蔡青松,林 佳,夏晨益,吳 杰

(北京工商大學(xué) 計(jì)算機(jī)與信息工程學(xué)院,北京 100048)

近來(lái),物聯(lián)網(wǎng) (Internet of Things,IoT)的迅速發(fā)展對(duì)通信技術(shù)提出了更高要求.新一代IoT 應(yīng)用的設(shè)想是以低成本、低速率的特征連接人、機(jī)器和物體,而實(shí)現(xiàn)這一目標(biāo)的關(guān)鍵是無(wú)線通信技術(shù).新興無(wú)線通信技術(shù)還需為分布在廣袤區(qū)域的大量異構(gòu)IoT 設(shè)備提供連接,例如分散部署在農(nóng)場(chǎng)和倉(cāng)庫(kù)等地的設(shè)備就需要通過(guò)此技術(shù)來(lái)傳輸數(shù)據(jù)[1],這些設(shè)備之間的通信距離可能超過(guò)10 公里.由此,低功耗廣域網(wǎng)(Low Power Wide Area Network,LPWAN)技術(shù)的出現(xiàn)彌補(bǔ)了傳統(tǒng)的無(wú)線通信技術(shù)(如藍(lán)牙、ZigBee 和移動(dòng)蜂窩網(wǎng)絡(luò))存在的通信距離短、成本高和嚴(yán)格地域限制等不足,實(shí)現(xiàn)了廣泛的IoT 應(yīng)用及IoT 設(shè)備間的通信互連[2].

LPWAN 根據(jù)工作頻段可分為兩類:一類是工作于未授權(quán)Sub-GHz ISM 頻段的LoRa[3]、SigFox[4]等;另一類是工作于授權(quán)頻段下的NB-IoT[5]等.在眾多的LPWAN 技術(shù)中,LoRa 因其開(kāi)放性和靈活的網(wǎng)絡(luò)部署能滿足大規(guī)模和廣覆蓋的應(yīng)用需求[6],是目前應(yīng)用最廣泛的.LoRa 具有的優(yōu)勢(shì)體現(xiàn)在以下幾個(gè)方面:首先,LoRa 運(yùn)行在未授權(quán)頻段中,從而為用戶節(jié)省了昂貴的頻段使用費(fèi);其次,LoRa 采用星型的組網(wǎng)形式,終端與網(wǎng)關(guān)直接相連,易于維護(hù)與使用;最后,采用線性擴(kuò)頻調(diào)制技術(shù)的LoRa 物理層通過(guò)傳輸參數(shù)的不同選擇可靈活調(diào)整數(shù)據(jù)傳輸速率.與以往的方法相比,在提升了傳輸距離的同時(shí)降低了功耗,實(shí)現(xiàn)了遠(yuǎn)距離、長(zhǎng)電池壽命、大規(guī)模覆蓋的數(shù)據(jù)傳輸[7].因此,LoRa 是一種非常有前景的通信技術(shù),其潛力可滿足眾多不同的IoT 應(yīng)用.

目前國(guó)內(nèi)外的研究主要關(guān)注LoRa 物理層調(diào)制和MAC 協(xié)議且主要針對(duì)單一IoT 應(yīng)用[8].雖然技術(shù)本身已非常成熟,但如何在單個(gè)LoRa 網(wǎng)絡(luò)內(nèi)支持異構(gòu)多類型業(yè)務(wù)的傳輸需求研究仍涉及較少,因此優(yōu)化LoRa 網(wǎng)絡(luò)的整體性能使之能夠適應(yīng)日益增長(zhǎng)的異構(gòu)多類型業(yè)務(wù)的傳輸需求則顯得尤為重要.首先,由于LoRa 物理層參數(shù)(例如帶寬(BW),擴(kuò)頻因子(SF),編碼率(CR)和傳輸功率(TP))組合眾多.這些參數(shù)設(shè)置值直接影響網(wǎng)絡(luò)的吞吐量、可靠性和通信范圍[9].而靜態(tài)配置物理層參數(shù)使得數(shù)據(jù)分組交付率(Packet Delivery Rate,PDR)較低[10],因此按照IoT 應(yīng)用需求確定LoRa 物理層參數(shù)至關(guān)重要.其次,針對(duì)不同業(yè)務(wù)的數(shù)據(jù)分組大小、消息生成率和服務(wù)質(zhì)量需求的差異(如數(shù)據(jù)負(fù)載大小從十幾Bytes 到幾百Bytes,消息生成率從每天一個(gè)數(shù)據(jù)分組到每分鐘幾個(gè)數(shù)據(jù)分組[11]),提升支持多業(yè)務(wù)需求的網(wǎng)絡(luò)最大容量問(wèn)題有待解決.最后,由于LoRa規(guī)范中的占空比限制,終端設(shè)備每小時(shí)只有36 s 處于工作狀態(tài),隨著IoT 應(yīng)用需求的增加,現(xiàn)有的吞吐量已經(jīng)不能滿足實(shí)際需求,針對(duì)異構(gòu)多類型業(yè)務(wù)需求提高網(wǎng)絡(luò)的吞吐量是目前LoRa 研究的熱點(diǎn)之一[12].

基于上述分析,總結(jié)起來(lái),本文的主要工作如下:

1) 通過(guò)實(shí)驗(yàn)分析了靜態(tài)和動(dòng)態(tài)部署對(duì)不同IoT 應(yīng)用的性能影響,提出了一種基于模擬退火遺傳算法(Simulated Annealing Genetic Algorithm,SAGA)的動(dòng)態(tài)參數(shù)自適應(yīng)配置策略,可在限制能耗的同時(shí)最大化LoRa 網(wǎng)絡(luò)的容量和吞吐量.

