鄭 琦

（福建商貿(mào)學校，福建 福州350007）

一、引言

泛在網(wǎng)絡（UN）是指一種自組織類型的網(wǎng)絡，其中包括空間分布的自主傳感器設備。這些傳感器設備通過網(wǎng)絡相互連接，并監(jiān)視目標區(qū)域的環(huán)境。信息和通信技術（ICT）的最新發(fā)展已導致小型化和復雜的傳感器設備（例如，低功率廣域網(wǎng)，而UN 是進一步高級網(wǎng)絡系統(tǒng)的基礎，它們在實現(xiàn)物聯(lián)網(wǎng)和網(wǎng)絡物理系統(tǒng)時引起了極大的關注。在這些情況下，將在Internet上集成和實施許多ICT應用服務和其他社會基礎設施。但是，泛在網(wǎng)絡與物聯(lián)網(wǎng)技術沒有考慮模塊間鏈接的端點；因此，這項研究考慮了分類性，即被定義為網(wǎng)絡中節(jié)點度的相關性。節(jié)點度是最簡單、最常見的集中度度量之一，用于度量網(wǎng)絡拓撲上的節(jié)點重要性。在具有高分類性的網(wǎng)絡中，如果兩個節(jié)點具有相似的節(jié)點度，則可能會互連一對節(jié)點。相比之下，在具有低分類性的網(wǎng)絡中，如果兩個節(jié)點的節(jié)點度不同，則將它們連接起來。至于由多個模塊組成的泛在網(wǎng)絡，分類可以表示不同的行為，這取決于焦點是模塊之間還是模塊內(nèi)部的連接，以及模塊之間的連接是強還是弱。腦網(wǎng)絡的高可靠性可以歸因于拓撲連通性，它是基于網(wǎng)絡模塊之間和內(nèi)部的分類性。

這項研究的目的是為職業(yè)院校智慧校園設計一種模塊化的網(wǎng)絡拓撲結(jié)構(gòu)，這種拓撲結(jié)構(gòu)可以抵抗環(huán)境變化，并以相對較低的布線成本提供較高的通信效率。對于智慧校園網(wǎng)絡的構(gòu)建，首先根據(jù)提出的方法分配模塊之間的鏈接；其次，通過考慮分類性，提出了一種在模塊內(nèi)的節(jié)點上分配模塊間鏈接的方法。泛在網(wǎng)絡與物聯(lián)網(wǎng)技術和分類性的影響可以通過單個參數(shù)來控制。

二、泛在網(wǎng)絡與物聯(lián)網(wǎng)技術

泛在網(wǎng)絡可以看作是一個復雜的網(wǎng)絡，包括位于髓鞘絕緣軸突連接的皮質(zhì)灰質(zhì)區(qū)的神經(jīng)元細胞體。神經(jīng)影像技術的最新進展使得能夠以更高的空間分辨率對泛在網(wǎng)絡進行分析。先前的研究已經(jīng)檢查了以感興趣區(qū)域之間的解剖聯(lián)系為代表的大腦結(jié)構(gòu)網(wǎng)絡。在此過程中，選擇了空間分布的91個皮質(zhì)區(qū)域中的29 個，以便29 個區(qū)域的子圖可以完全估計整個網(wǎng)絡的連通性。逆向示蹤劑注入到這29 個區(qū)域中，表明存在6,494,974 個神經(jīng)鏈接和1615個區(qū)域間鏈接。分析表明，區(qū)域間連接的存在概率p（d）隨區(qū)域間距離呈指數(shù)衰減，可以表示為：

其中c 表示歸一化常數(shù)，d 是區(qū)域間距離，而λ是參數(shù)。為了近似大腦的連通性，在泛在網(wǎng)絡與物聯(lián)網(wǎng)技術中使用了λ=0.180mm-1。應當注意，在結(jié)果拓撲中的鏈接被分配了與區(qū)域之間的多個神經(jīng)連接相對應的權(quán)重?？紤]到代謝成本和性能之間的折衷，緊鄰的神經(jīng)元往往具有更多的連接；此外，還提供了一些長距離連接來加速信息集成。即使泛在網(wǎng)絡與物聯(lián)網(wǎng)技術是僅由單個參數(shù)λ控制的相對簡單的模型，它仍可以充分再現(xiàn)泛在網(wǎng)絡中拓撲連接的各種屬性，例如通信效率、派系分布、特征向量譜及存在核心結(jié)構(gòu)。

基于剩余度分布q（k）計算全局分類系數(shù)，如下所示：

其中稱為度數(shù)分布，它表示隨機選擇的節(jié)點具有節(jié)點度數(shù)k的概率；稱為剩余度分布，它表示隨機選擇的鏈接的任一端點節(jié)點具有剩余度k 的概率。在此，節(jié)點的剩余度是指普通節(jié)點度減去節(jié)點本身。全局分類系數(shù)r定義如下：

其中J 和K 表示剩余程度的變量；兩者具有相同的期望值。項表示剩余度分布的方差。r的正值和負值分別表示網(wǎng)絡是分類的和分解的。當r趨于零時，網(wǎng)絡變?yōu)榉欠诸惥W(wǎng)絡；網(wǎng)絡的形狀變得類似于隨機網(wǎng)絡的形狀。從理論上講，r 的可行值范圍是[-1，1]；但是，由于度分布，其范圍變小。

然后，在給定的情況下，可以引入鏈路l上的通用分類系數(shù)。該系數(shù)對應于單個鏈接對全局分類系數(shù)r的貢獻。因此，定義如下：

其中j和k表示鏈接l的兩個端點的剩余度。此處，M表示網(wǎng)絡中的鏈路總數(shù)。

三、構(gòu)造職業(yè)院校智慧校園網(wǎng)絡方法

物理層上的模塊通過網(wǎng)關（邊緣服務器）之間的模塊間鏈接的無線連接泛在地彼此連接，并形成泛在層。關于模塊間鏈路的端點的分配，在實際意義上，物理層上的所有節(jié)點都不能充當端點，因為設備的性能或角色彼此不同。但是，在此評估中，假設所有節(jié)點都有能力充當端點節(jié)點。因此，的目標是從拓撲的角度揭示應表示為端點節(jié)點的節(jié)點類型。如圖1所示。

圖1泛在化泛在網(wǎng)絡的架構(gòu)

在以下小節(jié)中，將描述為職業(yè)院校智慧校園網(wǎng)絡體系結(jié)構(gòu)構(gòu)建泛在層拓撲的建議方法。首先，泛在網(wǎng)絡與物聯(lián)網(wǎng)技術被修改并用于職業(yè)院校智慧校園間鏈路的部署。然后，應用分類性來確定模塊中節(jié)點上模塊間鏈接的端點的分配。

為了創(chuàng)建模塊間鏈接，將等式（1）重新定義為等式（6），以使泛在網(wǎng)絡與物聯(lián)網(wǎng)技術中的變量和參數(shù)可以適應除皮質(zhì)區(qū)域間連通性以外的任何規(guī)模的網(wǎng)絡拓撲：

其中dn表示兩個模塊之間的相對距離。也就是說，dn=d/dmax，其中實際歐幾里德距離dmax除以所有模塊對中的最大距離。

本文從節(jié)點分類的角度討論將模塊間鏈接的端點分配給節(jié)點的過程。即，選擇端點節(jié)點，以使得在每對模塊的模塊間連接性上獲得等式（5）中的分類性ρ 的指定值。通過使用這種分配方案，排除了已經(jīng)存在模塊間鏈接的端點對。為了獲得合適的模塊間連接性，以實現(xiàn)指定的分類值，模塊間鏈路進行了重新布線。圖2顯示了根據(jù)上述過程生成的兩個示例網(wǎng)絡，其中每個鏈路都是未加權(quán)和未定向的。

圖2 職業(yè)院校智慧校園網(wǎng)絡互連性

四、仿真結(jié)果與分析

本文介紹了除泛在網(wǎng)絡與物聯(lián)網(wǎng)技術以外的用于在模塊內(nèi)部和模塊之間分配鏈接的網(wǎng)絡模型。此外，還定義了評估通信效率，智慧校園網(wǎng)絡穩(wěn)定性性和網(wǎng)絡建設成本的指標。還將解釋用于為計算機仿真構(gòu)建職業(yè)院校智慧校園網(wǎng)絡的特定參數(shù)設置。

在計算機仿真中，假設職業(yè)院校智慧校園網(wǎng)絡構(gòu)造在E×Em2的正方形區(qū)域上，并且將N 個節(jié)點部署為物理節(jié)點。該區(qū)域以網(wǎng)格圖案劃分為M 個較小的區(qū)域，每個區(qū)域包含相等數(shù)量的N'=N/M 個節(jié)點。分別基于SL 模型和LL 模型構(gòu)造職業(yè)院校智慧校園網(wǎng)絡時，Rshort和Rlong限制了鏈接的長度。

?

