基于霧架構的工業(yè)物聯(lián)網(wǎng)通信機制

1 模型構建與分析

1.1 網(wǎng)絡模型

網(wǎng)絡模型以工業(yè)傳感網(wǎng)為背景，根據(jù)實際需要，傳感器節(jié)點將被部署在工業(yè)現(xiàn)場的不同區(qū)域，每一個區(qū)域形成一個相互連通的子網(wǎng)。但節(jié)點間的鏈路存在鏈路可靠性問題，鏈路可靠性反映節(jié)點間的鏈路的可靠程度[12]，它和節(jié)點間的鏈路質(zhì)量、節(jié)點的休眠機制、節(jié)點的剩余能量等因素有關。對于任意相連節(jié)點Si和Sj，它們之間的鏈路可靠性可以用Rij表示，且Rij∈(0,1]。

由于子網(wǎng)間的距離超過節(jié)點的通信半徑，所以各子網(wǎng)之間是不連通的，而所有的子網(wǎng)組成了一個完整的工業(yè)傳感網(wǎng)。傳感器節(jié)點具有唯一的ID，通信半徑為r，而為了節(jié)省能量，節(jié)點采用休眠機制。該網(wǎng)絡支持多個移動收集器同時進行數(shù)據(jù)收集，每一個移動收集器具有唯一的ID，且配備霧服務器，因此成為移動霧節(jié)點。以一個移動霧節(jié)點為例，移動霧節(jié)點可以在子網(wǎng)內(nèi)或子網(wǎng)間隨機移動，并在進行數(shù)據(jù)收集時保持靜止。移動霧節(jié)點能量充足且易補充，它具有一個長通信半徑Rl以及一個短通信半徑Rs。Rl用于廣播喚醒消息以開啟一個數(shù)據(jù)收集周期且在不同的周期內(nèi)可調(diào)，Rs用于數(shù)據(jù)傳輸且一直等于r。

1.2 能耗模型

所有傳感器節(jié)點都采用一個簡化的能耗模型[13]。根據(jù)該模型，在數(shù)據(jù)轉(zhuǎn)發(fā)的過程中，能耗由傳輸能耗和接收能耗組成，其中Si傳輸B比特數(shù)據(jù)到Sj的傳輸能耗可以表示為：

(1)

Sj接收B比特數(shù)據(jù)的接收能耗可以表示為：

ER(j)=EelecB

(2)

式中：Eelec表示傳輸或接收每比特數(shù)據(jù)的基礎能耗；εamp表示傳輸放大器的能耗；d(i,j)表示Si和Sj之間的距離。因此，Si傳輸B比特數(shù)據(jù)到Sj這一過程的總能耗可以表示為：

(3)

2 通信機制與算法

本文采用一種基于霧架構的工業(yè)物聯(lián)網(wǎng)通信機制與算法來有效收集網(wǎng)絡中的傳感數(shù)據(jù)，并進一步對數(shù)據(jù)進行分類處理。在該機制與算法中，移動霧節(jié)點可以在子網(wǎng)內(nèi)及子網(wǎng)間游走并收集傳感數(shù)據(jù)。在數(shù)據(jù)收集期間，移動霧節(jié)點保持靜止，并通過調(diào)整其發(fā)射半徑?jīng)Q定數(shù)據(jù)收集范圍。

2.1 初始化

為了開啟一個數(shù)據(jù)收集周期，在任意一個子網(wǎng)中，移動霧節(jié)點可以在任意時間以及任意位置以Rl為半徑廣播一個喚醒消息(包含其ID)，此時該移動霧節(jié)點保持靜止直到完成該數(shù)據(jù)收集任務。而收到喚醒消息的節(jié)點將成為該周期內(nèi)的數(shù)據(jù)收集對象，此時，它們將不再休眠，直到數(shù)據(jù)收集完成。