2) 在LoRaSim 模擬器中實(shí)現(xiàn)了異構(gòu)IoT 應(yīng)用的數(shù)據(jù)傳輸需求.仿真結(jié)果表明,通信中使用動(dòng)態(tài)方法對(duì)參數(shù)進(jìn)行選擇,本文所提的方法與傳統(tǒng)ADR (Adaptive Data Rate)相比平均吞吐量提高了近25.6%.當(dāng)數(shù)據(jù)分組錯(cuò)誤率(Packet Error Rate,PER)控制在10%以內(nèi)時(shí),SAGA 與ADR 相比網(wǎng)絡(luò)容量提升了1000 臺(tái)左右.

3) 對(duì)超過(guò)1000 臺(tái)設(shè)備的單網(wǎng)關(guān)LoRa 網(wǎng)絡(luò)的運(yùn)行結(jié)果顯示,當(dāng)每個(gè)設(shè)備分組生成率小于1/100 s 時(shí),分組交付率(Packet Delivery Rate,PDR)可保證在90%以上.

1 基本原理

1.1 LoRa 幀結(jié)構(gòu)

LoRa 通過(guò)使用基于啁啾擴(kuò)頻(CSS)的物理層調(diào)制技術(shù)實(shí)現(xiàn)長(zhǎng)距離通信,終端設(shè)備與網(wǎng)絡(luò)服務(wù)器的通信是通過(guò)網(wǎng)關(guān)完成的[13].終端設(shè)備使用顯示模式發(fā)出上行信息,每個(gè)上行信息的數(shù)據(jù)分組包含以下內(nèi)容:前導(dǎo)碼(Pre)、物理幀幀頭(PHY Header)、幀頭校驗(yàn)碼(CRC)、負(fù)載以及CRC 校驗(yàn).圖1所示為L(zhǎng)oRa 的幀格式,LoRa 幀以前導(dǎo)碼開(kāi)始,前導(dǎo)碼用于接收器和發(fā)射器之間的同步[14].前導(dǎo)碼之后是物理幀幀頭和幀頭校驗(yàn),共20 位字長(zhǎng),并且以最可靠的碼率進(jìn)行編碼,而其余部分使用PHY Header 中指定的碼率進(jìn)行編碼[15].傳輸PHY 負(fù)載所需符號(hào)數(shù)表示為:

其中,PL是以字節(jié)為單位的有效負(fù)載大小.如果啟用ADR 機(jī)制,則DE為1,否則為0.

1.2 LoRa 物理層

LoRa 提供了一系列物理層參數(shù),通過(guò)改變這些參數(shù)可實(shí)現(xiàn)變傳輸速率.LoRa 調(diào)制取決以下于幾個(gè)參數(shù):BW通常設(shè)置為125 kHz,250 kHz 或500 kHz,較小的BW會(huì)增加接收器的靈敏度,同時(shí)降低噪聲,從而降低PER;SF通常設(shè)置為SF∈{7,8,9,10,11,12},較高的SF允許較長(zhǎng)的通信范圍,但增加了空中時(shí)間(Time-on-Air,ToA);CR從4/8 變化到4/5,較高的CR提供了更多的保護(hù),從而產(chǎn)生較低的PER.這些參數(shù)還影響ToA,接收機(jī)靈敏度和信噪比(Signal Noise Ratio,SNR).表1給出了BW=125 kHz,PL=10 Byte 時(shí),SF與各評(píng)價(jià)指標(biāo)之間的關(guān)系.可以觀察到ToA 隨著SF呈指數(shù)增長(zhǎng),在提高接收器靈敏度的同時(shí)降低了比特率,從而允許更大的覆蓋范圍.

表1 SF 與啟用CRC 模式各評(píng)價(jià)指標(biāo)的關(guān)系

1.3 LoRa 物理層

LoRa 網(wǎng)絡(luò)的鏈路層稱為L(zhǎng)oRaWAN,是基于物理層之上的MAC 層協(xié)議.它定義了3 個(gè)終端設(shè)備類,即Class A,B 和C[16].A 類設(shè)備針對(duì)功耗進(jìn)行了優(yōu)化,僅通過(guò)開(kāi)啟上行接收窗口來(lái)接收下行鏈路消息.除了為A 類設(shè)備定義的兩個(gè)接收窗口之外,B 類設(shè)備在預(yù)定時(shí)間打開(kāi)額外的下行鏈路接收窗口,其中時(shí)間與由網(wǎng)關(guān)發(fā)送的信標(biāo)同步.C 類設(shè)備持續(xù)保持接收窗口打開(kāi),僅在發(fā)送時(shí)關(guān)閉窗口.LoRa 中的信道訪問(wèn)機(jī)制是純ALOHA,其中終端設(shè)備訪問(wèn)信道時(shí)無(wú)需檢查信道是否空閑,因此發(fā)生沖突的概率較大.圖2所示為上行傳輸?shù)闹餍诺篮拖滦行诺?為了傳輸數(shù)據(jù)幀,每個(gè)終端隨機(jī)選擇一個(gè)主信道.收到幀后,網(wǎng)關(guān)發(fā)送兩個(gè)ACK.第一個(gè)是在主信道中發(fā)送的,在幀被接收后的T1秒發(fā)送.在超時(shí)T2=T1+1 秒之后,下行鏈路信道中發(fā)送第二個(gè)ACK.如果終端沒(méi)有收到ACK,則進(jìn)行重傳.第一個(gè)ACK 以低于傳輸數(shù)據(jù)速率的數(shù)據(jù)速率發(fā)送.第二個(gè)ACK 始終以固定數(shù)據(jù)速率發(fā)送,默認(rèn)情況下為最低速率0.3 kbps[17].

