李忠成，解 濱，張文祥

（1.浙江萬里學(xué)院 智能控制技術(shù)研究所，浙江 寧波 315100；2.河北師范大學(xué) 計(jì)算機(jī)與網(wǎng)絡(luò)空間安全學(xué)院，石家莊 050024）

0 概述

隨著《中國制造2025》計(jì)劃的持續(xù)推動，第五代移動通信技術(shù)與傳統(tǒng)物聯(lián)網(wǎng)技術(shù)正在實(shí)現(xiàn)深度融合，成為國民經(jīng)濟(jì)重要的增長極［1］。移動物聯(lián)網(wǎng)（Mobile Internet of Things，MIoT）作為兩種技術(shù)融合過程中的產(chǎn)物，兼具高帶寬低延時(shí)傳輸優(yōu)勢及數(shù)據(jù)快速搜集能力，在突發(fā)事態(tài)感知、新冠肺炎防疫、智能化工業(yè)體系部署等方面起到突出作用，且具有部署成本低的特性［2］?？紤]到移動物聯(lián)網(wǎng)節(jié)點(diǎn)在拓?fù)漕l繁更迭時(shí)通信中斷頻率較高，容易出現(xiàn)較嚴(yán)重的鏈路抖動現(xiàn)象，因此在網(wǎng)絡(luò)部署過程中均需要對傳感區(qū)域進(jìn)行預(yù)分割處理，以便節(jié)點(diǎn)可進(jìn)一步采取路由加固等措施，提高通信過程的穩(wěn)定性［3］。

在傳感區(qū)域預(yù)分割研究中，國內(nèi)外研究人員多數(shù)采用分簇模型［4-5］在一定程度上提高區(qū)域分割效果，增強(qiáng)網(wǎng)絡(luò)傳輸質(zhì)量。但是，分簇模型的建立過程往往需要消耗較多的網(wǎng)絡(luò)資源，難以對節(jié)點(diǎn)相遇過程進(jìn)行充分評估，因此導(dǎo)致網(wǎng)絡(luò)傳輸質(zhì)量不佳，容易出現(xiàn)嚴(yán)重的傳輸抖動現(xiàn)象。為解決現(xiàn)有研究中存在的問題，本文基于多元分層感知機(jī)制，設(shè)計(jì)一種新的移動物聯(lián)網(wǎng)區(qū)域高效安全分割算法。通過將網(wǎng)絡(luò)拓?fù)浞指顬榫W(wǎng)絡(luò)層、傳輸層、最終匯聚層等3 個層次，用以衡量簇頭節(jié)點(diǎn)與普通節(jié)點(diǎn)的服務(wù)能力，在此基礎(chǔ)上充分評估移動物聯(lián)網(wǎng)節(jié)點(diǎn)相遇過程中的連通特性，并結(jié)合能量與路由兩個因素來設(shè)計(jì)關(guān)聯(lián)度指標(biāo)，以提升網(wǎng)絡(luò)傳輸性能。

1 相關(guān)工作

目前，研究人員針對移動物聯(lián)網(wǎng)區(qū)域預(yù)分割過程中的鏈路抖動現(xiàn)象，嘗試在實(shí)際部署過程中利用機(jī)會路由特性進(jìn)行網(wǎng)絡(luò)優(yōu)化。例如，SUJANTHI［6］等利用節(jié)點(diǎn)相遇過程中機(jī)會路由具有的機(jī)會特性，提出一種基于矢量消息廣播算法的移動物聯(lián)網(wǎng)區(qū)域分割方案。該方案根據(jù)拓?fù)涓l繁程度對節(jié)點(diǎn)進(jìn)行分級處理，將路由信息劃分為頻繁更迭、非頻繁更迭、鄰域更迭等3 個層次并優(yōu)先處理處于非頻繁更迭、鄰域更迭狀態(tài)的節(jié)點(diǎn)，sink 節(jié)點(diǎn)在層次劃分完畢后發(fā)送路由維護(hù)矢量消息，可降低因節(jié)點(diǎn)移動而導(dǎo)致區(qū)域初始化失敗的情形，網(wǎng)絡(luò)鏈路抗抖動性能較優(yōu)。但是，該算法需要頻繁在網(wǎng)絡(luò)中采取廣播方式進(jìn)行信令發(fā)送，導(dǎo)致網(wǎng)絡(luò)擁塞控制能力較差，在節(jié)點(diǎn)處于高速移動狀態(tài)時(shí)的網(wǎng)絡(luò)性能下降幅度較大。

