CN102111822B - 一种基于认知技术的物联网方法 - Google Patents
一种基于认知技术的物联网方法 Download PDFInfo
- Publication number
- CN102111822B CN102111822B CN201110000308.2A CN201110000308A CN102111822B CN 102111822 B CN102111822 B CN 102111822B CN 201110000308 A CN201110000308 A CN 201110000308A CN 102111822 B CN102111822 B CN 102111822B
- Authority
- CN
- China
- Prior art keywords
- network
- layer
- decision
- control
- internet
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公布了一种基于认知技术的物联网方法,所述方法包括监测层:物联网网络层信息的采集以及处理;决策层:根据监测层提供的信息做出决策,如果策略库中有匹配的策略,则直接使用相应的策略;否则,利用机器学习的方法得出新的策略;控制层:依据决策层做出决策采取相应的行动,采取端路协同的方式进行控制,只对网络中的终端进行调整。本发明将认知平面加入传统物联网的网络层,对其结构进行优化,从而可以缓解网络拥塞等传统网络中的问题。认知平面又分为监测层、智能决策层和控制层。本架构中,网络的实时状态信息在认知平面和物联网的网络层中循环从而可以保证网络的QoS。
Description
技术领域
本发明借鉴认知网络架构,提出一种基于认知技术的物联网方法。主要研究如何将认知技术引入物联网,建立基于认知技术的物联网架构,使物联网拥有自我感知、自我决策、自我管理和自我控制的能力,以保证物联网的QoS。该方法涉及到业务识别、QoS、人工智能、认知技术等技术领域。
背景技术
认知技术指通过对无线电环境或者网络状态的认知和定义,并在此基础上灵活动态地改变发射参数,以最大限度提高频谱利用效率。目前,认知技术的具体应用有两种:认知无线电和认知网络。认知无线电侧重于无线电的认知能力,而认知网络注重认知功能在单个或多个网络中的应用。认知网络能够感知网络状况并据此进行决策、推理、学习并采取适当行动。为了更好地管理和控制网络的复杂性,改善网络的QoS和用户的业务体验,认知网络将人工智能相关技术引入到网络中,使网络具有自管理、自学习、自优化的能力,真正实现网络的可控制、可管理、可信任。
“物联网”这一名词是Auto-ID中心的Ashton教授于1999年研究RFID(RadioFrequency Identification)时提出的。受限于当时技术条件,物联网并没有受到过多的关注。2009年1月28日,美国总统奥巴马与美国工商业领袖举行了一次“圆桌会议”,会议上,IBM首席执行官彭明盛首次提出“智慧地球”的概念。此概念一经提出,立即得到了美国各界的广泛关注。2009年8月,温家宝总理在无锡视察“物联网”企业和科研院所时,提出了“感知中国”,随后物联网被作为“国家五大新兴战略性产业”之一写入了“政府工作报告”,确立了物联网在我国网络发展中的地位。物联网被称为世界信息产业第三次浪潮,代表了下一代信息发展技术,被世界各国当作应对国际金融危机、振兴经济的重点技术领域。然而,与传统互联网相比,物联网中终端的数量和传输的信息量都要更加庞大,这就给物联网的QoS保障带来了严峻的挑战,物联网架构的设计也就更 加的重要。
但是,目前鲜有研究人员关注物联网架构设计,现有的物联网架构主要存在以下的问题:
1、现有的物联网架构只能在网络出现问题之后才做相应的处理,存在滞后性,这种滞后性必然影响物联网的QoS;
2、现有的物联网架构不具有自管理、自学习、自优化的能力,只能根据预先设定的阈值,来改变网络配置。
3、每次对网络进行调整,都影响到了整条链路,调整网络的代价过大。
发明内容
本发明目的是针对现有技术存在的缺陷提供一种基于认知技术的物联网方法。
本发明为实现上述目的,采用如下技术方案:
本发明一种基于认知技术的物联网方法如下:
1)监测层:物联网网络层信息的采集以及处理;
a)数据采集即抓包操作,抓取网络中的数据包并分离出包头信息,提取数据包的地址、端口,计算出时延QoS参数,并进一步将这些数据处理机器学习模型的输入向量;
b)信息处理采用机器学习,将上一步生成的向量输入机器学习模型,从而将网络状态从QoS参数层面具体到业务层面,同时对未来网络的状态进行预测;
2)决策层:根据监测层提供的信息做出决策,如果策略库中有匹配的策略,则直接使用相应的策略;否则,利用机器学习的方法得出新的策略;
3)控制层:依据决策层做出决策采取相应的行动,采取端路协同的方式进行控制,只对网络中的终端进行调整;
1)控制层的决策下发模块将行动命令下发给需要更改配置的终端;
2)最终各终端上的行动模块根据收到的指令做出相应的行动;
4)转步骤1),继续采集数据,处理数据。
控制层的实现方法如下:
端控制方法如下:自适应调整发送端数据的发送速率控制网络中的数据量,以适应网络可用资源状况;或在允许的情况下(或与用户协商,争得用户同意后),通过降低业务的预期QoS目标,减少业务流对资源的占用;或者通知业务源端使其主动关闭,特别对 于非关键业务(如P2P业务等)可以采取强制关闭,以保证网络的QoS;
链路控制方法如下:
当网络中出现端控制无法解决的问题是,控制层将采取链路控制,控制层首先启动网络瓶颈网段或QoS劣化网段的业务流重路由,如果问题不能得到解决控制层将启动网络故障分析与修复过程,如果问题仍存在,那么控制层会及时向网络管理员发出报警。
本发明通过基于认知技术的物联网架构,我们能够实现:
1.通过机器学习算法,能够预测物联网可能发生拥塞的情况,并据此提前做出决策以避免拥塞的发生;
2.将认知技术引入现有的物联网架构,使其具有自管理、自学习、自优化的能力,可以根据具体情况对网络进行调整。
3.对网络配置进行调整时,采取端路协同的方法,尽量减少了配置调整对网络的影响,降低了调整的代价。
本发明借鉴认知网络,将认知平面融入了物联网中。认知平面又分为监测层、智能决策层和控制层。其中监测层利用QoS数据分析、关联检测、流量预测、业务感知等技术感知传统网络各层的状况形成感知信息流;感知信息流流入智能决策层,智能决策层通过决策库、机器学习等机制对网络状况进行判断并做出决策,形成决策信息流;决策信息流进而流入控制层,控制层采用接入控制、网络配置、流量控制、资源管理、路由管理等技术向网络发出控制命令,即控制信息流。控制信息作用于网络环境,及时调整网络配置,从而为网络的QoS提供了保障。本架构融合了认知网络、区分服务以及业务识别等技术。
附图说明
图1是基于认知技术的物联网架构的示意图;
图2是本架构中各模块实现功能以及各模块操作的流程图。
具体实施方式
如图1所示,为本发明提出了基于认知技术的物联网架构。如图2,本方法融合了认知技术、人工智能以及业务识别技术,在物联网的网络层中引入了认知平面,完成了物联网环境中的认知循环。以下是认知平面各层所实现的功能:
1.监测层
功能:从物联网网络层中抓取数据包,处理成一定格式的数据,并交付给决策层。
a)数据采集
监测层从网络数据包头部,提取信息并进一步计算以下参数:
a)-1QoS参数:
(1)建立连接延迟:物联网终端发出连接请求到接收连接确认之间的时间间隔。
(2)建立连接失败率:在最大建立连接延迟内不能建立连接的可能性。
(3)吞吐量:物联网终端每秒接收的数据字节数。
(4)传输失败率:由于没有符合建立连接时协商的吞吐量、传输延迟而造成失败的信息占总信息的比率。
(5)释放连接延迟:一方产生释放请求到对方执行释放的时间间隔。
(6)释放连接失败率:没有成功释放的比率。
(7)丢包率:因为错误和拥塞信元不能到达目的地而导致在网络中丢失的数据包所占的百分比。
a)-2特征向量:
(serv_port,clnt_port,Act_data_pkt_clnt,push_pkts_clnt,Min_seg_size_clnt,Avg_seg_size_serv,init_win_bytes_clnt,init_win_bytes_serv,RTT_samples_clnt,IP_bytes_med_clnt,data_bytes_var_serv)
每项的具体含义如下:
serv_port:服务器端口;
clnt_port:客户机端口;
Act_data_pkt_clnt:包含大于1字节的数据部分的TCP数据包总数(客户机到服务器);
push_pkts_clnt:TCP首部设置的所有数据包总数(客户机到服务器);
push_pkts_serv:TCP首部设置的所有数据包总数(服务器到客户机);
Min_seg_size_clnt:最小段大小(客户机到服务器);
Avg_seg_size_serv:平均段大小(服务器到客户机);
init_win_bytes_clnt:被送到初始窗口的总字节数(客户机到服务器);
init_win_bytes_serv:被送到初始窗口的总字节数(服务器到客户机);
RTT_samples_clnt:RTT样本的总数(客户机到服务器);
IP_bytes_med_clnt:IP数据包的平均字节(客户机到服务器);
data_bytes_var_serv:数据包字节数的方差;
b)信息汇聚和处理
将以上处理得到的样本分别导入机器学习算法生成的分类器和预测器,识别出网络流量中的各种业务并对未来网络状况进行预测。
2.决策层
功能:根据监测层提供的信息做出决策。综合考虑物联网中QoS参数、网络流量状况、未来可能出现的网络状况以及QoS需求,查询策略库中是否存在匹配的策略,如果存在,则直接调用。否则,运用机器学习技术,得到相应的策略。决策层对用户端到端目标和网络状态信息进行认知处理作出网络配置的决策,同时决策库也在这一不断学习的过程中不断地得到丰富。
3.控制层
功能:依据决策层做出的决策采取相应的行动。采取端路协同的控制方法,最小代价地完成决策层的决策。
端控制措施如下:自适应调整发送端数据的发送速率控制网络中的数据量,以适应网络可用资源状况。或在允许的情况下,通过降低业务的预期QoS目标,减少业务流对资源的占用。也可以通知业务源端使其主动关闭,特别对于非关键业务可以采取强制关闭,以保证网络的QoS。
链路控制措施如下:
当网络中出现端控制无法解决的问题是,控制层将采取链路控制,控制层首先启动网络瓶颈网段或QoS劣化网段的业务流重路由,如果问题不能得到解决控制层将启动网络故障分析与修复过程,如果问题仍存在,那么控制层会及时向网络管理员发出报警。
Claims (1)
1.一种基于认知技术的物联网方法,其特征在于所述方法如下:
1)监测步骤:物联网网络层信息的采集以及处理;
a)数据采集即抓包操作,抓取网络中的数据包并分离出包头信息,提取数据包的地址、端口,计算出时延QoS参数,并进一步将这些数据处理机器学习模型的输入向量;
