物聯(lián)網(wǎng)數(shù)據(jù)接入最優(yōu)分流算法設(shè)計(jì)與仿真

楊 軍

(重慶師范大學(xué)涉外商貿(mào)學(xué)院，重慶 401520)

1 引言

互聯(lián)網(wǎng)的快速發(fā)展推動(dòng)了物聯(lián)網(wǎng)的廣泛應(yīng)用。物聯(lián)網(wǎng)是通過信息傳感設(shè)施將實(shí)物和互聯(lián)網(wǎng)聯(lián)系在一起的，起到對實(shí)物進(jìn)行識別、定位以及監(jiān)督的作用。物聯(lián)網(wǎng)的感知層作為數(shù)據(jù)接入的重要層級，由于數(shù)據(jù)量較大，在接入時(shí)容易出現(xiàn)標(biāo)簽信息錯(cuò)亂現(xiàn)象，而數(shù)據(jù)分流則是處理該問題的主要方法，并且其在情報(bào)搜索、故障檢測等領(lǐng)域均體現(xiàn)出重要價(jià)值。現(xiàn)階段的數(shù)據(jù)分流方法存在特征識別準(zhǔn)確性低、分流效率差等缺陷。因此需要設(shè)計(jì)出最優(yōu)的數(shù)據(jù)分流算法減少網(wǎng)絡(luò)數(shù)據(jù)接入的負(fù)擔(dān)。

相關(guān)研究人員做出如下解決方案：文獻(xiàn)[1]為解決快速增長的數(shù)據(jù)流量而導(dǎo)致網(wǎng)絡(luò)擁塞問題，提出基于自私性與中心性相結(jié)合的數(shù)據(jù)分流算法。將網(wǎng)絡(luò)數(shù)據(jù)直接傳送到種子節(jié)點(diǎn)，該節(jié)點(diǎn)根據(jù)移動(dòng)發(fā)生的接觸，將數(shù)據(jù)傳送到其它節(jié)點(diǎn)，此時(shí)如果有節(jié)點(diǎn)在一定時(shí)間段內(nèi)仍沒有接收到數(shù)據(jù)，則該節(jié)點(diǎn)可以直接在網(wǎng)絡(luò)中對此數(shù)據(jù)進(jìn)行下載；再結(jié)合節(jié)點(diǎn)的自私性，挑選出盡可能包含更多數(shù)據(jù)的種子節(jié)點(diǎn)，通過這些種子節(jié)點(diǎn)協(xié)助數(shù)據(jù)分流過程。

文獻(xiàn)[2]在混合式網(wǎng)絡(luò)擁塞控制路由算法的基礎(chǔ)上實(shí)現(xiàn)數(shù)據(jù)分流。首先構(gòu)建網(wǎng)絡(luò)拓?fù)潢P(guān)系模型，收集一定范圍內(nèi)的數(shù)據(jù)流量；其次對節(jié)點(diǎn)的負(fù)載狀態(tài)進(jìn)行評估，選取最優(yōu)父節(jié)點(diǎn)，當(dāng)出現(xiàn)網(wǎng)絡(luò)擁塞現(xiàn)象時(shí)，將該消息廣播給子節(jié)點(diǎn)或相鄰節(jié)點(diǎn)，并判斷告知節(jié)點(diǎn)的數(shù)據(jù)接收速度和傳輸速度；最后在混合式網(wǎng)絡(luò)擁塞緩解方法的基礎(chǔ)上，將節(jié)點(diǎn)的平均吞吐量進(jìn)行比較，對當(dāng)前數(shù)據(jù)傳輸通道進(jìn)行子節(jié)點(diǎn)更換，實(shí)現(xiàn)數(shù)據(jù)的分流。

以上描述的兩種方法，在一定程度上達(dá)到了數(shù)據(jù)分流的目的，但是，二者并沒有對數(shù)據(jù)特征進(jìn)行準(zhǔn)確提取，導(dǎo)致網(wǎng)絡(luò)擁塞率較高、網(wǎng)絡(luò)平穩(wěn)運(yùn)行時(shí)間較短、最大上傳帶寬較低。因此，文本通過K均值聚類[3]的方式對物聯(lián)網(wǎng)數(shù)據(jù)接入的最優(yōu)分流算法進(jìn)行設(shè)計(jì)與仿真。采用K均值計(jì)算的方法對數(shù)據(jù)進(jìn)行特征提取，在提取過程中不斷調(diào)節(jié)數(shù)據(jù)的聚類核心，以達(dá)到準(zhǔn)確分流的目的。仿真表明，該方法與其它方法相比分流結(jié)果最優(yōu)，可以有效緩解網(wǎng)絡(luò)擁塞問題，提高了最大上傳帶寬，延長了網(wǎng)絡(luò)平穩(wěn)運(yùn)行時(shí)間。

