CN108811027A - 软件定义物联网中节点移动性识别应对方法及系统 - Google Patents

软件定义物联网中节点移动性识别应对方法及系统 Download PDF

Info

Publication number
CN108811027A
CN108811027A CN201810779112.XA CN201810779112A CN108811027A CN 108811027 A CN108811027 A CN 108811027A CN 201810779112 A CN201810779112 A CN 201810779112A CN 108811027 A CN108811027 A CN 108811027A
Authority
CN
China
Prior art keywords
node
mobility
present
high mobility
state
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
Application number
CN201810779112.XA
Other languages
English (en)
Other versions
CN108811027B (zh
Inventor
张志勇
贾智平
王睿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuxi Hangzheng Technology Co ltd
Original Assignee
Shandong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University filed Critical Shandong University
Priority to CN201810779112.XA priority Critical patent/CN108811027B/zh
Publication of CN108811027A publication Critical patent/CN108811027A/zh
Application granted granted Critical
Publication of CN108811027B publication Critical patent/CN108811027B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W40/00Communication routing or communication path finding
    • H04W40/02Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/18Communication route or path selection, e.g. power-based or shortest path routing based on predicted events
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02Services making use of location information
    • H04W4/029Location-based management or tracking services
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W40/00Communication routing or communication path finding
    • H04W40/02Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/20Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了软件定义物联网中节点移动性识别应对方法及系统,包括:获取候选高移动性节点集合;生成候选高移动性节点的历史移动状态序列;预测候选高移动性节点下一时刻的移动性;对下一时刻处于高移动性的节点实施实时路由决策。解决软件定义物联网中部分节点移动性较大而导致控制器无法保持网络的实时拓扑,进而导致控制决策失误降低网络的通信质量、增加网络控制开销的问题。

