CN107926074A - M2m聚类管理 - Google Patents
M2m聚类管理 Download PDFInfo
- Publication number
- CN107926074A CN107926074A CN201680047655.1A CN201680047655A CN107926074A CN 107926074 A CN107926074 A CN 107926074A CN 201680047655 A CN201680047655 A CN 201680047655A CN 107926074 A CN107926074 A CN 107926074A
- Authority
- CN
- China
- Prior art keywords
- cluster
- optimization aim
- algorithm
- configuration file
- ecmf
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
- H04L41/0816—Configuration setting characterised by the conditions triggering a change of settings the condition being an adaptation, e.g. in response to network events
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/04—Large scale networks; Deep hierarchical networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
与服务层相关联的方法、系统和装置可以经由常规聚类算法重选和性能优化(其可以基于服务层分析)来提供M2M/IoT SL平台中的传感器节点的聚类管理能力。聚类功能不仅可以适用于每个常规聚类算法所采用的个别网络模型和优化目标,而且常规聚类算法本身可以使用服务层功能来改变或重新配置。这些重新配置可以基于指示传感器节点的性能是次优的分析,并且可以在与基于每个消息的动态路由决策相比时明显更大的时间尺度内发生。
Description
相关申请的交叉引用
本申请要求于2015年7月8日提交的标题为“M2M聚类管理(M2M ClusteringManagement)”的第62/189,814号美国临时专利申请的权益,所述美国临时专利申请的内容在此以引用的方式并入本文中。
背景技术
WSN中的聚类
无线传感器网络(WSN)由大量在空间上分布的通常低成本、低功耗的传感器组成,所述传感器协作完成共同的任务,并且能够在部署区域内进行短距离无线通信。与传统的通信系统相比,WSN具有以下特点:高的部署密度(比移动自组织网络MANET高几个数量级);低功耗节点(通常由电池供电,可能部署在严峻或恶劣的环境中);没有全局标识(由于传感器节点数量很多);相对严重的能源约束、严重的计算约束和严重的库存约束;并且需要拓扑改变等。通常见J.Zheng、A.Jamalipour的“无线传感器网络:联网视角(Wireless SensorNetworks:A Networking Perspective)”,约翰威立国际出版公司(John Wiley&Sons),2009年(以下称为Zheng),其以全文引用的方式并入本文。
图1示出了示例性传感器网络体系结构100。传感器101(例如,节点)协作以便经由网关传输所感测的数据,并且使其经由一个或多个汇聚节点(sinks)102或基站(BS)可用于较宽的网络,例如因特网103。传感器节点的能力约束(有限的存储器、处理能力、能量供应和带宽)与由大量节点组成的典型部署结合,对此类网络的设计和管理(例如可扩展性和能量消耗)造成许多挑战。已经开发出针对这一特定应用的解决方案,将协议栈不同层的能量感知包括在内,并影响一些WSN方面,例如路由和拓扑。
考虑到基于全局寻址方案的分配和更新给具有动态和不可预知的拓扑变化的大规模WSN施加了大量的开销,特别是在移动环境中,一些WSN特定的优化已经脱离使用因特网协议(IP)。优化还考虑到数据冗余的高概率性,同时提供了在时间受限的WSN应用中及时传送的机制。另一个考虑是在许多WSN中,通信负担可能是多方面的,从多个来源到一个特定的汇聚节点,而不是多播或点对点(peer to peer),同时仍然需要双向性。
非IP WSN部署可能采用平面拓扑或分层拓扑。平面拓扑的特点是所有节点具有相似的特性和功能,并在网络层面执行类似的任务。在这种情况下,所有传感器节点都是对等的。在没有全局寻址方案的情况下,通常通过经由泛洪对所有节点进行查询来完成数据采集。
图2A和图2B示出了平面的和基于簇的分层WSN拓扑。在后者中,拓扑节点执行不同的联网任务,并且通常根据特定的要求或度量将其分组成簇。在基于簇的拓扑中,通信封装在组内,并且地址指向簇头(CH)。
具有较低能级或更受限资源的节点可以执行感测任务,所得到的数据经由CH 105被路由并在汇聚节点或基站(BS)106处收集。BS 106充当WSN内的网关,并且通常与M2M服务器进行通信。在簇内,BS 106的角色主要是通信角色,然而,BS 106本身可能是CH 105(与末端节点直接通信),可能仅与CH 105通信(成为数据汇聚节点),或两者。在属于CH 105的簇群组中,一些节点可以是协调其它子簇的CH 105。图3示出了包括CH、BS和节点(例如,传感器等)等元素的另一示例性簇。
簇可以有助于支持数据聚合或融合、可扩展性、负载减少或节能。基于簇的协议利用这些独特的特性来提供优于平面策略的显著优势。WSN的许多应用,例如环境和自然现象监测、安全控制和业务流量估计、军事应用的监测和跟踪,都依赖于聚类技术来提高网络的可扩展性并延长其使用寿命。
WSN中的聚类算法
参考文献中描述的常规聚类算法设计用于基于簇的拓扑管理,以确定和优化CH选择,并同时确定和优化路由。如本文所讨论的,簇协议可以是聚类算法的特定实现。它们专门用于WSN中的可扩展性和高效通信,可能涉及一个或多个跳通信。聚类可能影响路由(例如,当较高能量节点用于路由而低能量节点用于感测时)。基于簇的路由优势可以包括较高的可扩展性、使用数据聚合/融合、较低的负载以及较低的能量消耗。
有大量的研究工作和文献涉及聚类协议设计,并且展示了对优化WSN中的通信协议以及特别是聚类协议的需要。已经提出了相当多的新方案,并进行了比较和调查。以下是包含多个实例的参考文献:1)Atul Pratap Singh、Nishu Sharma;“无线传感器网络的基于分层或簇的路由协议的比较研究(The Comparative Study Of Hierarchical Or ClusterBased Routing Protocol For Wireless Sensor Network)”,工程研究与技术国际期刊(International Journal of Engineering Research&Technology,IJERT),第2卷,第6期,2013年6月(以下简称Singh);2)Liliana M.Arboleda C.和Nidal Nasser:“无线传感器网络的聚类算法和协议的比较(Comparison of clustering algorithms and protocolsfor wireless sensor networks)”(以下简称Arboleda);3)Ameer Ahmed Abbasi、MohamedYounis,“关于无线传感器网络的聚类算法的调查(A survey on clustering algorithmsfor wireless sensor networks)”,计算机通信(Computer Communications)30(2007)2826–2841(以下简称Abbasi);以及4)Xuxun Liu,“无线传感器网络中的聚类路由协议调查(A Survey on Clustering Routing Protocols in Wireless Sensor Networks)”,传感器(Sensors),2012年度(以下简称Liu)。这些实例以全文引用的方式并入本文。
多样性反映了各种各样的方法,以及提出的问题以及分析和建模框架的相当大的变化。每个聚类算法根据由网络模型创建的特定上下文、聚类过程属性和具体的优化目标进行优化。
当选择聚类算法时考虑的网络模型反映了给定网络及其各个节点的特征。例如,考虑可能包括以下内容:
·节点能力(在各个级别:BS、CH、末端节点)
o移动性:固定/移动/可重新定位(根据BS/CH/传感器级别的不同可能会有所不同)
o资源(例如计算机、存储器等):受限制或丰富
o角色:中继/汇聚节点/数据聚合/感测等
o多样性:同构性对比异构性(针对整个网络或仅在CH级别)
·聚类属性:
o簇数:预置/可变
o簇大小:预置/可变
o拓扑:固定/适应性
oCH到BS连接性:预供应/假定
o路由能力:单跳或多跳
o重新聚类方法:周期性/基于事件的/等
聚类过程属性主要涉及算法的程序方面,例如:
·主动性:主动/被动/混合
·聚类方法:分布/集中/混合
·CH选择:随机/适应性/确定性
·算法复杂度
·收敛(convergence)时间:固定/可变
·执行类型:概率/迭代
·簇重叠:无/低/高
应注意,上面提到的许多特征是紧密耦合的,因此属性的划分并不意味着是静态的,并且在参考文献中肯定会变化。例如,CH选择过程的适应性、确定性或随机性与整体节点特性(特别是CH的那些特性)以及给定网络中存在的异构性级别密切相关。同样,簇重叠是可能由网络模型决定并在算法选择中强制执行的过程属性。
各个聚类算法的优化目的(例如,目标)可以包括能效、负载平衡、容错、增加的连通性和减少的延迟、最小簇数、最大网络寿命、最大剩余能量以及服务质量。
如Liu所提供的,聚类算法设计与单跳或多跳网络中的平面路由相比具有多种优点。实例可以包括较低的延迟和能量消耗、避免冲突、数据聚合/融合、增强的鲁棒性和网络寿命、容错、更好的连接保证以及避免能量空洞等。这些优点为优化目标增加了许多定性改进,这可能并不总是选择特定算法的目标。
这里,使用术语“优化目标”是指具有确定网络优化目标是否实现的特定方法的算法特征。例如,已经确定LEACH实现了与用于具有短通信距离的随机定位的传感器的网络模型的最小传输路由(MTE)系统相比最小化全局能量使用的优化目标,其中节点之中的CH的随机化是可能的。通常见W.Heinzelman、A.Chandrakasan和H.Balakrishnan的“用于无线微传感器网络的高能效通信协议(Energy-efficient communication protocol forwireless microsensor networks)”,第33届夏威夷国际系统科学大会论文集(Proceedings of the 33rd Annual Hawaii International Conference on SystemSciences),2000年第10期第2卷,2000年1月(以下简称Heinzelman),其以全文引用的方式并入本文。为了确定“优化度量”,例如消耗的能量、系统寿命以及在一定次数的迭代之后存活的节点数量已经被量化和评估。定性优化目标可以包括以特定查询格式获得感测信息的能力,但是最终所有这些要求提供了量化以提供系统改进的途径。这里使用的术语“常规算法度量”表示常规聚类算法用于操作的属性,例如接收功率和节点自身针对LEACH的能量级别。
以下表格由专家汇编并在调查或比较文件中提供。表1-3的信息提供了每个评估算法所展现的特征、优点和缺点的简要概述。
表1:聚类算法-优点和缺点(见Singh)
表2:聚类算法-差异化标准(见Arboleda)
表3:聚类算法-适用性差异(见Abbasi)
这里,术语“常规聚类功能”用于包含传统上完成聚类操作(例如,CH分配/重新分配、路由或拓扑管理)的所有低层功能。
WSN协议栈有不同的视图。传统上,最常见的是遵循传统协议栈中的分层模型,并包括应用层、传输层、网络层、数据链路层和物理层。WSN特异性反映在专注于提供任务、连接和功率管理的垂直/功能面的描绘中,如图4所示。
其它WSN特定的优化已经产生统一跨层模块XLM等提议。通常见I.F.Akyldiz、I.F.,MC.C.Vuran和O.B.Akan的“无线传感器网络的跨层协议(A cross layer protocolfor wireless sensor networks)”,信息科学与系统会议论文集(Proc.Conference onInformation Sciences and Systems)(CISS'06)(2006年):1102-1107(以下简称Akyldiz),其以全文引用的方式并入本文。图5示出XLM跨层模块与WSN分层模型的对比。XLM跨层模块旨在优化WSN中的总体能耗,并实现高效可靠的事件通信。资源受限传感器节点的单个跨层模块将传统的协议层实体合并,同时保持操作的分布和自适应。在XLM跨层模块中实现这种情况下的常规聚类算法。
图6A-图6C是用于TCP/IP、WSN和WSN跨层模型的协议栈模型和常规聚类功能映射的示例性图示。基于图4的WSN协议模型,如本文所公开的常规聚类功能映射到如图6B所描绘的传输、网络、数据链路和物理层,并且可以被映射到图4中的连接管理面。虽然所描绘的WSN协议模型在文献中被广泛认可,但是“管理面”往往因作者不同而不同,并且不是标准化的。它们反映了WSN特定的任务,这些任务事实上推动了这一领域的优化工作。
图6A-图6C还描绘了TCP/IP和WSN协议模型之间的相似性。WSN栈用于簇内通信,并因而由传感器、CH、BS和其它节点支持。通常WSN连接到诸如互联网的较大型网络,如图1所示。作为WSN一部分但同时提供网关功能的节点(例如BS、CH)支持双栈,其将WSN与使用因特网协议族的网络集成在一起。
本文列举的(例如表1-表3)和在参考资料中描述的常规聚类算法具有许多共同的属性。第一个属性是常规聚类算法设计用于基于簇的拓扑管理,以确定和优化CH选择,同时确定和优化路由。每个算法的优化部分提供了重新聚类。一些算法指定了基于簇的网内数据处理,例如聚合和融合。
第二个属性是常规聚类算法在其给定的优化目标中是自适应的。例如,在DWEHC中,使用被认为是节点之间距离的函数的期望剩余能量的度量来选择CH。如果这个方案被证明是低效率的,例如,因为在非通信任务上扩展的能量更为显着,那么所述算法不能被改变为基于诸如能力等级的抽象度量。通常见P.Ding、J.Holiday和A.Celik的“无线传感器网络的分布式节能分层聚类(Distributed Energy Efficient Hierarchical Clusteringfor Wireless Sensor Networks)”,2005年传感器系统分布式计算IEEE国际会议论文集(Proc.The IEEE International Conference on Distributed Computing in SensorSystems 2005),加利福尼亚州玛丽安德尔湾(2005),第322-339页(以下简称“Ding”),其以全文引用的方式并入本文。“能力等级”是诸如C4SD之类的算法所使用的属性,并且基于诸如设备硬件和固件能力之类的节点特性。通常见R.S.Marin-Perianu、J.Scholten、P.J.M.Havinga和P.H.Hartel的“针对异构无线传感器网络的基于簇的服务发现(Cluster-based service discovery for heterogeneous wireless sensor networks)”,国际并行、紧急和分布式系统期刊(International Journal of Parallel,Emergent andDistributed Systems),2008年(以下简称Marin-Perianu)”其以全文引用的方式并入。
