CN111031585A - 一种休眠控制方法、装置、存储介质及服务器 - Google Patents
一种休眠控制方法、装置、存储介质及服务器 Download PDFInfo
- Publication number
- CN111031585A CN111031585A CN202010027333.9A CN202010027333A CN111031585A CN 111031585 A CN111031585 A CN 111031585A CN 202010027333 A CN202010027333 A CN 202010027333A CN 111031585 A CN111031585 A CN 111031585A
- Authority
- CN
- China
- Prior art keywords
- cluster
- sleep
- sleep control
- decision
- sensor nodes
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
- H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种休眠控制方法,包括:对物联网中的所有传感器节点按照其地理位置、监测功能及剩余能量进行分簇,得到多个簇,并在每一簇内选取一簇头;获取簇的当前状态信息,并将当前状态信息输入预设的休眠控制模型当中,得到簇对应的休眠控制决策;将休眠控制决策发送给对应簇的簇头,以使簇内的所有传感器节点按照对应的休眠控制决策进行休眠。在本发明通过根据传感器节点的地理位置、功能以及剩余能量对物联网中的所有传感器节点进行分簇,并将传感器簇的当前状态信息输入预设的休眠控制模型当中,以输出适应该传感器簇的周围环境和物联网业务需求动态变化的休眠控制决策,实现对不同类型的传感器节点的精细化休眠控制。
Description
技术领域
本发明涉及物联网技术领域,特别涉及一种休眠控制方法、装置、存储介质及服务器。
背景技术
物联网通过传感设备和通讯技术,按照约定协议将各种物体与网络相连,进行通信和信息交换,以实现智能化识别、定位、跟踪、监控和管理,是工业互联网、车联网等垂直行业的重要技术。物联网架构可分为三个层次:感知层、网络层和应用层。其中,无线传感器网络是物联网感知层的重要组成部分,由部署在监测区域内的传感器节点通过自组织的方式构成一个多跳网络系统,可以实现数据收集、监控报警、目标跟踪等多种功能。然而,大多数传感器节点为电池供电,携带的能量有限,且网络一旦部署完成难以更换节点或进行能量补充。因此,有必要提出高效的节能组网技术降低传感器能耗,延长网络生命周期,提高网络性能。
为了减少能耗,可采用合适的传感器休眠机制,使一些冗余或无需工作的节点处于功耗很低的休眠状态。然而目前的休眠方法存在以下问题:
(1)传感器节点一般基于固定规则的休眠方法,不具有对周围环境和业务需求动态变化的适应能力;(2)基于集中云式的传感器网络,基站端仅有数据传输功能,需要向服务器回传大量传感器的原始数据,加剧了数据链路传输和服务器的负担;(3)对所有区域和全部类型的传感器节点采用同一种休眠规则,无法实现传感器的精细化休眠。
发明内容
基于此,本发明的目的是提供一种休眠控制方法、装置、存储介质及服务器,以解决现有技术当中的传感器休眠机制无法实现精细化休眠的技术问题。
根据本发明实施例的一种休眠控制方法,所述方法包括:
对物联网中的所有传感器节点按照其地理位置、监测功能及剩余能量进行分簇,得到多个簇,并在每一所述簇内选取一簇头;
获取所述簇的当前状态信息,并将所述当前状态信息输入预设的休眠控制模型当中,得到所述簇对应的休眠控制决策;
将所述休眠控制决策发送给对应的所述簇的簇头,以使所述簇内的所有所述传感器节点按照对应的所述休眠控制决策进行休眠。
另外,根据本发明实施例当中的一种休眠控制方法,还可以具有如下附加的技术特征:
进一步地,所述将所述当前状态信息输入预设的休眠控制模型当中,得到所述簇对应的休眠控制决策的步骤包括:
将所述当前状态信息输入所述休眠控制模型当中,得到多个休眠决策;
从所述多个休眠决策当中选取一效果评分最高的休眠决策作为所述休眠控制决策。
进一步地,所述休眠控制模型的对应的输出神经元的值为所述休眠决策的效果评分值。
进一步地,所述当前状态信息包括无线环境数据、不同业务请求到达情况数据和传感器节点剩余能量数据,所述休眠控制决策包括休眠概率门限p和休眠时间τ。
进一步地,所述方法还包括:
每隔周期Tu,从经验回放池中随机抽取预设量的经验数据进行模型训练并更新模型。
进一步地,所述休眠控制决策通过F-AP下发给所述簇头,每一所述簇对应设置一个所述休眠控制模型,在所述每隔周期Tu,从经验回放池中随机抽取预设量的经验数据进行模型训练并更新模型的步骤之后,还包括:
在经过D个训练周期Tu后,将各个所述簇对应的所述休眠控制模型的部分模块或全部模块下发给所述F-AP。
进一步地,在所述对物联网中的所有传感器节点按照其地理位置、监测功能及剩余能量进行分簇,得到多个簇,并在每一所述簇内选取一簇头的步骤之后,还包括:
将分簇信息发送给所有传感器节点,以使所有所述传感器节点根据所述分簇信息自行组簇并确定簇头,所述簇头选择信号接收功率最强的F-AP接入;
接收所述F-AP上报的接入信息,所述接入信息包括所述F-AP的ID以及接入所述F-AP的所有所述簇头的ID。
根据本发明实施例的一种休眠控制装置,所述装置包括:
分簇模块,用于对物联网中的所有传感器节点按照其地理位置、监测功能及剩余能量进行分簇,得到多个簇,并在每一所述簇内选取一簇头;
决策生成模块,用于获取所述簇的当前状态信息,并将所述当前状态信息输入预设的休眠控制模型当中,得到所述簇对应的休眠控制决策;
决策下发模块,用于将所述休眠控制决策发送给对应的所述簇的簇头,以使所述簇内的所有所述传感器节点按照对应的所述休眠控制决策进行休眠。
本发明还提出一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述的休眠控制方法。
本发明还提出一种服务器,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述的休眠控制方法。
与现有技术相比:本申请通过根据传感器节点的地理位置、功能以及剩余能量对物联网中的所有传感器节点进行分簇,并将传感器簇的当前状态信息输入预设的休眠控制模型当中,以输出适应该传感器簇的周围环境和物联网业务需求动态变化的休眠控制决策,实现对不同类型的传感器节点的精细化休眠控制。
附图说明
图1为本发明第一实施例中的休眠控制方法的流程图;
图2为本发明第二实施例中的休眠控制方法的流程图;
图3为本发明当中的基于DRL的休眠控制模型的结构示意图;
图4为本发明当中的各时间周期的关系图;
图5为本发明当中的将模型的部分模块部署到F-AP的结构示意图;
图6为本发明当中的将模型的全部模块部署到F-AP的结构示意图;
图7为本发明第三实施例中的休眠控制装置的结构示意图。
以下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是,当元件被称为“固设于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
请参阅图1,所示为本发明第一实施例中的休眠控制方法,应用于服务器当中,所述服务器可通过软件和/或硬件来实现所述方法,所述方法具体包括步骤S01至步骤S03。
步骤S01,对物联网中的所有传感器节点按照其地理位置、监测功能及剩余能量进行分簇,得到多个簇,并在每一所述簇内选取一簇头。
其中,所述传感器节点是指具有数据采集、有限数据处理和通信能力的微型设备,由微型电池直接供电,包括传感模块、处理器模块和无线通信模块。每个节点具有唯一的ID标识,且都具有定位能力。同一簇内的节点以多跳方式与簇头节点通信,再通过簇头节点接入F-AP(Fogcomputing-Access Point,雾计算接入点)。其中,所述F-AP是指一种具有数据存储和计算功能的增强型基站,位于网络边缘,支持本地存储和计算处理,能够和接入此F-AP的传感器簇通过簇头节点通信,和服务器及周围F-AP通过回传链路连接。
具体地,步骤S01当中的地理位置可由传感器节点中的定位模块得到,监测功能是指传感器节点的采集对象(如某一区域的土壤、空气、车辆等物体和物品)和采集数据类型(如温度、压力、速度等物理特征),剩余能量是指传感器节点中微型电池的剩余电量。
在具体实施时,步骤S01当中的节点分簇和簇头选择可由以下步骤实现:在每个分簇周期开始时,传感器节点将自身信息(包括节点ID、地理位置、监测功能、剩余能量)上传至距离最近的F-AP,F-AP再回传到服务器。根据上报信息,服务器先对节点进行分类,使监测功能(采集对象和采集数据类型)相同的传感器被分为一类。接着,对每类传感器节点,服务器按照其地理位置使用聚类算法进行分簇。分簇完成后,对每个簇进行簇头选择,选择方法为根据簇内节点的剩余能量和位置信息,先选择剩余能量高于平均值的节点组成候选簇头集合,再计算每个候选节点到簇内其他节点的平均通讯距离,选择平均距离最短的候选节点作为簇头。
步骤S02,获取所述簇的当前状态信息,并将所述当前状态信息输入预设的休眠控制模型当中,得到所述簇对应的休眠控制决策。
其中,所述休眠控制决策包括休眠概率门限p和休眠时间τ,即本申请所采用的休眠控制方案为一种基于概率的传感器休眠方式,可由休眠概率门限p和休眠时间τ来控制。所述休眠控制模型每隔决策周期Td时间,将所述簇的当前状态信息作为输入,输出一组休眠概率门限p和休眠时间τ,其中p和τ的取值离散化,p取[0,1]内的b个值,τ取[0,Td]内的c个值。
具体地,所述休眠控制模型为基于DRL的休眠控制模型,具体包含特征提取模块和全连接模块,其中特征提取模块进一步包含多个RNN和一个DNN。特征提取模块用于将当前系统状态中的数据按照时序数据和其他数据分别进行特征提取,提取后的特征输入全连接模块。
其中,所述当前状态信息包括无线环境数据、不同业务请求到达情况数据和传感器节点剩余能量数据。具体地,所述无线环境数据由簇头节点和接入的F-AP间的不同时刻的RSRP(Reference Signal Receiving Power,信号接收功率)值构成的时间序列表示。具体地,在每个业务周期Tb(满足Td=N·Tb)开始时,簇头通过上行控制信道将此时的RSRP上报给F-AP,F-AP再通过前传链路传输至服务器。取前X个决策周期Td内的RSRP记录数据组成时间序列则的数据大小是1×X·N维。在休眠控制模型中,由模型的特征提取模块的1个RNN进行处理;
所述不同业务请求到达情况数据则由时间序列表示(假设共有Z种可能的业务)。具体地,在每个业务周期Tb开始时,对于每个传感器簇,服务器记录各业务是否调用该簇进行数据采集,用1表示调用,0表示未调用。对业务z∈{1,2,…,Z},取前Y个决策周期Td内的调用记录数据组成时间序列则的数据大小是1×Y·N维,每个元素均为0或1。在休眠控制模型中,Z个业务对应的分别由模型的特征提取模块的Z个RNN进行处理;
步骤S03,将所述休眠控制决策发送给对应的所述簇的簇头,以使所述簇内的所有所述传感器节点按照对应的所述休眠控制决策进行休眠。
具体地,簇头可向簇内所有传感器节点发送消息(p,τ),簇内K个传感器节点接收消息后,分别产生0到1的随机数A(k),若A(k)<p,则该传感器节点休眠相应的时间τ,否则不休眠。
综上,本发明上述实施例当中的休眠控制方法,通过根据传感器节点的地理位置、功能以及剩余能量对物联网中的所有传感器节点进行分簇,并将传感器簇的当前状态信息输入预设的休眠控制模型当中,以输出适应该传感器簇的周围环境和物联网业务需求动态变化的休眠控制决策,实现对不同类型的传感器节点的精细化休眠控制。
实施例二
请参阅图2,所示为本发明第二实施例中的休眠控制方法,应用于服务器当中,所述服务器可通过软件和/或硬件来实现所述方法,所述方法具体包括步骤S11至步骤S17。
步骤S11,在每个分簇周期Tc开始时,使用聚类算法对物联网中的所有传感器节点按照其地理位置、监测功能及剩余能量进行分簇,得到多个簇,并在每一所述簇内选取一簇头。
需要说明的是,在本实施例当中,分簇并非一成不变,而是每过一个分簇周期Tc,就使用聚类算法对物联网中的所有传感器节点按照其地理位置、监测功能及剩余能量进行重新分簇,以适应系统状态的动态变化,进一步做到精细化休眠控制。
步骤S12,将分簇信息发送给所有传感器节点,以使所有所述传感器节点根据所述分簇信息自行组簇并确定簇头,所述簇头选择信号接收功率最强的F-AP接入。
具体地,在步骤S12当中,将分簇信息发送给所有节点的过程如下:服务器首先将信息经由回程链路发至高功率节点(High Power Node,HPN),再利用HPN的广域覆盖能力分发至所有传感器节点,节点根据接收到的自身ID对应的簇头ID加入不同的簇。
步骤S13,接收所述F-AP上报的接入信息,所述接入信息包括所述F-AP的ID以及接入所述F-AP的所有所述簇头的ID。
具体地,在步骤S12和步骤S13当中,簇头接入和F-AP信息上报的细节如下:簇头节点选择参考信号接收功率(Reference Signal Receiving Power,RSRP)最强的F-AP接入。F-AP将接入自身的簇头ID汇总成表后,连同自身ID通过前传链路上报给服务器,服务器对表中信息和该F-AP之间的对应关系进行记录,以便后续精确下发休眠控制策略。
步骤S14,根据各个所述簇的系统状态信息以及预设休眠控制方案,分别给每个所述簇创建对应的基于DRL的休眠控制模型。
其中,所述系统状态信息包括无线环境数据、不同业务请求到达情况数据和传感器节点剩余能量数据。本步骤的目的在于,使每一所述簇对应设置一个所述休眠控制模型,这样就可以在决策周期Td开始时,实现对各个传感器簇同时进行休眠控制决策,提高休眠控制效率。在具体实施时,服务器可以定期或实时获取各个簇的系统状态信息,或者各个簇的簇头也可以定期或实时将本簇的系统状态信息上报给服务器。
请参阅图3,所述休眠控制模型包含特征提取模块和全连接模块,其中特征提取模块进一步包含多个RNN和一个DNN。特征提取模块用于将当前系统状态中的数据按照时序数据和其他数据分别进行特征提取,提取后的特征输入全连接模块。
步骤S15,每个决策周期Td开始时,获取所述簇的当前状态信息,并将所述当前状态信息输入至对应的所述休眠控制模型当中,得到多个休眠决策。
其中,所述当前状态信息包括无线环境数据、不同业务请求到达情况数据和传感器节点剩余能量数据。具体地,所述无线环境数据由簇头节点和接入的F-AP间的不同时刻的RSRP(Reference Signal Receiving Power,信号接收功率)值构成的时间序列表示。具体地,在每个业务周期Tb(满足Td=N·Tb)开始时,簇头通过上行控制信道将此时的RSRP上报给F-AP,F-AP再通过前传链路传输至服务器。取前X个决策周期Td内的RSRP记录数据组成时间序列则的数据大小是1×X·N维。在休眠控制模型中,由模型的特征提取模块的1个RNN进行处理(如图3所示);
所述不同业务请求到达情况数据则由时间序列表示(假设共有Z种可能的业务)。具体地,在每个业务周期Tb开始时,对于每个传感器簇,服务器记录各业务是否调用该簇进行数据采集,用1表示调用,0表示未调用。对业务z∈{1,2,…,Z},取前Y个决策周期Td内的调用记录数据组成时间序列则的数据大小是1×Y·N维,每个元素均为0或1。在休眠控制模型中,Z个业务对应的分别由模型的特征提取模块的Z个RNN进行处理(如图3所示);
所述传感器节点剩余能量数据由表示。相关信息可由簇头负责收集,然后通过F-AP传输给服务器。对于具有K个传感器节点的簇,为1×K维。在休眠控制模型中,由模型的特征提取模块的DNN进行处理(如图3所示)。
步骤S16,从所述多个休眠决策当中选取一效果评分最高的休眠决策作为休眠控制决策。
需要说明的是,所述休眠决策包括休眠概率门限p和休眠时间τ,所述休眠控制模型每隔决策周期Td时间,将所述簇的当前状态信息作为输入,输出一组休眠概率门限p和休眠时间τ,其中p和τ的取值离散化,p取[0,1]内的b个值,τ取[0,Td]内的c个值。所述休眠控制模型的全连接模块的每个输出神经元的值代表当前状态下,不同p和τ组合的效果评价,故输出神经元个数共b·c个,即每个休眠决策对应会有一个输出神经元的值,且休眠控制模型的对应输出神经元的值为休眠决策的效果评分值。具体地,每个决策周期Td开始时,将输入特征提取模块,特征提取模块将提取的特征输入全连接模块当中,得到多个不同的休眠决策(即休眠概率门限p和休眠时间τ的组合)下的效果评价(一个实数值,即输出神经元的值),然后基于效果评价选择一种休眠决策作为休眠控制决策。具体地,以ε的概率随机选择一组休眠决策,以1-ε的概率选择评价值最大的休眠决策。
步骤S17,将所述休眠控制决策通过对应的F-AP下发给对应的所述簇的簇头,以使所述簇内的所有所述传感器节点按照对应的所述休眠控制决策进行休眠。
具体地,对于一个具体的簇,服务器将模型输出的休眠控制决策及其相对应的簇头ID一起转发给服务该簇的F-AP,F-AP收到信息后,根据簇头ID将信息发送给该簇的簇头。接着簇头采用组播的方式将休眠决策发送给簇内其它传感器节点,每个节点根据休眠决策的p和τ进行休眠。具体地,传感器节点分别产生0到1的随机数A(k)并与p比较,若A(k)<p,则该传感器节点休眠相应的时间τ,否则不休眠。
进一步地,请参阅图3,所述休眠控制模型还包括经验回放池,经验回放池用于存储所有过往的经验样本,所述休眠控制方法还可以包括如下步骤:
每隔周期Tu,从经验回放池中随机抽取预设量的经验数据进行模型训练并更新模型;
在经过D个训练周期Tu后,将各个所述簇对应的所述休眠控制模型的部分模块或全部模块下发给所述F-AP。
其中,周期Tu满足Tc=L·Tu且Tu=M·Td。本发明中涉及到的各周期之间的关系如图4所示。具体地,所述经验数据表示为〈s,a,r,s′〉,其中s表示休眠控制模型做出休眠决策时的状态,a表示该状态下输出的休眠概率和休眠时长的组合,r表示决策周期结束时模型获得的奖励,s′表示下一个决策周期初始时的系统状态。且服务器在下一个决策周期开始时将〈s,a,r,s′〉存储至经验回放池中。具体地,r的一种可能的定义方式为其中表示业务z的权重,rz表示当前决策周期结束时业务z反馈给服务器的业务性能。对每个物联网业务,其性能指标不同。如业务利用传感器节点采集的数据在服务器训练一个分类的机器学习模型,则业务的性能指标为模型在测试集上的分类准确率。
另外,模型训练和更新的方法可以为基于随机抽取的多组经验数据〈s,a,r,s′〉,采用反向传播算法对整个模型的神经网络参数进行更新。同时,将模型的部分模块下发到F-AP,是指将休眠控制模型拆分,将特征提取模块部署到F-AP,将全连接层部署在服务器,具体部署方式如图5所示。特征提取模块中的RNN和DNN,既可以全部部署在该簇接入的F-AP,也可以部署在该F-AP邻近的F-AP中。在进行休眠决策时,RNN和DNN所需的输入由簇头上传至接入F-AP,其再通过回传链路发送至其他F-AP。数据特征提取后,F-AP将结果发送到服务器进行处理,输出的休眠决策从服务器通过F-AP传输至传感器簇的簇头节点;
而将模型的全部模块下发到F-AP,是指将整个休眠控制模型的特征提取模块、全连接层都部署到F-AP,这里的F-AP既可以是该簇接入的F-AP,也可以是该F-AP邻近的F-AP,具体部署方式如图6所示。在进行休眠决策时,服务器将该簇对应的业务信息下发到相应的F-AP,传感器将自身状态上传至相应的F-AP,并由部署了全连接层的F-AP进行推断,输出休眠决策。若该F-AP为传感器簇接入的F-AP,则直接下发休眠决策。若不是,则需通过回传链路转发给传感器簇接入的F-AP。
本实施例当中的休眠控制方法相较于第一实施例当中的休眠控制方法,还具体以下有益效果:通过将休眠控制模型的部分模块或者全部模块部署在网络边缘,充分利用边缘设备(如F-AP)的计算能力,降低数据链路的传输能耗和服务器的负担。
实施例三
本发明另一方面还提供一种休眠控制装置,请参阅图7,所示为本发明第三实施例当中的休眠控制装置,应用于服务器当中,所述服务器可通过软件和/或硬件来实现,所述装置具体包括:
分簇模块11,用于对物联网中的所有传感器节点按照其地理位置、监测功能及剩余能量进行分簇,得到多个簇,并在每一所述簇内选取一簇头;
决策生成模块12,用于获取所述簇的当前状态信息,并将所述当前状态信息输入预设的休眠控制模型当中,得到所述簇对应的休眠控制决策;
决策下发模块13,用于将所述休眠控制决策发送给对应的所述簇的簇头,以使所述簇内的所有所述传感器节点按照对应的所述休眠控制决策进行休眠。
进一步地,在本发明一些可选实施例当中,所述决策生成模块12包括:
决策生成单元,用于将所述当前状态信息输入所述休眠控制模型当中,得到多个休眠决策;
决策选取单元,用于从所述多个休眠决策当中选取一效果评分最高的休眠决策作为所述休眠控制决策。
其中,所述休眠控制模型的对应的输出神经元的值为所述休眠决策的效果评分值。所述当前状态信息包括无线环境数据、不同业务请求到达情况数据和传感器节点剩余能量数据,所述休眠控制决策包括休眠概率门限p和休眠时间τ。
进一步地,在本发明一些可选实施例当中,所述装置还包括:
模型更新模块,用于每隔周期Tu,从经验回放池中随机抽取预设量的经验数据进行模型训练并更新模型。
进一步地,在本发明一些可选实施例当中,所述休眠控制决策通过F-AP下发给所述簇头,每一所述簇对应设置一个所述休眠控制模型,所述装置还包括:
模块下发模块,用于在经过D个训练周期Tu后,将各个所述簇对应的所述休眠控制模型的部分模块或全部模块下发给所述F-AP。
上述各模块、单元被执行时所实现的功能或操作步骤与上述方法实施例大体相同,在此不再赘述。
综上,本发明上述实施例当中的休眠控制装置,通过根据传感器节点的地理位置、功能以及剩余能量对物联网中的所有传感器节点进行分簇,并将传感器簇的当前状态信息输入预设的休眠控制模型当中,以输出适应该传感器簇的周围环境和物联网业务需求动态变化的休眠控制决策,实现对不同类型的传感器节点的精细化休眠控制。此外,还通过将休眠控制模型的部分模块或者全部模块部署在网络边缘,充分利用边缘设备(如F-AP)的计算能力,降低数据链路的传输能耗和服务器的负担。
本发明实施例还提出一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述的休眠控制方法。
本发明实施例还提出一种服务器,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述的休眠控制方法。
其中,服务器可以为云端服务器,处理器在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行存储器中存储的程序代码或处理数据。
其中,存储器至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器在一些实施例中可以是服务器的内部存储单元,例如该服务器的硬盘。存储器在另一些实施例中也可以是服务器的外部存储设备,例如服务器上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器还可以既包括服务器的内部存储单元也包括外部存储设备。存储器不仅可以用于存储安装于服务器的应用软件及各类数据,还可以用于暂时地存储已经输出或者将要输出的数据。
可选地,该服务器还可以包括用户接口、网络接口、通信总线等,用户接口可以包括显示器(Display)、输入单元比如遥控器、实体按键等,可选的用户接口还可以包括标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在服务器中处理的信息以及用于显示可视化的用户界面。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口),通常用于在该服务器与其他机器人技术之间建立通信连接。通信总线用于实现这些组件之间的连接通信。
综上,本发明上述实施例当中的服务器,通过根据传感器节点的地理位置、功能以及剩余能量对物联网中的所有传感器节点进行分簇,并将传感器簇的当前状态信息输入预设的休眠控制模型当中,以输出适应该传感器簇的周围环境和物联网业务需求动态变化的休眠控制决策,实现对不同类型的传感器节点的精细化休眠控制。此外,还通过将休眠控制模型的部分模块或者全部模块部署在网络边缘,充分利用边缘设备(如F-AP)的计算能力,降低数据链路的传输能耗和服务器的负担。
本领域技术人员可以理解,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或它们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种休眠控制方法,其特征在于,所述方法包括:
对物联网中的所有传感器节点按照其地理位置、监测功能及剩余能量进行分簇,得到多个簇,并在每一所述簇内选取一簇头;
获取所述簇的当前状态信息,并将所述当前状态信息输入预设的休眠控制模型当中,得到所述簇对应的休眠控制决策;
将所述休眠控制决策发送给对应的所述簇的簇头,以使所述簇内的所有所述传感器节点按照对应的所述休眠控制决策进行休眠。
2.根据权利要求1所述的休眠控制方法,其特征在于,所述将所述当前状态信息输入预设的休眠控制模型当中,得到所述簇对应的休眠控制决策的步骤包括:
将所述当前状态信息输入所述休眠控制模型当中,得到多个休眠决策;
从所述多个休眠决策当中选取一效果评分最高的休眠决策作为所述休眠控制决策。
3.根据权利要求2所述的休眠控制方法,其特征在于,所述休眠控制模型的对应的输出神经元的值为所述休眠决策的效果评分值。
4.根据权利要求1-3任一项所述的休眠控制方法,其特征在于,所述当前状态信息包括无线环境数据、不同业务请求到达情况数据和传感器节点剩余能量数据,所述休眠控制决策包括休眠概率门限p和休眠时间τ。
5.根据权利要求1所述的休眠控制方法,其特征在于,所述方法还包括:
每隔周期Tu,从经验回放池中随机抽取预设量的经验数据进行模型训练并更新模型。
6.根据权利要求5所述的休眠控制方法,其特征在于,所述休眠控制决策通过F-AP下发给所述簇头,每一所述簇对应设置一个所述休眠控制模型,在所述每隔周期Tu,从经验回放池中随机抽取预设量的经验数据进行模型训练并更新模型的步骤之后,还包括:
在经过D个训练周期Tu后,将各个所述簇对应的所述休眠控制模型的部分模块或全部模块下发给所述F-AP。
7.根据权利要求1所述的休眠控制方法,其特征在于,在所述对物联网中的所有传感器节点按照其地理位置、监测功能及剩余能量进行分簇,得到多个簇,并在每一所述簇内选取一簇头的步骤之后,还包括:
将分簇信息发送给所有传感器节点,以使所有所述传感器节点根据所述分簇信息自行组簇并确定簇头,所述簇头选择信号接收功率最强的F-AP接入;
接收所述F-AP上报的接入信息,所述接入信息包括所述F-AP的ID以及接入所述F-AP的所有所述簇头的ID。
8.一种休眠控制装置,其特征在于,所述装置包括:
分簇模块,用于对物联网中的所有传感器节点按照其地理位置、监测功能及剩余能量进行分簇,得到多个簇,并在每一所述簇内选取一簇头;
决策生成模块,用于获取所述簇的当前状态信息,并将所述当前状态信息输入预设的休眠控制模型当中,得到所述簇对应的休眠控制决策;
决策下发模块,用于将所述休眠控制决策发送给对应的所述簇的簇头,以使所述簇内的所有所述传感器节点按照对应的所述休眠控制决策进行休眠。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7任一所述的方法。
10.一种服务器,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010027333.9A CN111031585B (zh) | 2020-01-10 | 2020-01-10 | 一种休眠控制方法、装置、存储介质及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010027333.9A CN111031585B (zh) | 2020-01-10 | 2020-01-10 | 一种休眠控制方法、装置、存储介质及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111031585A true CN111031585A (zh) | 2020-04-17 |
CN111031585B CN111031585B (zh) | 2022-01-14 |
Family
ID=70198853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010027333.9A Active CN111031585B (zh) | 2020-01-10 | 2020-01-10 | 一种休眠控制方法、装置、存储介质及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111031585B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112422423A (zh) * | 2020-11-18 | 2021-02-26 | 广州工程技术职业学院 | 用于物联网的簇首节点、物联网和数据传输方法 |
CN113191505A (zh) * | 2021-05-21 | 2021-07-30 | 电子科技大学 | 一种地理分布式机器学习参数服务器放置方法 |
