CN106413024A

CN106413024A - 一种基于雾计算的传感云数据传输算法

Info

Publication number: CN106413024A
Application number: CN201610755912.9A
Authority: CN
Inventors: 王田; 曾建电; 田晖; 陈永红; 蔡奕侨
Original assignee: Huaqiao University
Current assignee: Huaqiao University
Priority date: 2016-08-29
Filing date: 2016-08-29
Publication date: 2017-02-15

Abstract

一种基于雾计算的传感云数据传输算法，包括如下步骤，1)将传感器网络层的基站作为雾节点层，根据基站的位置生成泰森多边形；2)先统计各个多边形区域内的传感器节点数，而后计算区域节点平均数：区域节点平均数＝传感器节点总数/基站总数，结合区域节点平均数分析各个多边形区域的调入调出情况；3)设定区域间的调度算法。本发明将底层网络中的基站充当雾节点，节点之间相互协作，负责将基站繁忙区域的节点调度至较为空闲区域，充分利用雾节点间的通信能力，统一上传至上传云端，最大化提升网络吞吐量。

Description

一种基于雾计算的传感云数据传输算法

技术领域

本发明涉及传感云的数据传输领域，特别是一种基于雾计算的传感云数据传输算法。

背景技术

无线传感器网络(Wireless Sensor Networks,WSNs)具有部署迅速、实时性强等优势，它扩展了人们收集外界信息的能力。通过在不同环境中部署传感器节点，人们可以方便地收集各种需要的数据，实时掌握监测区域的状态信息，实现信息世界与物理世界的融合。而由于传感器节点在计算、存储、能量等诸多方面的限制，如何有效管理大规模无线传感器网络以充分发挥其性能仍然是一个极具挑战性的问题。近年来，随着云计算的快速发展，传感器网络与云计算技术的结合也越来越紧密，云计算技术的拓展了传感器网络的应用空间，也为解决传感器网络的诸多限制问题提供了新的思路，如满足传感器网络在数据处理和存储能力等方面的需求。传感云(Sensor-Cloud)正是无线传感器网络与云计算融合的产物通过云端控制传感器网络进行信息采集，利用云计算平台进行信息处理与存储，能够为不同类型的应用提供开放、灵活、可配置的服务平台。

然而，传感器网络在利用云计算技术及服务的同时也存在如下几个问题：1)传感器网络与云端网络之间存在通信瓶颈问题。2)云计算模式缺乏对底层终端传感节点的直接管理，存在实时性差的问题。3)与云计算服务相结合后，系统的不确定因素增加，网络易产生故障和错误，且风险高。

相比云计算模式而言，雾计算(Fog Computing)的特点是更贴近末端节点，具有一定的本地计算能力、更广的地理分布和支持移动性，因而能更好地直接管理和控制传感器网络中节点，并作为联系云计算服务的桥梁和纽带，该新型计算模式正好可以弥补云计算模式的部分缺点。

此外，近年来随着电子制造工艺和机器人技术的发展，功能较强(通信、计算能力、存储能力)的可移动节点逐渐被引入到传感器网络中，并被应用到拓扑控制、数据收集等诸多领域，以提高效率、节省能量。这在一定程度上缓解了传统传感器网络的限制，然而，现有的利用移动节点的方案存在三个问题。一是引入的移动节点本身也给网络节点带来的新的问题，如节点自身的故障问题；二是移动节点之间缺乏良好地协作和配合；三是没有考虑到引入移动节点实际的限制性因素(能耗、成本、最远移动距离)，或者考虑不全。

发明内容

本发明的主要目的在于克服传感云系统中，底层网络向上层云端数据量传输不足、实时性差的问题，提出一种基于雾计算的传感云数据传输算法，将雾计算的思想引入到移动传感器网络中，功能较强的节点(基站)作为“雾”，通过雾节点(基站)之间的相互合作，提高系统整体吞吐量，降低系统时延。

本发明采用如下技术方案：

一种基于雾计算的传感云数据传输算法，其特征在于：

1)将传感器网络层的基站作为雾节点层，根据基站的位置生成泰森多边形；

2)先统计各个多边形区域内的传感器节点数，而后计算区域节点平均数：区域节点平均数＝传感器节点总数/基站总数，结合区域节点平均数分析各个多边形区域的调入调出情况；

3)设定区域间的调度算法。

优选的，在步骤2)中，所述结合区域节点平均数分析各个多边形区域的调入调出情况具体如下：将各个多边形的区域传感器节点数减去区域节点平均数，若该区域值大于0，则该多边形区域需要调出节点；若该区域值等于0，则该多边形区域的节点维持不变；若该区域值小于0，则该多边形区域需要调入节点。

优选的，在步骤3)中，所述的设定区域间的调度算法，具体如下：

3.1)采用Floyd算法，依据各区域的邻接图得到区域的最短距离邻接矩阵A_Table；

3.2)找出当前邻接矩阵中区域值最大的区域S_max；

3.3)找出当前邻接矩阵中距离S_max最近且最小的区域S_min；

3.4)如果S_max中区域传感器节点数大于等于S_min中区域传感器节点数，则更新S_max＝S_max-|S_min|，S_min＝0；否则，更新S_min＝S_max+S_min，S_max＝0。

3.5)记录当前调度方案S_max→S_min，即由当前区域值最大的区域调度节点至最近且最小的区域S_min，更新当前各个多边形的区域值，回到步骤3.2)，直至各区域值为0。

优选的，所述区域S_max应满足如下公式：S_max＝{S_k|S_k＞0&&S_k＝Max(S)}，其中S表示所述区域值的集合，k∈[1，N]，N为基站总数。

优选的，所述区域S_min，满足如下公式：

S_min＝{S_k|S_k＜0&&S_k＝Min(S_j|S_j∈A_Table(VA_max，：))},其中VA_max表示当前区域值最大的区域，k∈[1，N]，j∈[1，N]，N表示基站总数。

优选的，所述的调度方案S_max→S_min，其调度值Δ应满足如下公式：

Δ＝Min(S_max，|S_min|)。

由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：

1、提升了整体网络吞吐量。底层网络中的基站充当雾节点，节点之间相互协作，负责将基站繁忙区域的节点调度至较为空闲区域，充分利用雾节点间的通信能力，统一上传至上传云端，最大化提升网络吞吐量。

2、减少了系统传输时延。随着网络整体吞吐量的提升，底层传感网向上层云端传输时间相应减短，降低了数据传输时延。

3、基站充当的雾节点层，更加靠近边缘网络，易于对底层网络的管理。

附图说明

图1为基于雾计算的传感云架构图

图2为本发明传输算法的三层框架图。

具体实施方式

以下通过具体实施方式对本发明作进一步的描述。

参见图1，雾节点层作为联系传感器网络与云端的纽带，为上下两层提供服务。其主要任务是进行移动节点之间的写作与配合、桥接传感器网络与云端、管理机密性数据的存储。最上层是云计算层，提供强大的计算服务和存储服务。底层是由普通传感节点组成的传感器网络层，为上两层网络提供数据，并在雾节点层提供的服务下实现容错性管理。

参见图2，本发明的一种基于雾计算的传感云数据传输算法，包括如下步骤：

1)将传感器网络层的基站作为雾节点层，根据基站的位置生成泰森多边形(Voronoi Diagram)，构成基站层。

2)统计各多边形区域内的传感器节点数，而后计算区域节点平均数：区域节点平均数＝传感器节点总数/基站总数。结合区域节点平均数分析各个多边形区域的调入调出情况，具体如下：

在得到区域节点平均数后，将各区域节点数分别减去区域节点平均数，结果分3种情况：

a区域值大于0：该多边形区域需要调出节点。

b区域值等于0：该多边形区域维持不变。

c区域值小于0：该多边形区域需要调入节点。

3)依据该调入调出情况，设计各区域间的调度算法。调度算法具体步骤如下：

3.1)采用Floyd算法，依据各区域的邻接图得到各区域的最短距离邻接矩阵A_Table。

3.2)找出当前邻接矩阵中区域值最大的区域S_max。

3.3)找出当前邻接矩阵中距离S_max最近且最小的区域S_min。

3.5)记录当前调度方案S_max→S_min，即由当前区域值最大的区域调度节点至最近且最小的区域，并加入集合U中，更新当前各个多边形的区域值，回到步骤3.2)，直至各区域值为0。

最后，输出：调度方案集合U，参照图2的路由层

S_max应满足如下公式：

S_max＝{S_k|S_k＞0&&S_k＝Max(S)}，即选取区域中大于0且节点个数最多的区域作为S_max。

其中，S表示区域值的集合。k∈[1，N]，N表示基站总数。

S_min应满足如下公式：

S_min＝{S_k|S_k＜0&&S_k＝Min(S_j|S_j∈A_Table(VA_max，：))}，即选取节点个数小于0且在当前的临接矩阵中距离S_max最近且节点数目最小的区域作为S_min。

其中VA_max表示当前区域值最大的区域，k∈[1，N]，j∈[1，N]。

进一步的，S_max→S_min的调度值Δ应满足如下公式：

Δ＝Min(S_max，|S_min|)

即由当前区域值最大区域S_max调度Δ个节点数据至区域S_min中，Δ取两者绝对值最小值。

上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

Claims

1.一种基于雾计算的传感云数据传输算法，其特征在于：

3)设定区域间的调度算法。

2.如权利要求1所述的一种基于雾计算的传感云数据传输方法，其特征在于：在步骤2)中，所述结合区域节点平均数分析各个多边形区域的调入调出情况具体如下：将各个多边形的区域传感器节点数减去区域节点平均数，若该区域值大于0，则该多边形区域需要调出节点；若该区域值等于0，则该多边形区域的节点维持不变；若该区域值小于0，则该多边形区域需要调入节点。

3.如权利要求2所述的一种基于雾计算的传感云数据传输方法，其特征在于：在步骤3)中，所述的设定区域间的调度算法，具体如下：

3.2)找出当前邻接矩阵中区域值最大的区域S_max；

3.3)找出当前邻接矩阵中距离S_max最近且最小的区域S_min；

4.如权利要求3所述的一种基于雾计算的传感云数据传输方法，其特征在于：所述区域S_max应满足如下公式：S_max＝{S_k|S_k＞0&&S_k＝Max(S)}，其中S表示所述区域值的集合，k∈[1，N]，N为基站总数。

5.如权利要求3所述的一种基于雾计算的传感云数据传输方法，其特征在于：所述区域S_min，满足如下公式：

6.如权利要求3所述的一种基于雾计算的传感云数据传输方法，其特征在于：所述的调度方案S_max→S_min，其调度值Δ应满足如下公式：Δ＝Min(S_max，|S_min|)。