圖2 LoRaWAN 的信道訪問(wèn)

1.4 LoRa 網(wǎng)絡(luò)架構(gòu)

LoRa 網(wǎng)絡(luò)的部署方式通常是星型的拓?fù)?網(wǎng)關(guān)直接從多個(gè)終端設(shè)備接收消息,并使用TCP/IP 協(xié)議與網(wǎng)絡(luò)服務(wù)器通信[18].LoRa 定義了一種ADR 方案來(lái)控制LoRa 設(shè)備的上行鏈路傳輸參數(shù),以便增加電池壽命和最大化網(wǎng)絡(luò)容量.LoRa 設(shè)備通過(guò)在上行鏈路MAC 報(bào)頭中設(shè)置ADR-flag 來(lái)開(kāi)啟使用該機(jī)制.當(dāng)啟用ADR方案時(shí),網(wǎng)絡(luò)服務(wù)器可以使用LinkADRReq MAC 命令控制LoRa 設(shè)備的傳輸參數(shù).圖3所示為異構(gòu)IoT 的LoRa 網(wǎng)絡(luò)架構(gòu)圖.

圖3 異構(gòu)IoT 的LoRa 網(wǎng)絡(luò)架構(gòu)

2 相關(guān)工作

由于LoRa 網(wǎng)絡(luò)具有功耗低、傳輸距離遠(yuǎn)、組網(wǎng)靈活等諸多方面的優(yōu)勢(shì),因此在IoT 業(yè)務(wù)和應(yīng)用需求快速增長(zhǎng)的領(lǐng)域內(nèi)具有潛在的廣泛應(yīng)用前景.然而,目前國(guó)內(nèi)外的研究主要關(guān)注LoRa 物理層調(diào)制和MAC協(xié)議且主要針對(duì)單一IoT 應(yīng)用[8].雖然技術(shù)本身已非常成熟,但如何在單個(gè)LoRa 網(wǎng)絡(luò)內(nèi)支持異構(gòu)多類型業(yè)務(wù)的傳輸需求研究仍涉及較少.因此,研究領(lǐng)域針對(duì)網(wǎng)絡(luò)性能優(yōu)化方面展開(kāi)了研究工作,以求提升網(wǎng)絡(luò)吞吐量,提高網(wǎng)絡(luò)的可擴(kuò)展性和增加網(wǎng)絡(luò)容量.

Adelantado 等闡述了基于LoRa 的IoT 應(yīng)用案例的特性和局限制[19],將LoRa 應(yīng)用于智能運(yùn)輸和物流等領(lǐng)域.Reynders 等[20]提出一種SF 分配機(jī)制,通過(guò)保證每個(gè)子網(wǎng)的流量負(fù)載平衡,以此來(lái)增加網(wǎng)絡(luò)的容量.Cuomo 等提出了EXPLoRa-TS 啟發(fā)式方法[21],每個(gè)設(shè)備根據(jù)其應(yīng)用需求,以不同的方式傳輸可變數(shù)量的數(shù)據(jù),以此來(lái)提高LoRa 網(wǎng)絡(luò)的可擴(kuò)展性.Cuomo 等又提出了2 種混合式算法EXPLoRA-SF 和EXPLoRAAT[22]進(jìn)一步評(píng)估消息生成速率對(duì)網(wǎng)絡(luò)可擴(kuò)展性的影響.但上述研究中沒(méi)有涉及不同的IoT 應(yīng)用需求,其模擬中使用的參數(shù)局限于SF12 和SF7,并沒(méi)有考慮到BW 和CR 以及TP 等參數(shù)變化的影響.

Haxhibeqiri 等提出了一個(gè)基于干擾測(cè)量的仿真模型來(lái)評(píng)估LoRa 的可擴(kuò)展性[23].研究指出對(duì)于不同的IoT 應(yīng)用,重要的是要知道平均每小時(shí)可以發(fā)送多少個(gè)數(shù)據(jù)分組,即消息生成速率.Lavric 等在對(duì)數(shù)據(jù)速率和終端設(shè)備的密度進(jìn)行了模擬,以確定不同IoT 應(yīng)用的可擴(kuò)展性[24].Prajanti 等[25]計(jì)算自2018年起未來(lái)5年終端設(shè)備數(shù)量的增長(zhǎng)情況,并通過(guò)所建立的模型推導(dǎo)出當(dāng)數(shù)據(jù)傳輸成功率(Packet Success Rate,PSR)大于0.9 時(shí),終端設(shè)備具有最佳性能.但上述研究中沒(méi)有考慮數(shù)據(jù)負(fù)載和消息生成率變化,這對(duì)于異構(gòu)IoT 應(yīng)用的LoRa 網(wǎng)絡(luò)性能研究具有一定的局限性.

Sandoval 等[26]通過(guò)對(duì)基于LoRa 的IoT 節(jié)點(diǎn)進(jìn)行建模,得出了最佳的傳輸策略.該策略可以按事件的重要性優(yōu)先級(jí)最大化上傳數(shù)據(jù)分組,但確忽略了電池消耗.因此,極大降低了這種傳輸策略在電池供電的物聯(lián)網(wǎng)部署中的有效性.此外,一旦計(jì)算出傳輸策略,便會(huì)將其下載到IoT 節(jié)點(diǎn),并且不再更改.相反,我們的方法是通過(guò)在資源受限的設(shè)備中計(jì)算策略推導(dǎo)過(guò)程,從而讓IoT 設(shè)備更新推導(dǎo)的最佳策略.

Tunc 等[27]采用了一種不同的方法來(lái)得出傳輸策略,研究旨在對(duì)能量收集傳感單元進(jìn)行建模.該單元必須確定報(bào)告事件的速率,以防止節(jié)點(diǎn)快速耗盡其電量,而并不是找到傳輸?shù)淖罴雅渲?盡管提出了詳細(xì)的能量收集和消耗過(guò)程的數(shù)學(xué)模型,但作者假設(shè)只有一個(gè)有效的傳輸設(shè)置.這不滿足能量消耗取決于傳輸配置的物聯(lián)網(wǎng)設(shè)備的性質(zhì),因此無(wú)法將其廣泛的應(yīng)用于異構(gòu)物聯(lián)網(wǎng)部署.

對(duì)于LoRa 相關(guān)研究的實(shí)用性和性能分析,領(lǐng)域內(nèi)主要采用的方法包括仿真實(shí)驗(yàn)和真實(shí)場(chǎng)景的部署.相比而言,由于LoRa 參數(shù)配置和組網(wǎng)的簡(jiǎn)單性,采用仿真的方法代價(jià)低,且實(shí)用有效.因此通過(guò)對(duì)LoRaSim網(wǎng)絡(luò)模擬器進(jìn)行擴(kuò)展,用于在實(shí)際部署之前評(píng)估異構(gòu)IoT 應(yīng)用的數(shù)據(jù)傳輸需求,而無(wú)需現(xiàn)場(chǎng)測(cè)量.LoRaSim是由Bor 等開(kāi)發(fā)的LoRa 網(wǎng)絡(luò)模擬器,用于評(píng)估大規(guī)模LoRa 網(wǎng)絡(luò)的可擴(kuò)展性[10].Zhu 等用LoRaSim 評(píng)估網(wǎng)絡(luò)之間干擾對(duì)LoRa 網(wǎng)絡(luò)性能的影響[13].Li 等實(shí)現(xiàn)了LoRaSim 的擴(kuò)展版LoRaWANSim,增加了支持雙向通信的MAC 層協(xié)議的功能[16].Oh 等用LoRaWANSim證明了LoRa 網(wǎng)絡(luò)中的ADR 機(jī)制缺乏適應(yīng)不斷變化的鏈路條件[17].

本文受到以上研究工作的啟發(fā),針對(duì)現(xiàn)實(shí)場(chǎng)景中不同IoT 業(yè)務(wù)需求接入無(wú)線網(wǎng)絡(luò)其通信模式和數(shù)據(jù)生成速率不同.全面地考慮了傳輸參數(shù)、數(shù)據(jù)負(fù)載、消息生成速率等因素在異構(gòu) IoT 應(yīng)用上對(duì)網(wǎng)絡(luò)容量和吞吐量的影響,提出了一種基于SAGA 的傳輸參數(shù)自適應(yīng)配置策略,在能耗約束的條件下可實(shí)現(xiàn)對(duì)多種異構(gòu)業(yè)務(wù)的數(shù)據(jù)傳輸需求,并可提高單網(wǎng)關(guān)網(wǎng)絡(luò)可支持的終端設(shè)備數(shù)量和數(shù)據(jù)吞吐量.

3 系統(tǒng)模型

LoRa 網(wǎng)絡(luò)性能由許多關(guān)鍵因素決定,包括BW、SF、CR、TP、PL和λ(消息生成速率)等參數(shù),這些參數(shù)還影響信道上可能發(fā)生的沖突數(shù)量.大多數(shù)情況下,沖突產(chǎn)生的原因是由于設(shè)備同時(shí)上傳數(shù)據(jù)且使用相同的通信參數(shù).為了滿足更多的異構(gòu)IoT 應(yīng)用需求,LoRa網(wǎng)絡(luò)的容量和吞吐量研究至關(guān)重要.

在模型中,我們考慮了捕獲效果:當(dāng)兩個(gè)使用相同SF 的數(shù)據(jù)分組同時(shí)到達(dá)信道,較強(qiáng)信號(hào)比較弱信號(hào)高出某個(gè)閾值時(shí),捕獲效果會(huì)導(dǎo)致較強(qiáng)的信號(hào)抑制較弱的信號(hào),從而接收成功具有較強(qiáng)信號(hào)的數(shù)據(jù)分組.性能評(píng)估模型表示如下:

節(jié)點(diǎn)的性能(γ)計(jì)算為每秒上傳的優(yōu)先字節(jié)的預(yù)期數(shù)量,gi表示上傳信息的優(yōu)先級(jí),PDR表示成功接收到的概率,Li表示第i個(gè)數(shù)據(jù)分組的負(fù)載大小.由于節(jié)點(diǎn)被認(rèn)為會(huì)生成兩個(gè)不同優(yōu)先級(jí)(i∈{1,2})的事件,每個(gè)事件都有特定的事件生成概率,若想以發(fā)生概率為感測(cè)到類型為i的事件,終端必須處于可傳輸狀態(tài),即不在占空比所限制的時(shí)間內(nèi).因此表示為:

確定節(jié)點(diǎn)處于P(可傳輸)狀態(tài)的概率取決于傳輸參數(shù)所決定的時(shí)間(T)和能耗(Ci)以及占空比(DC)限制.