CN115510635A (zh) * | 2022-09-19 | 2022-12-23 | 卓思韦尔(北京)信息技术有限公司 | 空间环境监测方法、装置、设备和计算机可读存储介质 |
CN117007136A (zh) * | 2023-10-07 | 2023-11-07 | 深圳市千岩科技有限公司 | 环境感知数据检测方法、装置及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104135751A (zh) * | 2014-03-24 | 2014-11-05 | 同济大学 | 一种适用于地铁隧道的非均匀分簇路由方法 |
CN104159258A (zh) * | 2013-05-15 | 2014-11-19 | 电信科学技术研究院 | 一种通信节点状态调整方法、装置及系统 |
CN105323819A (zh) * | 2014-05-27 | 2016-02-10 | 上海无线通信研究中心 | 一种传感器节点的分簇方法和系统 |
CN106358281A (zh) * | 2016-11-04 | 2017-01-25 | 南方科技大学 | 控制方法和控制装置 |
US20170331577A1 (en) * | 2016-05-13 | 2017-11-16 | Telefonaktiebolaget Lm Ericsson (Publ) | Network Architecture, Methods, and Devices for a Wireless Communications Network |
CN108430088A (zh) * | 2018-05-17 | 2018-08-21 | 广西大学 | 一种无线传感网络系统及其节点唤醒方法 |
CN109831819A (zh) * | 2019-03-06 | 2019-05-31 | 重庆邮电大学 | 一种基于异构蜂窝网络分簇smdp基站休眠方法 |
-
2020
- 2020-01-10 CN CN202010027333.9A patent/CN111031585B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104159258A (zh) * | 2013-05-15 | 2014-11-19 | 电信科学技术研究院 | 一种通信节点状态调整方法、装置及系统 |
CN104135751A (zh) * | 2014-03-24 | 2014-11-05 | 同济大学 | 一种适用于地铁隧道的非均匀分簇路由方法 |
CN105323819A (zh) * | 2014-05-27 | 2016-02-10 | 上海无线通信研究中心 | 一种传感器节点的分簇方法和系统 |
US20170331577A1 (en) * | 2016-05-13 | 2017-11-16 | Telefonaktiebolaget Lm Ericsson (Publ) | Network Architecture, Methods, and Devices for a Wireless Communications Network |
CN106358281A (zh) * | 2016-11-04 | 2017-01-25 | 南方科技大学 | 控制方法和控制装置 |
CN108430088A (zh) * | 2018-05-17 | 2018-08-21 | 广西大学 | 一种无线传感网络系统及其节点唤醒方法 |
CN109831819A (zh) * | 2019-03-06 | 2019-05-31 | 重庆邮电大学 | 一种基于异构蜂窝网络分簇smdp基站休眠方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112422423A (zh) * | 2020-11-18 | 2021-02-26 | 广州工程技术职业学院 | 用于物联网的簇首节点、物联网和数据传输方法 |
CN113191505A (zh) * | 2021-05-21 | 2021-07-30 | 电子科技大学 | 一种地理分布式机器学习参数服务器放置方法 |
CN113191505B (zh) * | 2021-05-21 | 2022-05-20 | 电子科技大学 | 一种地理分布式机器学习参数服务器放置方法 |
CN115510635A (zh) * | 2022-09-19 | 2022-12-23 | 卓思韦尔(北京)信息技术有限公司 | 空间环境监测方法、装置、设备和计算机可读存储介质 |
CN117007136A (zh) * | 2023-10-07 | 2023-11-07 | 深圳市千岩科技有限公司 | 环境感知数据检测方法、装置及设备 |