由于節(jié)點(diǎn)移動過程中存在緊密接觸現(xiàn)象，因此研究人員在機(jī)會路由的基礎(chǔ)上，進(jìn)一步利用監(jiān)測機(jī)制優(yōu)化網(wǎng)絡(luò)區(qū)域成型過程，并降低節(jié)點(diǎn)能量消耗。例如，DWIVEDI［7］等考慮到移動物聯(lián)網(wǎng)節(jié)點(diǎn)因數(shù)據(jù)緊密及坐標(biāo)緊密程度較高而容易出現(xiàn)頻繁鏈接現(xiàn)象，基于代理-緊密度分簇算法提出一種可大規(guī)模部署的移動物聯(lián)網(wǎng)區(qū)域分割方法。該方法利用緊密度檢測機(jī)制改進(jìn)簇頭節(jié)點(diǎn)成型過程，可將數(shù)據(jù)緊密及坐標(biāo)緊密程度較高的節(jié)點(diǎn)納入同一簇頭節(jié)點(diǎn)所形成的聚類，區(qū)域分割效率較高，能顯著降低節(jié)點(diǎn)能量消耗，節(jié)能效果顯著。然而，該算法對物聯(lián)網(wǎng)節(jié)點(diǎn)在移動過程中拓?fù)渥儎忧樾慰紤]不足，導(dǎo)致簇頭在節(jié)點(diǎn)處于離線狀態(tài)時(shí)將頻繁進(jìn)行數(shù)據(jù)重傳輸，使得網(wǎng)絡(luò)擁塞控制能力較差，難以適應(yīng)拓?fù)漕l繁更迭的應(yīng)用場景。TABATABAEI［8］等基于簇頭節(jié)點(diǎn)能量消耗等級次序，提出一種基于經(jīng)濟(jì)效益裁定機(jī)制的移動物聯(lián)網(wǎng)區(qū)域分割算法。該算法根據(jù)簇頭節(jié)點(diǎn)在網(wǎng)絡(luò)中處于的能量等級，采用周期機(jī)制對能量消耗預(yù)測獲取閾值，隨后根據(jù)該閾值動態(tài)控制簇內(nèi)及簇間傳輸鏈路所隸屬的區(qū)域，可優(yōu)選簇內(nèi)-簇間鏈路并降低傳輸過程中所消耗的能量。但是，該算法對高速運(yùn)動節(jié)點(diǎn)適應(yīng)性較差，在節(jié)點(diǎn)運(yùn)動速率較高時(shí)將頻繁切換鏈路，區(qū)域分割效果較差，容易出現(xiàn)嚴(yán)重的網(wǎng)絡(luò)擁塞現(xiàn)象。

綜上所述，針對現(xiàn)有研究中的移動物聯(lián)網(wǎng)區(qū)域預(yù)分割問題以及實(shí)際部署過程中存在的網(wǎng)絡(luò)擁塞及節(jié)點(diǎn)抖動現(xiàn)象，本文提出一種基于多元分層感知機(jī)制的移動物聯(lián)網(wǎng)區(qū)域高效安全分割算法，可在有效降低網(wǎng)絡(luò)節(jié)點(diǎn)抖動的情況下，改善數(shù)據(jù)擁塞現(xiàn)狀。

2 網(wǎng)絡(luò)多元分層感知模型設(shè)計(jì)

由于移動物聯(lián)網(wǎng)部署過程中的節(jié)點(diǎn)具有高速移動特性，且拓?fù)浣Y(jié)構(gòu)更迭速度較快，節(jié)點(diǎn)移動方向存在一定的不可知性［9］，因此在應(yīng)用中一般對于簇頭節(jié)點(diǎn)進(jìn)行多樣化處理［10］，如圖1 所示?？紤]到移動物聯(lián)網(wǎng)節(jié)點(diǎn)數(shù)據(jù)交換程度要低于固定部署場景［11］，應(yīng)充分利用各節(jié)點(diǎn)信息交互窗口并分析相遇信息，在完成節(jié)點(diǎn)特征提取后進(jìn)一步予以規(guī)范化處理，從而便于實(shí)現(xiàn)網(wǎng)絡(luò)區(qū)域的分割。

圖1 移動物聯(lián)網(wǎng)節(jié)點(diǎn)部署Fig.1 Mobile IoT nodes deployment

令全網(wǎng)拓?fù)涔?jié)點(diǎn)空間為Ω，任意移動物聯(lián)網(wǎng)節(jié)點(diǎn)i均隸屬于該空間。當(dāng)節(jié)點(diǎn)i處于運(yùn)動狀態(tài)時(shí)，處于該節(jié)點(diǎn)覆蓋半徑內(nèi)的節(jié)點(diǎn)總數(shù)為n，則此時(shí)的數(shù)據(jù)交互矩陣B為：其中：S(i,n)表示數(shù)據(jù)交互矢量，當(dāng)且僅當(dāng)節(jié)點(diǎn)i與節(jié)點(diǎn)n存在數(shù)據(jù)交換關(guān)系時(shí)，將該矢量初始值設(shè)定為1，反之為0。