Description

软件定义物联网中节点移动性识别应对方法及系统
技术领域
本发明涉及物联网技术领域,特别是涉及软件定义物联网中节点移动性识别应对方法及系统。
背景技术
信息和通信技术的迅速发展促进了诸如RFID、蓝牙以及嵌入式系统等智能设备的发展。这些智能设备可以通过网络实现相互通信,进而完成自动记录、自动处理等任务,从而导致了新的服务和应用的出现。物联网(Internet of things,IoT)的概念应运而生。目前,大量的物联网设备通过不同的方式连接到互联网中,预计到2020年,通过物联网互联的智能设备将达到500亿个。然而,由于当前的物联网设备往往根据其具体应用场景和部署情况进行配置,导致其具有典型的应用相关的特性,专用性较高。这导致了管理如此庞大的物联网变得极其困难。
软件定义网络以及当前较为流行的南向接口协议OpenFlow为解决网络的可管理性提供了一种新的思路。SDN将控制平面与数据平面分开,通过保证控制平面的可编程性实现网络的灵活管理。OpenFlow利用流表的概念来处理接收到的数据报文:如果一个数据流匹配到了一个流表项,其将根据该流表项指定的“action”域进行处理;如果一个数据流无法匹配到流表中的任何一条流表项,该节点将向远程的控制器(Controller)发送报文处理请求。在SDN中,控制器是对当前网络元素的高级抽象,其拥有网络的全局视图,并基于此管理网络中的流表项以决定报文在网络中的路由方式。通过这种方式,控制器完全控制了报文的转发路径,并可以通过简单修改流表规则的方式实现新服务和管理策略的部署。
然而,不同于传统有线网络,部分物联网节点具有较强的移动性,且其移动性往往具有突发性和不规律性。由于在软件定义网络中,控制器需要实时了解网络的拓扑情况,这就要求节点定时通过拓扑发现报文上传其拓扑情况。然而,对于移动性较强的物联网节点,其移动性往往导致其拓扑情况频繁发生变化,因此,其上传的拓扑报文往往具有十分短暂的时效性,这导致了额外的能量浪费。此外,由于控制器的路由决策是依据网络的实时拓扑做出的,而移动性较强的节点导致控制器做出的决策往往依据的是一个过时的拓扑结构,这导致了非最优的,甚至错误的路由决策。
发明内容
为了解决现有技术的不足,本发明提供了软件定义物联网中节点移动性识别应对方法及系统,其解决软件定义物联网中部分节点移动性较大而导致控制器无法保持网络的实时拓扑,进而导致控制决策失误降低网络的通信质量、增加网络控制开销的问题;
作为本发明的第一方面,提供了软件定义物联网中节点移动性识别应对方法;
软件定义物联网中节点移动性识别应对方法,包括:
获取候选高移动性节点集合;
生成候选高移动性节点的历史移动状态序列;
预测候选高移动性节点下一时刻的移动性;
对下一时刻处于高移动性的节点实施实时路由决策。
进一步的,获取候选高移动性节点集合的具体步骤为:
软件定义物联网中的节点周期性地将自身的拓扑信息发送给控制器;所述拓扑信息,包括:当前节点的邻居节点列表以及与当前节点连接的每一条链路的信号强度值RSSI值;控制器计算当前节点与每个邻居节点之间链路的RSSI值的方差,对当前节点与每个邻居节点之间链路的RSSI值的方差按照由低到高进行排序,计算排序靠前的设定个方差的平均值;如果平均值大于设定阈值,则表示当前节点是高移动性节点,否则,表示当前节点是低移动性节点;按照相同的方式对所有节点的移动性进行判断,最后,选取设定比例的高移动性节点放入候选高移动性节点集合中。
进一步的,生成高移动性节点的历史移动状态序列的具体步骤为:
如果控制器指定路径上的链路发生断裂,且发生断裂的链路两端的节点至少有一个节点属于高移动性节点集合中的节点,则对断裂链路涉及的高移动性节点触发移动性分析;
控制器将触发移动性分析的节点的RSSI值转化为历史移动状态序列:
对当前节点在t时刻和t+1时刻同一链路的RSSI值进行比较,如果当前节点的超过一半的链路的RSSI变化值均大于预设的阈值,则认为当前节点在t时刻处于高移动性状态,高移动性状态标记为1,否则处于低移动性状态,低移动性状态标记为0;从而得到当前节点的历史状态序列(s1,s2,...,st,...,sn-1),其中,st取值为0或1,其中0表示当前节点在t时刻处于低移动性状态,而1则表示当前节点在t时刻处于高移动性状态。
软件定义物联网,是将软件定义网络的思想引入物联网中。
软件定义物联网,包括:一个或多个控制器,所述控制器分别与物联网节点连接,所述控制器用于对物联网节点进行控制和管理。
进一步的,预测候选高移动性节点下一时刻的移动性的具体步骤为:
统计当前节点的所有网络状态;所述网络状态,包括:当前节点所处的地理位置或当前节点所提供的任务;分析当前节点的网络状态,根据历史移动状态序列,利用Baum-Welch算法计算当前节点的各个网络状态彼此之间的转换概率;建立节点移动性与节点所处网络状态之间的对应关系;设定初始状态当前节点处于各个网络状态的概率;
将当前节点的各个网络状态彼此之间的转换概率、节点移动性与节点所处网络状态之间的对应关系和初始状态当前节点处于各个网络状态的概率视为隐含参数,利用历史移动状态序列对隐含参数进行最大似然估计,得到当前节点的移动性模型;
根据移动性模型预测当前节点的下一时刻处于高移动性的概率;如果当前节点的下一时刻处于高移动性的概率大于设定阈值时,则控制器将当前节点视为高移动性节点,将当前节点加入到HM节点列表中。
进一步的,对下一时刻处于高移动性的节点实施实时路由决策的具体步骤为:
步骤(401):本地搜索激活;控制器预先维护一张HM节点的列表;假设节点S等待与节点D进行通信,且节点S或节点D在HM列表中;匹配节点S中的流表项,节点S中的流表项指示节点S生成一个源地址为节点S,目的地址为节点D的本地搜索报文,并将本地搜索报文发送给节点S的所有邻居节点;
步骤(402):请求传递;邻居节点接收到本地搜索报文后,将本地搜索报文最近一次经历过的链路加入到本地搜索报文中,随后,更新后的本地搜索报文被邻居节点继续传递给其他邻居节点;
步骤(403):搜索应答;本地搜索报文传递到目的节点D后,目的节点D将本地搜索报文最后一跳链路的信息加入到本地搜索报文中;目的节点D根据控制器预设的选路规则从能够获得本地搜索报文的所有路径中选择一条最优路径;目的节点D生成一个应答报文作为节点S的响应,应答报文通过最优路径反馈给节点S;
步骤(404):流表安装与路径建立;当最优路径上的中间节点收到应答报文时,从应答报文中识别路径的源节点、目的节点以及沿途的节点序列,并建立自身的流表项;之后中间节点将应答报文传递给下一跳节点;最终节点S收到应答报文后,节点S与节点D之间的路径建立完整,同时本地搜索过程结束。
作为本发明的第二方面,提供了软件定义物联网中节点移动性识别应对系统;
软件定义物联网中节点移动性识别应对系统,包括:
候选高移动性节点集合获取模块;
候选高移动性节点的历史移动状态序列生成模块;
候选高移动性节点下一时刻的移动性预测模块;
对下一时刻处于高移动性的节点实施实时路由决策模块。
进一步的,候选高移动性节点集合获取模块,被配置为:
软件定义物联网中的节点周期性地将自身的拓扑信息发送给控制器;所述拓扑信息,包括:当前节点的邻居节点列表以及与当前节点连接的每一条链路的信号强度值RSSI值;控制器计算当前节点与每个邻居节点之间链路的RSSI值的方差,对当前节点与每个邻居节点之间链路的RSSI值的方差按照由低到高进行排序,计算排序靠前的设定个方差的平均值;如果平均值大于设定阈值,则表示当前节点是高移动性节点,否则,表示当前节点是低移动性节点;按照相同的方式对所有节点的移动性进行判断,最后,选取设定比例的高移动性节点放入候选高移动性节点集合中。
进一步的,候选高移动性节点的历史移动状态序列生成模块,被配置为:
如果控制器指定路径上的链路发生断裂,且发生断裂的链路两端的节点至少有一个节点属于高移动性节点集合中的节点,则对断裂链路涉及的高移动性节点触发移动性分析;
控制器将触发移动性分析的节点的RSSI值转化为历史移动状态序列:
对当前节点在t时刻和t+1时刻同一链路的RSSI值进行比较,如果当前节点的超过一半的链路的RSSI变化值均大于预设的阈值,则认为当前节点在t时刻处于高移动性状态,高移动性状态标记为1,否则处于低移动性状态,低移动性状态标记为0;从而得到当前节点的历史状态序列(s1,s2,...,st,...,sn-1),其中,st取值为0或1,其中0表示当前节点在t时刻处于低移动性状态,而1则表示当前节点在t时刻处于高移动性状态。
软件定义物联网,是将软件定义网络的思想引入物联网中。
软件定义物联网,包括:一个或多个控制器,所述控制器分别与物联网节点连接,所述控制器用于对物联网节点进行控制和管理。
进一步的,候选高移动性节点下一时刻的移动性预测模块,被配置为:
统计当前节点的所有网络状态;所述网络状态,包括:当前节点所处的地理位置或当前节点所提供的任务;分析当前节点的网络状态,根据历史移动状态序列,利用Baum-Welch算法计算当前节点的各个网络状态彼此之间的转换概率;建立节点移动性与节点所处网络状态之间的对应关系;设定初始状态当前节点处于各个网络状态的概率;
将当前节点的各个网络状态彼此之间的转换概率、节点移动性与节点所处网络状态之间的对应关系和初始状态当前节点处于各个网络状态的概率视为隐含参数,利用历史移动状态序列对隐含参数进行最大似然估计,得到当前节点的移动性模型;
根据移动性模型预测当前节点的下一时刻处于高移动性的概率;如果当前节点的下一时刻处于高移动性的概率大于设定阈值时,则控制器将当前节点视为高移动性节点,将当前节点加入到HM节点列表中。
进一步的,对下一时刻处于高移动性的节点实施实时路由决策模块,包括:
本地搜索激活单元:控制器预先维护一张HM节点的列表;假设节点S等待与节点D进行通信,且节点S或节点D在HM列表中;匹配节点S中的流表项,节点S中的流表项指示节点S生成一个源地址为节点S,目的地址为节点D的本地搜索报文,并将本地搜索报文发送给节点S的所有邻居节点;
请求传递单元:邻居节点接收到本地搜索报文后,将本地搜索报文最近一次经历过的链路加入到本地搜索报文中,随后,更新后的本地搜索报文被邻居节点继续传递给其他邻居节点;
搜索应答单元:本地搜索报文传递到目的节点D后,目的节点D将本地搜索报文最后一跳链路的信息加入到本地搜索报文中;目的节点D根据控制器预设的选路规则从能够获得本地搜索报文的所有路径中选择一条最优路径;目的节点D生成一个应答报文作为节点S的响应,应答报文通过最优路径反馈给节点S;
流表安装与路径建立单元:当最优路径上的中间节点收到应答报文时,从应答报文中识别路径的源节点、目的节点以及沿途的节点序列,并建立自身的流表项;之后中间节点将应答报文传递给下一跳节点;最终节点S收到应答报文后,节点S与节点D之间的路径建立完整,同时本地搜索过程结束。
与现有技术相比,本发明的有益效果是:
不同于传统软件定义网络架构,本发明中下发流表的权利不仅仅由控制器负责,普通的物联网节点也可以生成相应的临时流表项以完成对高移动性节点的快速响应。由于这部分流表是专门为高移动性节点所设,因此其流表的过期时间会比普通流表项要短。此外,这部分临时流表项依然受控制器的控制,因此,在实现了高移动性节点快速响应的同时,依然最大程度地保持了软件定义物联网的架构。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1是本发明对高移动性节点的应对方法示意图;
图2(a)是A节点的流表项;
图2(b)是B节点的流表项;
图2(c)是S节点的流表项;
图2(d)是D节点的流表项。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
为避免能量浪费,同时保证路由决策的正确性,进而保证网络通信性能,我们需要对物联网节点的行为进行分析,准确识别出“高移动性”的节点;由于“高移动性”的节点会对软件定义的物联网结构造成较大的干扰,因此,控制器需要对该部分节点以不同于正常节点的方式对待。软件定义的物联网结构物理上,与传统物联网结构并无区别。只是在逻辑上略有不同,在软件定义的结构中,存在逻辑上的控制器节点和普通物联网节点,节点之间通过多跳的无线信道通信,控制器负责拓扑管理、路由决策以及流表的生成和管理,而其他节点通过控制器获取流表项。
本发明首先根据收集的网络拓扑情况,提出了一种适用于物联网中的节点移动性分析方法,识别移动性较高的节点。其次,为了消除这部分节点对软件定义物联网结构的影响,本发明提出了一种移动性感知的流表预留方案以实现对高移动性节点的实时路由决策。
由于物联网节点存在多样性的特点,因此,本发明不对节点所配备的设备做任何假设,即不假设所有的节点均配备高精度GPS以及加速度传感器等装置。本发明仅依赖于节点周期性上传的拓扑信息对节点的移动性行为进行建模和预测。
1、候选高移动集合的获取。由于并非所有的节点均具有较高的移动性,因此,本发明首先将潜在的高移动性节点放入一个候选集合中。当需要判断一个节点是否为高移动性节点时,首先确定该节点是否为该候选集合的成员。如果该节点不属于该集合,则我们将其视为非高移动性节点,从而免去了对该节点的进一步建模和计算过程,避免了不必要的计算开销。
在软件定义物联网架构中,物联网节点周期性地将其拓扑信息发送给控制器,本发明假设这些拓扑信息包括该节点的邻居节点列表以及其周围每条链路的信号强度值(RSSI值,Received Signal Strength Indicator)。如果一个节点在一段时间内具有较高的移动性,则与该节点相关的链路的RSSI值将会频繁变化,而控制器则可以据此对节点的移动性进行评估。
假设控制器已经接收到了每个物联网节点的n个拓扑发现报文,我们假设节点i对链路(i,j)的第n次RSSI值为本发明通过计算n个RSSI值的方差来评估节点i相对于节点j的移动性,即通过如下方式计算:
如果Mob(i,j)值较小,则表明节点i相对于节点j具有较低的移动性。如果节点i相对于其所有的邻居节点均具有较低的移动性,则本发明便认为节点i为“非高移动性”节点,为此,本发明进一步地计算节点i相对于其所有邻居节点的移动性。
然而,需要注意的是,一个高移动性的节点将会影响其所有邻居节点的相对移动性评估,对于节点i而言,即使其不具有高移动性,而其高移动性的邻居节点依然会导致这两个节点之间的链路具有较高的移动性评估值,因此,本发明需要消除这种不稳定因素的影响。假设节点i有k个邻居节点,分别为j1,j2,j3,……,jk,本发明对计算出来的k个移动性评估值进行排序,选择最小的0.5K个值,假设为Mob(i,j1),Mob(i,j2),……,Mob(i,jk),通过计算其平均值的方式计算节点i相对其所有邻居节点的相对移动性:
M(i)=E{Mob(i,j1),Mob(i,j2),…,Mob(i,j0.5K)}
通过以上方式,控制器可以以同样的方式对所有的物联网节点的移动性进行评估并进行排序。之后,我们可以选取一定比例的(如50%)较大移动性节点放入候选集合中。该比例可根据不同的物联网应用场景进行适当的更改。
2、历史状态序列的生成。对于部分物联网络而言,网络规模十分庞大,因此,对所有节点进行建模会十分耗时,造成资源的浪费。为此,本发明采用“事件驱动”的方式对节点的移动性进行评估,我们定义节点行为分析的触发条件为:如果控制器指定的某条路径上的某条链路发生断裂,且该链路相关的两个节点中至少有一个节点在步骤1生成的“候选高移动集合”中,则我们对相关节点触发移动性分析。
对于控制器而言,尽管其维护了所有节点的实时及历史拓扑情况,但这些拓扑信息并不能直观地表示出节点在过去特定时刻所处的移动状态,即无法直观表示在时刻t,节点i处于高移动性状态还是低移动性状态。
因此,当针对某个节点的移动性分析触发时,控制器首先将该节点相关的拓扑序列转化为其历史移动状态序列,即对于即将进行移动性分析的节点i,根据其n个时刻的拓扑信息生成相应的移动状态序列(s1,s2,……,sn-1)其中s取值为0或1,其中0表示节点i此时处于低移动性状态,而1则表示该节点此刻处于高移动性状态。
为了评估节点在t时刻的历史移动状态,本发明基于该节点在时刻t和时刻t+1的拓扑情况进行分析。本发明针对该节点在t时刻和t+1时刻同一链路的RSSI取值进行比较,如果超过半数的邻居链路的RSSI变化值大于一个预设的阈值,则本发明认为该节点在t时刻处于高移动性状态,否则处于低移动性状态。这样,便得到了待分析节点的历史状态序列。
同样地,该阈值的选取亦可根据不同的物联网应用场景进行适当的更改。
3、节点移动性建模与分析。