第三个属性是常规聚类算法设计为在应用层之下实现。一些协议设计适配的WSN提供区分的应用协议和服务层,如图6B所示。应用协议层可以使用超文本传输协议(HTTP)或者约束应用协议(CoAP)等协议,并且可以具有诸如消息传送和拥塞控制的功能。服务层(SL)可以支持作为服务提供给应用层的诸如数据收集、设备管理、安全性等的功能。其它建模方法(例如,XLM跨层模块(Akyldiz))结合了来自跨层设计中的两层或更多层的功能,如图6C所示。
第四个属性是常规聚类算法使用在应用层下面可用的信息进行优化,因而此类服务层(SL)信息是不可用的。为了保留分层模型的功能,这些常规聚类算法被设计成使用在它们自己的层中可用的信息,这通常是网络/路由层。即使在跨层设计中,用于聚类优化的信息也是应用层下面可用的信息。
M2M通信中的服务层
正在开发中的oneM2M标准(oneM2M-TS-0001,oneM2M功能体系结构-V-1.6.1,其以引用的方式并入)定义了被称为公共服务实体(CSE)的服务层,如图7所示。Mca参考点111与应用实体(AE)112对接。Mcc参考点113与同一服务提供商域内的另一CSE 115对接,并且Mcc’参考点116与不同服务提供商域117中的另一CSE(未示出)对接。Mcn参考点118与下层网络服务实体(NSE)119对接。NSE 119向CSE提供下层网络服务,例如设备管理、位置服务和设备触发。CSE含有被称为“通用服务功能(CSF)”的多个逻辑功能,例如“发现”或“数据管理和存储库”。
在M2M通信中,服务层(SL)旨在通过支持M2M设备与客户应用程序之间的安全的端对端数据/控制交换来提供用于传送第三方增值服务和应用程序的平台,并提供针对远程供应和激活、鉴权、加密、连接设置、缓冲、同步、聚合和设备管理的能力。SL向下层网络提供接口,并且可以实现例如使用服务提供商(SP)所拥有的由第三方内容提供商通过应用编程接口(API)访问的服务器的能力。
M2M/IoT服务层专门针对M2M/IoT类型设备和应用提供增值服务。ETSI M2M和oneM2M等标准化组织正在开发针对传感器和设备网络的M2M服务层。设备管理(DM)是大多数SL平台所面向的增值服务之一,旨在为固件和软件管理、安全和访问控制、设备监控和日志记录等问题提供解决方案。
oneM2M体系结构基于可以驻留在网络中的不同类型的网络节点(例如,基础设施节点、中间节点、专用节点)上的公共服务实体(CSE)。
在oneM2M RESTful体系结构(也称为面向资源的体系结构或RoA)内,CSE支持一组公共服务功能(CSF)的实例化,如图8所示。CSF功能是通过资源实现的,这些资源是唯一可寻址的实体,具有可以通过RESTful方法(如创建、检索、更新和删除)操作的表示形式。这些资源可以使用通用资源标识符(URI)进行寻址。资源支持一组存储与资源有关的信息的属性,并且可以包含对被称为子资源的其它资源的引用。子资源是与父资源具有牵制关系的资源,其生命周期受父资源生命周期限制。
除了引入的RoA体系结构之外,oneM2M还提供了使用面向服务的体系结构(SoA)方法的规范。通常见服务组件体系结构oneM2M-TS-0007,oneM2M服务组件体系结构-V-0.6.0,其以全文引用的方式并入。SoA体系结构的概念是基于将由不同软件模块提供的且已知为服务的功能视为构建块。服务通过独立于供应商、产品或技术的指定接口提供给应用程序。oneM2M中的CSE121的SoA表示在图9中示出。
从部署的角度来看,图10描绘了oneM2M体系结构所支持的配置。oneM2M体系结构支持应用服务节点(ASN)、应用专用节点(ADN)、中间节点(MN)和基础设施节点(IN)。ASN是含有一个CSE并且含有至少一个AE的节点。物理映射的实例是驻留在M2M设备中的ASN。ADN是含有至少一个AE并且不含CSE的节点。物理映射的实例是驻留在受约束的M2M设备中的ADN。MN是含有一个CSE并含有零个或多个AE的节点。MN的物理映射的实例是驻留在M2M网关中的MN。IN是含有一个CSE并含有零个或多个AE的节点。IN的物理映射的实例是驻留在M2M服务基础设施中的IN。还可能有非oneM2M节点,其是不含oneM2M实体(既不含AE也不含CSE)的节点。这些节点代表附接到oneM2M系统的设备,用于互连目的,包括管理。
WSN中的重新编程
传感器网络部署应设计为能够执行软件和固件维护,而不必物理地到达每个单独的节点。近年来移动设备的广泛采用使得移动设备管理(DM)领域取得了巨大的进步。虽然许多DM方法可以解决诸如手机等资源丰富的设备,但是一些协议和方法(例如LWM2M)(见Marin-Perianu)为受约束设备提供了解决方案。其它标准化组织正在积极评价相关问题。通常见M.Ersue、D.Romascanu、J.的“具有受约束设备的网络的管理:问题陈述与要求(Management of Networks with Constrained Devices:Problem Statementand Requirements)”,IETF草案,URL:https://datatracker.ietf.org/doc/draft-ersue-opsawg-coman-probstate-reqs/,其以全文引用的方式并入。研究界也正在研究此类方法,特别是关注针对多跳代码分配系统无线传感器网络的方法。通常见1)B.Hemappa、B.T.Shylaja、D.H.Manjaiah、B.Rabindranath的“无线传感器网络的节能高效远程数据采集和重新编程(An Energy Efficient Remote Data Collection and Reprogramming ofWireless sensors Networks)”,国际计算机趋势与技术杂志(International Journal ofComputer Trends and Technology),第3卷,第3期,2012年(以下简称Hemappa);以及2)T.Stathopoulos、J.Heidemann、D.Estrin的“无线传感器网络的远程代码更新机制(ARemote Code Update Mechanism for Wireless Sensor Networks)”,CENS技术报告(CENSTechnical Report)#30,加州大学洛杉矶分校,美国加利福尼亚州洛杉矶市,嵌入式网络传感中心,2003年(以下简称Stathopoulos)。Hemappa和Stathopoullos以全文引用的方式并入。
发明内容
无线传感器网络(WSN)中基于簇的拓扑使用传感器组经由簇头(CH)与汇聚节点或基站(BS)通信,并且基于用于CH重新分配、路由或拓扑管理等的常规聚类算法。
常规聚类协议被设计成通常在部署时基于包括网络模型和优化目标的初始上下文来选择和配置。然而,传感器网络通常很大且使用寿命长,并且因此具有动态的上下文,具有改变的网络用途、目的、拓扑、节点配置等。常规聚类算法提供网络重组,但是它们被选择为基于静态的特定初始配置(优化目标、网络模型等)来优化。如表1至表3中总结的论文和实例所示,可以认为结果表明,只有在特定的上下文中,例如网络模型、聚类过程属性和特定优化目标,每个聚类算法才能完全实现许多性能增益。一旦上下文发生改变,其它算法可能更适合满足部署或应用程序的需求。
本文公开示例性方法、系统和装置,服务层(SL)可以通过所述示例性方法、系统和装置经由常规聚类算法重选和性能优化为M2M/IoT SL平台中的WSN提供聚类管理能力,所述常规聚类算法重选和性能优化可以基于SL分析。聚类功能不仅可以在每个常规聚类算法所采用的单独网络模型和优化目标内进行适配,而且常规聚类算法本身可以使用SL功能来改变或重新配置。这些重新配置可以基于指示WSN的性能是次优的分析,并且与基于每个消息的动态路由决策相比,可以在明显更大的时间尺度内发生。
在实例中,在簇配置文件注册表(CPR)内可能存在用于维护簇信息(例如拓扑)并将其与面向服务的信息相关联的簇配置文件。作为簇配置文件的一部分,还可能存在簇管理策略和专用度量(专用于聚类管理和性能优化)。
在实例中,可以存在使用CPR结合基于SL的分析和逻辑来增强常规聚类的增强型簇管理功能(ECMF)。
在实例中,可以存在用于ECMF的簇内优化方法,其可以增强用于单个簇的常规聚类算法。可以使用第一方法通过例如簇配置文件或CPR等信息来请求和维护SL内的簇相关信息。可以使用第二方法自动触发常规聚类算法的重选或优化,或者基于SP或其它提示。可以使用第三方法来基于服务度量(例如,成本、效用、服务冗余度)或服务特性(例如查询类型、参数等)适配常规聚类算法选择。可以使用第四方法来基于给定的或新的优化目标适配常规聚类算法参数(例如,定时器或阈值)。
可以使用第五方法来提供用于使用聚类策略和度量为常规聚类算法引入新的或单独的聚类优化目标的途径。例如,服务提供商可能具有高级别的要求,例如通信可靠性和能效,这导致相互竞争的目标。取决于用户界面的复杂程度,高级别要求可以被转换成若干个度量,例如传输延迟、最小和最大数据重传等。这些度量的每个组合又可以形成不同的候选常规聚类算法。可以使用第六方法来触发簇重新配置,包括新的簇形成。
在实例中,可以存在用于ECMF的簇间优化方法,其使用全局SL特定信息和附加分析来增强多个启用SL的簇的性能。这些方法也可以用来优化BS之间的簇传输的过程。这些方法可能会被簇进一步使用,使用集成的基于跨层的平台与同一SL内的其它簇和簇类型进行集成。
在实例中,基于所描述的方法的API或其扩展可以被提供给SL中的其它实体和用户(例如,末端用户或服务提供商的设备),以进一步启用基础设施域上的应用程序并支持用户交互。
提供本发明内容部分是为了以简化的形式介绍将在以下详细描述中进一步描述的概念的选择。本发明内容部分不旨在标识所要求保护的主题的关键特征或基本特征,也不旨在用于限制所要求保护的主题的范围。此外,所要求保护的主题不限于解决本发明的任何部分中指出的任何或全部缺点的限制。
附图说明
从以下结合附图举例给出的描述中可以得到更详细的理解,其中:
图1示出示例性传感器网络体系结构;
图2A示出平面的和基于簇的分层WSN拓扑;
图2B示出平面的和基于簇的分层WSN拓扑;
图3示出包括CH、BS和节点等元素的另一示例性簇;
图4示出侧重于提供任务、连接和功率管理的垂直/功能面的描绘;
图5示出XLM跨层模块与WSN分层模型的关系;
图6A结合图6B和图6C示出针对TCP/IP、WSN和WSN跨层模型的常规聚类功能的协议栈模型和映射;
图6B结合图6A和图6C示出针对TCP/IP、WSN和WSN跨层模型的常规聚类功能的协议栈模型和映射;
图6C结合图6A和图6B示出针对TCP/IP、WSN和WSN跨层模型的常规聚类功能的协议栈模型和映射;
图7示出定义被称为公共服务实体的服务层的oneM2M标准;
图8示出oneM2M RESTful体系结构;
图9示出oneM2M中的CSE的SoA表示;
图10示出oneM2M体系结构所支持的配置;
图11示出示例性的基于簇的传感器网络;
图12示出具有增强的聚类功能的示例性无线传感器网络(WSN);
图13A示出可以结合服务层实现的ECMF的实例;
图13B示出可以结合服务层实现的ECMF的实例;
图14示出ECMF和CPR以及其它SL之间的示例性逻辑交互;
图15示出针对簇配置文件注册(cluster profile registration)的示例性消息流;
图16示出针对查询CPR的示例性消息流;
图17示出针对来自CPR的信息查询的示例性消息流;
图18示出针对与ES交互的示例性消息流;
图19示出示例性ECMF与SL之间的交互,其示出相关联的CPR交互;
图20示出示例性簇内管理过程;
图21示出示例性簇间管理过程;
图22示出ECMF和CPR功能在oneM2M功能体系结构内的示例性位置;
图23示出ECMF和CPR功能在oneM2M功能体系结构内的示例性位置;
图24示出基于当前oneM2M RoA体系结构实现所公开的聚类管理的一个实例;
图25示出可以在oneM2M RESTful内使用以便描述簇配置文件的资源;
图26示出基于当前oneM2M SoA体系结构的示例性簇管理;
图27示出可以基于本文讨论的方法和系统产生的示例性显示器;
图28示出可以基于本文讨论的方法和系统产生的示例性显示器;
图29A示出其中可以实现所公开的主题的示例性机器对机器(M2M)或物联网(IoT)通信系统;
图29B示出可以在图29A所示的M2M/IoT通信系统内使用的示例性体系结构;
图29C示出可以在图29A所示的通信系统内使用的示例性M2M/IoT终端或网关设备;以及
图29D示出可以体现图29A的通信系统的各方面的示例性计算系统。
具体实施方式
表1、表2和表3中的算法是常规的聚类算法,并且在由Zheng、Singh、Arboleda和Abbasi引用的参考文献中进行了描述。在此引用的具体实例是LEACH、TEEN和APTEEN等等。本发明陈述表1、表2和表3中详述的比较结果,而不是每个单独算法的细节。考虑到现有技术,本发明假定合适的重新编程方法在集成WSN的M2M服务平台的上下文中可用。这些方法可能适用于WSN资源受限的节点,而不仅仅是CH和BS。
由M2M服务层平台方法提供的设备管理(DM)服务也提供被称为“重新编程”的固件/软件更新方法的解决方案。用于重新编程的一些高级方法可以与其它管理功能使用的那些方法相同或相似,所以在WSN中的固件更新的情况下,术语“DM”和“重新编程”方法可以互换使用。然而,虽然在诸如BS之类的启用SL的节点中使用的更新方法可能由LWM2M服务器提供,但是可以通过远程代码更新机制(例如本文引用的那些)来提供通过BS且经由CH对资源受限节点的重新编程。见Stathopoulos。远程代码更新机制的实例包括柯思博(crossbow)网络编程(XNP)和多跳空中编程(MOAP),以及在Stathopoulos中发现的Deluge和CORD。
常规聚类协议被设计成通常在部署时基于包括网络模型和优化目标的初始上下文来选择和配置。传感器网络可能很大且使用寿命长,并且因此具有动态的上下文,具有改变的网络用途、目的、拓扑、节点配置等。常规聚类算法提供网络重组,但是它们被选择为基于静态的特定初始配置(优化目标、网络模型等)来优化。本文公开了用于重选和随后实施聚类算法和性能优化等的方法、系统和装置。
注意:对于以下用例以及本文中的一般情况,“用户”和“用户/SP”这两个术语可以由有兴趣改善聚类性能的所有利益相关者互换使用。它们与引入的功能的交互是通过服务层中的专用API来提供的。假设任何多用户访问都在SL内被仲裁,这不在本文的讨论范围之内。
以下是给出关于所公开的主题的进一步上下文的情景。图11示出了示例性的基于簇的传感器网络。考虑这样的情景:其中传感器围绕图11中的工厂化合物形成区域140,网络最初设置为响应周期性用户查询(例如仅追踪环境温度平均值)。系统最初是基于所谓的主动方法进行配置的。例如,区域140的传感器节点周期性地接通,感测环境并且将预定义的一组数据定期地发送到BS 134的CPR 136,用户的设备可以查询CPR 136。基于由周期性查询配置产生的测量报告要求,初始地用主动的常规聚类协议(例如,LEACH)配置节点,从而形成基于簇的传感器网络。对于附加场境,应理解,对于WSN的潜在期望是节能;否则一切都可能一直在进行。
在初始配置(在时间T1)之后,可以确定环境条件显着影响新的制造过程,因此在工厂中开发新的操作要求或其它用途,用于如下的查询:1)如果某个机翼中的温度低于第一阈值,则发送警报;2)在过去三小时内检索某一象限的平均温度;3)接下来的三小时报告温度是否超过阈值B;或者4)报告在过去三小时内温度在阈值A与阈值B之间的区域。
在时间T1,基于LEACH的原始主动设置变得明显效率较低,因为数据经常(甚至在不变的条件下)传输,并且需要从BS 134的CPR136中提取关键信息。如果在时间T1使用了被动方法,传感器将被配置为检测感测属性的值的突然变化(基于预设阈值),但是对于涉及时间关键数据的查询可能存在不可接受的延迟。混合的常规聚类协议,如APTEEN,在时间T1之后可能会表现得更好。对于APTEEN,通常见A.Manjeshwar和D.P.Agrawal的“APTEEN:无线传感器网络中高效路由和全面信息检索的混合协议(APTEEN:a hybrid protocol forefficient routing and comprehensive information retrieval in wireless sensornetworks)”,第二届无线网络和移动计算并行和分布式计算问题国际研讨会论文集(2002):48,(以下简称Manjeshwar),其以全文引用的方式并入本文。在这种情况下,可以使用数据分析来改变常规聚类协议。数据分析可以有助于确定算法参数(如阈值和定时器)的最佳设置,以及传感器网络的完整重新配置。通常,分析和重新配置被实现为不相互作用以提供优化的不同功能。
在这种情况下,可以看出,常规聚类算法可能随着传感器网络\应用需求或外部条件的变化而变得次优。使用传统的解决方案,缺乏有效的方法来使簇优化使用与最初配置不同的算法(或参数)。
参照图11继续所述情景。在稍后的时间(T2),相邻的工业园区在区域146中具有传感器网络,其与区域140所使用的相同SL平台集成。区域140和区域146可以包含一些类似的传感器(例如大气压力传感器)。就常规聚类算法选择而言,即使单个聚类被优化,大气压力传感器之间的信息冗余也不能被用来减少不必要的报告。有机会能对包括区域141和区域146的整个集成网络进一步优化。如本文所讨论的,服务层(SL)被定位成采集和分析传感器网络相关信息,并采用分析来确定簇内的最佳功能。本文讨论的方法使得例如SL的使用能够以协调的方式优化多个簇的功能。
公开了协助常规聚类功能的服务层增强聚类(SLEC)功能。SLEC功能可以基于实施它的节点来区分,因为基础设施节点上必要或可能的增强(例如)可能不同于在另一个设备上实现必需或可能的增强。
还公开了一种增强型簇管理功能(ECMF),其除了传统协议栈的较低层中的常规聚类算法所提供的逻辑之外,还可以在簇和子簇的管理中提供SL逻辑。ECMF功能可以被提供用于簇内管理或簇间管理。另外,除了非服务相关信息(例如,设备特征、拓扑等)之外,本文公开了描述在簇内管理的传感器网络的服务相关上下文的簇配置文件。所公开的簇配置文件注册表(CPR)可以是管理簇配置文件的M2M服务层中的逻辑功能。
图12示出了具有增强的聚类功能的示例性无线传感器网络(WSN)。在图12中,基础设施节点(IN)131包括ECMF 132和CPR 133。IN 131与BS 134和BS 137通信连接。BS 134包括ECMF 135和CPR 136。BS 134还与区域140通信连接,区域140包括与CH 141和CH 143的连接。CH 141包括ECMF 142,并且与诸如节点145的多个节点通信连接。CH 143包括ECMF 144,并且与诸如节点150和CH 154的多个节点通信连接。BS 137包括ECMF 138和CPR 139。BS137与区域146通信连接,区域146包括与CH 148和CH 149的连接。CH 148包括ECMF 155,而CH 147包括ECMF 156。
除了在较低层(例如,如图4或图6A所示的应用层或SL之下的层)中由常规聚类算法(例如,表1的算法等)提供的常规逻辑之外,ECMF(例如,ECMF 132、ECMF 144等)还管理簇(例如,区域140)和子簇(例如,簇152或簇153)。如本文更详细讨论的,例如,ECMF 144可以用于以CPR 136注册簇153,并且作为注册的结果提供与在CPR 136中创建的簇153相关联的簇配置文件(未示出)的访问控制信息。在另一实例中,ECMF 144可以用于更新与簇153相关联的簇配置文件的参数。
图13A和图13B示出可以结合服务层来实现的ECMF的实例。图13A和图13B还示出ECMF与常规聚类算法的可能的交互。在图13A中,ECMF 135按照常规协议栈分层模型取决于SL来实现。因此,EMCF 135使用下面的层为上面的层(应用程序)提供服务。在图13A中,ECMF135提供用于重新编程较低层以优化常规聚类功能的指令,但是较低层独立于ECMF135起作用。例如,常规聚类算法(例如,表1-表3或尚未开发的类似算法)可以在这种情况下在较低层内实施而不需要修改。
在图13B中,ECMF 144与在专用于跨层实现的平台上的较低层中实现的常规聚类功能集成。通常见J.Marrón等人的“TinyCubus:一种灵活且自适应的框架传感器网络(TinyCubus:a flexible and adaptive framework sensor networks)”,第二欧洲无线传感器网络工作组论文集(Proceedings of the Second European Workshop on WirelessSensor Networks)(2005):278-289(以下简称Marrón),其以全文引用的方式并入本文。Marrón支持能够集成各层以提供最佳优化的想法。因此,没有更多的水平较低层(例如物理、MAC、传输),而是只有一个跨层模块。这可能是其中一种常规算法增强了ECMF功能的情况,或者其中全新的算法设计为提供常规的聚类功能(CH选择/重选、路由、拓扑管理)和ECMF功能的情况。这形成了事实上的新的跨层算法,包括较低层和SL级功能。层间的聚类管理相关的数据交换可以通过多种方式实现:本地函数调用、重新配置、集成协议等。
ECMF(例如,ECMF 132、ECMF 144、ECMF 156等)可以被提供用于簇内管理以及用于簇间管理。关于簇内管理,可以在具有簇协调角色的节点(诸如CH或BS)上实施ECMF 135。在一个实例中,参考图12,ECMF 142和ECMF 144驻留在具有CH角色的节点中,并且可以提供簇内管理。例如,ECMF 142和ECMF 144负责维护关于相应簇152和簇153的相关信息,使得在时间T1(如关于图11所讨论的)重新配置由区域140中的簇152和簇153使用的常规聚类算法,以便考虑一个或多个优化目标(例如,当被视为整体时的设备簇的阈值能量消耗、阈值通信延迟、阈值存储器使用、阈值处理性能度量等)来优化性能。下面是关于启用这个功能的方法的更多细节。ECMF功能通常在能够支持增加的计算功能级别(例如,在能量、通信、存储器或所需处理上)的节点上实现。
为了提供簇间管理,ECMF可以驻留在BS节点(例如BS 134)上的SL处,或者可以驻留在簇外部的单独节点(未示出)上;其中簇间管理功能可以实现为独立功能或簇内管理功能的增强。为了便于描述,假设下面对ECMF的引用具有部署所需的特定功能级别。继续参考图12,分别驻留在BS 134和BS 137上的ECMF 135和ECMF 138可以负责维护关于它们各自协调的簇的相关信息。CPR 133可以被认为是集中的并且位于IN 133中,但是如图所示,BS134和BS 137可以包括本地CPR(例如,CPR136和CPR139)以及本地相关配置文件。一些度量和拓扑更新可以周期性地发送到CPR 133(中央CPR),例如,作为快照、平均值等。在实例中,在时间T2之后(如关于图11所讨论的),IN 131中的ECMF 132可以检测从区域140和区域146获得的冗余测量,使得可以改变传感器调度(例如,交替调度来自冗余传感器的报告)。
如本文更详细讨论的,CPR(例如,CPR 133、CPR 136等)是管理簇配置文件和相关联的对其它服务和资源的映射的逻辑功能。取决于实现方式,例如,服务提供商(SP)的网络可以使用其域内的一个或多个CPR,可以在SP间共享CPR,或者CPR功能可以在节点之间分布或者与其它逻辑功能集成。例如,CH 141可以是其中ECMF 142仅提供簇内管理的节点。CPR136可以是BS 134本地的,可由ECMF 135访问,并且可以被实现为仅含有协调的簇140的配置文件。在不同的实现方式中,只有一部分CPR 136可以是ECMF 135本地的,其余部分驻留在不同的实体(例如,IN 131),并且在需要时由ECMF 135访问。
图14示出ECMF与CPR以及其它SL(例如,使能服务)之间的示例性逻辑交互。使能服务(ES)可供SL访问,并可位于平台的任何位置。对于本发明,术语“使能服务”(ES)是例如位置、语义、分析或可用于SL内的聚类增强的设备管理之类的功能等服务的术语。
表4示出了可以由CPR(例如,CPR 133)提供并且可以在簇配置文件中考虑的示例性信息。CPR 133可以提供以下一般类别(例如表5中)的信息:描述、策略、丰富(enrichment)、拓扑和度量等等。本文提供的示例中的一些参数反映了整个列表、数据库或与外部资源的链路,而不是单个条目。整个列表(多个参数的列表)的实例可以是用于表示拓扑的有序列表(包括子列表)的列表。每个子列表可能含有簇中第一个条目是CH的节点。到外部资源的链路的实例可以是其中每个条目是到一个或更多服务器的链路,其中包括关于位置、语义等的信息。已经分开参数和配置文件子类型的类别以便于描述,分类不是强制的。参数的使用可以基于实现方式选择。有关每个类别的其它详细信息如下。
表4:簇配置文件注册条目实例
关于描述类别,其包括通常定义和识别簇的参数。除组成外,大多数描述参数在聚类过程中可用或较早设置,且应用CPR 133注册时可用。有些可能可用于重新配置(所有者、名称等),但大多数情况下是相当静态的。这个类别可以包括安全参数(例如,访问控制列表-ACL)或由节点提供的服务,虽然它们可以被考虑在策略类别中。簇配置文件通常由作为维护或优化传感器网络的利益相关者的用户配置。这些参数可以在簇的整个生命周期中进行配置和重新配置,但往往是相当静态的。表5提供了簇描述类别的示例性参数。
表5:簇描述
关于策略类别,其包括可描述如何使用或配置簇的参数。表6提供了策略类别的示例性参数。描述或确定聚类算法的选择的许多关键参数包括在此类别中,例如算法选择(例如,移动性、数据速率和约束)中要考虑的聚类算法优化目标或节点特征。这些参数可以由用户配置。所述参数可以在簇的整个生命周期中配置和重新配置,但是与其它参数(例如,拓扑)相比通常不那么动态。如本文中适用于其它类别一样,可以基于诸如类似的WSN、一天中的时间以及传感器的类型等的历史信息来自动设置策略。
算法选择的目的、分配CH的角色的方式可以被限制到特定类别,例如固定的CH角色、在CH的列表中设置旋转、CH的随机选择等。例如,图12中的一些或所有CH可能是插入的节点而不是电池供电的。因此,在簇配置中,它们被分配为固定为CH节点,因为功率和支持的通信量可能不是问题。因此,更普遍的功率(例如,剩余电池寿命或预计的电池寿命)可能是选择CH的因素。CH的角色可以随机分配(如果满足最低标准),以便分摊通信负担。在图12中,如果使用了使用随机选择的LEACH,则任何满足最低标准的节点都可以成为CH。
可以指定优化目标(例如,参数availableOptimizationGoals),例如能效级别、网络寿命、剩余能量等。这些参数可以与定义簇的其它参数结合使用。例如,用于测量性能,性能又用于选择CH或选择算法。请注意,用于选择CH(在算法内)的测量可能与选择算法的测量不同。例如,CH可以在它们达到阈值剩余能量时简单地改变到剩余能量最高的节点。当网络寿命未被优化并且太多节点太快死亡时,算法可能改变。定义簇的其它参数:每个(子)簇的节点数量、最大消息延迟等,甚至参数形成“丰富”类别,例如位置。例如,某些策略(包括优化目标)可以取决于簇的位置
策略类别的参数允许SL增强簇管理的启用,并且可以由ECMF在本地存储或在集中式或分布式CPR中。参数的实例如下。可以通过几种方式以阈值定义能效,例如每条消息的最大能量、每单位时间每节点消耗的最大能量、每单位时间每簇消耗的最大能量等。网络寿命可以由第一节点死亡之前的最小时间、多个节点在没有相邻者的情况下变得隔离之前的最小时间等等来定义。剩余能量可以定义为给出待同时使用的一组数字,例如将作为簇头的节点的最小剩余能量、CH的最小/最大数量、延迟等。在另一方面,剩余能量可以是触发重新配置的每个节点的最小剩余能量的单个阈值,或者触发重新配置的所有节点中的最小剩余能量的单个阈值。
表6:策略配置文件
参照丰富类别,其包括丰富与簇相关联的信息并且可以被本地存储或者可以作为ES(例如位置、语义或分析服务器)在外部提供的参数。表7提供了关于丰富类别的示例性参数。可以提供到关联的ES的链路(例如,URI或对资源的其它参考)作为簇配置文件的配置的一部分。在簇的整个生命周期中,可以直接通过ES更新丰富类别的参数。这些参数可以由用户配置。丰富相关参数可以在簇的整个生命周期中配置和重新配置,但是倾向于与其它的配置文件参数(例如,拓扑配置文件参数)相比不那么动态。
表7:丰富配置文件
参照拓扑类别,其包括可用于描述簇的分层结构并且通常受所选簇算法影响的参数。表8提供了拓扑类别的示例性参数。描述簇拓扑结构时可以采用各种级别的细节。例如,可以给出CH的节点的图形表示或列表,或者拓扑可以包括所有的末端节点,或仅在CH级别描述。位置信息可能可用或相关,也可能不是可用的或相关的,或者替代地可能位于ES上。
拓扑相关参数(例如clusterNofMembers、currentClusteringAlgorithm)最初可以由用户配置。然而,由于ECMF(例如,ECMF 142)中的优化逻辑,这些参数预期会被更新。例如,在选择新的常规聚类算法(例如APTEEN而不是LEACH)时,更新currentClusteringAlgorithm以反映变化,并且还更新currentOptimizationGoal、candidateAlgorithmList和algorithmRankingList。在通过重新编程来进行簇重新配置之后,拓扑的节点可能改变,因此,ECMF142可以更新subClusterList、parentClusterID等以对应于新的配置和拓扑。拓扑相关参数基于可以在较低或较高层定义或使用的属性。例如,如本文所讨论的,拓扑相关参数可以处于SL级,这可以启用SL增强聚类功能。
表8:拓扑配置文件
参照度量类别中的参数,其包括从簇ES获得的参数或在聚类算法运行期间导出的参数。表9提供了度量类别中的示例性参数。度量参数通常用于确定算法的效率或所需的任何优化时的决策逻辑。度量参数可被视为反映来自或关于簇节点的信息的动态参数。度量参数提供用于ECMF采用的优化的原始数据。这些参数可以与ES提供的外部参数一起在此逻辑内使用,以便创建簇状态的全视图。
表9:簇度量
基于部署用例场景,簇配置文件(例如,表4-ID 1行)可以包括本文描述的全部或部分参数(例如,表4至表9)。鉴于使用不同类别的参数的变化,配置文件的部分可以存储在整个SL的不同实体中。
在实例中,簇(例如,簇152)的配置文件的拓扑和度量参数可以与CH 141中的ECMF142位于同一位置,尤其是当可以从传感器节点收集大部分信息时。与策略和丰富相关的参数可能不是动态的,可能驻留在BS 134或IN 131中,特别是对于簇间的协调。在分布式情况下,可以通过例如唯一的clusterID和clusterName之类的参数、至配置文件中参数的链路等跨实体进行信息的相关性。
CPR 133可以创建或存储单个或多个簇配置文件。CPR 133可以跨节点分发配置文件或配置文件的部分。CPR133和ECMF132的功能可以被集成到一个设备中或分布在一个以上设备中。在初始注册期间提供的信息可以包括与描述和拓扑关联的参数。表10提供了可以被包括在用于簇配置文件的一个或多个注册消息中的示例性参数。并非表10中所描述的所有参数都可以由CH(例如,CH 141)或与簇相关联的其它节点来提供,或者CH可能提供另外的配置文件参数(例如,到设备管理(DM)服务器的链路,如果在初始配置中提供)。CPR支持的配置文件参数可以包含在簇配置文件的注册消息中。
在簇级别(例如,具有多个节点的簇,例如簇152),注册信息可以包括诸如所有权、成员信息(节点)、关联的语义、分析或位置服务器之类的信息、包括算法目标、阈值和参数的管理信息、拓扑、移动特性、CH和BS特性等等。在每个簇内的节点级别(例如,节点145),注册信息可以包括单独的能力、所提供的服务的列表以及位置等等。考虑到每个簇或每个节点,注册可能只包括一小部分可能的参数,这些参数只创建簇的初始描述,所述描述在簇的生命周期中稍后经过丰富,或者可以从簇的开始就非常详细。每个节点和每个簇仅被区分为提供信息类型的上下文。成员信息对簇有效,而其它信息可能以每个节点为基础有效。这是构造给定信息的类型的方式。另外,关于注册,注册可能是非常基本的。例如,注册可能只是由节点A-Z组成的簇ID,但是没有其它信息是已知的。因此,例如,通过设备管理命令,稍后将添加有关节点可能是什么的信息。存在根据哪些参数是需要的的其它方法。
应理解,执行图15-图19中所示的步骤的实体是这样的逻辑实体:其可以用存储在设备、服务器或计算机系统(如图29C或图29D所示的那些)的存储器中以及在设备、服务器或计算机系统的处理器上执行的软件(例如,计算机可执行指令)的形式来实现。也就是说,图15-图19中所示的方法可以用存储在计算设备(例如图29C或图29D所示的设备或计算机系统)的存储器中的软件(例如,计算机可执行指令)的形式来实现,所述计算机可执行指令当由计算设备的处理器执行时执行图15-图19中所示的步骤。在下面关于M2M设备的交互作用的进一步详细描述的实例中,图12和图15的ECMF 142可以驻留在图29A的M2M终端设备18上,而图12和图15的CPR 133和ECMF 132可以驻留在图29A的M2M网关设备14上。
图15示出了用于簇配置文件注册的示例性消息流。在步骤161,设备160与ECMF142进行初始通信。初始通信可以是经由DM或引导程序(bootstrap)等等的配置。在步骤162,ECMF 142向CPR 136发送消息以进行注册。步骤162的消息可以包括表10的信息。配置文件注册消息(步骤162)可以来自ECMF 142,但是并非所有这些参数都可以由ECMF提供或已知。这取决于配置设置,配置设置可能由SP完成。例如,可以在第一次注册期间提供更多或更少的参数。在步骤163,ECMF 142基于来自步骤162的消息中的信息(例如表4至表10中的一个或多个参数)接收确认注册的响应。在步骤164,ECMF 142接收用于更新簇的消息。更新可以是来自本文讨论的任何类别(例如,描述、拓扑等)的参数。在实例中,在步骤164,ECMF 142接收新的ACL。在步骤165,ECMF 142可以将步骤164的簇更新指令(其可以包括新的ACL)发送到CPR 136。在步骤166,ECMF 142可以从CPR 136接收消息,所述消息可以包括接收信息或实现步骤165的指令的确认。参考图15和图12,ECMF 142可以与BS 134通信并且向CPR 136注册,并且包括ECMF 142的簇152的簇配置文件被构建和存储。图15还示出了在初始注册之后引入配置文件更新的交互(例如,在步骤164提供访问控制列表(ACL)),其未包括在簇的初始注册中。
表10:实例配置文件注册消息
图16示出了用于查询CPR的示例性消息流。在步骤171,ECMF 142可以发送对可用CPR功能的查询。在步骤172,ECMF 142可以从CPR 136接收响应。如图所示,CPR 136可以提供可用参数和功能能力的列表作为对步骤171的响应,其可以实现各种各样的实现方式和注册表功能(registry functionality)。例如,每当发现CPR 136时可以使用诸如步骤171的外部请求并且可以在执行配置文件参数的查询之前进行所述请求。包含在簇配置文件中的所有参数以及相关的功能都可以包括在内。例如,来自CPR 136的步骤172处的响应可以指示CPR 136是否具有每个节点的位置存储的能力,或其是否提供到分析数据库的直接接口。在实例中,可以与步骤172的消息一起提供SL作为通告,其不一定响应于查询。资源通告可以促进资源发现,并且是由CPR 136启动(在这种情况下)的处理。步骤172中的消息可以是对步骤171的响应,但是可以由CPR 136周期性地广播,或者以其它方式提供。下面是关于参数和功能能力的简要讨论。在图16的情况下,SL想知道CPR有哪些功能可用。的确,这是由于存在其大部分都显示在数据库所支持的参数中(不仅仅是注册)的数据库。例如,参数显示此CPR是否包含有关策略的信息或仅包含有关度量的信息。但是功能能力可能不仅仅是参数,因为某些CPR可能没有关于位置的字段/参数,但是如果需要,其可以去位置服务器寻求它,尽管它不是本地存储的。
图17示出了来自CPR的信息查询的示例性消息流。对与特定簇(例如簇153)相关联的信息的查询可以由ECMF 142使用,或者可以由其它SL实体完成。在步骤174,ECMF 142可以请求从CPR 136检索特定的簇信息。例如,簇信息可以包括服务的位置和类型。在步骤175,ECMF 142可以接收指示来自CPR 136的响应。所述响应可以包括所请求的信息。图17的方法允许添加、修改或删除与簇相关联的信息的服务请求。
图18示出了与ES交互的示例性消息流。在步骤178,ECMF 142向位置服务器177发送请求(例如,使能服务)。步骤178的请求可以是检索簇中的节点(例如,簇153中的节点150)的位置。在步骤179,ECMF142可以接收指示来自位置服务器177的响应。步骤179的响应可以包括在步骤178所请求的位置(例如,基于GPS的CH的地理位置)。图18是使用由SL实现支持的功能(例如订阅、通知、查询等)来提供增强服务的ECMF 142的示例。ECMF 142可以被配置为向来自其它SL实体的查询提供通知或者响应。
参考图11和图12以及相关讨论,为了在时间T2之后提供优化,ECMF 142可以获得由地理区域内的每个区域(例如,区域140和区域146)中的传感器监测的大气压力。如本文详细描述的,可用ES可以在与簇丰富相关联的参数中指定(例如,表7),并且参考图21给出了解决这个问题的过程的示例。在更大的过程中,在图18中表示与ES(本例中的位置服务器177)的交互。
图19示出了示例性ECMF与SL之间的交互,其示出了关联的CPR交互。应理解,图19以及相关讨论摘要说明了CPR在与其它SL实体交互中的角色。当ECMF 142经由API将接口提供给SL实体(例如ES)或用户的设备时,相关联的CPR交互可能随之发生并且位置信息的检索之后是更新相关联的配置文件(例如全部或部簇配置文件),这并不罕见。
继续参考图19,在步骤185,ECMF 142可以从SL实体151接收通知。步骤185的通知可以包括如表10中所讨论的periodicEvaluationParams。在步骤186,ECMF 142提供消息以更新CPR 136。步骤186的消息可以包括在步骤185处接收的periodicEvaluationParams。然后,CPR 136可以更新其配置文件以供稍后使用。在步骤187,将更新的确认发送到ECMF142。在步骤188,响应确认CPR 136的更新。
继续参考图19,为了便于表示,与CPR 136的某些交互没有被表示出来,并且ECMF142可以被示为信息的唯一消费者或提供者。应理解,虽然未在图中示出,但ECMF、CPR和SL实体等可能涉及交互。考虑到其它图和附带的讨论,图19传达了诸如图15中的簇更新(例如,步骤165)或图17中的检索(例如,查询的步骤174)之类的操作可能实际上是来自不同SL实体的另一操作的结果。
可以通过SL中的专用API来提供与用户的设备的交互,并且所述交互可以导致簇配置文件的部分或全部更新,或者触发簇重新配置,如本文详述的。假定多用户访问可以在SL内被仲裁。簇配置文件更新可以由ECMF 142通过API而提供给用户的设备(例如,图29C的M2M设备30)。簇配置文件的更新也可以与用于配置文件注册、更新和查询以及用于CPR功能查询的本文所述的CPR方法(例如,图15-图19)相同或是其的扩展。用于更新簇配置文件的方法可以触发内部ECMF 142处理,并且还可以被转发给CPR 136。ECMF 142可以重新配置簇152(例如,被管理的簇)中的每个单独的节点。用于重新配置每个节点的方法可以由用户的设备考虑策略类别中的参数来指定,如本文所讨论(例如表6)。
总而言之,一个或多个ECMF可以利用较低层中的传统聚类算法来帮助管理簇(例如,区域140)或子簇(区域140的聚类152)。在实例中,ECMF 142可以使用在CPR 136处可用的簇配置文件、与其它SL实体(例如,SL 151)的交互,以及在CH 141处可用的并且从所使用的常规聚类算法导出的任何信息。
图20示出了参考图11至图13的系统等的示例性簇内管理过程。在步骤201,BS 134处的ECMF 135查询关联的CPR 136以获得可用的功能和参数。例如,图16的步骤171。在步骤202,ECMF 135为其簇(例如,区域140)创建簇配置文件。描述、策略和丰富参数可以经由预先供应或经由与用户(例如,设备160或M2M设备18)的SL交互来配置。创建或更新簇配置文件可以包括与用相应的配置文件参数注册新设备160相关联的信息。例如,图15的步骤161。在步骤203中,用CPR 136注册步骤202的簇配置文件,并且ECMF 135进入设置阶段。例如图15的步骤162和步骤163。
在可被认为是设置阶段的一部分的步骤204处,ECMF 135基于丰富配置文件与SL实体151交互。丰富配置文件可被认为是一个或多个丰富参数的汇编(例如,表7)。例如,ECMF 135可以配置位置更新通知以更新相关的度量配置文件(例如,一个或多个度量参数的汇编-见表9)。ECMF 135可以基于诸如拓扑的本地可用信息来设置簇(例如,区域140)的一些或全部配置文件的更新。ECMF 135还可以建立定制分析以从SL 151信息中提取附加度量参数(例如,基于传入查询的关键信息传递延迟的测量)。ECMF 135还可以配置簇候选算法列表(见表8)并且配置关联参数的集合以及要执行的分析。例如,图18的步骤178和步骤179。在步骤205,当满足assesmentTriggerThresholds中设定的特定标准(例如,已经配置了区域140的簇配置文件中的关键参数列表等)时,设置阶段可以结束。在初始设置之后的实例中,只要ES通知已配置完毕,就可以退出设置。稍后重新配置之后只能设置一个定时器。
在步骤206,评定阶段(步骤206-207)开始。评定阶段可能被认为是ECMF流程的一个相对较长期存在的阶段,在此阶段信息在拓扑和度量配置文件中累积,并且信息由ECMF135处理。所述长期存在的阶段可以被视为不仅仅是几秒钟(例如通常比IP路由更改长),并且可以是信息积累和评定的小时、天、周、月等。此累积的信息是在常规聚类算法(例如,LEACH)的迭代中获得的,并相应地更新。可以基于来自SL 151的SL通知或者来自ECMF 135的周期性查询,在CPR 136处更新来自SL 151的与簇功能相关的SL信息。在步骤207,在此期间,ECMF 135可以不断地处理用于评估的潜在触发,例如定时器、SL通知等。
在步骤208,可以由ECMF 135基于新的操作要求和触发来更新策略配置文件。在实例中,优化度量和相关的阈值已经被更新;用于评估阶段的触发可以被设置为在没有策略更新的情况下或者基于CPR 136的其它类型的更新而定期发生。如果在步骤204在设置阶段创建的配置需要更新,例如当基于分析或语义的通知需要重新配置时,来自设备160的信息可以导致其它转换,例如跳转到设置阶段(步骤204)。在步骤209,如果有足够的信息来决定簇的新配置而无需使用ECMF评估,则输入也可以导致直接转换到重新配置阶段(步骤215)。在这种情况下,在T1更新时,可以指定要使用的确切的常规聚类算法(例如,APTEEN)等。
在开始评估阶段(步骤210-214)的步骤210,ECMF 135处理可用信息以确定是否已经实现了优化目标。例如,将关键信息的传送延迟阈值与传送延迟的累积度量进行比较,触发使用LEACH的次优功能的警报。在步骤211,如果已经满足优化目标,则可以检查是否需要对配置文件进行任何更新(例如,如果评估由用户/SP更新触发,则计算值也可能需要更新),否则恢复评定阶段。
在步骤213,如果还没有满足目标,则执行当前聚类算法与候选聚类算法之间的比较。在进行评估时,ECMF 135可以使用不同于优化度量提供的并且与常规聚类算法性能相关联以满足优化目标的信息或逻辑。例如,ECMF 135可以基于建模的准确度对候选替换算法的假定性能进行加权。可以引入另一加权,以根据可用的重新配置方法考虑节点的重新配置的成本(例如能量、运行停机时间等)。在步骤214,假设(例如)评估得出聚类功能是次优的并且已经找到更好的配置,则触发重新配置阶段。否则,在执行任何必要的配置更新之后,恢复评定阶段。
在步骤215,重新配置阶段(215-216)开始,并且ECMF 135使用可用的节点重新配置方法(见策略配置文件中的availablbeReconfigOptions)来更新簇中的节点中使用的常规簇算法。在步骤216,当簇中的节点已经被重新配置并且簇基于新选择的常规簇算法而可操作时,阶段结束。此阶段可以包括计算的延迟,例如当ECMF135知道即将来临的DM操作(来自丰富配置文件中指定的相关的DM使能服务)时,其可以使重新配置/重新编程与其同步。在步骤212,基于重新配置响应,ECMF 135在关联的CPR 136处更新簇配置文件,并且如果如此配置,则可以发送聚类改变的SL通知,然后ECMF 135进入新的设置阶段。在实例中,触发新设置阶段的重新配置可以仅基于定时器,但是可以应用基于assesmentTriggerThresholds的其它类型的触发。设置阶段的结束触发新的评定阶段并且过程从步骤204继续。
图20的流程和程序步骤示出了关于图12描述的用例的ECMF功能的一个用途。以下讨论簇内ECMF所启用的其它功能实例。在第一实例中,基于给定的或新的优化目标,可能存在常规聚类算法参数(例如,定时器、阈值)的适配。许多常规聚类算法(例如,APTEEN)依赖于在算法中固定的诸如定时器和阈值之类的参数,但取决于实现方式可以是可重新配置的,例如这些参数的小表下载可以代替固件更改。此信息可以通过availablbeReconfigOptions设置来提供,并且以重新配置步骤被执行的方式提供备选。
在第二实例中,可以使用聚类策略和度量为常规聚类算法提供引入新的或不同的聚类优化目标的方法。之前讨论过的是来自简单的能耗最小化的优化目标(availableOptimizationGoals)改变,以包括关键信息的传送延迟阈值,用于修改从LEACH到APTEEN的聚类算法。ECMF功能同时使用clusteringPolicyList来在服务层的较大范围内考虑聚类优化目标。考虑其中clusteringPolicyList指定服务优化是比聚类优化高的目标(例如,加权较高)的实例,并且新的常规聚类算法及时地降低服务评级(例如来自用户),尽管基于度量已达到或超过currentOptimizationGoal。ECMF135可以使用这个策略来执行簇重新配置,否则常规聚类算法不可用。应理解,服务优化可能不同于聚类优化,这是因为大多数聚类算法(其在低于SL的层上工作)不能测量它们。服务优化目标的另一实例可以是减少读数的冗余,这是基于大致的位置和测量相互追踪一段时间来确定的。由于传感器在这种情况下没有GPS,位置仅基于CH或BS位置(它们具有更多的能量并且可以支持GPS),所以这可以仅在服务层进行评估。网络寿命的聚类目标可以一直得到满足,但是也可能存在仅在SL上才能检测到的冗余测量,并且可以基于此改善聚类。
在第三实例中,可以触发可能包括新簇形成的簇重新配置。另外,可以使用预测分析(例如,在一段时间内预期的电池寿命)来消除节点间通信的数轮。之前曾经讨论过,结束评定阶段的触发器本质上可能会跳过评估阶段,直接导致重新配置阶段。当已经评估新的配置或者需要触发新的簇形成时,可以使用此特征。基本上常规聚类算法(例如Heinzelman)在稳定状态阶段之前具有组织的建立阶段,其中建立阶段需要组织的通信开销。在一些情况下,可通过SL获得的工具和信息(例如,区域中可能的干扰、非簇节点移动性、更高效的能耗模型等)可以允许ECMF 135更好地估计最优化的稳态拓扑,这可能会缩短重组阶段。
在第四实例中,可能定期触发常规算法改变(使用重新配置或参数改变)而不重新进行全部分析。在许多情况下,传感器的使用倾向于周期性地改变,这不仅在信息的使用方式上,而且在传感器和簇可被定位的方式上,以及通信和模式可形成的方式:白天/夜晚、每周、当热/冷时、节假日等。ECMF 135可能够在其逻辑中使用这些模式,并且导致周期性的常规聚类算法改变,而不需要每次都进行全面的分析(例如,没有计算开销或者在BS 134和CH141本地不需要全部数据集)。
图21示出了参照图11至图13的系统等的示例性簇间管理过程。当由ECMF管理多个簇时,由常规聚类算法提供的功能可以被联合优化。为了实现簇间管理,ECMF功能可以在充当多个簇的汇聚节点的BS中或在由多个BS访问的SL实体(例如IN 131)中实现,其中多个簇具有可用的CPR 133。
ECMF 132具有使用本地的簇相关信息和在服务层中的其它地方可用的信息(例如由使能服务提供的信息)的能力。在实例中,CPR 133提供到位置和语义服务器的链路,所述服务器用于确定传感器之间的信息冗余。
参考图21,下面的方法是ECMF 132的簇间管理功能的实例。在步骤220,存在在集成到公共SP网络平台之后可以假定的先决条件。IN 131处的集中式CPR 133可能包含用于所管理的所有簇的完整簇配置文件。关联的ES可以被配置为使得基于查询和通知在CPR133中更新语义和位置信息。ECMF 132预先供应有簇间优化策略,且由本地或通过外部服务提供分析。CPR 133可以包括用于BS 134和137的CPR,换句话说,可以不存在如图12所示的CPR 136和CPR 139。如图15所示,初始簇可以通过ECMF 135和ECMF 138经由消息传送来注册(例如,步骤162和步骤163)。
在步骤221,存在获取阶段。这可能是长期存在的阶段,其中簇相关信息由簇间优化ECMF 132功能来处理并且导出的数据被累积。在此期间,ECMF 132可以不断地处理用于评估的潜在触发,例如定时器、SL通知等。
在步骤222,可能存在基于定时器的优化触发。在步骤223,可能存在分析阶段。这里,ECMF 132根据簇间优化策略来处理可用信息。在这种情况下,它处理由平台提供的以一些语义和位置信息进行丰富的测量列表。这可以通过图19的消息传递完成,例如步骤185的消息、定时器等。此阶段可以包括经由查询从BS ECMF请求的附加输入。
在步骤224,可存在对配置的评估。这里,在彼此的指定距离内以及彼此的指定精度内,ECMF 132基于簇间优化策略考虑配置次优,所述策略考虑提供相同测量类型的冗余传感器。根据现有的信息,通过观察到在历史上测量相互追踪,分析可能会进一步验证这一结论。
在步骤225,在此配置的评估期间,ECMF 132可以在CPR 133中使用修改的配置来建立替代的配置文件,以事实上在实际建议它之前建模并分析测试配置一段时间。可以在测试期间修改替代配置文件,例如分析是否通过仅将传感器用作具有非常长占空比的备份来实现更好的结果,而不是交替读取。可以考虑其它信息,例如传感器能耗、服务用户评级或传感器准确度。
在步骤226,如果没有找到重新配置选项,则可以在一段时间之后停止分析阶段,并且恢复采集阶段,否则继续发送重新配置选项。在步骤227,可能存在基于服务的重新配置选项。簇重新配置选项消息被发送到受影响的所有簇的ECMF(例如,ECMF 132到ECMF 135以及ECMF 138)。这些消息包括所提出的替代簇配置文件,并且可以指示使用本文讨论的簇重新配置选项方法所涉及的簇间优化策略的类型(例如,与下表11-12的相关讨论)。ECMF132等待来自ECMF 135和138的重新配置选项接受。如果没有来自所涉及的所有BS ECMF的接受,则可以放弃重新配置。
在步骤228处,假定在步骤227已接受簇重新配置选项,则发送簇重新配置指示消息,其包含发生重新配置的协调信息(例如重新配置的时间段等)以及期望的相关肯定应答消息(见本文讨论的簇重新配置选项方法-例如,与表11-12相关联)。在步骤229,假定簇重新配置选项已被一致接受,则(例如,通过ECMF 132到ECMF 135以及ECMF 138)发送簇重新配置指示消息,其包含发生重新配置的协调信息(例如,重新配置的时间段等)以及期望的相关肯定应答消息(见本文讨论的簇重配置选项方法)。可以通过clusterECMFid属性指示ECMF 135和ECMF 138是否被允许接受重新配置选项并对每个簇执行重新配置。在步骤230,当从BS ECMF接收到相关联的确认时,则CPR 133用当前配置进行更新并且重新配置完成,否则重新发送重新配置选项消息。
以下是关于可能的重新配置场景的额外讨论。ECMF 132的簇间功能可以使用簇重新配置选项来向管理区域140的ECMF 135建议配置改变。ECMF 132可以接收相应的响应消息,所述响应消息指示接受或拒绝配置提议并使得达成一致或拒绝。如果拒绝原因指示例如仅reconfigurationParameters,则簇间ECMF可以决定重新发送具有改变的参数的相同选项。与上述重新配置选项相关联的消息可以包括表11中所示的一个或多个参数。应理解,在不同簇之间使用簇间管理功能,所述不同簇之一由托管功能的ECMF来管理,例如ECMF132重新配置ECMF 135以及ECMF 135自身管理的簇。在这种情况下,ECMF 132的重新配置基本上是内部的,并且还将有从ECMF 132发送到ECMF 135的消息。
表11:实例簇重新配置选项
在从ECMF 135接收到同意之后,ECMF 132可以发送消息来触发ECMF 135中用于管理区域140的配置改变。与前述触发相关联的消息可以包括表12中所示的一个或多个参数。由ECMF 132接收到的相应的响应消息可以指示簇重新配置何时由ECMF 135完成。响应消息可以用于将簇间功能转换为不同的状态。
表12:实例簇重新配置指示
与图21相关的过程步骤仅示出了本文关于图12描述的用例的簇间ECMF功能的示例性使用。ECMF 132(或其它ECMF)的簇间功能也可以用于优化基站之间的簇传输的过程。已经提出了用于旋转BS以用于负载共享目的的算法,并且可以通过使用SL特定的信息通过簇间ECMF来增强所述算法。见Zhang、F.Ingelrest、G.Barrenetxea、P.Thiran和M,Vetterli的“共同之美:无线传感器网络中基站跳频的最佳负载共享(The Beauty of the Commons:Optimal Load Sharing by Base Station Hopping in Wireless Sensor Networks)”,CoRR,2014年(以下简称Zhang),其以全文引用的方式并入本文。上面公开的簇重新配置消息和簇配置文件可以用于BS跳频过程,以在为簇选择新的BS时为每个BS(例如,BS 134和BS136)提供用于簇的全部配置文件信息。例如,代替区域146或除区域146之外,可以为区域140选择BS 137,而BS 134脱机。
本文讨论的关于簇管理的交互可以与常规SL实现支持的功能(例如订阅、通知、查询等)一起使用以提供附加的能力。本文讨论的聚类管理功能(例如,图11至图27)可以使用与本文介绍的CPR和ECMF方法相同的方法或其扩展来对API可用。这些API继而可以启用基础设施域上的应用并且通过显示器(例如图形用户界面)或其它输入设备(例如,图29C的显示器42)提供用户交互。图27示出了可以基于本文讨论的方法和系统生成的示例性显示。显示界面155(例如,触摸屏显示器)可以在块156中提供与聚类管理相关联的文本,例如表4至表12的参数。在另一实例中,可以在块156中显示本文讨论的任何步骤(例如,发送的消息或连续步骤)的进度。另外,可以在显示界面155上显示图形输出157。图形输出157可以是簇中的设备的拓扑、本文讨论的任何方法或系统的进度的图形输出等等。
以下提供关于接收和显示与聚类管理相关联的信息的其它实例。显示界面155可以显示引入对应于特定簇的簇配置文件参数的提示。在实例中,描述、策略和丰富配置文件中包括的参数可以经由显示界面155或另一个输入设备来配置。还有拓扑或度量配置文件中的参数,例如clusterNofMembers、currentOptimizatinGoal或serviceRating可以经由显示界面155或另一个输入设备来提供。配置文件注册或更新方法可以通过显示界面155显示,或者可以用于基于所提供的输入来更新CPR。可以通过显示界面155显示给定簇可用的当前信息(例如簇配置文件的定期快照或其部分)。可以通过显示界面155显示给定簇的状态信息(例如达到特定阈值的优化度量)。当与用于簇管理的专用SP应用程序结合使用时,输入可以在本地处理,并且方法中提供的值可以是计算值。这样的应用可以用于上文的实例,其中SP设置新的查询(见上文关于在时间T1设置的查询),基于所述查询,应用重新配置currentOptimizatinGoal以包括最大数据传送延迟。图28示出了可以基于本文讨论的方法和系统生成的示例性显示。显示界面155可以显示输入或显示对应于特定簇的簇配置文件参数的提示,并提供配置或重新配置簇的能力。显示界面155可以显示提示输入或显示簇搜索,并显示簇配置文件中可用的当前状态参数或连续监视状态,例如算法状态或参数改变、警报等。
本文讨论的用于CPR的查询方法可以用于状态信息,并且阈值可以经由触发查询的专用SP应用来设置。在另一实例中,经由显示界面155的警报(例如,声音或图形)将达到过程的特定状态(例如,基于assesmentTriggerThresholds:评定阶段已经开始或者在评估阶段期间的周期性更新)。通过显示界面155或其它输入设备的交互可以导致簇配置文件的部分或全部更新,或者如本文所讨论的触发ECMF处理。通常,可以在应用或SL中仲裁多用户访问。
下面介绍用于增强常规oneM2M体系结构以支持本发明中定义的簇管理功能的几个潜在实例。
图22示出了oneM2M功能体系结构内的ECMF和CPR功能的示例性位置。驻留在IN-CSE节点252上的IC-ECMF 252可以向ECMF提供簇间管理功能,所述簇间管理功能可用于场域中托管簇内管理功能的节点(例如,具有ECMF 251的CSE节点250)。图22中的IN-CSE 255还托管CPR 253。在场域中,CSE 250很可能是充当CH或BS的设备,并且可以被实现为MN或ASN oneM2M节点。
图23示出了oneM2M功能体系结构内的ECMF和CPR功能的示例性位置。图23的体系结构可以适合大量部署寿命长、范围广且难以进行物理访问的环境监测系统。地理区域的变化(例如地震)可能会影响非常不同区域的簇,这些区域需要根据非常不同的操作要求进行重新配置(例如,从主动的水位测量系统到反应性洪水警报系统)。这两个系统可以具有实现为MN-CSE的不同BS节点(例如,MN-CSE 263和MN-CSE 264),但是IN-CSE 260中的中央ECMF(例如,IC-ECMF 261)可以用于广泛区域的簇间功能。分布式功能可以使用本地/局部CPR(例如,CPR 266)或者可以具有对中央CPR(例如,CPR 262)的连续访问。类似地,一些ECMF(例如,ECMF 267)可以用包含被管理簇的完整配置文件的本地CPR(例如,CPR 268)来实现。可能存在ECMF 267和CPR 268与MN-AE而不是MN-CSE相关联的情况。
图24示出了基于当前oneM2M RoA体系结构实现所公开的聚类管理的一个实例。在这种情况下,ECMF 271可以实现为CSE 270内的独立公共服务功能(CSF),并入任何本地CPR。在另一实例(未示出)中,可以在CSE 270的设备管理272功能内实现ECMF和CPR(未示出),或者可以在独立节点中实现CPR功能。
图25示出为了描述簇配置文件可以在oneM2M RESTful内使用的资源。<clusterProfile>资源274可以由ECMF(例如,ECMF 142)用来注册或更新簇或者查询可用的簇信息,或者可以在簇间过程内用于提供备选簇配置文件配置的簇重新配置。<clusterProfile>资源可以具有代表以下各项的个别资源作为子资源:描述配置文件(例如,<clusterDefintionProfile>资源275)、策略配置文件(例如<clusterPolicypProfile>资源276)、丰富配置文件(例如<clusterEnrichmentProfile>资源277),拓扑配置文件(例如<clusterTopologyProfile>资源278)和配置文件度量(例如<clusterProfileMetrics>资源279)。或者,示例性的五个子资源的各个属性可以是主<clusterProfile>资源274的属性。本文提供了子资源的属性描述。
当所公开的功能中的任何一个在CSE之外或独立于CSE实现时,可以独立于oneM2M定义的CSE资源树(例如,作为网络中其自身节点上的单独资源树)来实例化<clusterProfile>资源。在CSE或CSF内的实现中,<clusterProfile>资源可以在oneM2M CSE资源树内(例如,在<node>下或CSE的<baseURI>或<remoteCSE>资源下)的各种级别实例化。
图26示出了基于当前oneM2M SoA体系结构的示例性簇管理。在这种情况下,ECMF282可以被实现为可以包含关联的CPR 283的服务组件。本文定义的ECMF 282的逻辑功能是ECMF 282服务的服务能力。ECMF 282服务组件可以通过Msc参考点284与其它服务进行通信,并且可以经由Mca参考点285与应用进行通信。
本发明中的数据结构和消息也可以应用于SOA体系结构。本文描述的参数可以被视为用于调用每个服务能力的服务签名。服务签名可以由暴露在接口上以调用服务的参数组成。
图29A示出了其中可以实现本文公开的M2M簇管理的示例性机器对机器(M2M)、物联网(IoT)或万维网(WoT)通信系统10。一般而言,M2M技术为IoT/WoT提供构建块,任何M2M设备、M2M网关或M2M服务平台都可能是IoT/WoT的组件,也可能是IoT/WoT服务层等。
如图29A所示,M2M/IoT/WoT通信系统10包含通信网络12。通信网络12可以是固定网络(例如以太网、光纤、ISDN、PLC等)或无线网络(例如,WLAN、蜂窝等)或异构网络的网络。例如,通信网络12可以包括向多个用户提供诸如语音、数据、视频、消息、广播等的内容的多个接入网络。例如,通信网络12可以采用一种或多种信道接入方法,例如码分多址(CDMA)、时分多址(TDMA)、频分多址(FDMA)、正交FDMA(OFDMA)、单载波FDMA(SC-FDMA)等。此外,通信网络12可以包括其它网络,例如核心网、因特网、传感器网络、工业控制网络、个人区域网络、融合的个人网络、卫星网络、家庭网络或企业网络。
如图29A所示,M2M/IoT/WoT通信系统10可以包含基础设施域和场域。基础设施域是指端到端M2M部署的网络侧,而场域是指通常在M2M网关后面的区域网络。场域包含M2M网关14和终端设备18。应理解,M2M/IoT/WoT通信系统10中可以按需要包含任何数量的M2M网关设备14和M2M终端设备18。M2M网关设备14和M2M终端设备18中的每一个被配置为经由通信网络12和直接无线链路传输和接收信号。M2M网关设备14允许无线M2M设备(例如,蜂窝和非蜂窝)以及固定网络M2M设备(例如,PLC)通过诸如通信网络12的运营商网络或直接无线链路通信。例如,M2M设备18可以收集数据并经由通信网络12或直接无线链路将数据发送到M2M应用20或M2M设备18。M2M设备18还可以从M2M应用20或M2M设备18接收数据。此外,如下所述,可以经由M2M服务层22将数据和信号发送到M2M应用20并从M2M应用20接收数据和信号。M2M设备18和网关14可以经由例如包含蜂窝、WLAN、WPAN(例如紫蜂(Zigbee)、6LoWPAN,蓝牙)、直接无线链路和有线的各种网络进行通信。
参考图29B,所示的在场域中的M2M服务层22(例如,本文描述的SL 151)为M2M应用20、M2M网关设备14和M2M终端设备18以及通信网络12提供服务。应理解,M2M服务层22可以根据需要与任何数量的M2M应用、M2M网关设备14、M2M终端设备18和通信网络12进行通信。M2M服务层22可以由一个或多个服务器、计算机等实现。M2M服务层22提供适用于M2M终端设备18、M2M网关设备14和M2M应用20的服务能力。M2M服务层22的功能可以通过各种方式来实现,例如作为web服务器、在蜂窝核心网中、在云中等。
类似于图示的M2M服务层22,在基础设施域中存在M2M服务层22'。M2M服务层22'为基础设施域中的M2M应用20'和下层通信网络12'提供服务。M2M服务层22'还为场域中的M2M网关设备14和M2M终端设备18提供服务。应理解,M2M服务层22'可以与任何数量的M2M应用、M2M网关设备和M2M终端设备进行通信。M2M服务层22'可以通过不同的服务提供商与服务层交互。M2M服务层22'可以由一个或多个服务器、计算机、虚拟机(例如云/计算/存储场(storage farm)等)等来实现。
仍参考图29B,M2M服务层22和22'提供各种应用和行业可以利用一组核心的服务传送能力。这些服务能力使得M2M应用20和20'能够与设备交互并且执行诸如数据收集、数据分析、设备管理、安全性、计费、服务/设备发现等的功能。实质上,这些服务能力免除了应用实现这些功能的负担,从而简化了应用开发并降低了成本和上市时间。服务层22和22'还使得M2M应用20和20'能够通过各种网络12和12'与服务层22和22'提供的服务相结合进行通信。
在一些实例中,如本文所讨论的,M2M应用20和20'可以包括使用M2M聚类管理进行通信的期望的应用。M2M应用20和20'可以包含各种行业中的应用,例如但不限于交通、健康和保健、联网家庭、能量管理、资产跟踪以及安全监督。如上所述,运行在系统的设备、网关和其它服务器上的M2M服务层支持诸如数据收集、设备管理、安全性、计费、位置跟踪/地理围栏、设备/服务发现和传统系统集成的功能,并且将这些功能作为服务提供给M2M应用20和20'。
本申请的M2M聚类管理可以作为服务层的一部分来实现。服务层(例如,SL 151)是通过一组应用编程接口(API)和下层网络接口支持增值服务能力的软件中间件层。M2M实体(例如,可以通过硬件和软件的组合来实现的M2M功能实体,例如设备、网关或服务/平台)可以提供应用或服务。ETSI M2M和oneM2M都使用可能包含本申请的M2M聚类管理的服务层。ETSI M2M的服务层被称为服务能力层(SCL)。SCL可以在M2M设备(其被称为设备SCL(DSCL))、网关(其被称为网关SCL(GSCL))和/或网络节点(其被称为网络SCL(NSCL))内实现。oneM2M服务层支持一组通用服务功能(CSF)(即服务能力)。一组一个或多个特定类型的CSF的实例被称为公共服务实体(CSE),其可以被托管在不同类型的网络节点(例如,基础设施节点、中间节点、应用特定的节点)上。此外,本申请的M2M聚类管理可以作为使用面向服务的体系结构(SOA)和/或面向资源的体系结构(ROA)来访问服务的M2M网络的一部分来实现,所述服务例如是本发明的M2M聚类管理。
如本文所讨论的,术语“服务层”可以被视为网络服务体系结构内的功能层。服务层通常位于应用协议层(如HTTP、CoAP或MQTT)之上,并为客户端应用提供增值服务。服务层还提供到较低资源层(诸如例如控制层和传送/访问层)的核心网络的接口。服务层支持多种类型的(服务)能力或功能,包含服务定义、服务运行时使能、策略管理、访问控制和服务聚类。最近,多个行业标准组织(例如oneM2M)已经在开发M2M服务层以解决与将M2M类型的设备和应用集成到诸如因特网/Web、蜂窝、企业和家庭网络的部署相关的挑战。M2M服务层可以向应用和/或各种设备提供对由服务层支持的一批或一组上述能力或功能的访问,该服务层可以被称为CSE或服务能力层(SCL)。一些实例包括但不限于安全性、收费、数据管理、设备管理、发现、供应和连接管理,这些可以由各种应用共同使用。这些能力或功能通过利用由M2M服务层定义的消息格式、资源结构和资源表示的API来提供给此类各种应用。CSE或SCL是可以由硬件和/或软件实现并且提供暴露给各种应用和/或设备(例如,此类功能实体之间的功能接口)的(服务)能力或功能以便它们使用这样的能力或功能的功能实体。
图29C是实例M2M设备30(例如M2M终端设备18或M2M网关设备14)的系统图。如图29C所示,M2M设备30可以包括处理器32、收发器34、传输/接收元件36、扬声器/麦克风38、键区40、显示器/触板42、不可移除存储器44、可移除存储器46、电源48、全球定位系统(GPS)芯片组50以及其它外围设备(peripherals)52。应理解,M2M设备30可以在保持与所公开的主题一致的同时包括前述元件的任何子组合。M2M设备30(例如,CH 141、CH 143、BS 137、IN131、节点145等)可以是执行用于M2M聚类管理的所公开的系统和方法的示例性实现方式。
处理器32可以是通用处理器、专用处理器、常规处理器、数字信号处理器(DSP)、多个微处理器、与DSP核心相关联的一个或多个微处理器、控制器、微控制器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)电路、任何其它类型的集成电路(IC)、状态机等。处理器32可以执行信号编码、数据处理、功率控制、输入/输出处理和/或使得M2M设备30能够在无线环境中操作的任何其它功能。处理器32可以耦合到收发器34,收发器34可以耦合到传输/接收元件36。尽管图29C将处理器32和收发器34描绘为分离的组件,但是应理解,处理器32和收发器34可以一起集成在电子封装或芯片中。处理器32可以执行应用层程序(例如,浏览器)和/或无线接入层(RAN)程序和/或通信。处理器32可以例如在接入层和/或应用层处执行安全操作,例如鉴权、安全密钥协定和/或密码操作。
传输/接收元件36可以被配置为向M2M服务平台22传输信号或从其接收信号。例如,传输/接收元件36可以是被配置为传输和/或接收RF信号的天线。传输/接收元件36可以支持各种网络和空中接口,诸如WLAN、WPAN、蜂窝等。在实例中,传输/接收元件36可以是例如被配置为传输和/或接收IR、UV或可见光信号的发射器/检测器。在又一个实施例中,传输/接收元件36可以被配置为传输和接收RF和光信号。应理解,传输/接收元件36可以被配置为传输和/或接收无线或有线信号的任何组合。
另外,尽管在图29C中将传输/接收元件36描绘为单个元件,但是M2M设备30可以包含任何数目的传输/接收元件36。更具体地,M2M设备30可以采用MIMO技术。因此,在实施例中,M2M设备30可以包含用于传输和接收无线信号的两个或更多个传输/接收元件36(例如,多个天线)。
收发器34可以被配置为调制将由传输/接收元件36发射的信号,并且解调由传输/接收元件36接收的信号。如上所述,M2M设备30可以具有多模式能力。因此,收发器34可以包含多个收发器,用于使得M2M设备30能够经由例如UTRA和IEEE 802.11的多个RAT进行通信。
处理器32可以从诸如不可移除存储器44和/或可移除存储器46的任何类型的合适存储器访问信息并将数据存储在所述存储器中。不可移除存储器44可以包含随机存取存储器(RAM)、只读存储器(ROM)、硬盘或任何其它类型的存储器存储设备。可移除存储器46可以包含订户标识模块(SIM)卡、记忆棒、安全数字(SD)存储卡等。在其它实施例中,处理器32可以从物理上不位于M2M设备30上的存储器(例如在服务器或家用计算机上)访问信息并将数据存储在存储器中。处理器32可以被配置为响应于本文描述的一些实例中的LMS是成功还是不成功(例如,与度量类别相关联的阈值)来控制显示器或指示器42上的照明模式、图像或颜色,或以其它方式指示ECMF、CPR和SL(例如,ECMF 132、CPR 133和SL 151)交互和参数(例如,表4-表12等等)的状态。显示器或指示器42上的控制照明模式、图像或颜色可以反映本文中图示或讨论的图(例如,图15-图21)中的任何方法流程或组件的状态。本文公开了M2M聚类管理的消息和过程。可以扩展所述消息和过程从而为用户提供界面/API以经由输入源(例如,扬声器/麦克风38、键区40或显示器/触板42)请求与M2M聚类管理相关的资源(例如,参数),并且请求、配置或查询可以在显示器42上显示的M2M聚类管理等。
处理器32可以从电源48接收电力,并且可以被配置为向M2M设备30中的其它组件分配和/或控制电力。电源48可以是用于向M2M设备30供电的任何合适的设备。例如,电源48可以包含一个或多个干电池(例如,镍镉(NiCd)、镍锌(NiZn)、镍金属氢化物(NiMH)、锂离子(Li离子)等)、太阳能电池、燃料电池等。
处理器32还可以耦合到GPS芯片组50,GPS芯片组50被配置为提供关于M2M设备30的当前位置的位置信息(例如,经度和纬度)。将理解,M2M设备30可以通过任何合适的位置确定方法获得位置信息,同时保持与本文所公开的信息一致。
处理器32还可以耦合到其它外围设备52,该外围设备52可以包含提供附加特征、功能和/或有线或无线连接的一个或多个软件和/或硬件模块。例如,外围设备52可以包含加速度计、电子罗盘、卫星收发器、传感器、数码相机(用于照片或视频)、通用串行总线(USB)端口、振动设备、电视收发机、免提头戴式送受话器、蓝牙模块、调频(FM)无线电单元、数字音乐播放器、媒体播放器、视频游戏机模块、因特网浏览器等。
图29D是可以在其上实现例如图29A和图29B的M2M服务平台22的示例性计算系统90的框图。计算系统90(例如,M2M终端设备18或M2M网关设备14)可以包括计算机或服务器,并且可以主要由计算机可读指令来控制,所述计算机可读指令可以呈软件的形式,无论何处或以何种方式此类软件被存储或访问。此类计算机可读指令可以在中央处理单元(CPU)91内执行以使计算系统90进行工作。在许多已知的工作站、服务器和个人计算机中,中央处理单元91由称为微处理器的单片CPU实现。在其它机器中,中央处理单元91可以包括多个处理器。协处理器81是与主CPU 91不同的可选处理器,其执行附加功能或辅助CPU 91。CPU 91和/或协处理器81可以接收、生成和处理与所公开的用于M2M聚类管理(例如,接收SL、ECMF或CPR相关消息)的系统和方法有关的数据。
在操作中,CPU 91提取、解码和执行指令,并通过计算机的主数据传输路径-系统总线80将信息传递给其它资源或从其它资源传递信息。此类系统总线连接计算系统90中的组件,并定义用于数据交换的介质。系统总线80通常包含用于发送数据的数据线、用于发送地址的地址线以及用于发送中断和用于操作系统总线的控制线。此类系统总线80的实例是外围设备组件互连(PCI)总线。
耦合到系统总线80的存储器设备包含随机存取存储器(RAM)82和只读存储器(ROM)93。此类存储器包含允许存储和检索信息的电路。ROM 93一般包含无法轻易被修改的存储数据。存储在RAM 82中的数据可以被CPU 91或其它硬件设备读取或改变。对RAM 82和/或ROM 93的访问可以由存储器控制器92控制。存储器控制器92可以提供地址转换功能,其在指令执行时将虚拟地址转换为物理地址。存储器控制器92还可以提供存储器保护功能,其隔离系统内的过程并将系统过程与用户过程隔离。因此,以第一模式运行的程序只能访问由其自身的进程虚拟地址空间映射的存储器;除非进程之间的存储器共享已经建立,否则它不能访问另一进程的虚拟地址空间中的存储器。
另外,计算系统90可以包含外围设备控制器83,所述外围设备控制器83负责将来自CPU 91的指令传送到外围设备,例如打印机94、键盘84、鼠标95和磁盘驱动器85。
由显示器控制器96控制的显示器86用于显示由计算系统90产生的视觉输出。这种视觉输出可以包括文本、图形、动画图形和视频。显示器86可以用基于CRT的视频显示器、基于LCD的平板显示器、基于气体等离子体的平板显示器或触板来实现。显示器控制器96包含生成被发送到显示器86的视频信号所需的电子组件。
此外,计算系统90可以包含网络适配器97,网络适配器97可以用于将计算系统90连接到外部通信网络,例如图29A和图29B的网络12。
应理解,本文描述的任何或所有系统、方法和过程可以存储在计算机可读存储介质上的计算机可执行指令(即,程序代码)的形式来体现,所述指令在由机器(例如计算机、服务器、M2M终端设备、M2M网关设备等)执行时,执行和/或实现本文描述的系统、方法和过程。具体而言,上述的任何步骤、操作或功能可以此类计算机可执行指令的形式来实现。计算机可读存储介质包含以用于存储信息的任何方法或技术实现的易失性和非易失性、可移除和不可移除介质,但是此类计算机可读存储介质不包含信号。计算机可读存储介质包括但不限于RAM、ROM、EEPROM、闪存或其它存储技术、CD-ROM、数字多功能光盘(DVD)或其它光盘存储、磁带盒、磁带、磁盘存储或其它磁性存储设备,或可用于存储所需信息并可由计算机访问的任何其它物理介质。
以下是对此处讨论的术语的解释。算法度量可以视为表示由算法使用进行运算的属性的术语,例如节点的接收功率或能量级别。簇可视为表示一组设备。在本文中它可以指可以与指定簇头进行通信的传感器或其它设备(例如,无线温度传感器)群组。如本文所讨论的,在实例中,簇的设备可以实现用于簇内通信的算法,以实现传感器信息的有效传递。聚类可以视为是形成和维护基于簇的分层网络的过程。所述过程可以包括CH分配、路由和拓扑管理。本文讨论的传送延迟可以视为将数据包从源传输到目的地所需的时间量。此延迟可以与有线或无线通信传输、设备的处理器、存储器等相关联。
描述本发明的主题(M2M簇管理)的优选方法、系统或装置时,如附图所示,为了清楚起见,采用了特定的术语。然而,所要求保护的主题不旨在被限制于如此选择的特定术语,并且应该理解,每个特定元件包含以类似方式操作以实现类似目的的所有技术等同物。
本文描述的各种技术可以结合硬件、固件、软件或者在适当的情况下其组合来实现。此类硬件、固件和软件可以驻留在位于通信网络的各个节点处的装置中。所述装置可以单独操作或者彼此组合操作以实现本文描述的方法。如本文所使用的,术语“装置”、“网络装置”、“节点”、“设备”、“网络节点”等可以互换使用。
本书面描述使用实例来公开本发明,包括最佳模式,并且还使得所属领域的技术人员能够实践本发明,包括制造和使用任何装置或系统以及执行任何结合的方法。本发明的可专利范围由权利要求限定,并且可以包括所属领域的技术人员想到的其它实例(例如,在本文公开的示例性方法之间跳过步骤、结合步骤,或者增加步骤)。如果这样的其它实例具有不与权利要求的字面语言不同的结构要素,或者如果它们包括与权利要求的字面语言无实质区别的等同结构要素,则这样的其它实例意图在权利要求的范围内。
本文所描述的方法、系统和装置等可以提供用于设备簇管理(例如,M2M聚类管理)的手段。一种方法、系统、计算机可读存储介质或装置具有用于以下操作的手段:接收使得能够使用簇配置文件注册表进行簇管理的参数列表;基于所述参数创建与所述装置相关联的设备簇的配置文件,所述设备簇基于当前聚类算法进行通信;以及使用所述簇配置文件注册表注册所述设备簇的配置文件。所述方法、系统、计算机可读存储介质或装置具有用于以下操作的手段:基于所述配置文件确定还没有满足优化目标;以及响应于确定还没有满足所述优化目标,评估性能以满足所述当前聚类算法与候选聚类算法之间的优化目标。所述确定可以基于不止上述和以下的统计等配置文件来完成。所述方法、系统、计算机可读存储介质或装置具有用于以下操作的手段:基于所述配置文件确定还没有满足优化目标;以及响应于确定还没有满足所述优化目标,评估性能以满足所述当前聚类算法与候选聚类算法之间的优化目标,其中所述优化目标包括所述设备簇的阈值能耗。所述方法、系统、计算机可读存储介质或装置具有用于以下操作的手段:基于所述配置文件确定还没有满足优化目标;评估性能以满足所述当前聚类算法与候选聚类算法之间的优化目标;基于评估所述性能,确定满足所述优化目标的候选聚类算法的性能满足或超过满足所述优化目标的当前聚类算法的性能;以及响应于确定满足所述优化目标的候选聚类算法的性能满足或超过满足所述优化目标的当前聚类算法的性能,提供指令以针对所述候选聚类算法重新配置所述设备簇。所述候选者的评估可能会一直与主算法并行进行,甚至在所述主算法变得次优(例如,不满足目标)之前。所述方法、系统、计算机可读存储介质或装置具有用于以下操作的手段:基于与所述配置文件相关联的参数的阈值改变更新所述配置文件,其中所述参数包括通信成本。所述通信成本可以是能量成本、延迟等。所述方法、系统、计算机可读存储介质或装置具有用于以下操作的手段:用新的优化目标更新所述配置文件。所述方法、系统、计算机可读存储介质或装置具有用于以下操作的手段:触发簇拓扑重新配置。所述设备簇可以包括无线设备。以上装置可以是簇头或基站。所述方法、系统、计算机可读存储介质或装置具有用于以下操作的手段:两个或更多设备簇评估聚类算法的性能以满足优化目标;基于评估所述性能,确定还没有满足所述聚类算法优化目标中的至少一个的性能;以及响应于确定还没有满足聚类算法的性能,提供指令以重新配置至少一个设备簇。所述方法、系统、计算机可读存储介质或装置具有用于以下操作的手段:确定还没有满足优化目标;以及响应于确定还没有满足优化目标,提供指令以重新配置所述聚类算法。这个段落中的所有组合(包括步骤的移除或添加)都是以与详细描述的其它部分一致的方式来设想的。
Claims (20)
1.一种用于管理聚类的装置,所述装置包括:
处理器;
存储器,所述存储器与所述处理器耦合,所述存储器包括可执行指令,所述可执行指令在由所述处理器执行时使所述处理器执行操作,所述操作包括:
接收能够使用簇配置文件注册表进行簇管理的参数的列表;
基于所述参数来创建与所述装置相关联的设备簇的配置文件,所述设备簇基于当前聚类算法进行通信;以及
使用所述簇配置文件注册表来注册所述设备簇的配置文件。
2.根据权利要求1所述的装置,进一步操作包括:
确定还没有满足优化目标;以及
响应于确定还没有满足所述优化目标,评估性能以满足所述当前聚类算法与候选聚类算法之间的优化目标。
3.根据权利要求1所述的装置,进一步操作包括:
基于所述配置文件来确定还没有满足优化目标;以及
响应于确定还没有满足所述优化目标,评估性能以满足所述当前聚类算法与候选聚类算法之间的优化目标,其中所述优化目标包括所述设备簇的通信成本。
4.根据权利要求1所述的装置,进一步操作包括:
基于所述配置文件来确定还没有满足优化目标;
评估性能以满足所述当前聚类算法与候选聚类算法之间的优化目标;
基于评估所述性能,确定满足所述优化目标的候选聚类算法的性能超过满足所述优化目标的当前聚类算法的性能;以及
响应于确定满足所述优化目标的候选聚类算法的性能超过满足所述优化目标的当前聚类算法的性能,提供指令以针对所述候选聚类算法重新配置所述设备簇。
5.根据权利要求1所述的装置,进一步操作包括:
确定还没有满足优化目标;以及
响应于确定还没有满足优化目标,提供指令以重新配置所述聚类算法。
6.根据权利要求1所述的装置,其中,所述设备簇包括无线设备。
7.根据权利要求1所述的装置,进一步操作包括:基于与所述配置文件相关联的参数的阈值改变来更新所述配置文件,其中所述参数包括通信成本或传送延迟。
8.根据权利要求1所述的装置,进一步操作包括:触发簇拓扑重新配置。
9.根据权利要求1所述的装置,进一步操作包括:用新的优化目标来更新所述配置文件。
10.根据权利要求1所述的装置,其中,所述装置是簇头或基站。
11.一种用于管理聚类的方法,所述方法包括:
通过装置来接收能够使用簇配置文件注册表进行簇管理的参数的列表;
基于所述参数来创建与所述装置相关联的设备簇的配置文件,所述设备簇基于当前聚类算法进行通信;以及
使用所述簇配置文件注册表来注册所述设备簇的配置文件。
12.根据权利要求11所述的方法,进一步包括:
基于所述配置文件来确定还没有满足优化目标;以及
响应于确定还没有满足所述优化目标,评估性能以满足所述当前聚类算法与候选聚类算法之间的优化目标。
13.根据权利要求11所述的方法,进一步包括:
基于所述配置文件来确定还没有满足优化目标;以及
响应于确定还没有满足所述优化目标,评估性能以满足所述当前聚类算法与候选聚类算法之间的优化目标,其中所述优化目标包括所述设备簇的通信成本。
14.根据权利要求11所述的方法,进一步包括:
基于所述配置文件来确定还没有满足优化目标;
评估性能以满足所述当前聚类算法与候选聚类算法之间的优化目标;
基于评估所述性能,确定满足所述优化目标的候选聚类算法的性能超过满足所述优化目标的当前聚类算法的性能;以及
响应于确定满足所述优化目标的候选聚类算法的性能超过满足所述优化目标的当前聚类算法的性能,提供指令以针对所述候选聚类算法重新配置所述设备簇。
15.根据权利要求11所述的方法,进一步包括:基于与所述配置文件相关联的参数的阈值改变来更新所述配置文件,其中所述参数包括传送延迟。
16.根据权利要求11所述的方法,进一步包括:
确定还没有满足优化目标;以及
响应于确定还没有满足优化目标,提供指令以重新配置所述聚类算法。
17.根据权利要求11所述的方法,进一步包括:触发簇拓扑重新配置。
18.根据权利要求11所述的方法,进一步包括:用新的优化目标来更新所述配置文件。
19.一种用于管理两个或更多设备簇的方法,进一步包括:
评估所述两个或更多设备簇内的聚类算法的性能以满足优化目标;
基于评估所述性能,确定还没有满足所述聚类算法中的第一聚类算法的性能;以及
响应于确定还没有满足所述聚类算法中的第一聚类算法的性能,提供指令以重新配置所述两个或更多设备簇中的至少一个设备簇。
20.根据权利要求19所述的方法,其中,所述两个或更多设备簇经由基站连接。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562189814P | 2015-07-08 | 2015-07-08 | |
US62/189,814 | 2015-07-08 | ||
PCT/US2016/041446 WO2017007990A1 (en) | 2015-07-08 | 2016-07-08 | M2m clustering management |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107926074A true CN107926074A (zh) | 2018-04-17 |
CN107926074B CN107926074B (zh) | 2020-07-07 |
Family
ID=56550359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680047655.1A Expired - Fee Related CN107926074B (zh) | 2015-07-08 | 2016-07-08 | M2m聚类管理 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10644940B2 (zh) |
EP (1) | EP3320752B1 (zh) |
JP (1) | JP6529658B2 (zh) |
KR (1) | KR102086490B1 (zh) |
CN (1) | CN107926074B (zh) |
WO (1) | WO2017007990A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108769958A (zh) * | 2018-06-14 | 2018-11-06 | 重庆邮电大学 | 基于能耗优化的m2m通信联合成簇及资源分配方法 |
CN111641516A (zh) * | 2019-03-01 | 2020-09-08 | Abb瑞士股份有限公司 | 进程控制系统中节点的在线重新配置 |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11181875B2 (en) | 2016-01-22 | 2021-11-23 | Johnson Controls Tyco IP Holdings LLP | Systems and methods for monitoring and controlling a central plant |
US10387198B2 (en) | 2016-08-11 | 2019-08-20 | Rescale, Inc. | Integrated multi-provider compute platform |
US10193762B2 (en) | 2016-08-11 | 2019-01-29 | Rescale, Inc. | Dynamic optimization of simulation resources |
US10873501B2 (en) * | 2016-12-09 | 2020-12-22 | Vmware, Inc. | Methods, systems and apparatus to propagate node configuration changes to services in a distributed environment |
US10767885B2 (en) | 2017-03-09 | 2020-09-08 | Johnson Controls Technology Company | Building automation system with an energy optimization builder and generic data model designer |
US10706375B2 (en) | 2017-03-29 | 2020-07-07 | Johnson Controls Technology Company | Central plant with asset allocator |
US10845083B2 (en) | 2017-04-25 | 2020-11-24 | Johnson Controls Technology Company | Predictive building control system with neural network based constraint generation |
KR102423812B1 (ko) * | 2017-05-12 | 2022-07-21 | 콘비다 와이어리스, 엘엘씨 | 안정적인 분산형 M2M/IoT 서비스들의 가능화 |
US11271769B2 (en) | 2019-11-14 | 2022-03-08 | Johnson Controls Tyco IP Holdings LLP | Central plant control system with asset allocation override |
CN107454629B (zh) * | 2017-07-26 | 2019-12-10 | 华南理工大学 | 无线传感器网络中基于负载均衡的额外节点部署方法 |
CN109947764B (zh) * | 2017-09-18 | 2020-12-22 | 中国科学院声学研究所 | 一种基于时延构建弹性现场的查询增强系统及方法 |
US10631245B2 (en) * | 2017-09-26 | 2020-04-21 | King Fahd University Of Petroleum And Minerals | Node placement for pipeline monitoring |
US10952069B1 (en) * | 2017-11-07 | 2021-03-16 | Imam Abdulrahman Bin Faisal University | IoT cryptosystem device, system, method and computer program product |
CN107942716A (zh) * | 2018-01-02 | 2018-04-20 | 潘永森 | 一种智能家居环境控制系统 |
US11089436B2 (en) | 2018-02-26 | 2021-08-10 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and determining unit for identifying optimal location(s) |
KR102062636B1 (ko) * | 2018-04-27 | 2020-02-11 | 한국전력공사 | 에너지 계량 데이터 관리 장치, 이의 방법, 이 방법을 저장한 컴퓨터 판독 가능 저장 매체 |
US11329885B2 (en) * | 2018-06-21 | 2022-05-10 | International Business Machines Corporation | Cluster creation using self-aware, self-joining cluster nodes |
US11720536B1 (en) * | 2018-11-16 | 2023-08-08 | Amazon Technologies, Inc. | Data enrichment as a service |
CN109547959B (zh) * | 2018-11-16 | 2022-03-25 | 深圳市中电数通智慧安全科技股份有限公司 | 一种消防无线传感器网络优化方法、装置、服务器及介质 |
CN109829477B (zh) * | 2018-12-29 | 2023-04-18 | 北京邮电大学深圳研究院 | 基于启发式聚类的多属性物理层认证方法、装置和服务器 |
US10467360B1 (en) * | 2019-01-02 | 2019-11-05 | Fmr Llc | System and method for dynamically determining availability of a computing resource |
CN109951872B (zh) * | 2019-02-28 | 2020-11-06 | 电子科技大学 | 一种基于无线光通信的混合mac协议优化设计方法 |
CN110875850B (zh) * | 2019-09-27 | 2022-07-29 | 深圳市中电数通智慧安全科技股份有限公司 | 一种固件升级方法、系统、可读存储介质及终端设备 |
KR102324374B1 (ko) * | 2019-11-18 | 2021-11-11 | 한국전자통신연구원 | 무선 통신 시스템에서의 클러스터 구성 방법 및 장치 |
CN111031492B (zh) * | 2019-11-25 | 2021-11-19 | 荣耀终端有限公司 | 呼叫需求响应方法、装置及电子设备 |
US11164084B1 (en) * | 2020-11-11 | 2021-11-02 | DeepCube LTD. | Cluster-connected neural network |
KR102404984B1 (ko) * | 2021-03-10 | 2022-06-02 | 홍익대학교세종캠퍼스산학협력단 | 클러스터 기반의 정보 중심 네트워킹 통신 방법 |
CN113626489B (zh) * | 2021-08-10 | 2022-03-01 | 深圳市玄羽科技有限公司 | 传感器数据的搜索方法、系统及计算机介质 |
KR102495603B1 (ko) * | 2022-07-06 | 2023-02-06 | 주식회사 빅토리지 | Ess 설비 데이터 자동 맵핑과 클라우드 연동을 위한 게이트웨이 엔진을 탑재한 전력 관리 시스템 및 그 구동방법 |
CN116170485A (zh) * | 2023-04-18 | 2023-05-26 | 北京国芯能集成电路科技有限公司 | 宽带plc融合无线通信的智慧园区楼宇优化调控方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7035240B1 (en) * | 2000-12-27 | 2006-04-25 | Massachusetts Institute Of Technology | Method for low-energy adaptive clustering hierarchy |
US20100090823A1 (en) * | 2008-10-09 | 2010-04-15 | Electronics And Telecommunications Research Institute | Hybrid clustering based data aggregation method for multi-target tracking in wireless sensor network |
US20130016625A1 (en) * | 2011-07-11 | 2013-01-17 | Srd Innovations Inc. | Wireless mesh network and method for remote seismic recording |
EP2552168A1 (en) * | 2011-07-27 | 2013-01-30 | Alcatel Lucent | Clustering and resource allocation in ad hoc networks |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1629643B1 (en) * | 2003-06-02 | 2008-02-06 | Matsushita Electric Industrial Co., Ltd. | Device, method, and program for performing master/slave switching process |
CN1853287B (zh) | 2003-09-16 | 2011-04-06 | 陶氏环球技术公司 | 从可溶聚合物在基材上制备不溶聚合物膜的方法 |
KR102352393B1 (ko) * | 2013-12-05 | 2022-01-18 | 엘지전자 주식회사 | 무선 통신 시스템에서 계층적 협력구조의 v-mimo 방법 및 장치 |
-
2016
- 2016-07-08 WO PCT/US2016/041446 patent/WO2017007990A1/en active Application Filing
- 2016-07-08 JP JP2018500502A patent/JP6529658B2/ja not_active Expired - Fee Related
- 2016-07-08 CN CN201680047655.1A patent/CN107926074B/zh not_active Expired - Fee Related
- 2016-07-08 US US15/741,533 patent/US10644940B2/en not_active Expired - Fee Related
- 2016-07-08 KR KR1020187003510A patent/KR102086490B1/ko active IP Right Grant
- 2016-07-08 EP EP16742506.5A patent/EP3320752B1/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7035240B1 (en) * | 2000-12-27 | 2006-04-25 | Massachusetts Institute Of Technology | Method for low-energy adaptive clustering hierarchy |
US20100090823A1 (en) * | 2008-10-09 | 2010-04-15 | Electronics And Telecommunications Research Institute | Hybrid clustering based data aggregation method for multi-target tracking in wireless sensor network |
US20130016625A1 (en) * | 2011-07-11 | 2013-01-17 | Srd Innovations Inc. | Wireless mesh network and method for remote seismic recording |
EP2552168A1 (en) * | 2011-07-27 | 2013-01-30 | Alcatel Lucent | Clustering and resource allocation in ad hoc networks |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108769958A (zh) * | 2018-06-14 | 2018-11-06 | 重庆邮电大学 | 基于能耗优化的m2m通信联合成簇及资源分配方法 |
CN108769958B (zh) * | 2018-06-14 | 2020-11-06 | 重庆邮电大学 | 基于能耗优化的m2m通信联合成簇及资源分配方法 |
CN111641516A (zh) * | 2019-03-01 | 2020-09-08 | Abb瑞士股份有限公司 | 进程控制系统中节点的在线重新配置 |
CN111641516B (zh) * | 2019-03-01 | 2024-04-05 | Abb瑞士股份有限公司 | 进程控制系统中节点的在线重新配置 |
Also Published As
Publication number | Publication date |
---|---|
JP2018524928A (ja) | 2018-08-30 |
WO2017007990A1 (en) | 2017-01-12 |
EP3320752A1 (en) | 2018-05-16 |
KR20180027550A (ko) | 2018-03-14 |
JP6529658B2 (ja) | 2019-06-12 |
CN107926074B (zh) | 2020-07-07 |
US20180198680A1 (en) | 2018-07-12 |
EP3320752B1 (en) | 2021-04-14 |
US10644940B2 (en) | 2020-05-05 |
KR102086490B1 (ko) | 2020-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107926074A (zh) | M2m聚类管理 | |
Hazra et al. | Fog computing for next-generation internet of things: fundamental, state-of-the-art and research challenges | |
Mainland et al. | Decentralized, adaptive resource allocation for sensor networks | |
Al-Fagih et al. | A priced public sensing framework for heterogeneous IoT architectures | |
Jabbar et al. | Analysis of factors affecting energy aware routing in wireless sensor network | |
US20170048308A1 (en) | System and Apparatus for Network Conscious Edge to Cloud Sensing, Analytics, Actuation and Virtualization | |
Fersi | Fog computing and Internet of Things in one building block: A survey and an overview of interacting technologies | |
CN106664219A (zh) | 基于过去历史数据的网络节点可用性预测 | |
CN107079050A (zh) | 服务层会话迁移和共享 | |
Ashraf et al. | TOPSIS-based service arbitration for autonomic internet of things | |
Kumar et al. | Clustering approaches for pragmatic two‐layer IoT architecture | |
Gavalas et al. | Mobile agent itinerary planning for WSN data fusion: considering multiple sinks and heterogeneous networks | |
Kouah et al. | Energy-aware placement for iot-service function chain | |
Das et al. | Survey of Energy‐Efficient Techniques for the Cloud‐Integrated Sensor Network | |
Kulandaivel et al. | Intelligent data delivery approach for smart cities using road side units | |
Du et al. | Let opportunistic crowdsensors work together for resource-efficient, quality-aware observations | |
Sivasakthi et al. | QoE‐aware mobile computation offloading in mobile edge computing | |
Vasa et al. | Architecture, applications and data analytics tools for smart cities: a technical perspective | |
Eisenman | People-centric mobile sensing networks | |
de Santis et al. | QoS‐Based Web Service Discovery in Mobile Ad Hoc Networks Using Swarm Strategies | |
Singh et al. | Developing novagenesis architecture for internet of things services: Observation, challenges and itms application | |
Yousefpour et al. | All one needs to know about fog computing and related edge computing paradigms | |
Ardakani | Wireless sensor network routing protocols for data aggregation | |
Papadopouli et al. | Peer-to-peer computing for mobile networks: information discovery and dissemination | |
Li et al. | Location Prediction‐Based Data Dissemination Using Swarm Intelligence in Opportunistic Cognitive Networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200707 |