CN117007136B (zh) * | 2023-10-07 | 2023-12-26 | 深圳市千岩科技有限公司 | 环境感知数据检测方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111031585B (zh) | 2022-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111031585B (zh) | 一种休眠控制方法、装置、存储介质及服务器 | |
CN107368926B (zh) | 一种智能环境运载机器人识别楼层的多自然传感参数融合处理方法 | |
Wang et al. | Data cleaning for RFID and WSN integration | |
CN109725616B (zh) | 一种基于智能仓库的无人搬运车调度方法及装置 | |
WO2020056157A1 (en) | Systems and methods for managing energy storage systems | |
JP6178506B2 (ja) | 情報処理システムおよび情報処理方法 | |
CN109635098A (zh) | 一种智能问答方法、装置、设备及介质 | |
CN109313841A (zh) | 用于在传感器网络中实现自适应聚类的方法和系统 | |
CN101459915A (zh) | 基于遗传算法的无线传感器网络节点覆盖优化方法 | |
CN108337685B (zh) | 基于分簇dgm的无线传感器网络数据融合方法 | |
CN114980252B (zh) | 一种物联网终端设备的低功耗休眠控制方法与系统 | |
CN110210980A (zh) | 一种驾驶行为评估方法、装置和存储介质 | |
Fan et al. | An optimized machine learning technology scheme and its application in fault detection in wireless sensor networks | |
CN115048557A (zh) | 一种基于人工智能的车辆数据处理方法和装置 | |
Jia et al. | Online V2X scheduling for raw-level cooperative perception | |
Khargharia et al. | Probabilistic analysis of context caching in Internet of Things applications | |
CN112449362B (zh) | 基于信物模型的智能传感器自适应配置方法、装置及系统 | |
CN116720132A (zh) | 电力业务识别系统、方法、设备、介质和产品 | |
CN109658284A (zh) | 设备状态的评估方法和系统 | |
Wang et al. | Overcoming Environmental Challenges in CAVs through MEC-based Federated Learning | |
CN113244629A (zh) | 流失帐号的召回方法和装置、存储介质及电子设备 | |
CN112836770B (zh) | Kpi异常定位分析方法及系统 | |
Zhang et al. | Csgan: Modality-aware trajectory generation via clustering-based sequence gan | |
Nakamiti et al. | An agent-based simulation system for traffic control in the Brazilian intelligent cities project context | |
CN109768968B (zh) | 一种基于云计算的数据信息化采集和分析系统及方法 |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 330000, 2nd Floor, Phase 2, No. 669 Huangtang East Street, Ganjiang New District, Nanchang City, Jiangxi Province Patentee after: Jiangxi smart IOT Research Institute Co.,Ltd. Address before: 330000, 2nd Floor, Phase 2, No. 669 Huangtang East Street, Ganjiang New District, Nanchang City, Jiangxi Province Patentee before: Ganjiang New Area Intelligent Material Union Research Institute Co.,Ltd. |