在網(wǎng)絡(luò)區(qū)域分割時(shí)，若節(jié)點(diǎn)i與節(jié)點(diǎn)n之間不存在數(shù)據(jù)交換關(guān)系，則數(shù)據(jù)交換矩陣B中的各元素均為0。本文將節(jié)點(diǎn)i設(shè)定為簇頭節(jié)點(diǎn)，覆蓋范圍內(nèi)的節(jié)點(diǎn)每次與其發(fā)生數(shù)據(jù)交換時(shí)，數(shù)據(jù)交互矢量S(i,n)的數(shù)值將增加1。顯然，S(i,n)的數(shù)值越高，說明簇頭節(jié)點(diǎn)i與節(jié)點(diǎn)n之間的關(guān)系越緊密。

由于數(shù)據(jù)交換矩陣B可以反映簇頭節(jié)點(diǎn)i與節(jié)點(diǎn)n之間的緊密程度，因此在網(wǎng)絡(luò)初始分割過程中需要對全網(wǎng)節(jié)點(diǎn)進(jìn)行區(qū)域初始化，提取出足夠數(shù)量的簇頭節(jié)點(diǎn)。考慮到簇頭節(jié)點(diǎn)間的數(shù)據(jù)傳輸情況，且sink 節(jié)點(diǎn)只有確認(rèn)接收后才能保證簇間鏈路的暢通性。本文多元分層感知模型由網(wǎng)絡(luò)層、傳輸層、最終匯聚層構(gòu)成，如圖2 所示。

圖2 多元分層感知模型Fig.2 Multi-layered perception model

在多元分層感知模型中，網(wǎng)絡(luò)層元素?cái)?shù)為全網(wǎng)節(jié)點(diǎn)數(shù)，經(jīng)過初始化后得到m個簇頭節(jié)點(diǎn)。傳輸層的維數(shù)為i，規(guī)定網(wǎng)絡(luò)間路由最長跳數(shù)不超過傳輸層維度。最終匯聚層中的路由信息為sink 節(jié)點(diǎn)所獨(dú)享，其中最終匯聚層、網(wǎng)絡(luò)層及傳輸層均保持全連接狀態(tài)，但各層次間內(nèi)部元素均不存在數(shù)據(jù)交互連接，以便降低層次串?dāng)_而導(dǎo)致節(jié)點(diǎn)出現(xiàn)失效現(xiàn)象，提升網(wǎng)絡(luò)分割效率。

假設(shè)網(wǎng)絡(luò)中簇頭節(jié)點(diǎn)個數(shù)為i，則網(wǎng)絡(luò)層元素狀態(tài)矢量Ni和傳輸層元素狀態(tài)矢量Ti滿足如下模型：

其中：S(i,n)表示簇頭節(jié)點(diǎn)i與分區(qū)區(qū)域內(nèi)第n個節(jié)點(diǎn)間的數(shù)據(jù)交互矢量；T(i,m)表示簇頭節(jié)點(diǎn)i與第m個簇頭節(jié)點(diǎn)間的數(shù)據(jù)交互矢量。

NDL 模型中網(wǎng)絡(luò)層與傳輸層的狀態(tài)矩陣[Ni,Ti]所具有的動量如式（4）所示：

其中：αi表示第i個分割區(qū)域內(nèi)的簇頭節(jié)點(diǎn)；βi表示網(wǎng)絡(luò)中可用路由表內(nèi)所查詢到的簇頭節(jié)點(diǎn)；wij表示簇頭節(jié)點(diǎn)αi與簇頭節(jié)點(diǎn)βi之間的數(shù)據(jù)交換權(quán)值。wij計(jì)算公式如下：

其中：S(αn,βm)表示簇頭節(jié)點(diǎn)αn和簇頭節(jié)點(diǎn)βm之間的數(shù)據(jù)交互矢量。

當(dāng)網(wǎng)絡(luò)處于穩(wěn)定傳輸狀態(tài)時(shí)，式（5）所確定的全網(wǎng)拓?fù)涔?jié)點(diǎn)空間Ω將保持穩(wěn)定不變，此時(shí)全網(wǎng)被分割為i個區(qū)域，且各區(qū)域間簇頭節(jié)點(diǎn)均存在可達(dá)鏈路，此時(shí)狀態(tài)矩陣[Ni,Ti]的二維分布P[Ni,Ti|Ω]設(shè)置如下：

由于移動物聯(lián)網(wǎng)節(jié)點(diǎn)具有的高密度分布特性［12-13］，因此直接求解式（8）需要遍歷全部節(jié)點(diǎn)并在足夠長時(shí)間內(nèi)進(jìn)行樣本訓(xùn)練，成本較高。為提高求解效率，考慮到網(wǎng)絡(luò)層與傳輸層之間的全連接特性，且層次內(nèi)元素均無數(shù)據(jù)交換關(guān)系，當(dāng)網(wǎng)絡(luò)層元素狀態(tài)矢量Ni處于確定狀態(tài)時(shí)，傳輸層元素狀態(tài)矢量Ti也將處于確定狀態(tài)，因此可根據(jù)網(wǎng)絡(luò)層和傳輸層處于的確定狀態(tài)將式（7）改寫為如下兩種形式：

據(jù)此，可通過式（9）、式（10）對網(wǎng)絡(luò)層及傳輸層狀態(tài)進(jìn)行估計(jì)：首先將式（2）設(shè)定的網(wǎng)絡(luò)層元素狀態(tài)矢量Ni進(jìn)行輸入操作，然后代入式（9）中進(jìn)行穩(wěn)態(tài)化處理，如圖3 所示。在網(wǎng)絡(luò)處于穩(wěn)定狀態(tài)后，將該結(jié)果作為傳輸層元素狀態(tài)矢量Ti的初始結(jié)果進(jìn)行再處理，直到如式（10）所示的網(wǎng)絡(luò)狀態(tài)處于穩(wěn)態(tài)為止。最終輸出層狀態(tài)矢量Gi可以唯一確定網(wǎng)絡(luò)穩(wěn)態(tài)特征：其中：gim表示sink 節(jié)點(diǎn)接收到的第i個簇頭節(jié)點(diǎn)與第m個簇頭節(jié)點(diǎn)間的數(shù)據(jù)交換次數(shù)。當(dāng)gim數(shù)值為0時(shí)，說明第i個簇頭節(jié)點(diǎn)與第m個簇頭節(jié)點(diǎn)之間不存在可達(dá)鏈路；當(dāng)gim數(shù)值為k時(shí)，說明兩者間至少存在k次數(shù)據(jù)交換關(guān)系。

圖3 模型分層訓(xùn)練過程Fig.3 Model layered training process

3 移動物聯(lián)網(wǎng)區(qū)域分割算法設(shè)計(jì)

由網(wǎng)絡(luò)多元分層感知模型可知，當(dāng)式（9）和式（10）達(dá)到穩(wěn)定狀態(tài)條件時(shí)，可獲得最終輸出層狀態(tài)矢量Gi，通過解析該矢量對應(yīng)的各分量，即能獲取任意兩個簇頭節(jié)點(diǎn)間的數(shù)據(jù)交互信息。本文算法由基于機(jī)會碰撞信息提取機(jī)制的區(qū)域分割子算法和基于能量-路由雙因子裁決的路由穩(wěn)定子算法構(gòu)成。

3.1 基于機(jī)會碰撞信息提取機(jī)制的區(qū)域分割算法

當(dāng)網(wǎng)絡(luò)處于穩(wěn)態(tài)時(shí)，最終輸出層狀態(tài)矢量Gi中可解析出分量，不妨設(shè)其中不為0 的分量個數(shù)為k，對應(yīng)的分量為gik，對應(yīng)的簇頭節(jié)點(diǎn)為gk。將gik重新排序得到區(qū)域分割矢量：

不妨設(shè)全網(wǎng)中除簇頭節(jié)點(diǎn)外的普通節(jié)點(diǎn)個數(shù)為D，定義Hij為普通節(jié)點(diǎn)i與簇頭節(jié)點(diǎn)gj的機(jī)會碰撞度，定義ωij為冗余因子，該因子可用于動態(tài)調(diào)節(jié)普通節(jié)點(diǎn)與簇頭節(jié)點(diǎn)的碰撞概率。因此，機(jī)會碰撞信息提取問題可歸結(jié)為目標(biāo)函數(shù)L的拉格朗日函數(shù)優(yōu)化問題：

另外，式（13）應(yīng)滿足式（14）～式（16）設(shè)定的限制條件：

按照式（14）～式（16）的限制條件，對式（13）采用拉格朗日優(yōu)化算法，可獲取移動傳感網(wǎng)普通節(jié)點(diǎn)與各簇頭的機(jī)會碰撞度Hij及相應(yīng)簇頭節(jié)點(diǎn)對應(yīng)的分量gjk如式（17）和式（18）所示：