b)信息处理采用机器学习,将上一步生成的向量输入机器学习模型,从而将网络状态从QoS参数层面具体到业务层面,同时对未来网络的状态进行预测;
2)决策步骤:根据监测单元提供的信息做出决策,如果策略库中有匹配的策略,则直接使用相应的策略;否则,利用机器学习的方法得出新的策略;
3)控制步骤:依据决策单元做出决策采取相应的行动,采取端路协同的方式进行控制,只对网络中的终端进行调整;
①控制单元的决策下发模块将行动命令下发给需要更改配置的终端;
②最终各终端上的行动模块根据收到的指令做出相应的行动;
4)转步骤1),继续采集数据,处理数据;
其中,控制步骤的实现方法具体如下:
端控制方法如下:自适应调整发送端数据的发送速率控制网络中的数据量,以适应网络可用资源状况;或在允许的情况下或与用户协商争得用户同意后.通过降低业务的预期QoS目标,减少业务流对资源的占用;或者通知业务源端使其主动关闭,对于非关键业务采取强制关闭,以保证网络的QoS;
链路控制方法如下:
当网络中出现端控制无法解决的问题是,控制单元将采取链路控制,控制单元首先启动网络瓶颈网段或QoS劣化网段的业务流重路由,如果问题不能得到解决控制单元将启动网络故障分析与修复过程,如果问题仍存在,那么控制单元会及时向网络管理员发出报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110000308.2A CN102111822B (zh) | 2011-01-04 | 2011-01-04 | 一种基于认知技术的物联网方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110000308.2A CN102111822B (zh) | 2011-01-04 | 2011-01-04 | 一种基于认知技术的物联网方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102111822A CN102111822A (zh) | 2011-06-29 |
CN102111822B true CN102111822B (zh) | 2014-04-09 |
Family
ID=44175811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110000308.2A Active CN102111822B (zh) | 2011-01-04 | 2011-01-04 | 一种基于认知技术的物联网方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102111822B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10074009B2 (en) | 2014-12-22 | 2018-09-11 | International Business Machines Corporation | Object popularity detection |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102307235A (zh) * | 2011-08-25 | 2012-01-04 | 江苏合成物联网科技有限公司 | 一种物联网内实时数据传输方法 |
CN103068058B (zh) * | 2012-12-24 | 2015-08-26 | 中国人民解放军总参谋部第六十一研究所 | 一种基于双层环路模型的无线资源调度方法 |
CN105592024A (zh) * | 2014-11-14 | 2016-05-18 | 江苏威盾网络科技有限公司 | 一种基于认知网络的网络防护系统及方法 |
CN106657364B (zh) * | 2016-12-30 | 2020-05-08 | 南京蔚蓝智能科技有限公司 | 物联网装置及网关装置 |
CN106850293A (zh) * | 2017-01-25 | 2017-06-13 | 浙江中都信息技术有限公司 | 一种企业安全运营中心Bot |
CN111385273B (zh) * | 2018-12-29 | 2022-07-01 | 中国移动通信集团北京有限公司 | 一种物联网业务流程识别方法、装置、电子设备及介质 |
US11706101B2 (en) | 2020-12-04 | 2023-07-18 | A5G Networks, Inc. | Distributed, self-adjusting and optimizing core network with machine learning |
CN116032801A (zh) * | 2022-12-30 | 2023-04-28 | 上海船舶研究设计院 | 一种网络管理方法、装置、系统、设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1997007A (zh) * | 2006-09-30 | 2007-07-11 | 华为技术有限公司 | 一种实现业务感知的系统、方法及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010069238A1 (zh) * | 2008-12-19 | 2010-06-24 | 中国科学院沈阳自动化研究所 | 网状及星型拓扑结构无线传感器网络的通信方法 |