性能評(píng)估模型最終表示如下:

能量消耗模型定義為:

4 傳輸策略實(shí)現(xiàn)

一旦以數(shù)學(xué)方式計(jì)算出節(jié)點(diǎn)的吞吐量和功耗,就可以確定最大值問(wèn)題.傳輸策略S由集合(CR1,CR2,SF1,SF2,TP1,TP2,L1,L2)定義報(bào)告兩種類型的事件時(shí)使用的配置.因此,目的是要找到使 γ 最大化的S同時(shí)將 ω保持在ωmax(25 mv)以下.式(6)定義了該最大化問(wèn)題.

約束條件為:

PDR的定義與數(shù)據(jù)分組的發(fā)送成功率(Pse)和網(wǎng)關(guān)的接收成功率(Pre)有關(guān),表示如下所示:

兩個(gè)相同SF的數(shù)據(jù)分組同時(shí)到達(dá)同一信道會(huì)引起沖突,因此導(dǎo)致數(shù)據(jù)分組丟失.具有相同SF的碰撞,推導(dǎo)出具有相同SF至少發(fā)生一次碰撞的概率,如式(9)所示:

Ti表示數(shù)據(jù)分組的空中時(shí)間,L表示分組負(fù)載,Rb是比特率,空中時(shí)間定義如下:

Rb是由SF、BW、CR決定的數(shù)據(jù)速率(比特率).

為了確定網(wǎng)關(guān)是否正確地接收到分組,網(wǎng)關(guān)計(jì)算與分組相關(guān)的接收信號(hào)強(qiáng)度指示符(RSSI),并與網(wǎng)關(guān)處使用的LoRa 接收器的靈敏度閾值進(jìn)行比較.接收的RSSI計(jì)算如下:

在接收器側(cè),通信范圍受靈敏度閾值Srx的限制,RSSI受LoRa 參數(shù)SF、BW和CR的影響.RSSI>Srx時(shí),則接收成功,網(wǎng)關(guān)接收成功率表為:

約束條件中的變量(BW,CR,SF和TP)采用離散值,使得方程具有NP 難組合優(yōu)化問(wèn)題,針對(duì)兩種數(shù)據(jù)分組類型具有254 016 (16CR×9BW×36SF×49TP)個(gè)不同的有效配置.因此我們選擇遺傳算法(GA)和模擬退火算法(SA)來(lái)解決優(yōu)化問(wèn)題.GA 的優(yōu)點(diǎn)體現(xiàn)在對(duì)可行解表示的廣泛性上,它處理的對(duì)象并不是參數(shù)本身,而是通過(guò)參數(shù)集進(jìn)行編碼得到的基因個(gè)體,并且能同時(shí)處理種群中的多個(gè)個(gè)體.SA 的優(yōu)勢(shì)體現(xiàn)在實(shí)現(xiàn)簡(jiǎn)單并且在計(jì)算資源方面減少了需求,因此,非常適合資源受限的IoT 設(shè)備.SA 的優(yōu)化機(jī)制是通過(guò)賦予搜索過(guò)程一種時(shí)變和最終趨于零的概率突變性,來(lái)避免陷入局部極小而達(dá)到全局最優(yōu);GA 則通過(guò)概率意義下的“優(yōu)勝劣汰”思想的群體遺傳操作實(shí)現(xiàn)優(yōu)化.之前的研究中我們采用GA 的機(jī)制提高了PDR,與SA 相比在PDR上有一定的優(yōu)勢(shì).但是關(guān)于計(jì)算時(shí)間,本文所提出的基于SAGA 的實(shí)現(xiàn)比GA 快兩倍以上(TSAGA=4.3 s,TGA=9.4 s).對(duì)于本文的性能評(píng)估模型來(lái)說(shuō),能耗也是首要考慮的因素.通過(guò)對(duì)兩種優(yōu)化機(jī)制進(jìn)行融合,SAGA 算法不但可以保證PDR的精度,而且在一定程度上提高了算法的搜索能力和效率.

整個(gè)算法的流程如下所示:

(1) 初始化算法參數(shù),設(shè)定退火算法的初始溫度Tk=inf,進(jìn)化代數(shù)K=0.

(2) 生成遺傳算法的初始群體Si,該種群為參數(shù)配置方案的可行解集合.

(3) 利用遺傳算法,對(duì)Si進(jìn) 行交叉操作得到Si′.

(4) 通過(guò)適應(yīng)度函數(shù)計(jì)算pcol和Pre.

(5) 計(jì)算退火增量,Δ=PDR(Si)?PDR(Si′),若Δ<0則接受Si′為下一代種群,否則以概率接受Si′,若Si′被拒絕接受,則重新進(jìn)行步驟(3),生成新的種群.

(6) 溫度更新函數(shù),Tk+1=λTk,Si+1=Si′,k=k+1,其中0 <λ<1是模擬退火參數(shù)算法.

(7) 判斷是否滿足結(jié)束條件,如果不滿足,轉(zhuǎn)向步驟(3)以Si+1作為進(jìn)化的初始種群,如果滿足終止條件,則輸出當(dāng)前的最優(yōu)個(gè)體.

算法得出了在能耗限制下的具有最優(yōu)PDR的傳輸參數(shù)S,因此來(lái)對(duì)約束條件中的各項(xiàng)參數(shù)值的性能(容量、吞吐量、能耗)評(píng)估.

5 IoT 場(chǎng)景假設(shè)與性能分析

在本節(jié)中,首先假設(shè)一些典型的IoT 應(yīng)用場(chǎng)景;其次分析了負(fù)載大小和消息生成速率變化對(duì)網(wǎng)絡(luò)性能的影響,在模擬器LoRaSim 中實(shí)現(xiàn)了可以在不同負(fù)載、消息生成速率和通信參數(shù)下對(duì)網(wǎng)絡(luò)容量和吞吐量都有提升的動(dòng)態(tài)傳輸參數(shù)自適應(yīng)配置策略.

5.1 場(chǎng)景假設(shè)

不同IoT 應(yīng)用的數(shù)據(jù)負(fù)載大小和消息生成率是不相同的,本節(jié)對(duì)不同應(yīng)用的負(fù)載大小和消息生成速率做了一些假設(shè),作為可供選擇的更廣泛的IoT 用例.

5.1.1 不同負(fù)載大小應(yīng)用場(chǎng)景假設(shè)

將考慮產(chǎn)生不同LoRa 負(fù)載大小的幾種類型的應(yīng)用:(1) 諸如溫度傳感器等簡(jiǎn)單傳感器設(shè)備,通常小于15 字節(jié)的消息;(2) 對(duì)于設(shè)備可以同時(shí)監(jiān)測(cè)空氣溫度,濕度等數(shù)據(jù)的傳感器,消息長(zhǎng)度介于15 和60 字節(jié)之間;(3)用于高級(jí)傳感器(如圖像傳感器)的長(zhǎng)消息,通常在100 字節(jié)左右.

5.1.2 不同消息生成率場(chǎng)景假設(shè)

(1) 智能儀表用例作為每天傳輸一個(gè)數(shù)據(jù)分組的IoT 應(yīng)用.假設(shè)智能電表,燃?xì)饣蛩韺⒚咳諆x表讀數(shù)傳輸?shù)椒?wù)器上.如果所有智能表同時(shí)傳輸其讀數(shù),則存在非常高的沖突概率.因此,我們假設(shè)上傳數(shù)據(jù)之前等待一段隨機(jī)時(shí)間,使用在[0,3600]內(nèi)的均勻分布的隨機(jī)時(shí)間間隔來(lái)延遲數(shù)據(jù)分組傳輸.

(2) 智能垃圾桶用例作為每天傳輸幾個(gè)數(shù)據(jù)分組的應(yīng)用.通過(guò)給垃圾桶安裝智能載量傳感器去感知箱體的剩余高度,監(jiān)測(cè)間隔可根據(jù)場(chǎng)景不同自行設(shè)定,將監(jiān)測(cè)到的數(shù)據(jù)(例如:垃圾增長(zhǎng)量,回收次數(shù)等)通過(guò)LoRa 網(wǎng)絡(luò)回傳至服務(wù)器進(jìn)行功能分類,根據(jù)GIS 地圖還可以計(jì)算出合理的回收路線.我們將上傳數(shù)據(jù)的行為作為泊松到達(dá)過(guò)程,其中λ=30 min.當(dāng)在規(guī)定時(shí)間內(nèi)監(jiān)測(cè)到狀態(tài)更新,數(shù)據(jù)分組就會(huì)傳輸?shù)椒?wù)器.

(3) 智慧農(nóng)業(yè)用例作為每天傳輸一些數(shù)據(jù)分組的應(yīng)用.將溫、濕度以及鹽堿度等環(huán)境數(shù)據(jù)透過(guò)傳感器定期上傳,這些信息可以有效幫助農(nóng)業(yè)提高產(chǎn)量以及減少水資源的消耗.我們將上傳數(shù)據(jù)的行為作為泊松到達(dá)過(guò)程,其中λ=10 min.因?yàn)榄h(huán)境條件沒(méi)有太大改變,只需要設(shè)備每小時(shí)更新幾次感測(cè)數(shù)據(jù).

(4) 城市中的智能街道停車作為每天傳輸大量數(shù)據(jù)分組的用例.使用泊松過(guò)程對(duì)汽車的到達(dá)和離開(kāi)進(jìn)行建模.假設(shè)每當(dāng)停車位可用時(shí),它在5 min 內(nèi)被占用,因此占用停車位的λ=5 min.每當(dāng)停車位的狀態(tài)改變數(shù)據(jù)被發(fā)送到服務(wù)器以維持停車信息.

5.2 性能分析

5.2.1 負(fù)載大小對(duì)網(wǎng)絡(luò)容量的影響

首先分析不同參數(shù)設(shè)置下對(duì)負(fù)載大小的影響.SN1、SN2 和SN3 為靜態(tài)部署,圖4中SN1={SF7,BW=500 kHz,CR=4/5},分析此設(shè)置是因?yàn)樗哂凶羁斓臄?shù)據(jù)速率(最短ToA).SN2={SF12,BW=125 kHz,CR=4/8},分析此設(shè)置是因?yàn)樗哂凶盥臄?shù)據(jù)速率(最長(zhǎng)ToA),但提供了較高的抗干擾能力.SN3={SF12,BW=125 kHz,CR=4/5}為L(zhǎng)oRa 網(wǎng)絡(luò)中默認(rèn)參數(shù)配置.為了重點(diǎn)研究負(fù)載大小對(duì)網(wǎng)絡(luò)容量的影響,此階段λ=1800 s.由圖4可得,在終端設(shè)備為200 的條件下,動(dòng)態(tài)參數(shù)選擇的PDR比靜態(tài)設(shè)置有顯著提升,尤其在負(fù)載較大時(shí)(當(dāng)負(fù)載達(dá)到80 字節(jié)),比靜態(tài)設(shè)置SN2 提高了30%左右,結(jié)果清楚地表明對(duì)參數(shù)動(dòng)態(tài)分配策略的需求.即使在動(dòng)態(tài)方法條件下,負(fù)載大小為80 字節(jié)和10 字節(jié)相差達(dá)到將近15%,因此負(fù)載大小在網(wǎng)絡(luò)性能評(píng)估時(shí)是一個(gè)不可忽略的重要因素.