为了实现对物联网节点移动性的建模,需要对物联网应用场景进行一系列分析。对于不同的物联网应用场景,节点的移动性与其所处的“网络状态”往往有密不可分的联系。本发明所指的“网络状态”是一个广义的概念,可以指代一个具体的地理位置,也可以当前正在提供的服务。例如,在事件监测场景中,当一个节点完成了一个物理区域的监测之后,该节点有很大的概率继续移动到相邻区域继续监测,这个移动过程变实现了节点的一个“网络状态”到另一个“网络状态”的转换,此处的“网络状态”便指代要监测的所有物理区域。同样地,在一些对外提供服务的应用场景中,该“网络状态”则与节点执行正在执行的服务一一对应。
在一个具体的应用场景中,所有的“网络状态”数量应该是确定的,然而,不同“网络状态”之间的切换规律则往往是对控制器透明的,如节点在完成一片区域的监测之后,可以随机选择该区域相邻的任一区域进行监测,而控制器只能通过概率推测的方式猜测其相应的状态转换方式,在本发明中,我们假设一个特定的物联网具有N中“网络状态”,各状态之间的转换概率矩阵A为:
A=[aij]N×N
其中,aij表示节点从“网络状态”i转换为“网络状态”j的概率
此外,需要注意的是,节点的移动性与其当前所处的“网络状态”有密不可分的关系。例如,当节点处于“户外”状态时,其移动性往往比其处于“室内”状态时的移动性要高。由于本发明把节点的移动性简单划分为“高移动性”和“低移动性”,因此,我们用矩阵B表示节点移动性与其所处“网络状态”的关系:
其中,bi(0)代表节点在“网络状态”i时其处于低移动性的概率,而bi(1)则代表节点处于高移动性的概率。
此外,我们用π=[πi]N表示初始状态时,节点处于各“网络状态”的概率。显然,利用组合(A,B,π)可以对节点将来的移动状态进行估计。因此,问题转化为利用步骤2中求解出的节点的历史移动状态序列对以上隐含的参数进行最大似然估计。显然,我们可以利用Baum-Welch算法以及Reversed Viterbi算法予以解决,此处不再赘述。
当我们利用节点的移动状态序列对组合(A,B,π)的各参数进行训练之后,控制器可以很方便地预测该节点在接下来的一段时间内处于高移动性状态的概率。当控制器认为该节点在接下来的一段时间内属于“高移动性”节点时,则控制器针对该节点做出相应的移动性应对方法。
4、软件定义的高移动性应对方法。
由于高移动性节点导致网络拓扑频繁发生变化,而控制器对此难以适应,因此,本发明采用一种“流表预留”的方案对高移动性节点进行特殊处理,以避免其对整个网络性能造成影响。
本发明增加了一种节点类型的定义,即HM(high-mobility)节点。控制器维护一张HM节点的列表,并在节点中预留相应的流表项对来自HM节点的报文进行特别处理。同时通过扩展OpenFlow协议中的action域完成对HM节点的正常处理。
事实上,这种处理方法成功地在软件定义物联网网络结构中无缝衔接了传统分布式的处理思路,同时由于报文的处理方式依然采用流表的方式,控制器可以对预留的流表进行更新和修改,因此,控制器仍然实现了对整个网络的掌控。在保证软件定义网络的优势的同时,有效避免了高移动性节点产生的不良影响。
此处以附图1为例,对本发明中HM节点的应对方法进行概述。
(1)本地搜索激活
如附图1所示,如果节点S需要与节点D通信,且节点S或D在HM列表中。尽管此时S并没有通向D的流表项,但S不会向控制器发送packet-in消息,因为节点S中预留的流表项可以被匹配到,如图2(c)中的前两条流表所示。为了在控制器不参与的情况下寻找一条从S到D的路径,这些流表项指示节点S生成一个源地址为S,目的地址为D的本地搜索报文(扩展的generateaction),并将该报文发送给节点S的所有邻居节点。
(2)请求传递
为了保证本地搜索报文的传递,控制器同时预留了匹配本地搜索报文的流表项,如图2(a)和图2(b)中的第一条流表所示。本发明同时增加了一个putlink action,该操作将本地搜索报文刚刚经过的链路的相关信息插入到报文中,该信息可以为RSSI值,也可以为链路延迟或其他链路特性,以作为选路的依据。该value可以由控制器动态指定和修改。随后,该报文被继续传递出去。
(3)搜索应答
最终,本地搜索报文传递到了目的节点D。该节点将该报文经过的最后一跳链路的信息加入到报文中。由于节点D会收到来自不同路径的本地搜索报文,因此,D根据控制器指定的选路依据选择一条最优的路径。之后,D生成一个应答报文作为对节点S的响应。由于该回复报文包含了路径上经过的所有节点,因此,沿途的节点根据该应答报文建立自身的流表项,如图2(d)所示。
(4)流表安装与路径建立
当中间节点收到应答报文时,其从该报文中识别路径的源节点和目的节点、以及沿途的节点序列,并据此建立自身的流表项,之后将该应答报文继续传递给下一跳节点,如图2(a)、图2(b)所示。最终,当节点S收到该应答报文时,S与D之间的路径便完整建立了起来,同时此次本地搜索过程结束,如图2(c)所示。
显然,不同于传统软件定义网络架构,本发明中下发流表的权利不仅仅由控制器负责,普通的物联网节点也可以生成相应的临时流表项以完成对高移动性节点的快速响应。由于这部分流表是专门为高移动性节点所设,因此其流表的过期时间会比普通流表项要短。此外,这部分临时流表项依然受控制器的控制,因此,在实现了高移动性节点快速响应的同时,依然最大程度地保持了软件定义物联网的架构。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