對于當前數(shù)據(jù)收集范圍內(nèi)的節(jié)點，通過使用接收信號強度指示(RSSI)技術來估計其到移動霧節(jié)點的距離[14]，該值將用于計算其期望最小能耗(EMC)。節(jié)點的期望最小能耗將保存在節(jié)點本地，并將用于數(shù)據(jù)傳輸過程中的轉(zhuǎn)發(fā)器選擇，從而降低整個數(shù)據(jù)傳輸?shù)哪芎摹?/p>

對于數(shù)據(jù)收集范圍內(nèi)的任意一個節(jié)點Si，其期望最小能耗為：

(4)

為了求得Si將B比特數(shù)據(jù)轉(zhuǎn)發(fā)到移動霧節(jié)點的最小能耗，首先假設Si可以沿著一條h跳的路徑將B比特數(shù)據(jù)轉(zhuǎn)發(fā)到移動霧節(jié)點。為了便于說明，在接下來的驗證過程中，使用Si+j表示從Si經(jīng)過j跳到達的節(jié)點，因此Si+h表示移動霧節(jié)點。然后，根據(jù)式(3)，該轉(zhuǎn)發(fā)過程的能耗可以表示為：

(5)

為了獲得ECi(h)的最小值，對式(5)使用均值不等式進行變換，可以得到ECi(h)：

(6)

進一步考慮該路徑上任意相鄰節(jié)點的距離之和小于Si到移動霧節(jié)點之間的直線距離，即：

(7)

因此ECi(h)的最小值為：

(8)

(9)

(10)

即：

(11)

2.2 霧架構路由機制

本文提出一種面向期望傳輸能耗的路由機制(T-scheme)，該機制設計了度量期望傳輸能耗(ECexpected)來衡量節(jié)點的數(shù)據(jù)轉(zhuǎn)發(fā)能力，該值越小，節(jié)點的數(shù)據(jù)轉(zhuǎn)發(fā)能力越強。當節(jié)點需要選擇轉(zhuǎn)發(fā)器將數(shù)據(jù)發(fā)送到移動霧節(jié)點時，分別計算該節(jié)點的所有鄰居的期望傳輸能耗，并從中選擇期望傳輸能耗最小的節(jié)點作為轉(zhuǎn)發(fā)器。

為了使期望傳輸能耗這一度量對于節(jié)點的數(shù)據(jù)轉(zhuǎn)發(fā)能力的衡量更加全面，本文考慮對于任意不在移動霧節(jié)點一跳范圍內(nèi)的節(jié)點Si，其數(shù)據(jù)轉(zhuǎn)發(fā)到該移動霧節(jié)點的過程可以劃分為兩個過程。如圖2所示，過程一是Si將數(shù)據(jù)轉(zhuǎn)發(fā)到其鄰居，過程二是該鄰居將數(shù)據(jù)轉(zhuǎn)發(fā)到移動霧節(jié)點。

圖2 期望傳輸能耗計算模型

針對過程一，對于每一個候選轉(zhuǎn)發(fā)器，以Sj為例，首先計算Si和Sj之間能夠?qū)崿F(xiàn)的數(shù)據(jù)傳輸可靠性，但是為了更全面地衡量Sj的數(shù)據(jù)傳輸能力，進一步計算當Sj廣播數(shù)據(jù)包時其能夠?qū)崿F(xiàn)的數(shù)據(jù)傳輸可靠性。在此基礎上，分別計算為了達到可靠性閾值對應的需要傳輸數(shù)據(jù)包的次數(shù)，進而可以求得該過程的期望傳輸能耗ECprocess1。針對過程二，使用候選轉(zhuǎn)發(fā)器的期望最小能耗作為該過程的期望傳輸能耗ECprocess2來衡量其未來的數(shù)據(jù)轉(zhuǎn)發(fā)能力。基于此，對于Si的候選轉(zhuǎn)發(fā)器，其期望傳輸能耗為：

ECexpected(j)=ECprocess1(j)+ECprocess2(j)

(12)

式中：j∈Fi，F(xiàn)i是Si的候選轉(zhuǎn)發(fā)器集，而在選擇候選轉(zhuǎn)發(fā)器時，本文考慮節(jié)點的剩余能量，并設置剩余能量閾值Eτ，只有當節(jié)點的剩余能量大于該閾值時，才可以成為候選轉(zhuǎn)發(fā)器。