圖5箱線圖為200 臺(tái)終端設(shè)備使用我們所提出的異構(gòu)網(wǎng)絡(luò)部署方法下,模擬的10 次不同負(fù)載大小的平均PER,從圖中可以直觀看出PER的最大值和最小值以及平均PER的分布情況.

圖4 不同參數(shù)選擇條件下的PDR 與負(fù)載的關(guān)系

圖5 不同負(fù)載下的平均PER

圖6所示為基于SAGA 方法發(fā)送的數(shù)據(jù)分組的負(fù)載大小為20 Bytes,40 Bytes,60 Bytes 和80 Bytes 條件下與PER的關(guān)系.從結(jié)果中可知,對(duì)于10% (Prajanti等建模得出的終端數(shù)量最優(yōu)分布的PER閾值)的PER,當(dāng)使用80 Bytes 的有效負(fù)載時(shí),網(wǎng)絡(luò)集成了250 個(gè)左右的終端設(shè)備.60 Bytes 集成500 個(gè)終端設(shè)備,40 Bytes集成約750 個(gè)終端設(shè)備,而20 Bytes 的有效負(fù)載,LoRa網(wǎng)絡(luò)架構(gòu)中的最大終端設(shè)備數(shù)量大約為1750 個(gè).

5.2.2 消息生成速率對(duì)網(wǎng)絡(luò)容量的影響

圖7中描述了4 種不同消息生成速率下每種SF配置的沖突概率,得出參數(shù)傳輸策略的選擇在對(duì)異構(gòu)IoT 部署的PER影響較大的結(jié)論.

圖8所示為不同的參數(shù)設(shè)置條件下異構(gòu)IoT 應(yīng)用場(chǎng)景的PDR的對(duì)比情況.SN1 是具有最長(zhǎng)ToA 的設(shè)置,SN2 是具有最短ToA 的設(shè)置,SN3 是LoRa 默認(rèn)的參數(shù)設(shè)置.在終端設(shè)備為200 條件下,SN3 和動(dòng)態(tài)參數(shù)設(shè)置方法具有相同的趨勢(shì)(終端設(shè)備較大時(shí),2 種設(shè)置差異較大),而SN1 和SN2 隨著負(fù)載和消息生成速率的增加,PDR逐漸降低,且消息生成速率越小對(duì)SN1和SN2 的影響越大.在不同的消息生成速率下,動(dòng)態(tài)網(wǎng)絡(luò)部署也展現(xiàn)出了良好的優(yōu)勢(shì),因此使用動(dòng)態(tài)部署方案來(lái)提升異構(gòu)IoT 網(wǎng)絡(luò)容量.我們希望模擬出在單個(gè)網(wǎng)關(guān)下能夠支持的最大終端設(shè)備數(shù)量,而保證PER在一定閾值內(nèi).設(shè)置不同的消息生成周期的情況下,較小的消息生成速率使得單個(gè)網(wǎng)關(guān)所能連接的終端數(shù)只能限制在幾百個(gè),導(dǎo)致網(wǎng)絡(luò)容量降低.

圖6 負(fù)載對(duì)網(wǎng)絡(luò)容量的影響

圖7 不同SF 和消息生成速率下的PER

5.2.3 提升LoRa 網(wǎng)絡(luò)容量

圖9比較了PDR與流量強(qiáng)度的函數(shù)關(guān)系(即AP從1 分鐘到40 分鐘).降低流量強(qiáng)度可減少數(shù)據(jù)分組丟失,從而提高PDR.異構(gòu)部署具有更好的PDR,因其可以根據(jù)異構(gòu)IoT 應(yīng)用需求計(jì)算出最佳傳輸策略,SF12部署由于其較長(zhǎng)的數(shù)據(jù)分組持續(xù)時(shí)間和較低的頻譜效率而呈現(xiàn)較低的PDR.

圖10所示為2 種不同方法的IoT 應(yīng)用隨終端設(shè)備數(shù)量增加對(duì)PDR的影響,同樣是2000 個(gè)終端設(shè)備,在負(fù)載大小為100 字節(jié)時(shí),SAGA 和ADR 方法的數(shù)據(jù)分組丟失率相差36%.在45 字節(jié)/秒的流量負(fù)載下,ADR 方法在75%PDR下可以支持2000 臺(tái)設(shè)備,SAGA在94%PDR下可以支持2000 臺(tái)設(shè)備;ADR 方法在99%PDR時(shí)只能支持100 臺(tái)設(shè)備,而SAGA 在98%PDR下可以支持1000 臺(tái)設(shè)備.當(dāng)PER控制在10%以內(nèi)時(shí),我們的方法和ADR 相比的最大網(wǎng)絡(luò)容量限制在2000 臺(tái)和1000 臺(tái)左右.