Claims (10)

1.软件定义物联网中节点移动性识别应对方法,其特征是,包括:
获取候选高移动性节点集合;
生成候选高移动性节点的历史移动状态序列;
预测候选高移动性节点下一时刻的移动性;
对下一时刻处于高移动性的节点实施实时路由决策。
2.如权利要求1所述的软件定义物联网中节点移动性识别应对方法,其特征是,
获取候选高移动性节点集合的具体步骤为:
软件定义物联网中的节点周期性地将自身的拓扑信息发送给控制器;所述拓扑信息,包括:当前节点的邻居节点列表以及与当前节点连接的每一条链路的信号强度值RSSI值;控制器计算当前节点与每个邻居节点之间链路的RSSI值的方差,对当前节点与每个邻居节点之间链路的RSSI值的方差按照由低到高进行排序,计算排序靠前的设定个方差的平均值;如果平均值大于设定阈值,则表示当前节点是高移动性节点,否则,表示当前节点是低移动性节点;按照相同的方式对所有节点的移动性进行判断,最后,选取设定比例的高移动性节点放入候选高移动性节点集合中。
3.如权利要求1所述的软件定义物联网中节点移动性识别应对方法,其特征是,
生成高移动性节点的历史移动状态序列的具体步骤为:
如果控制器指定路径上的链路发生断裂,且发生断裂的链路两端的节点至少有一个节点属于高移动性节点集合中的节点,则对断裂链路涉及的高移动性节点触发移动性分析;
控制器将触发移动性分析的节点的RSSI值转化为历史移动状态序列:
对当前节点在t时刻和t+1时刻同一链路的RSSI值进行比较,如果当前节点的超过一半的链路的RSSI变化值均大于预设的阈值,则认为当前节点在t时刻处于高移动性状态,高移动性状态标记为1,否则处于低移动性状态,低移动性状态标记为0;从而得到当前节点的历史状态序列(s1,s2,...,st,...,sn-1),其中,st取值为0或1,其中0表示当前节点在t时刻处于低移动性状态,而1则表示当前节点在t时刻处于高移动性状态。
4.如权利要求1所述的软件定义物联网中节点移动性识别应对方法,其特征是,
预测候选高移动性节点下一时刻的移动性的具体步骤为:
统计当前节点的所有网络状态;所述网络状态,包括:当前节点所处的地理位置或当前节点所提供的任务;分析当前节点的网络状态,根据历史移动状态序列,利用Baum-Welch算法计算当前节点的各个网络状态彼此之间的转换概率;建立节点移动性与节点所处网络状态之间的对应关系;设定初始状态当前节点处于各个网络状态的概率;
将当前节点的各个网络状态彼此之间的转换概率、节点移动性与节点所处网络状态之间的对应关系和初始状态当前节点处于各个网络状态的概率视为隐含参数,利用历史移动状态序列对隐含参数进行最大似然估计,得到当前节点的移动性模型;
根据移动性模型预测当前节点的下一时刻处于高移动性的概率;如果当前节点的下一时刻处于高移动性的概率大于设定阈值时,则控制器将当前节点视为高移动性节点,将当前节点加入到HM节点列表中。
5.如权利要求1所述的软件定义物联网中节点移动性识别应对方法,其特征是,
对下一时刻处于高移动性的节点实施实时路由决策的具体步骤为:
步骤(401):本地搜索激活;控制器预先维护一张HM节点的列表;假设节点S等待与节点D进行通信,且节点S或节点D在HM列表中;匹配节点S中的流表项,节点S中的流表项指示节点S生成一个源地址为节点S,目的地址为节点D的本地搜索报文,并将本地搜索报文发送给节点S的所有邻居节点;
步骤(402):请求传递;邻居节点接收到本地搜索报文后,将本地搜索报文最近一次经历过的链路加入到本地搜索报文中,随后,更新后的本地搜索报文被邻居节点继续传递给其他邻居节点;
步骤(403):搜索应答;本地搜索报文传递到目的节点D后,目的节点D将本地搜索报文最后一跳链路的信息加入到本地搜索报文中;目的节点D根据控制器预设的选路规则从能够获得本地搜索报文的所有路径中选择一条最优路径;目的节点D生成一个应答报文作为节点S的响应,应答报文通过最优路径反馈给节点S;
步骤(404):流表安装与路径建立;当最优路径上的中间节点收到应答报文时,从应答报文中识别路径的源节点、目的节点以及沿途的节点序列,并建立自身的流表项;之后中间节点将应答报文传递给下一跳节点;最终节点S收到应答报文后,节点S与节点D之间的路径建立完整,同时本地搜索过程结束。
6.软件定义物联网中节点移动性识别应对系统,其特征是,包括:
候选高移动性节点集合获取模块;
候选高移动性节点的历史移动状态序列生成模块;
候选高移动性节点下一时刻的移动性预测模块;
对下一时刻处于高移动性的节点实施实时路由决策模块。
7.如权利要求6所述的软件定义物联网中节点移动性识别应对系统,其特征是,
