CN112470547A - 用于管理网络的方法及设备 - Google Patents
用于管理网络的方法及设备 Download PDFInfo
- Publication number
- CN112470547A CN112470547A CN201980049541.4A CN201980049541A CN112470547A CN 112470547 A CN112470547 A CN 112470547A CN 201980049541 A CN201980049541 A CN 201980049541A CN 112470547 A CN112470547 A CN 112470547A
- Authority
- CN
- China
- Prior art keywords
- node
- data
- data collection
- depth level
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000013480 data collection Methods 0.000 claims abstract description 313
- 230000005540 biological transmission Effects 0.000 claims description 85
- 230000015654 memory Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 230000006835 compression Effects 0.000 claims description 2
- 238000007906 compression Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 36
- 230000011664 signaling Effects 0.000 description 26
- 238000004891 communication Methods 0.000 description 20
- 239000013598 vector Substances 0.000 description 18
- 230000006870 function Effects 0.000 description 15
- 238000003860 storage Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 13
- 230000031864 metaphase Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 230000002776 aggregation Effects 0.000 description 9
- 238000004220 aggregation Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 7
- 230000006978 adaptation Effects 0.000 description 6
- 230000000670 limiting effect Effects 0.000 description 5
- 230000000644 propagated effect Effects 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 230000004931 aggregating effect Effects 0.000 description 4
- 235000008694 Humulus lupulus Nutrition 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000009432 framing Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 241001522296 Erithacus rubecula Species 0.000 description 2
- 101100172132 Mus musculus Eif3a gene Proteins 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 101000892301 Phomopsis amygdali Geranylgeranyl diphosphate synthase Proteins 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/48—Routing tree calculation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/02—Topology update or discovery
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
-
- 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
- H04W72/00—Local resource management
- H04W72/12—Wireless traffic scheduling
-
- 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
-
- 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)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
提供了一种用于管理计算机网络的方法,该方法包括:在计算机网络中的属于与路由树中的第一深度级相对应的一个或更多个网络节点的集合的至少一个网络节点处执行数据收集,路由树代表计算机网络的节点和分别与计算机网络的两个节点之间的相邻关系相对应的边,数据收集包括:从计算机网络的路由树中的至少一个网络节点的父节点接收第一数据收集配置数据,其中第一数据收集配置数据包括在与路由树的第一深度级相对应的节点处收集数据所需的资源的估计;基于第一数据收集配置数据,生成用于从计算机网络的至少一个网络节点的在路由树中的至少一个子节点收集数据的第二数据收集配置数据,其中第二数据收集配置数据包括用于从至少一个子节点中的每个收集数据的调度数据;以及根据第二数据收集配置数据,从至少一个子节点中的每个收集数据。
Description
技术领域
本公开涉及网络管理领域,具体地,诸如传感器网络之类的IoT网络管理领域。
背景技术
诸如低功率有损网络(LLN)之类的计算机网络中的数据收集机制允许在服务器处获取由其节点可部署在给定的覆盖区域中的网络的节点所生成的信息或数据。LLN网络的示例包括通常具有大量(数千个)传感器节点的无线传感器网络,以及所谓的“物联网”(IoT)网络或系统,在这类网络中能够进行无线通信的嵌入式装置互连。依据网络,这样的数据可以例如与传感器节点(诸如电表、燃气表、水表、智能表)执行的测量有关。在智能电网环境中,传感器通常还可以与致动器(即,被配置为从网络管理实体接收命令的网络节点)链接。
在网络的传感器与致动器链接的情况下,数据收集时间优选地应足够短以收集测量数据,针对所有致动器做出适当的决策,并向每个致动器反馈这种决策。在一些现有的IoT系统设计中,数据收集阶段使用单播传输。如果要收集的数据量大,并且如果系统没有针对此类数据收集进行优化,则这可能导致数据收集时间长。可能不认为决策反馈阶段或控制反馈阶段是敏感的,这是因为要发送到致动器的数据量通常并不如在数据收集中所涉及的数据量那么大,并且反馈也可以依据用于无线通信的系统架构而使用广播/多播传输而不是单播传输。
在致动器被配置为彼此交换数据的更复杂的系统中,上行链路/下行链路中的数据量可以更加平衡。因此,从数据收集的角度和/或从控制反馈的角度来看,可能期望解决IoT网络的数据通信时延挑战。
因此,需要提供解决本领域传统技术中上述缺陷和不足中的至少一些的改进的网络管理方案和实现该网络管理方案的网络节点。
发明内容
本主题公开的目的是提供改进的网络管理方案和实现该网络管理方案的设备。
本主题公开的另一目的是提供一种计算机网络中的改进的网络管理方案和实施该改进的网络管理方案的设备,以便尤其是在传感器节点与致动器节点链接的计算机网络中,减轻传统数据收集和决策反馈方案的上述缺陷和不足之处。
为了实现这些目的和其它优点,并且根据本公开主题的目的,如本文所体现和广义描述的,在本公开主题的一个方面中,提出了用于管理计算机网络的方法。该方法包括:在计算机网络中的属于与路由树中的第一深度级相对应的一个或更多个网络节点的集合的至少一个网络节点处执行数据收集,路由树代表计算机网络的节点和分别与计算机网络的两个节点之间的相邻关系相对应的边,并且根据路由树,从节点向计算机网络的根节点发送数据,第一深度级与路由树中的集合中的节点与根节点之间的边的数量相对应,数据收集包括以下步骤:从计算机网络的路由树中的至少一个网络节点的父节点接收第一数据收集配置数据,其中父节点对应于路由树中的在路由树的深度级序列中位于第一深度级之前的深度级,并且其中,第一数据收集配置数据包括在与路由树的第一深度级相对应的节点处收集数据所需的资源的估计;基于第一数据收集配置数据,生成用于从计算机网络的至少一个网络节点的在路由树中的至少一个子节点收集数据的第二数据收集配置数据,其中第二数据收集配置数据包括用于从至少一个子节点中的每个收集数据的调度数据,并且其中至少一个子节点对应于路由树的第二深度级,第二深度级在路由树的深度级序列中紧接在第一深度级之后;以及根据第二数据收集配置数据,从至少一个子节点中的每个收集数据。
所提出的方法有利地提供了基于表示网络的路由树的数据结构的数据收集方案。
所提出的数据收集方案在数据收集阶段中被有利地组织为基于环的数据收集,在数据收集阶段中针对树中具有相同深度级的节点(即,属于相同环的节点)执行数据收集。
在一个或更多个实施方式中,数据收集可以还包括:针对计算机网络的至少一个网络节点,当在数据收集中充当子节点时:向直接父节点发送所收集的数据,其中直接父节点对应于路由树中的在路由树的深度级序列中紧接在第一深度级之前的深度级。
在一个或更多个实施方式中,数据收集可以还包括:当在数据收集中充当子节点时:向直接父节点发送所生成的数据,其中直接父节点对应于所路由树中的在路由树的深度级序列中紧接在第一深度级之前的深度级,并且其中所生成的数据包括在至少一个网络节点获得的除所收集数据之外的数据。
结果,数据收集的性能依据网络节点是作为子节点还是作为父节点执行数据收集而有所不同。
例如,在网络节点作为子节点执行数据收集的情况下,该节点可以向其自身的父节点发送其自身的数据和/或从其子节点收集的数据,而在节点作为父节点执行数据收集的情况下,该节点将从其子节点收集数据。
在一个或更多个实施方式中,第一数据收集配置数据可以是从根节点接收的,并且包括从与路由树的每个深度级相对应的节点收集数据所需的资源的各个估计。
在一个或更多个实施方式中,第一数据收集配置数据可以包括以时隙为单位表示的、从与路由树的第一深度级相对应的节点收集数据所需的时间资源的估计。
在一个或更多个实施方式中,数据收集还可以包括:对一个或更多个网络节点的集合中的每个节点执行数据收集。
在一个或更多个实施方式中,生成第二数据收集配置数据可以包括:根据时分多址(TDMA)方案,确定要从至少一个子节点中的每个收集数据的各个传输时间资源,其中各个传输时间资源被包含在调度数据中。
各个传输时间资源可以以时隙为单位来表示。
在一个或更多个实施方式中,所提出的方法还可以包括:执行数据收集循环的迭代,其中,在循环的每次迭代中,将循环深度级更新为序列中的下一深度级,并且在与下一深度级相对应的每个节点执行数据收集,循环中的第一次迭代对应于序列中距根节点的根深度级最远的初始循环深度级。
在一个或更多个实施方式中,所提出的方法还可以包括:执行数据收集循环的至少一次迭代,其中,在数据收集循环的每次迭代处执行根据本公开主题的实施方式的数据收集。在一些实施方式中,数据收集循环的迭代还可以对应于各个深度级。
在一个或更多个实施方式中,所提出的方法还可以包括:在执行数据收集之前:从至少一个网络节点的在路由树中的至少一个直接子节点接收各个第一配置数据,其中至少一个直接子节点对应于路由树的第二深度级,第二深度级在路由树的深度级序列中紧接在第一深度级之后;以及基于接收到的第一配置数据生成第二配置数据。
在一个或更多个实施方式中,所提出的方法还可以包括:向直接父节点发送第二配置数据,其中,直接父节点对应于路由树中的在路由树的深度级序列中紧接在第一深度级之前的深度级。
在一个或更多个实施方式中,可以在各个深度级并行地执行数据收集。所提出的方法还可以包括:根据用于执行第一数据收集的上述方法中的任意方法,与在对应于第一深度级的至少一个网络节点处执行的数据收集并行地执行在对应于第二深度级的至少一个网络节点处的第二数据收集。
在本主题公开的另一方面,提出了一种设备,该设备包括处理器、可操作地联接到处理器的存储器、以及在计算机网络中进行通信的网络接口,其中设备被配置为执行如本主题公开所提出的用于网络管理的方法。
在本主题公开的又一方面,提出一种用可执行指令编码的非暂时性计算机可读介质,该可执行指令在被执行时使包括与存储器可操作地联接的处理器的设备执行如在本主题公开中所提出的用于网络管理的方法。
在本主题公开的另一方面,提出一种计算机程序产品,该计算机程序产品包括有形地体现在计算机可读介质中的计算机程序代码,所述计算机程序代码包括指令,以在被提供给计算机系统并被执行时使所述计算机执行如本主题公开所提出的用于网络管理的方法。在本主题公开的另一方面,提出了一种数据集,该数据集例如通过压缩或编码表示如在此提出的计算机程序。
应当理解,能够以多种方式来实现和利用本发明,所述多种方式包括但不限于作为过程、设备、系统、装置以及作为用于现在已知和以后开发的应用的方法。根据以下描述和附图,本文所公开的系统的这些特征和其它独特特征将变得更加显而易见。
附图说明
通过参照以下附图并结合所附说明书,将更好地理解本主题公开,并且其众多目的和优点对于本领域技术人员将变得更加显而易见。
[图1A]
图1A示出了根据一个或更多个实施方式的可应用所提出的方法的示例性路由树。
[图1B]
图1B例示了根据一个或更多个实施方式的树中的父代/子代关系。
[图1C]
图1C例示了根据一个或更多个实施方式的被组织为环状结构的示例性路由树。
[图2]
图2是例示了根据一个或更多个实施方式的示例性数据收集阶段的框图。
[图3]
图3示出了根据一个或更多个实施方式的可应用所提出的方法的示例性路由树。
[图4]
图4是根据一个或更多个实施方式的时隙数量自底向上传播的示例性过程的框图。
[图5]
图5是根据一个或更多个实施方式的在集中器节点处执行的示例性过程的框图。
[图6]
图6示出了在图3的示例性网络上根据一个或更多个实施方式执行的示例性数据收集。
[图7A]
图7A例示了根据一个或更多个实施方式的在相同数据收集阶段中的并行发送期间的干扰示例。
[图7B]
图7B例示了在图3的示例性网络上根据一个或更多个实施方式执行的示例性频率规划。
[图8]
图8例示了根据一个或更多个实施方式的用于数个环的并行数据收集。
[图9]
图9例示了根据一个或更多个实施方式的示例性网络节点。
具体实施方式
为了图示的简单和清楚,附图例示了构造的一般方式,并且可以省略公知特征和技术的描述和细节,以避免不必要地模糊本发明的所描述实施方式的讨论。另外,附图中的元件不一定按比例绘制。例如,附图中的一些元件的尺寸可能相对于其它元件被夸大,以帮助提高对本发明的实施方式的理解。为了辅助理解,一些图可以以理想化的方式示出,诸如当显示的结构具有直线、锐角和/或平行平面等时,在实际条件下,对称性和有序性可能会非常低。在不同附图中相同的附图标记指代相同的元件,而相似的附图标记可以但不一定表示相似的元件。
另外,应当清楚的是,本文中的教导能够以多种形式来体现,并且本文中公开的任何特定结构和/或功能仅是代表性的。具体而言,本领域普通技术人员将理解,本文公开的一个方面可以独立于任何其它方面来实现,并且几个方面可以以各种方式组合。
以下参照根据一个或更多个示例性实施方式的方法、系统和计算机程序的功能、引擎、框图和流程图图示来描述本公开。能够以硬件、软件、固件、中间件、微代码或其任何合适的组合来实现每个所描述的功能、引擎、框图块以及流程图图示。如果以软件实现,则可以通过计算机程序指令或软件代码来实现功能、引擎、框图块和/或流程图图示,该计算机程序指令或软件代码可以在计算机可读介质上存储或传输,或者加载到通用计算机、专用计算机或其它可编程数据处理设备来生产机器,使得在计算机或其它可编程数据处理设备上执行的计算机程序指令或软件代码创建用于实现本文描述的功能的装置。
计算机可读介质的实施方式包括但不限于包括便于从一个地方向另一地方传送计算机程序的任何介质的通信介质和计算机存储介质二者。如本文所使用的,“计算机存储介质”可以是计算机或处理器可以访问的任何物理介质。另外,术语“存储器”和“计算机存储介质”包括任何类型的数据存储装置,诸如但不限于硬盘驱动器、闪存驱动器或其它闪存装置(例如,存储钥匙、存储棒、钥匙驱动器)、CD-ROM或其它光学储存器、DVD、磁盘储存器或其它磁存储装置、存储芯片、随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、智能卡或能够用于以计算机处理器能够读取的指令或数据结构的形式携带或存储程序代码的任何其它合适的介质,或者其组合。另外,各种形式的计算机可读介质可以向计算机发送或携带指令,该计算机包括有线的(同轴线缆、光纤、双绞线、DSL线缆)或无线的(红外、无线电、蜂窝、微波)的路由器、网关、服务器或其它传输装置。指令可以包括根据任何计算机编程语言的代码,计算机编程语言包括但不限于汇编、C、C++、Python、Visual Basic、SQL、PHP和JAVA。
除非另有明确提及,否则应理解,贯穿以下描述,利用诸如处理、计算、算出、确定等的术语的讨论是指计算机或计算系统或类似电子计算装置的动作或过程,所述动作或过程将计算系统的寄存器或存储器内的表示为物理量(诸如电子量)的数据操纵或转换为类似地表示为计算系统的存储器、寄存器或其它此类信息储存、传输或显示装置内的物理量的其它数据。
术语“包括”、“包含”、“具有”及其任何变型旨在涵盖非排它性的包含,使得包括一系列元素的过程、方法、物品或设备并非必须限于这些元素,而是可以包括此过程、方法、物品或设备未明确列出的或固有的其它元素。
另外,术语“示例性”在本文中用于表示“用作示例、实例或图示”。本文中被描述为“示例性”的任何实施方式或设计并非必须被解释为比其它实施方式或设计更优选或有利。
在下面的描述和权利要求中,术语“联接”和“连接”以及它们的派生词可以无差别地用来表示两个或更多个元件彼此直接物理或电接触,或者两个或更多个元件不是彼此直接接触,而仍然彼此合作或交互。
在以下描述和权利要求中,术语“净荷”、“净荷数据”、“消息”、“分组”和“数据分组”可以被无差别地使用,并且可以包括可在节点或站点之间或跨网络进行路由或传输的数据块、协议数据单元或任何数据单元。分组可以包括一组比特,例如,一组比特可以包括一个或更多个地址字段、控制字段和数据。数据块可以是数据或信息比特的任何单元。
出于本公开的目的,术语“服务器”在本文中用于指代提供处理、数据库和通信设施的服务点。作为示例而非限制,术语“服务器”可以指代具有关联的通信和数据存储以及数据库设施的单个物理处理器,或者其可以指代处理器以及关联的网络和存储装置的联网或集群化的复合体,以及支持服务器提供的服务的操作软件以及一个或更多个数据库系统和应用软件。服务器的配置或能力可以有很大差异,但通常服务器可以包括一个或更多个中央处理单元和存储器。服务器还可以包括一个或更多个大容量存储装置、一个或更多个电源、一个或更多个有线或无线网络接口、一个或更多个输入/输出接口或一个或更多个操作系统,诸如Windows Server、Mac OS X、Unix、Linux、FreeBSD等。
出于本公开的目的,例如,“计算机网络”应该被理解为指代可以联接装置(这里也称为“节点”)使得在装置之间(包括经由无线网络联接的无线装置之间)可以进行数据通信的网络。网络还可以包括例如大容量储存器,诸如网络附加储存器(NAS)、储存区域网络(SAN)或其它形式的计算机或机器可读介质,并且可以包括或连接到服务器。网络可以包括因特网、一个或更多个局域网(LAN)、一个或更多个广域网(WAN)、有线型连接、无线型连接、诸如载波电话线之类的蜂窝、光纤、同步光网络、同步数字体系链路、电力线通信链路(例如,IEEE 61334、IEEE P1901.2)、以太网、蓝牙、低功耗蓝牙(BLE)或蓝牙智能、WiFi或基于IEEE802.11x协议的任何连接、ZigBee(紫蜂)或基于IEEE802.15.4协议的任何连接、Z-Wave(Z-波)、6LowPAN(IPv6低功耗无线个域网)、Thread、Sigfox、Neul、LoRa、任何NFC连接、2G(包括GSM/GPRS/EDGE)/3G(包括UMTS/HSPA)/4G(包括LTE和LTE-高级)/5G蜂窝、或它们的任意组合。可以使各种类型的装置(例如,网关)可用,以提供用于在网络中所使用的不同架构或协议的互操作能力。根据本主题公开,可以在计算机网络中使用任何数量的节点、装置、设备、链路、互连等。
通信链路或信道可以包括例如模拟电话线、完整或部分数字线、包括卫星链路的无线链路或诸如本领域普通技术人员可以已知的其它通信链路或信道。
网络的计算装置,例如传感器节点或致动器节点,可以能够诸如经由有线或无线网络发送或接收信号,和/或可以能够处理和/或存储数据。
计算机网络可以被描述为图G=(V,E),其中,图G的顶点的集合V代表计算机网络的网络节点,并且图G的边的集合E代表计算机网络的网络节点之间的通信链路。在“无向图”G中,成对的顶点(v1,v2)是无序的,而每对顶点(v1,v2)在“有向图”(也称为“方向图”或“DOG”)中是有序的,例如使得v1为源,而v2为目标。
在本主题公开中,图G的从顶点v1到顶点v2的“路径”p(v1,v2)可以用于指示以顶点v1开始并且以顶点v2结束的、顶点和边的交替序列。从一个顶点v到其自身的路径p(v,v)可以称为“闭合路径”。本文中可以使用术语“循环”来表示闭合路径p(v,v),其中所有边是不同的,并且在p(v,v)中出现两次的唯一顶点是v,该v恰好出现两次。
如本文所使用的,术语“树”指代有向图,其中一个顶点(称为“根”、“协调器”或“集中器”)使得该图中除根以外的所有顶点是恰好一个边的头部。相对于计算机网络,树数据结构可以用作路由数据结构,其中由网络节点发送的数据被朝向树的根路由。对于存在从v到w的路径的树的两个节点(顶点)v和w,在本文中将v称为w的“先代”或“父代”,并且在本文中可以将w称为v的“后代”。对于(v,w)为边的树的两个节点(顶点)v和w,在本文中将v称为w的“父代”,并且在本文中可以将w称为v的“子”或“子代”。
图的顶点v1或树的节点w1的术语“邻居”可以用于指示在图上与顶点v1相邻的另一顶点v2或在树上与节点w1相邻的另一节点w2,即,在图中的两个顶点v1和v2之间,或者在树的两个节点w1和w2之间存在将图中的顶点(或树中的节点)互连的一条或数条边。术语“路径邻居”或“间接邻居”可以互换地用于表示在网络图或树中通过路径互连的两个顶点或节点。术语“直接邻居”或“紧接着的邻居”可以互换地用于表示在网络图或树中通过仅一条边互连的两个顶点或节点。换句话说,对于在图G=(V,E)中作为v1∈V的直接邻居的每个顶点v2∈V,(v1,v2)∈E。对于相应的树结构T=(V,ET),其中ET∈E,对于作为w1∈V的直接邻居的每个节点w2∈V,(w1,w2)∈ET。
对于树的每个节点,“层级”(也称为“深度级”)可以定义为距集中器节点的距离,例如表示为树中的边(或跳)的数量。集中器节点的深度级可以被设置为默认值,诸如0或1。例如,在集中器节点的树中的直接邻居的深度级可以被设置为按递增步长Depth_Level_Increment递增的集中器节点的深度级,例如递增步长可以选择等于1。
应当理解,本主题公开的实施方式可以用于各种应用中,具体地,尽管不限于,传感器网络,在传感器网络中潜在大量的传感器协作地监测不同位置(例如,在工厂或核工厂设施)处的物理或环境状况,例如,温度、压力、能量/功率资源和/或消耗、辐射、污染物等。尽管本主题公开在这方面不受限制,但是本文公开的用于网络管理的方法可以用在具有各种拓扑的许多类型的计算机网络中,诸如,例如任何LLN网络;任何多跳系统,例如网状网络;任何物联网(IoT)网络或系统;任何机器对机器(M2M)网络或系统,例如智能对象网络(诸如传感器网络);或它们的任意组合,并且可以用在许多设备中,诸如计算机网络的任何网络节点(诸如,例如根节点、网关节点、传感器节点、致动器节点)中、或者连接到计算机网络或包含在计算机网络中的任何服务器中。
因特网工程任务组(IETF)已经开发了适用于LLN网络的路由协议,称为RPL协议。在日期为2012年3月的标题为“RPL:IPv6 Routing Protocol for Low-Power and LossyNetworks(RPL:用于低功耗有损网络的IPv6路由协议)”的请求评议(RFC)6550中规定了RPL。
RPL路由针对至或来自一个或更多个根的业务量进行了优化,该一个或更多个根对于网络拓扑而言用作网络宿。结果,RPL将拓扑组织为所谓的有向非循环图(DAG),该DAG被划分为一个或更多个面向目的地的DAG(DODAG),其中每个网络宿一个DODAG,并且RPL使用DODAG作为路由树。
RPL提供了用于在网络节点故障或两个网络节点之间的互连故障时自动建立路由树以及对路由树进行局部修复的机制。RPL修复是识别网络中的诸如节点/边故障之类的故障并应用以下局部对策的过程:在RPL DODAG树中从节点路由到不同于当前父节点的新的父节点,以及如果没有具有更低RPL层级的候选父节点,则将分组路由到具有相同RPL层级的节点。
RPL使用面向目的地的有向非循环图(DODAG)结构,并描述了构建这样的DODAG结构的方案,该DODAG结构将无线传感器网络的节点连接到网络协调器节点(有时也称为DODAG的“根”或“根节点”)。其中可以使用RPL的无线传感器网络中的网络节点可以是全功能装置(FFD)或简化功能装置(RFD),在全功能装置的情况下,它们发送它们的传感器读数并中继其相邻节点的读数,在简化功能装置的情况下,它们发送它们的读数而不中继相邻节点的数据。协调器收集来自无线传感器网络的节点的数据,并将其发送给至分组数据网络的网关,例如至IP网络(例如因特网网络)的IoT网关。
出于构建DODAG图的目的,RPL协调器可以被配置为向其直接邻居(即,其紧接着的邻居)周期性地发送数据分组(称为DODAG信息对象(DIO)分组),进而经由它们自己的邻居将接收到的DIO分组传播到网络的其余部分。DIO分组包含关于DODAG的信息,包括发送方的RPL层级、RPL版本号、通过RPL路由要被最小化的目标函数(OF)等。
RPL层级指示分组在网络中扩散的梯度,即,高层级值指示位于距协调器跳数多的节点(例如,叶节点),而低层级值指示位于距协调器跳数少的节点(例如,正在中继叶节点的数据的FFD节点)。分组在网络中的扩散从高层级值到低层级值。
作为DODAG的根的协调器的RPL层级被设置为零值。RPL路由树中的子节点的RPL层级使父节点的RPL层级递增,并且每个子代向其父代发送其分组。
在DODAG构造期间,每个节点按以下方式获得其在DODAG中的层级:每个节点侦听DIO消息以了解单跳邻居中的节点的集合。一旦接收到其第一条DIO消息,每个节点加入DODAG,基于接收到的信息计算其自身的层级,然后开始发送其自身的DIO消息(包括其计算出的层级)。
RPL层级计算过程可以视为动态的,这是因为每个节点动态地维护从其接收到DIO消息的父代的集合。另外,由每个节点基于以下准则动态地选择优选父代以在RPL路由树中发送子代的分组:与优选父代的链路使路由目标函数最小化。
在下文中,我们考虑无线传感器网络部署的非限制性示例,在无线传感器网络部署中传感器节点的集合(由标识符或ID在网络中标识的每个传感器节点)部署在区域R中。
传感器节点被配置为通常在它们各自的无线覆盖区域中周期性地发送信标分组,以协作地学习网络的拓扑。一旦发现节点,节点之间的各种邻居关系可以被分组为数据结构,该数据结构被组织为表示网络的图和/或树。
在无线传感器网络的非限制性示例中,网络图可以是包括代表网络中的传感器的网络节点的集合V和代表传感器之间的关系的、链接或互连不同节点的边的集合的图G(V,E)。
在一个或更多个实施方式中,可以利用指配给树的每个节点或由树的每个节点所获得的各个深度级来生成路由树形式的数据结构,该路由树表示网络的节点和分别对应于网络的两个节点之间的相邻关系的边,并根据该路由树从节点向计算机网络的集中器节点发送数据。具体地,可能在初步配置阶段期间已经执行了拓扑发现和路由算法以定义路由树,其中每个节点具有一个或更多个子代并且只有一个父代。
例如,在一些实施方式中,例如使用如以上所描述的RPL协议来构建基于集中性的路由树T(V,E’),该基于集中性的路由树T(V,E’)通过边链接节点V,使得如果具有较低层级的节点是具有较高层级的节点的优选父代,则通过边链接具有相应层级的两个节点。路由树可以被设计为使得数据从网络的传感器节点朝向作为树的根节点运行的集中器节点收集。在一个或更多个实施方式中,RPL路由树可以有利地用于执行所提出的用于网络管理的方法。
因此,可以为示例性无线传感器网络提供路由和物理层机制,具体地,根节点(也称为集中器节点),该根节点是从网络的所有其它节点收集数据的节点。网络的深度级可以被组织为自然数的递增或递减序列,每个自然数表示代表被指配给位于距集中器节点相同距离(即,路由树上的边的数量相同)的网络节点的集合的深度级。依据实施方式,集中器节点的深度级可以选择为序列中的最高自然数或最低自然数。下面,我们考虑被指配了零(0)的深度级的集中器节点的非限制性示例。
关于物理层机制,在一个或更多个实施方式中可以使用具有以下特征的物理层:在给定时隙(例如1毫秒)期间在限定了频率信道(例如,在2.4GHz处的ISM频段中的5MHz信道)的载波频率上以给定带宽(例如,5MHz)传输信号。在一些实施方式中,还可以为物理层提供可用于确定和适配网络的两个节点之间的物理层的数据速率的一组调制和编码方案。
相关领域的普通技术人员将理解,根据OSI模型的任何合适的层1-3(包括例如针对IEEE 802.11a/b/g、IEEE 802.15.4g、LoRa、蓝牙和3GPP 5G NR(新无线电)规定的物理和MAC层)可以代替或结合仅作为示例给出的上述物理层来用于无线传感器网络中的数据传输。
另外,根据本主题公开的一个或更多个实施方式的数据收集可以根据数据收集协议来执行,该数据收集协议周期性地或按需地允许收集网络中节点的所有数据。在一个或更多个实施方式中使用的数据收集协议还可以通过信令来支持长期配置机制,以便例如基于Zigbee协议或基于LoRa协议来定义数据收集协议的参数。
此外,可以(例如,根据例如持续时间为100ms量级的数据收集帧)使用时域中的成帧来执行数据收集。例如,网络用于数据传输的物理层和MAC层可以定义传输时间帧(以下也称为“时隙”)。这种成帧方案可以在帧中提供有所有发送器所使用的同步信号,以用于同步以及用于执行时分多址(TDMA)多址接入方案。在一些实施方式中,同步可以基于分别由管理帧的每个子网络的父代发送的信标信号。例如,可以使用同步方案来执行时间同步,在该同步方案中,网络中从根节点开始的充当父节点的每个节点可以通过例如每100毫秒发送的信标信号的传输为其子节点提供帧定时。然后,一个父代的所有子代可以在同步错误时使用这些信标传输同步至它们的父代的帧定时。然后,这些子节点可以进而向它们的子节点发送它们自己的信标信号,它们的子节点可以基于接收到的信标信号而得到同步。因此,根节点可以发送用于定义了其子节点能够同步到的帧定时的信标信号,并且可以使用从一个深度级向下一深度级(根据从树的根节点到叶的深度级的自上而下序列)所分配的这种帧定时(例如使用从一个深度级的节点向下一深度级的节点(它们各自的子节点)发送的信标信号)来建立时基。可以选择用于出于数据收集目的在网络的节点之间传输数据的数据传输协议,以适于利用这样分配的时基的操作,该时基包括在通过树的时基的自顶向下传播期间产生的潜在同步误差。
在下文中,将使用根据TDMA方案调度的以时隙为单位表示的传输时间资源的非限制性示例,来描述本主题公开的实施方式。相关领域的普通技术人员将理解,任何合适的多址接入方案和相应的传输资源(诸如,例如频分多址接入、码分多址接入、正交频分多址接入或以上的组合)可以代替或结合仅作为示例给出的上述传输资源和多址接入方案来使用。
在一个或更多个实施方式中,每个子树主控方(master)可以定义具有对于树中相同环(即,深度级)的所有子树主控方共有的时隙的数量的局部TDMA多址接入。这样的时隙数量可以如下所述的对应于针对在给定深度级的数据收集而确定的传输时间资源。然后,可以根据传输时间资源内的TDMA调度,针对在给定深度级执行数据收集的父节点的每个子节点来组织数据收集。即,每个子节点可以在由父节点已经分配的时隙期间向父节点发送其净荷数据。
有利地,这允许TDMA方案的局部(每个子树)管理,以便使子树间干扰(这可能发生在相同深度级的两个子树之间)最小化。在一些实施方式中,可以利用来自物理层的CSMA/CA冲突率的反馈和随机TDMA时隙分配来执行TDMA管理。
例如,在ISM频段中,能够实现CSMA/CA协议,该CSMA/CA协议控制相邻节点之间的冲突:当一个节点意欲进行发送时,它首先探测信道的电力,并且如果探测到电力则推迟其发送。当发生这样的事件时,能够更新冲突避免率。而且,一旦发生冲突,能够更新冲突率。因此,借由冲突率,每个节点能够评估信道的占用率。这在使用TDMA成帧时也可以应用,以评估每个TDMA时隙的占用率。
使用局部TDMA多址接入的另一个优点在于,不需要用于TDMA分配的整个系统范围的信令。
另外,针对每个节点,仅需要特定且轻量级的信令即可知道每个深度级的TDMA时隙的数量,即,针对该深度级的节点的数据收集而确定的传输时间资源的持续时间(以时隙为单位)。这有利地减少了所提出方案的开销,并使之成为可扩展方案。
无线传感器网络还可以被提供有信令协议,该信令协议被设计为提供从父代到其子节点或者从子节点到其父代的信令数据(例如,数据收集配置参数)。依据实施方式,信令数据可以例如在时间帧(例如,时隙)的预留资源中传输,并且与其它非信令数据复用,和/或能够在专用帧中传输信令数据。根据本主题公开,可能优选的是:使用专用于信令的帧,例如,发送在执行数据收集阶段之前在整个网络广播的信令数据,使得从时延观点来看,具有最小的信令开销能够使数据收集阶段最有效。
在一些实施方式中,路由算法可以基于累积距离最小化,每个分支的度量与物理层性能有关,如下所述。例如,度量可以与链路容量的倒数关联,因为它是允许预测发送给定量的数据所需的时隙数量的值,时隙数量的值应最小化。实际上,对于允许传输与每秒数据速率D比特相对应的容量的给定无线链路,传输Nb比特的数据分组至少要花费Nb/D秒。假设使用长度为Ts秒的时隙,则发送Nb比特分组所需的时隙数量是大于或等于Nb/D/Ts的最小整数(其中是大于或等于x的最小整数)。