參數(shù)設置如表1所示。職業(yè)院校智慧校園網(wǎng)絡由M=4 個模塊組成，如圖3 所示。每對模塊均被平均分配5 個模塊間鏈接，而職業(yè)院校智慧校園網(wǎng)絡的Linter=5×6=假設有4C2=6 種可能的組合，則有30 個模塊間鏈接用于連接四個模塊中的兩個。當比較ER 模型和BA 模型的結(jié)果時，對于任何給定的分類價值，后者顯示出更強大的功能。這可以歸因于節(jié)點度分布的差異。在基于BA 模型的拓撲中，集線器節(jié)點的密集中心核心緊密連接所有節(jié)點并增強了連通性。這樣可以減小直徑并縮小網(wǎng)絡的拓撲形狀。因此，一些故障不會分裂BA 模型的拓撲。相反，基于ER 模型的拓撲連接稀疏且統(tǒng)一，并且可以輕松拆分為較小的群集。這些特征導致ER 模型和BA 模型之間的代數(shù)連通性不同。

圖3 模塊網(wǎng)絡的仿真結(jié)果

如表1所示，因為職業(yè)院校智慧校園網(wǎng)絡已在正方形區(qū)域中移至更大的比例，所以N'和Lintra 使用相等的值。確定模塊間鏈接Linter 的數(shù)量為Linter=3×M=300，以便每個模塊添加三個模塊間鏈接。因為在前面的文章中已經(jīng)研究了分類能力ρ對性能的詳細影響，

圖4 顯示了代數(shù)連通性，泛在網(wǎng)絡與物聯(lián)網(wǎng)技術中的參數(shù)α和模間分類之間的關系。y軸表示代數(shù)連通性，而x軸表示參數(shù)α。這兩個子圖包含三個曲線，每個曲線分別對應于模塊之間的分類，分類和非分類連通性。關于分類性，應該注意的是，在ER模型和BA模型中，分類拓撲都展現(xiàn)出最高的代數(shù)連通性，即最魯棒的特征。但是，在4 模塊網(wǎng)絡的ER模型中，證實了非分類或略分類的連通性可實現(xiàn)最高的魯棒性。這可能歸因于模塊數(shù)量的差異。在4模塊網(wǎng)絡中，每個模塊通過一跳連接到所有其他模塊。但是，在這種情況下，職業(yè)院校智慧校園網(wǎng)絡由100 個模塊組成，因此，大多數(shù)模塊對是間接連接的。從該結(jié)果可以推測，當兩個節(jié)點之間的路徑經(jīng)過多個模塊時，由兩個高級節(jié)點組成的模塊間鏈路會導致不連續(xù)路徑數(shù)量的增加。這導致代數(shù)連接性，即魯棒性的增加。在BA模型中，高階節(jié)點之間的連接影響較大，而分類拓撲可實現(xiàn)更高的魯棒性。

圖4 智慧校園網(wǎng)絡穩(wěn)定性性

五、結(jié)論

本文提出并評估了一種構(gòu)建職業(yè)院校智慧校園網(wǎng)絡的方法。由于未來的職業(yè)院校智慧校園上存在大量的物聯(lián)網(wǎng)技術設備和無數(shù)類型的應用程序服務，為了滿足所需的性能。在現(xiàn)實世界的物聯(lián)網(wǎng)網(wǎng)絡中，供應商對環(huán)境或服務需求的各種限制可能會影響邊緣計算系統(tǒng)和UN 上職業(yè)院校智慧校園網(wǎng)絡的構(gòu)建?？梢钥偨Y(jié)為，相互連接的高級節(jié)點既增強了魯棒性，又提高了通信效率。同時，提出的方法可以幫助設計職業(yè)院校智慧校園架構(gòu)，以應對實際物聯(lián)網(wǎng)場景中可能出現(xiàn)的各種需求。