候选高移动性节点集合获取模块,被配置为:
软件定义物联网中的节点周期性地将自身的拓扑信息发送给控制器;所述拓扑信息,包括:当前节点的邻居节点列表以及与当前节点连接的每一条链路的信号强度值RSSI值;控制器计算当前节点与每个邻居节点之间链路的RSSI值的方差,对当前节点与每个邻居节点之间链路的RSSI值的方差按照由低到高进行排序,计算排序靠前的设定个方差的平均值;如果平均值大于设定阈值,则表示当前节点是高移动性节点,否则,表示当前节点是低移动性节点;按照相同的方式对所有节点的移动性进行判断,最后,选取设定比例的高移动性节点放入候选高移动性节点集合中。
8.如权利要求6所述的软件定义物联网中节点移动性识别应对系统,其特征是,
候选高移动性节点的历史移动状态序列生成模块,被配置为:
如果控制器指定路径上的链路发生断裂,且发生断裂的链路两端的节点至少有一个节点属于高移动性节点集合中的节点,则对断裂链路涉及的高移动性节点触发移动性分析;
控制器将触发移动性分析的节点的RSSI值转化为历史移动状态序列:
对当前节点在t时刻和t+1时刻同一链路的RSSI值进行比较,如果当前节点的超过一半的链路的RSSI变化值均大于预设的阈值,则认为当前节点在t时刻处于高移动性状态,高移动性状态标记为1,否则处于低移动性状态,低移动性状态标记为0;从而得到当前节点的历史状态序列(s1,s2,...,st,...,sn-1),其中,st取值为0或1,其中0表示当前节点在t时刻处于低移动性状态,而1则表示当前节点在t时刻处于高移动性状态。
9.如权利要求6所述的软件定义物联网中节点移动性识别应对系统,其特征是,
候选高移动性节点下一时刻的移动性预测模块,被配置为:
统计当前节点的所有网络状态;所述网络状态,包括:当前节点所处的地理位置或当前节点所提供的任务;分析当前节点的网络状态,根据历史移动状态序列,利用Baum-Welch算法计算当前节点的各个网络状态彼此之间的转换概率;建立节点移动性与节点所处网络状态之间的对应关系;设定初始状态当前节点处于各个网络状态的概率;
将当前节点的各个网络状态彼此之间的转换概率、节点移动性与节点所处网络状态之间的对应关系和初始状态当前节点处于各个网络状态的概率视为隐含参数,利用历史移动状态序列对隐含参数进行最大似然估计,得到当前节点的移动性模型;
根据移动性模型预测当前节点的下一时刻处于高移动性的概率;如果当前节点的下一时刻处于高移动性的概率大于设定阈值时,则控制器将当前节点视为高移动性节点,将当前节点加入到HM节点列表中。
10.如权利要求6所述的软件定义物联网中节点移动性识别应对系统,其特征是,
对下一时刻处于高移动性的节点实施实时路由决策模块,包括:
本地搜索激活单元:控制器预先维护一张HM节点的列表;假设节点S等待与节点D进行通信,且节点S或节点D在HM列表中;匹配节点S中的流表项,节点S中的流表项指示节点S生成一个源地址为节点S,目的地址为节点D的本地搜索报文,并将本地搜索报文发送给节点S的所有邻居节点;
请求传递单元:邻居节点接收到本地搜索报文后,将本地搜索报文最近一次经历过的链路加入到本地搜索报文中,随后,更新后的本地搜索报文被邻居节点继续传递给其他邻居节点;
搜索应答单元:本地搜索报文传递到目的节点D后,目的节点D将本地搜索报文最后一跳链路的信息加入到本地搜索报文中;目的节点D根据控制器预设的选路规则从能够获得本地搜索报文的所有路径中选择一条最优路径;目的节点D生成一个应答报文作为节点S的响应,应答报文通过最优路径反馈给节点S;
流表安装与路径建立单元:当最优路径上的中间节点收到应答报文时,从应答报文中识别路径的源节点、目的节点以及沿途的节点序列,并建立自身的流表项;之后中间节点将应答报文传递给下一跳节点;最终节点S收到应答报文后,节点S与节点D之间的路径建立完整,同时本地搜索过程结束。
CN201810779112.XA 2018-07-16 2018-07-16 软件定义物联网中节点移动性识别应对方法及系统 Active CN108811027B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810779112.XA CN108811027B (zh) 2018-07-16 2018-07-16 软件定义物联网中节点移动性识别应对方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810779112.XA CN108811027B (zh) 2018-07-16 2018-07-16 软件定义物联网中节点移动性识别应对方法及系统