2 物聯(lián)網(wǎng)數(shù)據(jù)接入分流基本原理

2.1 “流”的局部性定義

目前對“流”的定義為將具有同樣目的地址的全部分組稱為“流”。所以分流就是把存在相同目的的分組分成不同的流。

在現(xiàn)階段的網(wǎng)絡(luò)中，例如WEB界面和FTP文件等，被劃分成單個(gè)數(shù)據(jù)后再進(jìn)行傳輸，而這些數(shù)據(jù)存在相同的地址。按照“流”的定義，此數(shù)據(jù)包均屬于相同的流。FTP文件的第一個(gè)數(shù)據(jù)包傳輸成功后，在一定時(shí)間內(nèi)，相同流中的其它數(shù)據(jù)包傳輸成功的可能性較大。該現(xiàn)象被稱為流的局部性特征[4]，原理圖如圖1所示。

圖1 流的局部性原理示意圖

2.2 數(shù)據(jù)接入分流的約束條件

將物聯(lián)網(wǎng)數(shù)據(jù)樣本集合描述為{xi，yi}，i=1，2…，n，表示節(jié)點(diǎn)；xi∈Rd，yi∈{1.-1}作為數(shù)據(jù)接入分流的標(biāo)志，則分流的線性判斷公式表示為

f(x)=w·x+b

(1)

式中，w表示數(shù)據(jù)大??；x表示節(jié)點(diǎn)通道，b表示最低嵌入維數(shù)。再將物聯(lián)網(wǎng)接入數(shù)據(jù)分流做歸一化處理[5]，可以獲得下述表達(dá)式

w·x+b=±1

(2)

將分流問題轉(zhuǎn)化為具有約束特征的非線性問題進(jìn)行描述

yi(w·xi)+b≥0

(3)

針對以上公式做計(jì)算，能夠獲取數(shù)據(jù)分流的對偶函數(shù)表達(dá)式為

(4)

式中，α表示節(jié)點(diǎn)j的約束條件。則式(4)的約束特性可以表示為

(5)

利用對偶函數(shù)將支持向量機(jī)引入到非線性的數(shù)據(jù)分流中。此時(shí)，必須利用核函數(shù)在高維空間里變成具有約束性質(zhì)的二次函數(shù)，其過程描述為

(6)

2.3 分流過程中的能量消耗模型

因?yàn)楸疚牡膫鞲衅鞴?jié)點(diǎn)全部符合歐式空間的坐標(biāo)關(guān)系，所以節(jié)點(diǎn)的分布情況滿足歐式空間中的幾何分布特征。假如傳感器呈矩形分布，面積表示為L1×L2，并且該區(qū)域中節(jié)點(diǎn)分布的密度表示為μ，對于任何傳感器來說，身份地址都沒有重復(fù)現(xiàn)象，節(jié)點(diǎn)在原始時(shí)間點(diǎn)的能量表示為E0。另外，R表示傳感器節(jié)點(diǎn)的最大半徑，假設(shè)節(jié)點(diǎn)i在半徑范圍內(nèi)的節(jié)點(diǎn)是S1(R)，則下一個(gè)節(jié)點(diǎn)半徑范圍中節(jié)點(diǎn)表示為S2(R)，因此，針對節(jié)點(diǎn)i來說，具有下述關(guān)系

(7)

(8)

針對物聯(lián)網(wǎng)中任何一個(gè)節(jié)點(diǎn)i，它的影響范圍可能會出現(xiàn)和節(jié)點(diǎn)j的影響范圍發(fā)生互相影響的現(xiàn)象，因此互相影響的重疊部分系數(shù)ω可以表示為

(9)

式中，Li代表節(jié)點(diǎn)i的最大可能覆蓋區(qū)域。

假設(shè)節(jié)點(diǎn)i和j可以相互影響，則這兩個(gè)節(jié)點(diǎn)的射頻范圍互相關(guān)因子γ(i，j)必須符合下述條件

(10)

如果節(jié)點(diǎn)i的附近具有n個(gè)相互關(guān)聯(lián)的節(jié)點(diǎn)時(shí)，通過式(10)可知，節(jié)點(diǎn)i和這些關(guān)聯(lián)節(jié)點(diǎn)的射頻范圍互相關(guān)因子γ(i)符合如下要求

(11)

根據(jù)式(11)可以看出，γ(i)的取值越大，節(jié)點(diǎn)i對關(guān)聯(lián)節(jié)點(diǎn)的影響尺度就越高，如果節(jié)點(diǎn)i失效，則數(shù)據(jù)接入中斷，使網(wǎng)絡(luò)發(fā)生傳輸抖動(dòng)情況。

因?yàn)閭鞲衅鞴?jié)點(diǎn)利用信號的收發(fā)達(dá)到數(shù)據(jù)的匯集與路徑控制目的，所以i節(jié)點(diǎn)在B帶寬情況下，根據(jù)數(shù)據(jù)接入分流的約束條件，將數(shù)據(jù)接入到j(luò)節(jié)點(diǎn)時(shí)，此時(shí)分流過程中能量消耗模型的表達(dá)式為

Esend(i)=Bl+P0l3

(12)

Erev(j)=BP0l2

(13)

式中，P0為現(xiàn)階段節(jié)點(diǎn)發(fā)射功率。因?yàn)楹哪芮闆r和l存在正相關(guān)關(guān)系，并且l又為節(jié)點(diǎn)i、j在歐式空間中最小距離，所以對上述能量消耗模型進(jìn)行優(yōu)化，可以避免物聯(lián)網(wǎng)數(shù)據(jù)在接入分流時(shí)出現(xiàn)傳輸受阻的狀況。

3 基于K均值聚類算法的物聯(lián)網(wǎng)數(shù)據(jù)分流算法設(shè)計(jì)

3.1 物聯(lián)網(wǎng)數(shù)據(jù)特征提取

完成能量消耗模型的優(yōu)化后，在空間重構(gòu)基礎(chǔ)上對物聯(lián)網(wǎng)做非線性映射處理[7]，獲取數(shù)據(jù)時(shí)間序列在分流操作中的信息模型。根據(jù)指標(biāo)數(shù)據(jù)映射獲取非線性數(shù)據(jù)的高維映射向量，建立數(shù)據(jù)聚類查找的目標(biāo)函數(shù)，并對該函數(shù)進(jìn)行求解計(jì)算獲取極值，同時(shí)得到物聯(lián)網(wǎng)數(shù)據(jù)的時(shí)延特征，實(shí)現(xiàn)數(shù)據(jù)特征提取。

假設(shè){xn}表示單變量的物聯(lián)網(wǎng)數(shù)據(jù)時(shí)間序列，根據(jù)采樣結(jié)果可以得出，采樣數(shù)據(jù)的時(shí)間序列{xn}的長度是N。樣本數(shù)據(jù)在采樣時(shí)間范圍中稱為標(biāo)量序列，如果X與Y表示數(shù)據(jù)分流系統(tǒng)中的聚類特點(diǎn)，利用空間重構(gòu)實(shí)現(xiàn)數(shù)據(jù)的非線性處理，得到最優(yōu)時(shí)延τ與最低嵌入維數(shù)b。假設(shè)ε為平均數(shù)據(jù)特點(diǎn)的尺度，xn為數(shù)據(jù)時(shí)間序列的信息模型，在2-λ<ε(λ>0)時(shí)，xn可以表示為

(14)

式中，t0表示數(shù)據(jù)采樣的原始時(shí)間點(diǎn)，Δt為采樣的間隔時(shí)間段，h[z(t0+Δt)]為任意數(shù)據(jù)樣本在序列中具有的相似性特征度，ωn表示相關(guān)性系數(shù)。利用指標(biāo)數(shù)據(jù)映射方式取得非線性數(shù)據(jù)在分流時(shí)的模型{x(t0+iΔt)}。模型中，i=0，1，…，N-1，如果利用Xg表示高維映射向量，其表達(dá)式可以描述為

Xg=[si，…，sk]n=(xn，xn-1…xn-(b-1)τ)

(15)

式(15)中，si表示映射向量的分量，k為時(shí)間序列在分流過程中的相關(guān)系數(shù)。通過映射向量Xg建立目標(biāo)查找函數(shù)，假設(shè)R表示物聯(lián)網(wǎng)數(shù)據(jù)特征矢量在分流過程中的關(guān)聯(lián)函數(shù)，xa為交叉分布模型[8]，其可以描述為

(16)

式(16)中，a0為原始采樣幅值，xa-1表示物聯(lián)網(wǎng)數(shù)據(jù)方差與均值相等的標(biāo)量序列，bi描述最優(yōu)分裂屬性。在此基礎(chǔ)上利用C均值聚類方法對目標(biāo)函數(shù)進(jìn)行計(jì)算，假設(shè)μik表示聚類目標(biāo)函數(shù)的最大值，其計(jì)算表達(dá)式為

(17)

根據(jù)目標(biāo)函數(shù)的最大值，獲取數(shù)據(jù)時(shí)延特征?i，從而完成物聯(lián)網(wǎng)數(shù)據(jù)的特征提取，其表達(dá)式為

(18)

3.2 物聯(lián)網(wǎng)數(shù)據(jù)接入最優(yōu)分流算法的實(shí)現(xiàn)

K均值聚類方法作為有效處理數(shù)據(jù)分流的方式，能夠準(zhǔn)確的對物聯(lián)網(wǎng)環(huán)境下的數(shù)據(jù)進(jìn)行分流。通過上述對數(shù)據(jù)特征的精準(zhǔn)劃分，按照自身特性分成不同種類，實(shí)現(xiàn)海量數(shù)據(jù)的高效分流。

使用該方法實(shí)現(xiàn)數(shù)據(jù)分流，首先必須獲得數(shù)據(jù)的原始聚類中心，并在分流過程中更新該中心內(nèi)容，以便適應(yīng)物聯(lián)網(wǎng)環(huán)境下的數(shù)據(jù)高度動(dòng)態(tài)變化特征。詳細(xì)分流步驟如下所示：

假設(shè)物聯(lián)網(wǎng)環(huán)境下數(shù)據(jù)特性組成的聚類中心用l進(jìn)行表示，特征數(shù)量為p，在這些特征中挑選l個(gè)特點(diǎn)當(dāng)做初始聚類核心，任何一個(gè)聚類核心均表示一類數(shù)據(jù)。經(jīng)過計(jì)算可以獲得其它p-l個(gè)數(shù)據(jù)特點(diǎn)離原始聚類核心的目標(biāo)距離，并且把這些數(shù)據(jù)特點(diǎn)分布到相鄰的聚類核心中，從而實(shí)現(xiàn)所有數(shù)據(jù)特點(diǎn)的匹配。

通過以下供述可以將數(shù)據(jù)特性區(qū)分為L個(gè)不同種類

(19)

按照上述方式，可以將物聯(lián)網(wǎng)數(shù)據(jù)特性區(qū)分成L個(gè)形式，Tj(j=1，2，…，l)，聚類核心Dj可以表示數(shù)據(jù)特性組成的集合Tj，該集合可以利用T={Y}代表。假設(shè)，現(xiàn)有兩個(gè)數(shù)據(jù)特性Y與Z，因此它們之際存在的歐式距離表示為e(Y，Z)。

根據(jù)迭代處理，對物聯(lián)網(wǎng)數(shù)據(jù)接入進(jìn)行準(zhǔn)確分流，詳細(xì)分流步驟如下所示：

步驟一：假設(shè)物聯(lián)網(wǎng)下數(shù)據(jù)原始聚類中心表示為TDq={Dj}，對數(shù)據(jù)做聚類處理，將其分成l個(gè)聚類中心，則計(jì)算過程必須符合下述要求

Tk{Y|e(Y，Dk)≤e(Y，Dj)，j≠k}

(20)

步驟二：針對數(shù)據(jù)特征做迭代處理[10]，從而得到新的特征集合TDq+1；

步驟三：如果q=0，則聚類中心是TD0；

步驟四：通過計(jì)算得到數(shù)據(jù)分流時(shí)的誤差方差，假設(shè)該方差足夠小，則分流停止，此時(shí)能夠得到最優(yōu)的分流結(jié)果；反之，q+1->q，此時(shí)回到步驟二，重新進(jìn)行數(shù)據(jù)分流。

通過上述描述的算法，利用物聯(lián)網(wǎng)數(shù)據(jù)的特性，構(gòu)建集合，采用K均值聚類方法對其進(jìn)行聚類處理，在持續(xù)的迭代過程中確保聚類中心不斷更換，可以較好的適應(yīng)物聯(lián)網(wǎng)環(huán)境下數(shù)據(jù)動(dòng)態(tài)特性，獲取最優(yōu)的分流函數(shù)

(21)

4 實(shí)驗(yàn)結(jié)果與分析

為證明本文所提物聯(lián)網(wǎng)數(shù)據(jù)接入分流算法的可行性進(jìn)行一次仿真。由于傳感器的路徑屬于無線信道路徑，并且必須利用簇頭節(jié)點(diǎn)才可以實(shí)現(xiàn)數(shù)據(jù)接入，在簇頭節(jié)點(diǎn)不能實(shí)現(xiàn)數(shù)據(jù)的直接傳輸時(shí)，還需利用其它節(jié)點(diǎn)才能完成數(shù)據(jù)接入。圖2為物聯(lián)網(wǎng)數(shù)據(jù)傳輸平臺。

圖2 物聯(lián)網(wǎng)數(shù)據(jù)傳輸平臺

實(shí)驗(yàn)在NS2仿真環(huán)境下，通過物聯(lián)網(wǎng)數(shù)據(jù)傳輸平臺，對本文分流算法與文獻(xiàn)[1]算法和文獻(xiàn)[2]算法分別進(jìn)行對比實(shí)驗(yàn)。仿真參數(shù)如表1所示。

表1 實(shí)驗(yàn)參數(shù)設(shè)置表

4.1 網(wǎng)絡(luò)擁塞率

為了驗(yàn)證本文算法的有效性，對本文算法、文獻(xiàn)[1]算法和文獻(xiàn)[2]算法出現(xiàn)的網(wǎng)絡(luò)擁塞率進(jìn)行對比分析，對比結(jié)果如圖3所示。

圖3 不同算法的網(wǎng)絡(luò)擁塞率對比圖

通過對比圖能夠看出，隨著實(shí)驗(yàn)時(shí)間的不斷流逝，三種算法都會出現(xiàn)一定波動(dòng)，本文算法的網(wǎng)絡(luò)擁塞率一直處于較低水平，并且網(wǎng)絡(luò)擁塞率自始至終低于文獻(xiàn)算法。這是因?yàn)樗崴惴ǖ姆至鳈C(jī)制將一定范圍內(nèi)的接入數(shù)據(jù)劃分成最優(yōu)的結(jié)果后，再進(jìn)行數(shù)據(jù)傳輸，一定程度上減少了擁塞現(xiàn)象。

4.2 網(wǎng)絡(luò)平穩(wěn)運(yùn)行時(shí)間

下圖描述的是本文算法、文獻(xiàn)[1]算法和文獻(xiàn)[2]算法的網(wǎng)絡(luò)平穩(wěn)運(yùn)行時(shí)間的對比結(jié)果。

圖4 不同算法的網(wǎng)絡(luò)平穩(wěn)運(yùn)行時(shí)間對比圖

通過圖4能夠看出，本文算法的網(wǎng)絡(luò)平穩(wěn)運(yùn)行時(shí)間比文獻(xiàn)[1]算法和文獻(xiàn)[2]算法的網(wǎng)絡(luò)平穩(wěn)運(yùn)行時(shí)間長。是因?yàn)楸疚乃惴▽δ芰肯哪Ｐ瓦M(jìn)行了優(yōu)化，可以避免物聯(lián)網(wǎng)數(shù)據(jù)在接入分流時(shí)出現(xiàn)傳輸受阻的狀況，從而延長網(wǎng)絡(luò)平穩(wěn)運(yùn)行時(shí)間。

4.3 最大上傳帶寬

為了進(jìn)一步驗(yàn)證本文算法的有效性，對本文算法、文獻(xiàn)[1]算法和文獻(xiàn)[2]算法的最大上傳帶寬進(jìn)行對比分析，對比結(jié)果如圖5所示。

根據(jù)圖5顯示結(jié)果可以總結(jié)出，隨著數(shù)據(jù)傳輸量的不斷增加，本文算法的最大上傳帶寬比文獻(xiàn)[1]算法和文獻(xiàn)[2]算法的最大上傳帶寬多。

5 結(jié)論

針對數(shù)據(jù)接入時(shí)會產(chǎn)生的死鏈現(xiàn)象，本文提出一種物聯(lián)網(wǎng)數(shù)據(jù)接入最優(yōu)分流算法。通過對物聯(lián)網(wǎng)數(shù)據(jù)的特征提取與準(zhǔn)確分類，在K均值聚類的基礎(chǔ)上，利用迭代算法對數(shù)據(jù)做聚類處理，計(jì)算數(shù)據(jù)分流的誤差方差，在得到最小方差時(shí)，獲取數(shù)據(jù)分流的最優(yōu)結(jié)果。最后分別在網(wǎng)絡(luò)擁塞情況、平穩(wěn)運(yùn)行時(shí)間以及最大帶寬方面進(jìn)行實(shí)驗(yàn)對比分析，結(jié)果表明所提算法具有優(yōu)越性，可以改善網(wǎng)絡(luò)死鏈現(xiàn)象，具有較好的實(shí)踐意義。