在分簇過程中，首先隨機(jī)對分量gjk進(jìn)行賦值，然后將隨機(jī)分量gjk代入式（17）、式（18）進(jìn)行更新，最后任意普通節(jié)點(diǎn)i可獲取D個冗余因子ω ij，其中機(jī)會碰撞度最高的簇頭節(jié)點(diǎn)gdk為節(jié)點(diǎn)i所隸屬的簇頭節(jié)點(diǎn)，至此區(qū)域分割結(jié)束?；跈C(jī)會碰撞信息提取機(jī)制的區(qū)域分割過程如圖4 所示。

圖4 基于機(jī)會碰撞信息提取機(jī)制的區(qū)域分割過程Fig.4 Region segmentation process based on opportunity collision information extraction mechanism

當(dāng)網(wǎng)絡(luò)處于穩(wěn)態(tài)時(shí)，根據(jù)機(jī)會碰撞信息提取機(jī)制解析最終輸出層的狀態(tài)矢量，可以高效地提取出分量對應(yīng)的簇頭節(jié)點(diǎn)，考慮到普通節(jié)點(diǎn)與簇頭節(jié)點(diǎn)在運(yùn)動過程中可能出現(xiàn)碰撞現(xiàn)象，可先通過式（12）得到區(qū)域分割矢量，再按照式（13）選取機(jī)會碰撞度最高的節(jié)點(diǎn)作為簇頭節(jié)點(diǎn)，以提升網(wǎng)絡(luò)對簇頭節(jié)點(diǎn)的篩選效率，從而達(dá)到高效更新網(wǎng)絡(luò)簇頭節(jié)點(diǎn)的目的。此外，由于區(qū)域分割過程中將機(jī)會碰撞度最高的節(jié)點(diǎn)設(shè)置為簇頭節(jié)點(diǎn)，設(shè)定簇頭節(jié)點(diǎn)后輸出層狀態(tài)矢量Gi將保持穩(wěn)定狀態(tài)，規(guī)避了區(qū)域分割過程中多個節(jié)點(diǎn)同時(shí)競爭簇頭節(jié)點(diǎn)所引發(fā)的物理碰撞，從而提高了網(wǎng)絡(luò)運(yùn)行的安全性能，防止因節(jié)點(diǎn)失效而出現(xiàn)網(wǎng)絡(luò)癱瘓現(xiàn)象。

3.2 基于能量-路由雙因子裁決的路由穩(wěn)定算法

在完成基于機(jī)會碰撞信息提取機(jī)制的區(qū)域分割后，簇頭節(jié)點(diǎn)將被唯一確定，且移動物聯(lián)網(wǎng)中全部普通節(jié)點(diǎn)均已被納入簇頭節(jié)點(diǎn)所確定的區(qū)域內(nèi)。然而由于移動物聯(lián)網(wǎng)節(jié)點(diǎn)均具有移動特性，容易出現(xiàn)數(shù)據(jù)洪泛現(xiàn)象，導(dǎo)致安全傳輸?shù)姆€(wěn)定性能下降［14］，因此需要采取更換機(jī)制以便能夠穩(wěn)定簇內(nèi)數(shù)據(jù)傳輸［15］，據(jù)此本文設(shè)計(jì)基于能量-路由雙因子裁決的路由穩(wěn)定算法，具體步驟如下：

步驟1在執(zhí)行完基于機(jī)會碰撞信息提取機(jī)制的區(qū)域分割算法后，將確定的簇頭節(jié)點(diǎn)Jc設(shè)定為該區(qū)域內(nèi)初始簇頭節(jié)點(diǎn)，該區(qū)域內(nèi)節(jié)點(diǎn)個數(shù)設(shè)定為o，簇內(nèi)任意成員節(jié)點(diǎn)設(shè)定為Jo，得到關(guān)聯(lián)度T[Jo]：

其中：S(i,j)表示任意簇內(nèi)任意成員節(jié)點(diǎn)i和j之間存在數(shù)據(jù)交互的次數(shù)。

步驟2由于簇頭節(jié)點(diǎn)需要消耗較高的能量，當(dāng)初始簇頭節(jié)點(diǎn)Jc按照式（19）獲取的關(guān)聯(lián)度不再具有優(yōu)勢時(shí)，需要考慮對簇頭節(jié)點(diǎn)Jc進(jìn)行更換處理，新的簇頭節(jié)點(diǎn)Jd將按照式（20）選出：

其中：μ表示權(quán)重因子，可隨機(jī)選取0～1 的任意數(shù)；E[Jc]表示待更換簇頭節(jié)點(diǎn)的剩余能量；E[Jd]表示待選簇頭節(jié)點(diǎn)的剩余能量。

步驟3若按式（20）選取出新的簇頭節(jié)點(diǎn)Jd，則將該節(jié)點(diǎn)的ID 進(jìn)行全網(wǎng)廣播，如圖5 所示。

圖5 基于能量-路由雙因子裁決的路由穩(wěn)定過程Fig.5 Routing stability process based on energy-routing two-factor adjudication

步驟4按步驟1～步驟3 更新網(wǎng)絡(luò)中各分區(qū)的簇頭節(jié)點(diǎn)，同時(shí)更新傳輸層的元素狀態(tài)矢量Ti，算法結(jié)束。

在實(shí)現(xiàn)基于能量-路由雙因子裁決的路由穩(wěn)定算法后，整個網(wǎng)絡(luò)將處于穩(wěn)定狀態(tài)，若持續(xù)更新傳輸層元素狀態(tài)矢量Ti，則將確保網(wǎng)絡(luò)中簇頭節(jié)點(diǎn)發(fā)生更換時(shí)，網(wǎng)絡(luò)能及時(shí)維護(hù)所分割的區(qū)域，防止因網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)更迭而導(dǎo)致分簇區(qū)域崩潰。此外，考慮到網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)更迭容易導(dǎo)致節(jié)點(diǎn)出現(xiàn)離散化現(xiàn)象，需要網(wǎng)絡(luò)頻繁篩選簇頭節(jié)點(diǎn)，因此采取能量-路由雙因子裁決機(jī)制可顯著提高節(jié)點(diǎn)及網(wǎng)絡(luò)傳輸過程的安全系數(shù)，有效規(guī)避因路由崩潰而導(dǎo)致網(wǎng)絡(luò)出現(xiàn)癱瘓現(xiàn)象，進(jìn)一步提高網(wǎng)絡(luò)運(yùn)行的安全穩(wěn)定性能。

4 實(shí)驗(yàn)與結(jié)果分析

在NS2 仿真實(shí)驗(yàn)環(huán)境［16-17］下驗(yàn)證本文算法性能。網(wǎng)絡(luò)采用5G 節(jié)點(diǎn)且移動速率可調(diào)節(jié)，信號調(diào)制方式為128PSK，網(wǎng)絡(luò)部署區(qū)域?yàn)? 024 m×1 024 m，節(jié)點(diǎn)覆蓋半徑不低于20 m［18］。對比算法為基于改進(jìn)移動中繼的區(qū)域分割算法MR［19］和基于楔形合并-能量空洞消除的區(qū)域分割算法WM-EHP［20］。性能評價(jià)指標(biāo)為網(wǎng)絡(luò)節(jié)點(diǎn)抖動率、網(wǎng)絡(luò)擁塞累計(jì)次數(shù)、網(wǎng)絡(luò)數(shù)據(jù)投遞成功率。實(shí)驗(yàn)參數(shù)設(shè)置如表1 所示。

表1 實(shí)驗(yàn)參數(shù)設(shè)置Table 1 Setting of experimental parameters

4.1 網(wǎng)絡(luò)節(jié)點(diǎn)抖動率分析

圖6 給出了本文算法、MR 算法和WM-EHP 算法的網(wǎng)絡(luò)節(jié)點(diǎn)抖動率測試結(jié)果。可以看出，本文算法在網(wǎng)絡(luò)運(yùn)行時(shí)間增加時(shí)的節(jié)點(diǎn)抖動率升高幅度較緩和，具有較好的節(jié)點(diǎn)抗抖性能，能夠有效抑制節(jié)點(diǎn)抖動現(xiàn)象的發(fā)生。這是由于本文算法設(shè)計(jì)了多元分層感知模型，能夠采用遍歷的方式對網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行初步篩選，并根據(jù)輸出層、網(wǎng)絡(luò)層參量進(jìn)行簇頭節(jié)點(diǎn)的更新，當(dāng)簇頭節(jié)點(diǎn)因能量受限等因素處于非穩(wěn)定狀態(tài)時(shí)，可根據(jù)權(quán)值進(jìn)行簇內(nèi)最優(yōu)篩選，網(wǎng)絡(luò)表現(xiàn)出較好的節(jié)點(diǎn)抖動抑制能力，可規(guī)避因簇頭節(jié)點(diǎn)抖動而出現(xiàn)的網(wǎng)絡(luò)擁塞現(xiàn)象，因此網(wǎng)絡(luò)節(jié)點(diǎn)抖動率增長較慢。MR 算法主要基于節(jié)點(diǎn)連通特性對區(qū)域進(jìn)行初次分割，僅采取預(yù)設(shè)簇頭節(jié)點(diǎn)的方式對處于抖動狀態(tài)的簇頭節(jié)點(diǎn)進(jìn)行更換，難以達(dá)到最優(yōu)篩選的目的，因此網(wǎng)絡(luò)節(jié)點(diǎn)抖動率增長較快。WM-EHP 算法采取等角楔形方案對網(wǎng)絡(luò)區(qū)域進(jìn)行分割，當(dāng)成員節(jié)點(diǎn)的單個剩余能量低于某個閾值時(shí)，動態(tài)地將一個楔形與其相鄰楔形進(jìn)行合并，從而降低簇頭節(jié)點(diǎn)受限概率，但是該算法僅從拓?fù)鋵用鎸W(wǎng)絡(luò)區(qū)域進(jìn)行分割，未同時(shí)針對網(wǎng)絡(luò)層及傳輸層動態(tài)調(diào)整網(wǎng)絡(luò)區(qū)域并更換簇頭節(jié)點(diǎn)，存在節(jié)點(diǎn)更換效率較低的問題，導(dǎo)致WM-EHP 算法對節(jié)點(diǎn)抖動抑制效果不明顯，因此網(wǎng)絡(luò)節(jié)點(diǎn)抖動率要明顯高于本文算法。