Publications (2)

Publication Number Publication Date
CN108811027A true CN108811027A (zh) 2018-11-13
CN108811027B CN108811027B (zh) 2020-06-19

Family

ID=64076551

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810779112.XA Active CN108811027B (zh) 2018-07-16 2018-07-16 软件定义物联网中节点移动性识别应对方法及系统

Country Status (1)

Country Link
CN (1) CN108811027B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114390631A (zh) * 2022-02-15 2022-04-22 重庆邮电大学 一种无人机自组网络移动性预测的多径路由协议方法
CN114928568A (zh) * 2022-06-16 2022-08-19 中国联合网络通信集团有限公司 一种路由路径选择方法、装置及计算机可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102638820A (zh) * 2012-03-23 2012-08-15 山东大学 Ad Hoc网络中链路稳定性预测方法
US20140010069A1 (en) * 2012-07-03 2014-01-09 King Fahd University Of Petroleum And Minerals Least movement wsan topology repair method
CN105223549A (zh) * 2015-08-22 2016-01-06 东北电力大学 一种基于rssi的无线传感器网络全移动节点定位方法
EP3007368A1 (en) * 2014-10-07 2016-04-13 Nokia Solutions and Networks Oy Controlling transmission
CN107277888A (zh) * 2017-06-30 2017-10-20 湖北工程学院 跨层路由实现方法和装置
CN107801226A (zh) * 2017-11-13 2018-03-13 北京邮电大学 基于节点社会相似性和个体中心性的数据转发方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102638820A (zh) * 2012-03-23 2012-08-15 山东大学 Ad Hoc网络中链路稳定性预测方法
US20140010069A1 (en) * 2012-07-03 2014-01-09 King Fahd University Of Petroleum And Minerals Least movement wsan topology repair method
EP3007368A1 (en) * 2014-10-07 2016-04-13 Nokia Solutions and Networks Oy Controlling transmission
CN105223549A (zh) * 2015-08-22 2016-01-06 东北电力大学 一种基于rssi的无线传感器网络全移动节点定位方法
CN107277888A (zh) * 2017-06-30 2017-10-20 湖北工程学院 跨层路由实现方法和装置
CN107801226A (zh) * 2017-11-13 2018-03-13 北京邮电大学 基于节点社会相似性和个体中心性的数据转发方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
夏辉: "移动Ad_Hoc网络中基于链路稳定性预测的组播路由协议", 《CNKI》 *
钱雷: "无线传感器网络节点安全定位研究", 《CNKI》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114390631A (zh) * 2022-02-15 2022-04-22 重庆邮电大学 一种无人机自组网络移动性预测的多径路由协议方法
CN114928568A (zh) * 2022-06-16 2022-08-19 中国联合网络通信集团有限公司 一种路由路径选择方法、装置及计算机可读存储介质

Also Published As

Publication number Publication date
CN108811027B (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
Zhao et al. A fuzzy logic-based intelligent multiattribute routing scheme for two-layered SDVNs
Abdelkader et al. SGBR: A routing protocol for delay tolerant networks using social grouping
Zhao et al. A novel prediction-based temporal graph routing algorithm for software-defined vehicular networks
Hossain et al. Multi-objective Harris hawks optimization algorithm based 2-Hop routing algorithm for CR-VANET
CN105900393A (zh) 用于sdn中分布式流量工程的流行为驱动的动态分区
CN105075180A (zh) 使用分布式学习机器反馈来动态调整一组被监控的网络属性
JP2008521283A (ja) 関連のシステム及び方法を含む予測的移動体アドホックネットワーキング
CN110753384B (zh) 基于自适应边界的分布式强化学习稳定拓扑生成方法
Abadi et al. RLBEEP: Reinforcement-learning-based energy efficient control and routing protocol for wireless sensor networks
CN108650011A (zh) 多无人机与地面网络高效协作性数据中继方法及系统
WO2013111182A1 (ja) 無線通信システム、制御装置、及び無線通信方法
CN108811027A (zh) 软件定义物联网中节点移动性识别应对方法及系统
Zhao et al. A temporal-information-based adaptive routing algorithm for software defined vehicular networks
CN103200041B (zh) 基于历史数据的容迟容断网络节点相遇概率预测方法
He et al. Sdn enabled high performance multicast in vehicular networks
Alablani et al. An SDN/ML-based adaptive cell selection approach for HetNets: a real-world case study in London, UK
CN106656795A (zh) 一种无线传感器执行器网络分簇路由选择方法
KR101896056B1 (ko) 멀티미디어 기반 이기종 무선 네트워크의 수직 핸드 오버 관리 장치 및 방법
CN111200566B (zh) 一种网络业务流量信息疏导方法及电子设备
CN110719201B (zh) 基于强化学习的分布式自适应稳定拓扑生成方法
Bambos et al. On the stationary dynamics of parallel queues with random server connectivities
Aravindhan et al. A cluster approach in VANET using collaborative learning automata-based routing
CN106804053A (zh) 一种移动自组织网络中基于自适应吸引子选择的单播路由方法
Xue et al. Primary user activity prediction based joint topology control and stable routing in mobile cognitive networks
CN115604724A (zh) SRv6骨干网流量拥塞风险评估方法

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
TR01 Transfer of patent right

Effective date of registration: 20220112

Address after: 214028 room 701, Jinqian block, No. 10, Hongyi Road, Xinwu District, Wuxi City, Jiangsu Province

Patentee after: WUXI HANGZHENG TECHNOLOGY CO.,LTD.

Address before: 250101 no.1500 Shunhua Road, high tech Zone, Jinan City, Shandong Province

Patentee before: SHANDONG University

TR01 Transfer of patent right