-
2011
- 2011-01-04 CN CN201110000308.2A patent/CN102111822B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1997007A (zh) * | 2006-09-30 | 2007-07-11 | 华为技术有限公司 | 一种实现业务感知的系统、方法及设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10074009B2 (en) | 2014-12-22 | 2018-09-11 | International Business Machines Corporation | Object popularity detection |
US10083348B2 (en) | 2014-12-22 | 2018-09-25 | International Business Machines Corporation | Object popularity detection |
Also Published As
Publication number | Publication date |
---|---|
CN102111822A (zh) | 2011-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102111822B (zh) | 一种基于认知技术的物联网方法 | |
CN102045363B (zh) | 网络流量特征识别规则的建立方法、识别控制方法及装置 | |
CN106027412B (zh) | 一种基于拥塞队列长度的tcp拥塞控制方法 | |
Huang et al. | Software-defined QoS provisioning for fog computing advanced wireless sensor networks | |
US20190379605A1 (en) | Inferring device load and availability in a network by observing weak signal network based metrics | |
AU2020101430A4 (en) | Low delay communication between cyber physical systems of iot applications using fog nodes | |
CN101668025A (zh) | 一种链路层网络拓扑发现方法及装置 | |
CN105284150B (zh) | 业务分流方法、控制网元、网关路由器及用户面实体 | |
WO2022116665A1 (zh) | Tcp流的调整方法和系统 | |
CN112203172B (zh) | 专线开通方法及装置 | |
EP1528711A2 (en) | Network service level agreement arrival-curve-based conformance checking | |
WO2024040976A1 (zh) | 网络设备的能耗控制方法及装置 | |
Lin | Artificial intelligence in 3gpp 5g-advanced: A survey | |
Zhang et al. | Intelligent and application-aware network traffic prediction in smart access gateways | |
CN207304583U (zh) | 一种基于软件定义网络的边缘物联网网络架构 | |
US8526470B2 (en) | Synchronized commands for network testing | |
CN113938972B (zh) | 一种应用于电网融合型终端的自适应无线拨号方法 | |
CN107659505A (zh) | 一种sdn网络的选路方法和sdn控制器 | |
CN112492591A (zh) | 一种电力物联网终端接入网络的方法及装置 | |
Aziz et al. | Accurate prediction of streaming video traffic in tcp/ip networks using dpi and deep learning | |
Neumann et al. | Towards monitoring of hybrid industrial networks | |
Marchese et al. | Vertical QoS mapping over wireless interfaces | |
CN112260941A (zh) | 一种异构网络数据融合方法 | |
Guo et al. | Network Quality Monitoring for Typical Power Services | |
US8284697B2 (en) | System and method for estimating flow-specific traffic volumes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |