CN110881178A - 一种基于分支游走的物联网数据聚合方法 - Google Patents

Abstract

本发明公开了一种基于分支游走的物联网数据聚合方法，能够快速寻找到最佳的数据聚合路径，包括以下步骤：首先，收集网络信息，建立网络拓扑，从用户获取单个节点的负载函数；其次，寻找最佳目标值，构建可能的目标值集合，利用二分查找寻找最佳目标值，每次寻找时通过对分支游走进行计数的方法判断给定的目标值在给定图中是否存在可行解。再次，寻找最佳聚合路径，逐一检测图的边，判断边是否是必需边，判断时采用对分支游走进行计数的方法，判断结束后删除非必需边，从而最终得到最佳聚合路径。最后，汇聚节点将最佳聚合路径发送给物联网节点。本发明采用了对分支游走进行计数的方法，在时间给定的情况下可以求解更多的物联网实例。

Description

一种基于分支游走的物联网数据聚合方法

技术领域

本发明属于无线网络技术领域，尤其涉及一种基于分支游走的物联网数据聚合方法。

背景技术

物联网感知和收集物理世界的数据信息，为上层应用层提供支撑。在典型的物联网中，节点需要通过自组织快速形成一个无线网络。节点既是信息的采集和发出者，也充当信息的路由者，采集的数据通过多跳路由到达汇聚节点。汇聚节点是一个特殊的节点，可以通过因特网、移动通信网络、卫星等与监控中心通信。也可以利用无人机飞越网络上空，通过网关采集数据。

由于收集的数据有时会包含冗余信息，通过尽早消除冗余，即在网络中及时对数据进行压缩、融合以降低数据量，可以一定程度优化网络的性能。数据聚合指的是在数据向汇聚节点发送的过程中自发进行融合，使得每个物联网节点仅发送一个数据包。

如何选择最佳的数据传递路径一直是一个重要的问题。这里的“最佳”可以是生命期，时延，或者二者之间的一个权衡。该问题是一个在实践中和理论上均十分困难的问题。现有的寻找数据聚合路径的方法分为两类：一类是近似方法，只能找到次优的数据聚合路径，这类方法通常使用局部调整的策略逐步改进聚合路径；另一类是精确方法，能够保证找到最佳的聚合路径，但往往要求较长的运行时间，当前的方法只能解决50个节点左右的物联网系统，限制了方法的实用性。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提出一种基于分支游走的物联网数据聚合方法，该数据聚合方法耗时短、适用的目标函数多、面向百个节点以上并能够找到最佳数据聚合路径。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：

一种基于分支游走的物联网数据聚合方法，包括以下步骤：

(1)收集物联网节点的相邻信息，即确定与该节点能够直接通信的节点信息，收集节点的剩余电量信息，建立网络模型(V,D,E)，其中V为物联网节点集合，D为边集合，E为剩余能量集合；构建图G＝(V,D)；获取节点的负载函数；

(2)数据聚合路径对应图G中以汇聚节点为根的生成树，以获得图G中路径代价最小的生成树为目标，构建可能的目标值集合，所述目标值是指最佳生成树的代价，生成树的代价定义为节点的最大负载，采用基于分支游走的二分查找法寻找最佳目标值；

(3)寻找最佳数据聚合路径，逐一检测图G的边，删除非必需边，得到最佳数据聚合路径；

(4)汇聚节点将最佳数据聚合路径发送给物联网节点，物联网节点根据最佳数据聚合路径向汇聚节点发送数据。

进一步地，所述步骤(1)具体如下：

(1.1)汇聚节点发布启动指令，物联网节点自发组建一个任意的数据收集树，同时周期性广播包含自身编号的数据报文；所述数据收集树是以汇聚节点为根的生成树(即网络图的连通且无环路的子图)，用于收集信息，信息从叶子节点流向根节点；任意数据聚合路径均可以表达为一颗以汇聚节点为根的生成树；

(1.2)每个物联网节点将节点信息通过数据收集树发送至汇聚节点；所述节点信息包括该节点的剩余电量、该节点的编号、该节点收到哪些节点的信号；

(1.3)汇聚节点收集到信息后，建立网络模型(V,D,E)，其中V为物联网节点集合，D为边集合，E为剩余能量集合；若节点i收到信号j，则边(i,j)在D中，节点i的剩余能量为e_i∈E；

(1.4)对于每一颗生成树，使用用户提供的函数集合计算每个物联网节点的负载，用户提供函数集合F_u，将函数输入到汇聚节点中，其中，每个节点i有一个负载函数f_i(x,e_i)∈F_u，该函数是关于节点度和剩余电量的函数，表示节点i在生成树中的度为x、剩余能量为e_i时节点的负载；该函数需要是节点度x的非递减函数，该函数既可以表示生存时间，亦可以描述网络时延。

进一步地，所述步骤(2)，构建可能的目标值集合，表达式如下：

L＝{f_i(j,e_i)|i∈V,1≤j≤deg_G(i)}，

其中，i表示物联网节点，deg_G(i)表示物联网节点i在图G中的度，即节点i的邻边的个数，j为区间[1,deg_G(i)]中的一个整数。

进一步地，所述步骤(2)，采用基于分支游走的二分查找法寻找最佳目标值；具体如下：

(a)将集合L中元素从小到大排序，并将变量low和high分别初始化为集合元素最小值和最大值的下标值；

(b)令

表示向下取整，即mid为不大于(low+high)/2的最大整数；

(c)采用分支游走方法判断L[mid]是否为可行的目标值，即判断在给定的图G中是否存在一种数据聚合路径，该路径的代价不超过给定的目标值L[mid]；

(d)若L[mid]为可行的目标值，则令high＝mid，否则，令low＝mid；

(e)若low<high-1，返回执行步骤(b)；若low＝high-1，查找结束，输出当前的L[high]为最佳目标值。

进一步地，所述步骤(3)，逐一检测图G的边，删除非必需边，得到最佳数据聚合路径；步骤如下：

(3.1)判断图G是否为树(即是否为连通并且无环图)，如果是树，则终止寻找过程，G即为最佳数据聚合路径；否则，进入步骤(3.2)；

(3.2)从集合D中随机选择一条边e，采用分支游走方法判断在删除边e后剩余的图中是否存在一种数据聚合路径，该路径的代价不超过步骤(2)所得的最佳目标值；

(3.3)若存在所述数据聚合路径，表明边e为非必需边，则从集合D中删除边e，执行步骤(3.1)；若不存在，表明边e为必需边，则保留边e，执行步骤(3.2)，直至遍历完集合D中所有边，最终得到的图G即为最佳数据聚合路径。

进一步地，所述步骤(4)，汇聚节点将最佳数据聚合路径发送给物联网节点，物联网节点根据最佳数据聚合路径向汇聚节点发送数据；具体如下：

(4.1)物联网汇聚节点发出指令，建立数据分发树；所述数据分发树是以汇聚节点为根的生成树，与数据收集树的不同之处在于使用目的不同：数据收集树是用于收集信息，信息从叶子节点流向根节点；数据分发树用于分发数据，信息从根节点流向叶子节点；数据收集树和数据分发树可以是同一颗生成树；

(4.2)物联网汇聚节点将数据聚合路径沿着数据分发树分别发送到单个节点，报文包含两个域：目标节点编号、父节点编号；

(4.3)每个节点在收到汇聚节点的报文后，按照报文内容设置父节点；

(4.4)每个节点在向汇聚节点传递数据过程中，将从子节点收到的数据包与自身的数据包融合为单个数据包发送给父节点。

进一步地，采用分支游走方法判断在给定的图中是否存在一种数据聚合路径，该路径的代价不超过给定的目标值；具体如下：

设给定的目标值为y，对于每个节点i，计算其负载函数值不超过y时最大的度，记为b_i；

将汇聚节点记为节点0，计算从汇聚节点开始的长度为|V|-1、且每个顶点的度不超过最大度的分支游走的个数，公式如下：

其中，count为分支游走总个数，V为物联网节点集合，F为不包含节点0的V的任意子集(包括空集)，d_F(0,|V|-1,b₀)指的是起始点为0，长度为|V|-1，并且在起始点的分支数不超过b₀的分支游走的个数；

若count>0，表示存在所述数据聚合路径；否则，表示不存在所述数据聚合路径。

进一步地，分支游走个数d_F通过动态规划的方法计算得到；将起点为i、长度为l、在起始点的分支数不超过g的分支游走的个数表示为d_F(i,l,g)，其计算方法如下：

当l≥1且g≥1时，

d_F(i,l,g)＝∑_{t∈N(i)\F and 0≤a≤l-1}d_F(t,a,b_t-1)d_F(i,l-1-a,g-1)，

其中，N(i)表示节点i的邻居节点集合，N(i)\F是集合N(i)减去集合F后的差集，t为任意属于N(i)\F的节点，a表示区间[0,l-1]中的整数；

当l＝0且g≥0时，

d_F(i,l,g)＝1，

当l≥1且g＝0，或者g<0时，

d_F(i,l,g)＝0。

有益效果：与现有技术相比，本发明的技术方案具有以下有益的技术效果：

(1)当要求找到最佳聚合路径时，本发明的耗时最短。

(2)本发明适用的目标函数广，每个节点的负载函数可以是关于节点度的任意非递增函数。

(3)本发明在10分钟内可以解决的网络规模可达一百个物联网节点。

附图说明

图1为本发明的模块示意图；

图2为寻找最佳目标值的流程图；

图3为寻找最佳数据聚合路径的流程图；

图4为分支游走示例图；

图5为求解问题数量随时间阈值变化的图。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步的说明。

本发明所述的一种基于分支游走的物联网数据聚合方法，工作流程示意图如图1所示，包括以下步骤：

1、网络信息收集

1.1、物联网汇聚节点发布启动指令，物联网节点自发组建一个任意的数据收集树，同时周期性广播包含自身编号的数据报文。所述数据收集树是以汇聚节点为根的生成树(即网络图的连通且无环路的子图)。

1.2、每个物联网节点将以下信息通过数据收集树发送至汇聚节点：本节点的剩余电量；本节点的编号；能够收到哪些节点的信号；

1.3、汇聚节点收集到信息后，建立网络模型(V,D,E)，其中V为节点集合，D为边集合，E为剩余能量集合；若节点i的信号j能够收到，则边(i,j)在D中；节点i的剩余能量为e_i∈E；

1.4、对于每一颗生成树，使用用户提供的函数集合计算每个物联网节点的负载，用户提供函数集合F_u，其中，每个节点i有一个负载函数f_i(x,e_i)∈F_u,表示节点i在树中的度为x、剩余能量为e_i时节点的负载；该函数需要是节点度x的非递减函数；该函数既可以表示生存时间，亦可以描述网络时延。

2、寻找最佳目标值

汇聚节点需要查找最佳的目标值。任意数据聚合路径均可以表达为一颗以汇聚节点为根的生成树，对于每一颗生成树，可以使用用户提供的函数集合计算每个物联网节点的负载，即，节点i的负载为f_i(j,e_i)，其中j为节点i在生成树中的度，e_i表示节点i的剩余能量。生成树的代价定义为节点的最大负载，即，代价是max_i{f_i(j,e_i)}。目标是寻找代价最小的生成树。目标值是指最佳生成树的代价。寻找方式如图2所示，具体如下：

2.1、构建可能的目标值集合，为：

L＝{f_i(j,e_i)|i∈V,1≤j≤deg_G(i)}，

其中，i表示物联网中的任意节点，j为区间[1,deg_G(i)]中的一个整数，deg_G(i)指的是物联网节点i在图G中的度，即i的邻边的个数；该集合包含2m个元素，其中m为图G的边数；

2.2、将L从小到大排序，初始化变量low和high分别为最小值和最大值的下标；

2.3、令mid为(low+high)/2向下取整，即，不大于(low+high)/2的最大数；

2.4、采用分支游走方法判断L[mid]是否为可行的目标值，即，是否存在一种数据聚合路径其代价小于或等于L[mid]；

2.5、若L[mid]为可行的目标值，则将high更新为mid；否则，将low更新为mid。

2.6、若low<high-1，则转到2.3执行；若low＝high-1，终止执行，输出L[high]为最佳目标值。

3、寻找最佳数据聚合路径

将步骤2找到的最佳目标值记为obj，寻找最佳数据聚合路径的过程如图3所示，具体如下：

3.1、构建图G＝(V,D)，其中V为物联网节点集合，D为边集合。这两个集合等同于步骤1.3建立的对应集合；

3.2、判断G是否为树，即，连通且无环，如果是树，则终止寻找过程，G即为最佳数据聚合路径；否则，继续执行以下步骤；

3.3、从D中选择随机选择一条边e，采用分支游走方法判断删除e后剩余的图是否存在代价不超过obj的数据聚合路径；

3.4、如果存在步骤3.3所述数据聚合路径，则从D中删除e，转到步骤3.2执行；如果不存在，则保留e，转到步骤3.3执行；直至遍历完集合D中所有边，最终得到的图G即为最佳数据聚合路径。

4、分发数据聚合路径

4.1、物联网汇聚节点发出指令，建立数据分发树；所述数据分发树是以汇聚节点为根的生成树，与数据收集树的不同之处在于使用目的不同：数据收集树是用于收集信息，信息从叶子节点流向根节点；数据分发树用于分发数据，信息从根节点流向叶子节点；数据收集树和数据分发树可以是同一颗生成树；

4.2、物联网汇聚节点将数据聚合路径沿着数据分发树分别发送到单个节点，保文包含两个域：目标节点编号，父节点编号；

4.3、每个节点在收到汇聚节点的报文后，按照报文内容设置父节点；

4.4、每个节点在之后的运行过程中，仅将数据发送给父节点，并且在发送前将从子节点收到的数据包与自身的数据包融合为单个数据包。

所述步骤2.4与3.3中，基于分支游走判断是否存在可行解，具体如下：

该判断需要回答以下问题：给定备选目标值y和图G，是否在图G中存在代价小于或等于y的数据聚合路径？

在后续步骤中，“分支游走”指的是传统游走(walk)的扩展，即可以分支。假设有一个可以复制自己的物体，按以下规则在图中游走：

游走规则：物体在一个节点处可以沿着任意边前行，每经过一条边则整个分支游走的长度加1。

分支规则：物体在一个节点处可以创造任意数量个新物体，创造新物体后原物体消失。创造的物体数量记为分支数。

每个新物体独立按照游走规则和分支规则前进。

分支游走记录了整个创造和游走过程。图4给出了一个案例。在三个顶点的完全图上(左)，以顶点a为起点、长度为2的分支游走的数量共有8个(右)。

以下步骤利用分支游走回答是否存在可行解的问题：

首先，对于每个节点i，计算其负载函数值不超过y时最大的入度，记为b_i；

然后，计算从汇聚节点(记为节点0)开始的长度为|V|-1、且每个顶点的度不超过最大度的分支游走的个数，具体计算公式如下：

其中，count为分支游走总个数，V为物联网节点集合，F为不包含节点0的V的任意子集(包括空集)，d_F(0,|V|-1,b₀)指的是起始点为0，长度为|V|-1，并且在起始点的分支数不超过b₀的分支游走的个数；d_F用动态规划的方法计算得到；

起点为i、长度为l、在起始点的分支数不超过g的分支游走的个数表示为d_F(i,l,g)，其具体计算方法如下：

当l≥1且g≥1时，

d_F(i,l,g)＝∑_{t∈N(i)\F and 0≤a≤l-1}d_F(t,a,b_t-1)d_F(i,l-1-a,g-1)

其中，N(i)表示节点i的邻居节点集合，N(i)\F是集合N(i)减去集合F后的差集，t为任意属于N(i)\F的节点，a表示区间[0,l-1]中的整数；

当l＝0且g≥0时，

d_F(i,l,g)＝1

当l≥1且g＝0，或者g<0时，

d_F(i,l,g)＝0

最后，若count>0，表示存在可行解；否则，不存在可行解。

本发明的效果可以用以下实验进一步说明。

在100×100的空间中随机生成物联网节点，节点间距离如果不超过20则可以通信，汇聚节点位于中心。随机生成10,15,…,100个节点的网络，每个节点数量生成20个网络，共计380个网络。节点的负载函数定义为f_i(x,e_i)＝(x+1)/e_i，其中e_i从1-10之间均匀产生。分别利用整数线性规划和本发明的方法求解这些问题。应当指出，整数线性规划方法是学术界和工业界在没有专用方法前的唯一方法。每个方法在每个问题上的最长运行时间称为时间阈值。对于不同的时间阈值，图5给出了两种方法能够求解的问题数量。本实验考虑的最长时间阈值为10分钟。可以看到，本发明的方法在求解问题的数量上显著优于整数线性规划方法。同时应当指出，整数线性规划方法只能求解负载函数为线性的问题，如本次实验的负载函数，而本发明的方法适用于任意非递减负载函数。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种基于分支游走的物联网数据聚合方法，其特征在于：包括以下步骤：

(1)收集物联网节点的相邻信息，即确定与该节点能够直接通信的节点信息，收集节点的剩余电量信息，建立网络模型(V,D,E)，其中V为物联网节点集合，D为边集合，E为剩余能量集合；构建图G＝(V,D)；获取节点的负载函数；

(2)数据聚合路径对应图G中以汇聚节点为根的生成树，以获得图G中路径代价最小的生成树为目标，构建可能的目标值集合，所述目标值是指最佳生成树的代价，生成树的代价定义为节点的最大负载，采用基于分支游走的二分查找法寻找最佳目标值；

(3)寻找最佳数据聚合路径，逐一检测图G的边，删除非必需边，得到最佳数据聚合路径；

(4)汇聚节点将最佳数据聚合路径发送给物联网节点，物联网节点根据最佳数据聚合路径向汇聚节点发送数据。

2.根据权利要求1所述的一种基于分支游走的物联网数据聚合方法，其特征在于：所述步骤(1)具体包括：

(1.1)汇聚节点发布启动指令，物联网节点自发组建一个任意的数据收集树，同时周期性广播包含自身编号的数据报文；所述数据收集树是以汇聚节点为根的生成树，用于收集信息，信息从叶子节点流向根节点；

(1.2)每个物联网节点将节点信息通过数据收集树发送至汇聚节点；所述节点信息包括该节点的剩余电量、该节点的编号、该节点收到哪些节点的信号；

(1.3)汇聚节点收集到信息后，建立网络模型(V,D,E)，其中V为物联网节点集合，D为边集合，E为剩余能量集合；若节点i收到信号j，则边(i,j)在D中，节点i的剩余能量为e_i∈E；

(1.4)对于每一颗生成树，使用用户提供的函数集合计算每个物联网节点的负载，用户提供函数集合F_u，将函数输入到汇聚节点中，其中，每个节点i有一个负载函数f_i(x,e_i)∈F_u，该函数是关于节点度和剩余电量的函数，表示节点i在生成树中的度为x、剩余能量为e_i时节点的负载，该函数是节点度x的非递减函数。

3.根据权利要求1所述的一种基于分支游走的物联网数据聚合方法，其特征在于：所述步骤(2)，构建可能的目标值集合，表达式如下：

L＝{f_i(j,e_i)|i∈V,1≤j≤deg_G(i)}，

其中，i表示物联网节点，deg_G(i)表示物联网节点i在图G中的度，即节点i的邻边的个数，j为区间[1,deg_G(i)]中的一个整数。

4.根据权利要求3所述的一种基于分支游走的物联网数据聚合方法，其特征在于：所述步骤(2)，采用基于分支游走的二分查找法寻找最佳目标值；具体如下：

(a)将集合L中元素从小到大排序，并将变量low和high分别初始化为集合元素最小值和最大值的下标值；

(b)令

表示向下取整，即mid为不大于(low+high)/2的最大整数；

(c)采用分支游走方法判断L[mid]是否为可行的目标值，即判断在给定的图G中是否存在一种数据聚合路径，该路径的代价不超过给定的目标值L[mid]；

(d)若L[mid]为可行的目标值，则令high＝mid，否则，令low＝mid；

(e)若low<high-1，返回执行步骤(b)；若low＝high-1，查找结束，输出当前的L[high]为最佳目标值。

5.根据权利要求1所述的一种基于分支游走的物联网数据聚合方法，其特征在于：所述步骤(3)，逐一检测图G的边，删除非必需边，得到最佳数据聚合路径；步骤如下：

(3.1)判断图G是否为树，如果是树，则终止寻找过程，G即为最佳数据聚合路径；否则，进入步骤(3.2)；

(3.2)从集合D中随机选择一条边e，采用分支游走方法判断在删除边e后剩余的图中是否存在一种数据聚合路径，该路径的代价不超过步骤(2)所得的最佳目标值；

(3.3)若存在所述数据聚合路径，表明边e为非必需边，则从集合D中删除边e，执行步骤(3.1)；若不存在，表明边e为必需边，则保留边e，执行步骤(3.2)，直至遍历完集合D中所有边，最终得到的图G即为最佳数据聚合路径。

6.根据权利要求1-5任一所述的一种基于分支游走的物联网数据聚合方法，其特征在于：所述步骤(4)，汇聚节点将最佳数据聚合路径发送给物联网节点，物联网节点根据最佳数据聚合路径向汇聚节点发送数据；具体如下：

(4.1)物联网汇聚节点发出指令，建立数据分发树；所述数据分发树是以汇聚节点为根的生成树，用于分发数据，信息从根节点流向叶子节点；

(4.2)物联网汇聚节点将数据聚合路径沿着数据分发树分别发送到单个节点，报文包含两个域：目标节点编号、父节点编号；

(4.3)每个节点在收到汇聚节点的报文后，按照报文内容设置父节点；

(4.4)每个节点在向汇聚节点传递数据过程中，将从子节点收到的数据包与自身的数据包融合为单个数据包发送给父节点。

7.根据权利要求4或5所述的一种基于分支游走的物联网数据聚合方法，其特征在于：采用分支游走方法判断在给定的图中是否存在一种数据聚合路径，该路径的代价不超过给定的目标值；具体如下：

设给定的目标值为y，对于每个节点i，计算其负载函数值不超过y时最大的度，记为b_i；

将汇聚节点记为节点0，计算从汇聚节点开始的长度为|V|-1、且每个顶点的度不超过最大度的分支游走的个数，公式如下：

其中，count为分支游走总个数，V为物联网节点集合，F为不包含节点0的V的任意子集(包括空集)，d_F(0,|V|-1,b₀)指的是起始点为0，长度为|V|-1，并且在起始点的分支数不超过b₀的分支游走的个数；

若count>0，表示存在所述数据聚合路径；否则，表示不存在所述数据聚合路径。

8.根据权利要求7所述的一种基于分支游走的物联网数据聚合方法，其特征在于：所述分支游走个数d_F通过动态规划的方法计算得到；将起点为i、长度为l、在起始点的分支数不超过g的分支游走的个数表示为d_F(i,l,g)，其计算方法如下：

当l≥1且g≥1时，

d_F(i,l,g)＝∑_{t∈N(i)\F and 0≤a≤l-1}d_F(t,a,b_t-1)d_F(i,l-1-a,g-1)，

其中，N(i)表示节点i的邻居节点集合，N(i)\F是集合N(i)减去集合F后的差集，t为任意属于N(i)\F的节点，a表示区间[0,l-1]中的整数；

当l＝0且g≥0时，

d_F(i,l,g)＝1，

当l≥1且g＝0，或者g<0时，

d_F(i,l,g)＝0。

Images