圖6 3 種算法的網(wǎng)絡(luò)節(jié)點(diǎn)抖動率測試結(jié)果Fig.6 Test results of network node jitter rate for three algorithms

4.2 網(wǎng)絡(luò)擁塞累計(jì)次數(shù)分析

圖7 給出了本文算法、MR 算法和WM-EHP 算法的網(wǎng)絡(luò)擁塞累計(jì)次數(shù)測試結(jié)果?？梢钥闯?，本文算法具有較強(qiáng)的網(wǎng)絡(luò)擁塞控制能力，網(wǎng)絡(luò)擁塞累計(jì)次數(shù)較低。這是由于本文算法設(shè)計(jì)的多元分層感知模型能夠在網(wǎng)絡(luò)區(qū)域分割過程中優(yōu)選具有較好性能的簇頭節(jié)點(diǎn)，并能通過監(jiān)測簇內(nèi)節(jié)點(diǎn)關(guān)聯(lián)度的方式及時(shí)發(fā)現(xiàn)性能較低的簇頭節(jié)點(diǎn)，有效規(guī)避了簇頭節(jié)點(diǎn)受限所導(dǎo)致的網(wǎng)絡(luò)擁塞問題，因此具有較好的擁塞疏導(dǎo)性能，網(wǎng)絡(luò)擁塞累計(jì)次數(shù)較低。MR 算法針對網(wǎng)絡(luò)擁塞問題，采取鏈路切換及數(shù)據(jù)重傳模型進(jìn)行流量疏導(dǎo)，由于該方式單純用于緩解簇間擁塞現(xiàn)象，發(fā)生簇內(nèi)擁塞現(xiàn)象時(shí)均采用數(shù)據(jù)重傳模型進(jìn)行多次傳輸，因此難以抑制網(wǎng)絡(luò)中出現(xiàn)的數(shù)據(jù)擁塞現(xiàn)象，數(shù)據(jù)擁塞控制能力較弱。WM-EHP 算法在發(fā)生網(wǎng)絡(luò)擁塞時(shí)，需要頻繁進(jìn)行楔形區(qū)域分割，難以迅速篩選出性能較好的簇頭節(jié)點(diǎn)，因此網(wǎng)絡(luò)擁塞控制能力也差于本文算法，網(wǎng)絡(luò)擁塞累計(jì)次數(shù)較高。

圖7 3 種算法的網(wǎng)絡(luò)擁塞累計(jì)次數(shù)測試結(jié)果Fig.7 Test results of accumulated times of network congestion for three algorithms

4.3 網(wǎng)絡(luò)數(shù)據(jù)成功投遞率分析

圖8 給出了本文算法、MR 算法和WM-EHP 算法的網(wǎng)絡(luò)數(shù)據(jù)成功投遞率測試結(jié)果?？梢钥闯?，本文算法的網(wǎng)絡(luò)數(shù)據(jù)成功投遞率始終處于較高水平，具有較好的數(shù)據(jù)傳輸能力。這是由于本文算法在基于機(jī)會碰撞信息提取機(jī)制的區(qū)域分割過程中充分利用了多元分層感知模型，優(yōu)化網(wǎng)絡(luò)分區(qū)結(jié)構(gòu)與路由傳輸質(zhì)量，特別是考慮到移動物聯(lián)網(wǎng)節(jié)點(diǎn)具有的高速移動特性，通過基于能量-路由雙因子裁決的路由穩(wěn)定算法優(yōu)化簇內(nèi)傳輸架構(gòu)，并及時(shí)更換網(wǎng)絡(luò)數(shù)據(jù)傳輸性能不佳的簇頭節(jié)點(diǎn)，因此具有較高的網(wǎng)絡(luò)數(shù)據(jù)成功投遞率。MR 算法在出現(xiàn)網(wǎng)絡(luò)數(shù)據(jù)擁塞現(xiàn)象時(shí)，僅采取鏈路切換及數(shù)據(jù)重傳方式進(jìn)行投遞，數(shù)據(jù)擁塞抑制能力較差，網(wǎng)絡(luò)數(shù)據(jù)成功投遞率較低。WM-EHP 算法主要通過楔形優(yōu)化方式進(jìn)行區(qū)域重分割，在出現(xiàn)大面積數(shù)據(jù)擁塞現(xiàn)象時(shí)將對整個網(wǎng)絡(luò)區(qū)域進(jìn)行再次分割，存在針對性不強(qiáng)的問題，因此該算法網(wǎng)絡(luò)數(shù)據(jù)成功投遞率也低于本文算法。

4.4 結(jié)果分析

與已有研究相比，本文算法具有以下優(yōu)勢：1）網(wǎng)絡(luò)節(jié)點(diǎn)抖動抑制效果較好，引入遍歷的方式篩選網(wǎng)絡(luò)節(jié)點(diǎn)，并根據(jù)輸出層、網(wǎng)絡(luò)層參量更新簇頭節(jié)點(diǎn)，所選節(jié)點(diǎn)傳輸性能較好，大幅降低了網(wǎng)絡(luò)節(jié)點(diǎn)抖動率；2）網(wǎng)絡(luò)擁塞控制能力較強(qiáng)，優(yōu)選性能優(yōu)越的節(jié)點(diǎn)并將其設(shè)置為簇頭節(jié)點(diǎn)，采取監(jiān)測簇內(nèi)節(jié)點(diǎn)關(guān)聯(lián)度的方式觀察簇頭節(jié)點(diǎn)性能，可有效改善因簇頭節(jié)點(diǎn)受限所導(dǎo)致的網(wǎng)絡(luò)擁塞現(xiàn)象；3）網(wǎng)絡(luò)數(shù)據(jù)成功投遞率較高，將節(jié)點(diǎn)高速移動特性納入傳輸架構(gòu)的評估過程中，通過能量-路由雙因子對傳輸路由進(jìn)行優(yōu)化，及時(shí)更換傳輸性能受限的簇頭節(jié)點(diǎn)，因此擁塞疏導(dǎo)能力較強(qiáng)，網(wǎng)絡(luò)數(shù)據(jù)成功投遞率較高。

5 結(jié)束語

針對現(xiàn)有移動物聯(lián)網(wǎng)區(qū)域分割算法存在的節(jié)點(diǎn)抖動抑制效果、網(wǎng)絡(luò)擁塞控制能力較差等問題，本文提出一種基于多元分層感知機(jī)制的移動物聯(lián)網(wǎng)區(qū)域高效安全分割算法。根據(jù)節(jié)點(diǎn)間數(shù)據(jù)交換的緊密程度設(shè)計(jì)多元分層感知模型，優(yōu)化區(qū)域分割過程中的簇頭節(jié)點(diǎn)篩選。構(gòu)建基于機(jī)會碰撞信息提取機(jī)制的區(qū)域分割子算法和基于能量-路由雙因子裁決機(jī)制的路由穩(wěn)定子算法，利用節(jié)點(diǎn)機(jī)會路由連通特性提取相關(guān)碰撞信息，采用拉格朗日模型挖掘節(jié)點(diǎn)核心特征、密切交互區(qū)域信息與簇頭節(jié)點(diǎn)數(shù)據(jù)，保證傳輸鏈路的穩(wěn)定性，解決了簇頭節(jié)點(diǎn)受限而導(dǎo)致的網(wǎng)絡(luò)擁塞問題。實(shí)驗(yàn)結(jié)果表明，與主流區(qū)域分割算法相比，該算法具有更好的網(wǎng)絡(luò)擁塞控制能力和數(shù)據(jù)成功投遞率。后續(xù)可將本文算法應(yīng)用于高速移動場景，通過引入立體傳感拓?fù)涓纳埔蚬?jié)點(diǎn)高速移動而產(chǎn)生的數(shù)據(jù)報(bào)文丟失問題，進(jìn)一步提升其對于各種復(fù)雜環(huán)境的應(yīng)對能力。