對于式(12)中的ECprocess1(j)，首先計算Si與其候選轉(zhuǎn)發(fā)器集Fi中的任意候選轉(zhuǎn)發(fā)器Sj之間能夠?qū)崿F(xiàn)的數(shù)據(jù)傳輸可靠性：

RE(i,j)=Rij

(13)

為了進一步衡量Sj的數(shù)據(jù)轉(zhuǎn)發(fā)能力，繼續(xù)計算當Sj廣播數(shù)據(jù)時，該節(jié)點能夠?qū)崿F(xiàn)的數(shù)據(jù)傳輸可靠性：

(14)

式中：Fj表示Sj的候選轉(zhuǎn)發(fā)器集;Rjk表示Sj與其候選轉(zhuǎn)發(fā)器Sk之間的鏈路可靠性。

為了實現(xiàn)一定的數(shù)據(jù)傳輸可靠性，基于式(13)以及式(14)，可分別計算Si和Sj之間的需要傳輸?shù)拇螖?shù)n1，以及Sj需要廣播的次數(shù)n2，計算過程如下：

(15)

式中：RET表示可靠性閾值。

通過不等式變換，可分別求得n1和n2的值：

(16)

分別取n1和n2的最小值并代入式(17)，ECprocess1(j)可以表示為：

(17)

式中：C1=ET(i,j)+|Fj|×ER(j)，C0=Etotal(i,j)。

對于式(12)中的ECprocess2(j)，如上所述，其可以表示為：

ECprocess2(j)=EMC(j)

(18)

式中：Sj的期望最小能耗已經(jīng)在初始化階段保存在節(jié)點本地。

因此，將式(17)和式(18)代入式(12)可得ECexpected(j)：

(19)

本文所提出的T-scheme路由機制如算法1所示。

算法1T-scheme路由機制

1. 當Si需要轉(zhuǎn)發(fā)數(shù)據(jù)包到移動霧節(jié)點時：

2. if(移動霧節(jié)點在Si的通信范圍內(nèi))

3.Si將數(shù)據(jù)包轉(zhuǎn)發(fā)給移動霧節(jié)點;

4. else

5. 從Si的鄰居中選擇候選轉(zhuǎn)發(fā)器集Fi;

6. forSi的任意一個鄰居Sj

7. if(Sj的剩余能量大于Eτ)

8.Fi←sj;

9. end if

10. end for

11. forFi中的任意一個節(jié)點Sk

12. 根據(jù)式(17)計算ECprocess1(k);

13. 根據(jù)式(18)計算ECprocess2(k);

14. 根據(jù)式(19)計算ECexpected(k);

15. end for

16. 選擇ECexpected值最小的節(jié)點St作為轉(zhuǎn)發(fā)器;

17.Si將數(shù)據(jù)包轉(zhuǎn)發(fā)給St;

18.St重復2-17直到該數(shù)據(jù)包被轉(zhuǎn)發(fā)到移動霧節(jié)點;

19. end if

圖3 轉(zhuǎn)發(fā)器選擇

2.3 霧架構通信機制

在工業(yè)環(huán)境下，由無線傳感器網(wǎng)絡采集的數(shù)據(jù)量可以是巨大的，如何有效處理這些數(shù)據(jù)從而改善工業(yè)生產(chǎn)是一個重要的問題。云平臺具有豐富的資源，有強大的計算能力、存儲能力等，因此將傳感器的感知數(shù)據(jù)上傳到云平臺進行數(shù)據(jù)處理可以提高數(shù)據(jù)處理的效率。但是，工業(yè)現(xiàn)場通常情況復雜，特別是有些緊急情況需要及時處理。而云平臺實時性差，又存在傳輸可靠性不高等缺點，因而不能完全適應工業(yè)環(huán)境。相比于云平臺，霧平臺雖然計算能力、存儲能力不如云平臺，但其更靠近傳感器設備，能夠更及時地處理某些數(shù)據(jù)，其數(shù)據(jù)傳輸可靠性也較高。基于此，本文提出一種面向期望傳輸能耗的工業(yè)霧架構通信機制，用于工業(yè)現(xiàn)場的數(shù)據(jù)采集以及分析處理。

該機制中，移動收集器可以在子網(wǎng)內(nèi)及子網(wǎng)間中隨機移動，且移動收集器上安裝有霧服務器，從而形成霧節(jié)點。霧節(jié)點具有比普通傳感器節(jié)點更強的計算能力、更大的存儲空間以及更多的能量存儲，它將扮演兩個角色：其一是進行數(shù)據(jù)收集；其二是對收集的數(shù)據(jù)進行分類處理。在數(shù)據(jù)收集期間，霧節(jié)點保持靜止，而傳感器節(jié)點通過使用基于期望傳輸能耗的路由機制將數(shù)據(jù)轉(zhuǎn)發(fā)到霧節(jié)點。對于數(shù)據(jù)分類處理，霧節(jié)點可以實現(xiàn)對實時性要求高、數(shù)據(jù)量不大、計算復雜度不高、成本要求低等特點的數(shù)據(jù)的本地化處理。而對于實時性要求低、數(shù)據(jù)量大、計算復雜度大等特點的數(shù)據(jù)，霧節(jié)點可以通過因特網(wǎng)將數(shù)據(jù)上傳到云，由存儲能力、計算能力更強，但成本也更高的云進行處理。

本文提出的收集機制與算法可以有效地收集工業(yè)現(xiàn)場的傳感數(shù)據(jù)，并利用基于霧節(jié)點和云后臺相結合的云霧架構對傳感數(shù)據(jù)進行分析處理，最終幫助改善工業(yè)現(xiàn)場應用，并且該方法不需要大量的操作人員參與，減少了人工成本，進一步降低了企業(yè)的生產(chǎn)成本。

3 實驗仿真與評估

通過仿真實驗將提出的面向期望傳輸能耗的路由機制(T-scheme)與經(jīng)典的數(shù)據(jù)收集算法ExOR[15]、POFA[16]的進行對比，主要考慮能耗(EC)、第一死亡節(jié)點(FDN)。

在T-scheme以及POFA中，都涉及參數(shù)可靠性閾值RET。為了設計合理的RET，本文首先對不同鏈路可靠性的節(jié)點對間能夠?qū)崿F(xiàn)的可靠性隨傳輸次數(shù)的變化進行了實驗，結果如圖4所示?？梢钥闯觯词乖阪溌房煽啃暂^低的情況下，比如Rij=0.4，經(jīng)過兩次傳輸也能實現(xiàn)大約0.65的可靠性，因此這里統(tǒng)一設置可靠性閾值為RET=0.7。

圖4 實現(xiàn)的可靠性隨著傳輸次數(shù)變化

傳感器節(jié)點的初始能量為0.5 J，通信半徑為20 m，移動霧節(jié)點的短通信半徑Rs，固定為20 m，其長通信半徑可調(diào)。數(shù)據(jù)包大小為1 kbits，在一個數(shù)據(jù)收集周期內(nèi)，對于每一個節(jié)點，移動霧節(jié)點只收集一次。能量閾值大小用節(jié)點的剩余能量占其初始能量的百分比來衡量，當節(jié)點的剩余能量小于該閾值時，節(jié)點將不再充當數(shù)據(jù)轉(zhuǎn)發(fā)中繼。

3.1 能 耗

能耗(EC)定義為源節(jié)點向霧節(jié)點轉(zhuǎn)發(fā)數(shù)據(jù)的過程中消耗的能量。為了評估提出算法的能耗性能，選擇一個400 m×400 m的子網(wǎng)，其中移動霧節(jié)點的長通信半徑Rl為110 m，源節(jié)點到該移動霧節(jié)點的距離等于Rl的80%，而節(jié)點的能量閾值為20%。

圖5展示了三種算法的EC隨著節(jié)點密度的增加而增加，這主要是因為網(wǎng)絡密度的擴展不僅改善了網(wǎng)絡連通性，也增加了節(jié)點的鄰居數(shù)量，使得節(jié)點在尋找轉(zhuǎn)發(fā)器時有了更多的選擇，這增加了源節(jié)點到霧節(jié)點的數(shù)據(jù)轉(zhuǎn)發(fā)路徑的跳數(shù)，進而增加了能耗。T-scheme表現(xiàn)得優(yōu)于POFA，但劣于ExOR。POFA為了實現(xiàn)數(shù)據(jù)轉(zhuǎn)發(fā)的可靠性犧牲了能耗，使其在EC上表現(xiàn)最差。而對于T-scheme，在每一跳的數(shù)據(jù)轉(zhuǎn)發(fā)中，節(jié)點為了計算期望傳輸能耗而耗費的能量使其在EC上的表現(xiàn)遜于ExOR，且隨著節(jié)點鄰居數(shù)量的增加，該差距增加。

圖5 EC隨著網(wǎng)絡密度變化

圖6展示了三種算法的EC隨著Rl的增加而增加，該子網(wǎng)中部署了1 000個節(jié)點。隨著Rl的增加，從源節(jié)點到霧節(jié)點的距離增加，因此在源節(jié)點向霧節(jié)點的數(shù)據(jù)轉(zhuǎn)發(fā)中所花費的跳數(shù)也增加，進而增加了EC。T-scheme的EC高于ExOR，主要原因是在每一跳的數(shù)據(jù)轉(zhuǎn)發(fā)中對于節(jié)點的期望傳輸能耗的計算，而且該計算次數(shù)隨著路徑上跳數(shù)的增加而增加。

圖6 EC隨著Rl變化

3.2 第一死亡節(jié)點

第一死亡節(jié)點(FDN)定義為網(wǎng)絡中出現(xiàn)第一個因能量耗盡而死亡的節(jié)點的時間。當網(wǎng)絡中出現(xiàn)第一個死亡節(jié)點時，網(wǎng)絡連通性開始變差，網(wǎng)絡分區(qū)的可能性增加，因此數(shù)據(jù)傳輸失敗的概率也將增加。為了評估提出算法的第一死亡節(jié)點性能，選擇一個200 m×200 m的子網(wǎng)，其中節(jié)點數(shù)量為200。移動霧節(jié)點的長通信半徑Rl為80 m。

圖7展示了三種算法的FDN隨著節(jié)點的能量閾值的增大而降低。POFA表現(xiàn)最差，T-scheme表現(xiàn)最好。在POFA中，因為數(shù)據(jù)包重傳消耗了節(jié)點大量的能量，造成節(jié)點過快死亡。而在ExOR中，其數(shù)據(jù)包重傳的概率大于T-scheme，這增加了某些節(jié)點的能耗，進而降低了其FDN。

圖7 FDN隨著能量閾值變化

4 結 語

本文提出了一種基于霧架構的工業(yè)物聯(lián)網(wǎng)通信機制與算法。該機制利用配備霧服務器的移動收集器作為移動霧節(jié)點進行數(shù)據(jù)收集，在數(shù)據(jù)收集期間，節(jié)點使用提出的基于期望傳輸能耗的路由機制將感知數(shù)據(jù)轉(zhuǎn)發(fā)到該霧節(jié)點。當數(shù)據(jù)收集完成后，霧節(jié)點對數(shù)據(jù)進行分類，一部分數(shù)據(jù)在本地處理，另一部分數(shù)據(jù)將上傳到云，從而合理地利用云霧架構實現(xiàn)對數(shù)據(jù)的高效分析處理。實驗仿真數(shù)據(jù)表明，該通信機制可以有效地收集工業(yè)現(xiàn)場的傳感數(shù)據(jù)，數(shù)據(jù)包投遞率、能耗等指標比其他數(shù)據(jù)收集算法更具有優(yōu)越性，減少了人工成本，降低了企業(yè)的生產(chǎn)成本，為改善工業(yè)現(xiàn)場應用提供了新的解決思路。