图1A示出了针对包括集中器节点N0的计算机网络所生成的示例性路由树,该集中器节点N0是深度为零、被配置为从网络的所有其它节点收集数据的单个节点。图1A所示的树配置包括四个深度级(从级0到级3),这四个深度级(从级0到级3)可以被组织为深度级的序列(例如,0、1、2、3),其中集中器节点被指配了深度级零,集中器节点的三个子节点被指配了在集中器的深度级之后的深度级(例如,深度级1),深度级为1的各个节点的子代的七个节点被指配了在深度级1之后的深度级(例如,深度级2),并且深度级为2的各个节点的子代的十个节点被指配了深度级2之后的深度级(例如,深度级3)。
相关领域的普通技术人员将理解,诸如例如具有值(3,2,1,0)、(0,2,4,6)、(6,4,2,0)、(4,3,2,1)或(1,2,3,4)的深度级序列或者1、2或任何非零整数的深度级增量之类的任何合适的深度级序列、深度级值、深度级增量可以代替仅作为示例而给出的图1A中所使用的深度级序列、深度级值和深度级增量来使用。
在图1A所示的示例性路由树上,集中器节点N0可以具有等于0的深度级,节点N1,1、N1,2和N1,3可以构成深度级等于1的节点的集合,因为这些节点中的每个是集中器节点的子代,节点N2,1、N2,2、N2,3、N2,4、N2,5、N2,6和N2,7可以构成深度级等于2的节点的集合,因为这些节点中的每个是深度级等于1的节点的子代,并且节点N3,1、N3,2、N3,3、N3,4、N3,5、N3,6、N3,7、N3,8、N3,9和N3,10可以构成深度级等于3的节点的集合,因为这些节点中的每个是深度级等于2的节点的子代。
树中的父代/子代关系如图1B所示,图1B示出了一个示例子树配置,其中具有深度级n-1的一个节点是具有深度级n的三个子节点的父代。在此示例中,深度级序列可以以从指配给树的集中器节点的深度级(例如,0或1)开始,并以深度级N结束的升序来定义,在该升序中深度级增量等于1,其中,concentrator_node_depth_level<...<n-1<n<…<N。
参照图2,下面描述根据一个或更多个实施方式的由网络的父节点执行的数据收集。
根据本主题公开的数据收集可以在树中作为父节点的任何节点处通过这种父节点从其子节点收集数据来执行。结果,树的叶节点(即,树中没有任何子节点的节点,因此它们不是父节点)可能无法执行数据收集。
在一个或更多个实施方式中,根据本主题公开的数据收集可以被组织为阶段,其中数据收集阶段(10)可以涉及树的一个深度级。也就是说,可以针对树中具有相同深度级的一个或更多个网络节点执行数据收集。树中具有相同深度级的网络节点可以构成与树的第一深度级相对应的一个或更多个网络节点的集合,第一深度级如上所述地对应于路由树中的在该集合的节点与集中器节点之间的边的数量。在一些实施方式中,可以在树中具有相同深度级的每个网络节点处执行数据收集。
例如,参照图1A所示的示例性树配置,可以针对各个深度级1、2和3的一个或更多个父节点或所有父节点执行数据收集阶段。即,可以针对深度级N的一个或更多个父节点或所有父节点执行数据收集阶段,其中N不对应于树的最高深度级。
关于由树中具有相同深度的节点(在数据收集中充当父节点)执行的数据收集阶段,在一个或更多个实施方式中,数据收集可以包括从网络的路由树中的父节点接收(11)第一数据收集配置数据。对于网络的任何节点,执行根据本主题公开的数据收集的节点的父节点可以对应于路由树中的如下深度级,该深度级在路由树的深度级序列中位于第一深度级之前,但是并非必须紧接在第一深度级之前。在一些实施方式中,第一数据收集配置数据可以包括在路由树的对应于第一深度级的节点处收集数据所需的资源的估计。例如,如果在图1A所示的示例树配置中针对在深度级2的节点执行数据收集阶段,则深度级2处的一个或更多个节点,或者在一些实施方式中深度级2处的所有节点(节点N2,1、N2,2、N2,3、N2,4、N2,5、N2,6和N2,7)可以从各自的父节点或它们共同的父节点(例如,树的集中器节点N0)接收各自的第一数据收集配置数据以用于从它们的子节点收集数据。在该示例中,节点N2,1可以从其父节点N1,1接收第一数据收集配置数据以用于收集其自身数据和/或来自其子节点N3,1和N3,2的数据。节点N2,4可以从其父节点N1,2接收第一数据收集配置数据,该数据可以被用来从其子节点N3,6收集数据。
然后,数据收集阶段中所涉及的节点可以基于从其父节点接收的第一数据收集配置数据,来生成(12)用于从它在路由树中的至少一个子节点收集数据的第二数据收集配置数据。至少一个子节点可以对应于在路由树的深度级序列中紧跟在第一深度级之后的路由树的第二深度级。在一个或更多个实施方式中,第二数据收集配置数据可以包括用于从至少一个子节点中的每个收集数据的相应调度数据,如下所说明的。依据实施方式,调度数据可以包括资源分配信息(例如,针对子节点数据的传输所分配的时间资源(例如,时隙数量)、所分配的时间资源在TDMA框架中的位置)、用于数据传输的同步信息、以及要用于数据的调制/解调和编码/解码的调制和编码方案(MCS)。
然后,可以根据第二数据收集配置数据从至少一个子节点的每个收集(13)数据。
所提出的数据收集方案的显著优点来自于其使用局部(父节点)级数据收集管理和全局级数据收集管理的结构。这种基于两级的数据收集管理避免了完全中心化的管理,在完全中心化的管理中,数据收集将由网络中的中心点确定和管理,这将需要将组织方案分配给网络的参与数据收集的每个节点。
相反,本主题公开的数据收集是按深度级组织的,这需要确定:第一数据收集配置数据,其用于例如针对每个深度级,在全局(网络)规模上管理数据收集;以及第二数据收集配置数据,其用于包括组织以父节点作为根的子树的数据收集的、由充当父节点的节点在每个深度级局部地组织数据收集。因此,如下所说明的,这种基于两级的数据收集管理有利地允许显著减少信令开销,得到具有轻量级信令的数据收集方案。
在下面公开的实施方式中,由每个父节点针对其子树局部管理数据收集可以包括定义用于调度来自其每个子节点的数据传输的TDMA方案。就网络资源的扩展而言,这种局部管理对网络几乎没有影响。例如,如果网络中的节点数量乘以M(例如,M=1000),则因为充当父节点的每个节点可以限定在其子树中的数据收集的其自己的局部组织,因此这种局部管理所需的局部资源不受缩放因子M的影响。相反,如果以集中方式执行这种局部管理,则因此由于中心点的数据收集的所有管理移动,数据收集信令开销将与节点数量成比例。
因此,这种缩放和开销效率的优点至少部分是来自于将全局数据收集配置数据/参数限制至深度级的数据收集参数(在一些实施方式中包括在第一数据收集配置数据中)以及以局部方式管理在每个深度级的数据收集。
在一些实施方式中,可以包括深度级的数据收集参数的第一数据收集配置数据可以在整个网络中广播,并且可以包括针对每个深度级的数据收集可能需要的传输资源(例如,时间资源,例如以时隙为单位表示)的相应估计。因此,所收集的和重新分配的信令深度级数据与网络中的环数成比例,而不与节点的数量成比例。例如,如果网络中的环数从R1环增长至R2环(例如,R1=5和R2=10),则深度级的信令数据可以按照近似的因子增加。然而,在一些实施方式中,针对网络可以定义最大环数,使得数据收集时延保持在封顶时延值以下。结果,该最大环数还可以有利地将可以与环数成比例的信令开销保持在最大限制之下。另外,假设给定的网络部署区域(例如,一平方公里),如果在该给定的网络部署区域中增加网络的节点数量,则环数将很可能不会增加,或者相比于节点数量的增加,环数可以以更小的比例增加。这是因为网络中的环数将主要受到系统所需的无线电覆盖范围的影响,使得即使给定网络部署区域中的节点数量会显著地增加,也可以保持该网络部署区域中的环数大致相同。结果,所提出的数据收集方案的另一优点在于,如果给定网络部署区域中的节点数量增加(甚至显著增加),网络中的环数也可能保持相同,或者相比于节点数量增加得很少,使得信令开销将不会显著增加。相比之下,将导致针对网络所有节点收集信令数据的数据收集的集中式方法处理此数据,然后向网络的所有节点重新分布数据收集配置数据,以在网络的所有节点处进行数据收集管理,信令开销将与网络节点数量的增加成比例地增加。
在以下描述的一些实施方式中,每深度级数据收集配置数据定义允许在每个节点级预期其子树对总时延的影响,而无需在中心点收集所有数据。能够基于全局数据收集配置参数来局部地(即,由每个父节点相对于其子树)管理其它局部定义的数据配置参数(在一些实施方式中包括在第二数据收集配置数据中),这有利地导致它们对数据收集时延的影响显著降低。
因此,如上所述,所提出方案的数据收集时延在很大程度上可能受全局(深度级)数据收集配置参数的影响,这本身导致数据收集方案的时延敏感性是环数(或树中的深度级)的函数,而不是网络中节点数量的函数。估计根据本主题公开的数据收集的时延可以仅需要这些全局(深度级)数据收集配置参数的知识,该时延是如图1C所示的系统中环数的函数,而不是节点数量的函数。
在一个或更多个实施方式中,针对第一深度级的节点所执行的数据收集阶段可以进一步包括:针对在数据收集中充当子节点的节点,向路由树中的与在路由树的深度级序列中紧接在第一深度级之前的深度级相对应的直接父节点发送先前从其子节点收集的数据以及可能的其自身的数据。
例如,如果针对图1A所示的示例树配置中的深度级1的节点执行了数据收集阶段,则相对于在深度级1处的它们各自的父节点而充当子节点的、深度级2的一个或更多个节点,或者在一些实施方式中,深度级2的所有节点(节点N2,1、N2,2、N2,3、N2,4、N2,5、N2,6和N2,7)可以向它们各自的父节点(即,它们各自的直接父节点)(对于N2,1和N2,2为N1,1;对于N2,3、N2,4和N2,5为N1,2;以及对于N2,6和N2,7为N1,3)发送它们所收集的数据以及可能的它们自己的数据。
关于它们自己的数据,在一个或更多个实施方式中这样的数据可以被描述为生成的数据,该生成的数据包括在至少一个网络节点处获得的数据,但是不包括从子节点收集的数据。
在一个或更多个实施方式中,对应于深度级N的充当数据收集阶段的父节点的节点(例如,对应于深度级N的父节点)可以从其子节点收集数据,并且可以充当用于后续数据收集阶段(例如,对应于深度级N-1)的子节点,并且可以在该后续数据收集阶段期间发送从其子节点收集的数据和/或其自身的数据。
所提出的方法通过所提出的数据收集协议可以有利地减少从节点收集数据所需的时隙总数,所提出的数据收集协议被组织成阶段,其中数据收集协议的一个阶段处理树的一个深度。例如,在阶段n(与深度级n相关联)中,深度n的节点可以充当父代,并从位于深度n+1的它们各自的子节点收集数据。然后,在接下来的阶段(与深度级n-1相关联)中,深度级n的节点可以充当它们各自父节点(深度级n-1)的子节点,而这些各自的父节点充当数据收集阶段n-1的父代,并从它们子节点(对应于深度级n的节点)收集数据。
在一个或更多个实施方式中,可以以数据收集循环的迭代来组织根据本公开的数据收集。在一些实施方式中,在循环的每次迭代,循环深度级可以被更新至深度级序列中的下一深度级,并且可以在与下一(更新的)深度级相对应的每个节点处执行数据收集。在一些实施方式中,可以针对对应于循环迭代n的深度级n的节点执行如上所述的数据收集阶段,并且一旦深度级n的数据收集阶段完成,就可以针对对应于循环迭代n-1的深度级n-1的节点执行另一随后的数据收集阶段。在一些实施方式中,循环的第一次迭代可以对应于初始循环深度级,该初始循环深度级是序列中距根节点的根深度级最远的深度级之前的一个深度级。例如,如果系统中的最大深度(作为路由协议的结果)为Max_Depth,而系统中的最小深度(树中集中器节点的深度)为Min_Depth,则数据收集可以以阶段Max_Depth-1开始并以阶段Min_Depth结束。
在其它实施方式中,可以针对对应于循环迭代索引k的各个深度级n1、n2等的节点执行如上所述的一个或更多个数据收集阶段,并且一旦针对深度级n1、n2等的数据收集阶段完成,可以针对对应于循环迭代索引k-1的各个深度级n1-m1、n2-m2等的节点执行另一后续的一个或更多个数据收集阶段。在这样的实施方式中,循环的第一次迭代也可以对应于初始循环深度级,该初始循环深度级在序列中距根节点的根深度级最远。
在一个或更多个实施方式中,根据本主题公开的数据收集可以在配置阶段之前进行,在配置阶段期间,可以生成本公开的第一数据收集配置数据,然后向网络中参与数据收集的节点分发该第一数据收集配置数据。
如将在下面进一步详细描述的,第一数据收集配置数据可以包括针对树的每个深度级,在与树的该深度级相对应的节点处收集数据所需的资源的估计。
在一个或更多个实施方式中,例如基于网络拓扑和针对数据收集而定义的要求(例如,关于时延),可能针对树的各个深度级,可以预定义第一数据收集配置数据中所包括的在对应于树的深度级的节点处收集数据所需的资源的估计。
在其它实施方式中,第一数据收集配置数据中所包括的在对应于树的深度级的节点处收集数据所需的资源的估计可以是依据实施方式针对树的各个深度级而可能得出的随机值,和/或在最小值和/或最大值之间的值,最小值和最大值可以是基于网络拓扑和针对数据收集而定义的要求(例如,关于时延)而选择的。
现在将参照图3至图5描述根据一个或更多个实施方式的优选配置阶段。
在一个或更多个实施方式中,如下所述,配置阶段可以是半静态的,并且包括在网络的一个或更多个节点以及可能每个节点处的净荷计算。
如以上所讨论的,执行根据本主题公开的数据收集的节点可以在数据收集期间充当子节点时,向其父节点转发净荷数据(其可以包括从以该节点为根的子树的子节点收集的净荷数据,即,从该节点的所有后代节点连接的净荷数据,和/或依据实施方式的其自身的净荷数据)。在一个或更多个实施方式中,本公开有利地提供了确定在该节点与其父代之间的通信链路上从该节点上向其父节点发送这样的净荷数据所需的资源的估计(例如,具体地,当使用TDMA多址接入方案时,可以以时隙为单位来表示)。
因此,在一个或更多个实施方式中,配置阶段可以有利地包括在如上所述的数据收集中将一部分作为子节点的这种一个或更多个节点的预期中,在网络的一个或更多个节点或每个节点处执行的净荷计算。