圖8 4 種IoT 應(yīng)用場(chǎng)景下的PDR 比較

圖9 1000 臺(tái)終端設(shè)備下的不同傳輸策略下的PDR

圖11說(shuō)明了與SA 方法相比,通過(guò)該方法針對(duì)不同的PDR所實(shí)現(xiàn)的能耗有所降低.可以看出,當(dāng)PDR為95%時(shí),電池消耗降低了47%.此外,當(dāng)PDR從70%提高到95%,而電池消耗僅增加36%.因此,使用所提出的方法,僅在電池消耗量略有增加的情況下,就可以顯著提高用例中的網(wǎng)絡(luò)容量.

圖10 不同方法下的網(wǎng)絡(luò)容量比較

圖11 不同PDR 下的能耗值比較

5.2.4 提升LoRa 網(wǎng)絡(luò)吞吐量

圖12比較了異構(gòu)網(wǎng)絡(luò)部署和隨機(jī)部署以及使用SF12 方法的吞吐量情況.當(dāng)流量強(qiáng)度降低時(shí),吞吐量降低.對(duì)于高流量強(qiáng)度(例如1 分鐘的應(yīng)用周期),我們所提出的異構(gòu)部署方法可提供每秒10 個(gè)數(shù)據(jù)分組的吞吐量,而其他策略的吞吐量則小于每秒2 個(gè)數(shù)據(jù)分組.

隨著消息生成速率(packet/s)的增加,為滿足高流量強(qiáng)度IoT 應(yīng)用的需求,對(duì)PDR進(jìn)行了評(píng)估.本文所采用的方法中,SF的分布情況為:?7=0.45,?8=0.25,?9=0.145,?10=0.08,?11=0.04,?12=0.024.1000 個(gè)終端設(shè)備分布在一個(gè)圓形網(wǎng)關(guān)范圍內(nèi),為了說(shuō)明本文方法的有效性,對(duì)比了2 種其他方法.圖13顯示了不同的策略對(duì)PDR產(chǎn)生的影響:圖中圓線為ADR 機(jī)制分配;圖中方塊線為EXP_AT 方法;圖中三角形線為基于SAGA的面向異構(gòu)IoT 應(yīng)用的動(dòng)態(tài)配置策略.消息生成速率從每小時(shí)產(chǎn)生1 個(gè)消息增加到每秒產(chǎn)生10 個(gè),對(duì)于每秒小于0.01 個(gè)數(shù)據(jù)分組的負(fù)載,本文所提出的方法PDR可保證在90%以上.且當(dāng)消息生成速率大于每秒1 個(gè)時(shí),EXP_AT 和ADR 的PDR 迅速下降.

圖12 1000 臺(tái)終端設(shè)備下的不同傳輸策略下的消息生成速率

圖13 不同方法消息生成速率的PDR 關(guān)系

圖14以箱形圖表示了最終獲得的結(jié)果.由于最終節(jié)點(diǎn)的性能受其配置(即生成的數(shù)據(jù)分組長(zhǎng)度,事件發(fā)生率)支配,因此無(wú)法將在一種情況下獲得的性能值與在其他情況下獲得的性能值直接進(jìn)行比較;使用解決方案SAGA 與ADR 機(jī)制相比,可以將吞吐量提高25.60%(從32.40 字節(jié)/s 提高到40.7 字節(jié)/s),與SA 機(jī)制相比較提高了2.7%.隨機(jī)選擇傳輸參數(shù)方法(具有最差性能值)將導(dǎo)致吞吐量差異達(dá)到65%.這些結(jié)果展現(xiàn)了我們所提出的基于SAGA 的動(dòng)態(tài)參數(shù)傳輸策略在吞吐量上的優(yōu)勢(shì).

圖14 不同方法下的吞吐量值比較

6 總結(jié)

本文針對(duì)單一IoT 應(yīng)用已不滿足日益增長(zhǎng)的異構(gòu)多類型業(yè)務(wù)的傳輸需求的問(wèn)題,提出了一種基于SAGA的動(dòng)態(tài)參數(shù)自適應(yīng)配置策略.首先解決可配置參數(shù)利用率低的問(wèn)題;其次在數(shù)據(jù)負(fù)載和消息生成速率變化時(shí),提升多類型業(yè)務(wù)異構(gòu)應(yīng)用場(chǎng)景中LoRa 網(wǎng)絡(luò)的容量和吞吐量;最后在模擬器LoRaSim 中驗(yàn)證所提方法的有效性.實(shí)驗(yàn)結(jié)果表明,對(duì)于不同IoT 需求,動(dòng)態(tài)參數(shù)配置使LoRa 網(wǎng)絡(luò)PDR提高近20%,有效提升了網(wǎng)絡(luò)的性能;在45 字節(jié)/s 的流量負(fù)載下,ADR 方法在99%PDR時(shí)只能支持100 臺(tái)設(shè)備,而SAGA 在98%PDR下可以支持1000 臺(tái)設(shè)備.當(dāng)PER控制在10%以內(nèi)時(shí),本文所提方法提升了異構(gòu)IoT 應(yīng)用的網(wǎng)絡(luò)容量近1000 臺(tái)左右,僅在電池消耗量略有增加的情況下,就可以顯著提高用例中的網(wǎng)絡(luò)容量.使用解決方案SAGA 與ADR機(jī)制相比,可以將吞吐量提高25.60%.因此在限制能耗的同時(shí)有效的提升了具有異構(gòu)業(yè)務(wù)需求LoRa 網(wǎng)絡(luò)的容量和吞吐量.