因此,在配置阶段期间,在数据收集期间将充当子节点并且也充当配置阶段的子节点的一个或更多个节点,优选的是每个节点,可以为其父节点提供携带有与预期在数据收集期间要发送的净荷有关的信息的第一配置数据。依据实施方式,这样的信息可以包括要由节点向父代发送的净荷的大小(例如,表示为比特数量、八位字节数量或时隙数量)和/或要由节点向父代发送的分组数量。依据从一个节点向其父节点的数据传输所使用的协议,通过使用每个分组的平均比特数量或最大比特数量,和/或假设所有分组在网络上始终携带相同数量的比特,可以将分组数量转换为比特数量。
在这样的实施方式中,执行根据本主题公开的净荷计算的节点可以在充当父节点时从路由树中的至少一个子节点接收相应的第一配置数据。如以上所讨论的,至少一个子节点可以对应于路由树中的在路由树的深度级序列中紧接在父节点的深度级之后的深度级。
然后,节点(充当数据收集配置阶段的父节点)可以基于接收到的第一配置数据来生成第二配置数据。例如,在一些实施方式中,节点可以接收与其每个子代转发的净荷有关的数量(第一配置数据),并通过对这些数量以及在一些实施中与其自身数据净荷有关的数量求和,来生成第二配置数据。
即,在第一配置数据包括从子节点向至少一个网络节点发送数据所需的资源的相应第一估计的实施方式中,生成第二配置数据可以包括基于第一估计来生成用于发送子节点在它们的深度级所收集的数据所需的资源的第二估计。具体地,生成资源的第二估计可以包括将各个第一估计组合成聚合子估计。
在节点被配置为用于在充当数据收集的子节点时,将其自身的数据连同从其子节点收集的数据一起发送的实施方式中,该节点可以在配置阶段期间将从接收到的第一配置数据所生成的第二配置数据和与其自身的数据净荷有关的信息(即,在节点处获得的除从其子节点收集的数据之外的数据)聚合在一起。
在节点被配置为用于在充当数据收集的子节点时与从其子节点收集的数据分开地发送其自身数据的实施方式中,该节点可以在第一配置阶段期间针对在其充当用于中继从其子节点收集的数据的中继节点期间的数据收集,在没有与其自身数据净荷有关的信息的情况下,基于第一配置数据生成第二配置数据,并且在第二配置阶段期间,针对在其向其父节点转发其自身的数据期间的数据收集,在没有接收的第一配置数据的情况下,基于与其自身的数据净荷有关的信息生成第二配置数据。
在其它实施方式中,第二配置数据的生成可以涉及进一步处理接收到的第一配置数据,下面描述其示例。
在一个或更多个实施方式中,可以向已经生成了第二配置数据的节点的父代转发这样的第二配置数据。然后,第二配置数据可以朝向集中器节点从一个节点传播到其直接父代。
在一个或更多个实施方式中,可以在父节点处直接地或通过子节点间接地获得将与子节点相对应的数据发送到该子节点的父节点所需的资源的第一估计。如以上所讨论的,除了节点自身生成的数据之外,每个子节点的数据可以依据实施方式并且依据子节点在树中的位置包括从其自己的子节点收集的数据。然后,父节点可以获得与其子节点相对应的各个第一配置数据,该各个第一配置数据包括由其每个子节点发送数据所需的资源的各个第一估计。
在一些实施方式中,可以以时隙为单位来表示资源的第一估计。例如,给定父节点的每个子节点可以根据链路上的数据传输所使用的物理层的特征,来评估将子节点连接至其父代的链路的预期频谱效率。假设以上描述的示例性物理层方案,那么可以基于预期的频谱效率估计来获得用于将数据净荷从子节点转发到其父节点所需的时隙数量。在一些实施方式中,可以基于频谱效率估计来获得平均数据速率估计。在其它实施方式中,可以在父节点和子节点之间的传输链路上测量平均数据速率。
在一个或更多个实施方式中,在网络的节点中实现的物理层可以使用时间和/或频率作为无线电资源。具体而言,这样的物理层可以在给定时隙(例如,1ms)期间使用基本时间和/或频率资源(例如,在预定频率带宽上的预定传输时间)进行操作。在使用时分多址多址接入方案的实施方式中,可以在整个频率带宽上传输一个数据分组。在这样的实施方式中,可以通过将频谱效率乘以频率带宽来获得平均数据速率估计。
如以上所讨论,可以使用平均数据速率来确定发送净荷数据所需的时隙数量。
在一个或更多个实施方式中,考虑将子节点连接至其父节点的传输链路,可以由子节点和/或由父节点确定该链路的平均信噪比(SNR)(例如,可以在链路的一端进行测量,然后反馈回另一端)。
在父代侧知道链路的SNR的情况下,父代可以自已确定要由子节点发送净荷所需的时隙数量,并因此通过自身确定时隙数量来获得子节点的第一配置数据。
在子代侧知道链路的SNR的情况下,子代可以确定要由子节点发送净荷所需的时隙数量,并向其父代转发该时隙数量。在这种情况下,父代可以通过从其子节点接收时隙数量来获得子代的第一配置数据。
网络使用的物理层可以支持用于调制和解调以及信道编码/解码数据的调制和编码方案(MCS)的集合,每个MCS方案包括调制类型(例如,BPSK(二进制相移键控)、QPSK(正交相移键控)、正交幅度调制(8-QAM、16-QAM、32-QAM、64-QAM等))和信道编码方案(包括信道编码参数,诸如编码速率)。使用例如自适应调制和编码(AMC)技术,MCS集合可用于确定和适配网络的两个节点之间的物理层的数据速率。在这种情况下,依据实施方式,可以考虑以下物理层配置中的一种或多种,以用于从子节点向其父节点发送数据。
根据第一物理层配置(无链路自适应并且无聚合),每个数据分组可以根据给定的调制和编码方案进行编码,并且可以始终使用相同数量的时隙。在这种情况下,将被收集并且朝向集中器节点从一个深度级转发到下一深度级的每个数据以分组发送,不对这些分组进行聚合也不会重新编码为聚合,而是原样进行发送。由当在数据收集期间充当父节点时的节点所接收的分组被在数据收集期间充当子节点时的节点原样(即,没有任何的进一步处理)转发到父节点。然后,由每个节点转发的聚合数据净荷(即,分组的数量)与所述节点在树中的后代的数量成正比。
根据第二物理层配置(第一链路适配),可以使调制和编码方案适配于链路质量,以减少发送每个分组所需的时隙数量。在这种情况下,(在给定链路上)发送给定分组所需的时隙数量可以从一个链路到经历不同链路质量的另一链路而不同。这允许在确保低传输错误率的同时充分地利用无线电链路。
根据第三物理层配置(第二链路适配),可以使用第二物理层配置的链路适配,并且可以执行数据聚合。在这种配置中,对在节点处接收到的所有分组的数据进行解码、聚合、然后进行联合编码,使得该节点仅有一个分组要转发到其父节点,该分组携带的净荷包括该节点的所有后代的聚合净荷。这有利地提高了无线传输的整体鲁棒性和系统的频谱效率。结果,它允许进一步减少从子节点向其父节点转发净荷所需的时隙数量。
结果,基于要由子代发送的净荷,基于子代与其父代之间的无线电链路的SNR,并且依据实施方式,基于链路自适应机制,可以确定向父节点发送子节点数据(净荷)所需的资源的各个第一估计(以时隙数量表示)。在一些实施方式中,这些第一估计可以有利地用作用于生成树的路由协议(例如,RPL协议)的度量(例如,向父节点发送子节点数据所需的资源的估计)。因此,在通过考虑数据收集所使用的一个或更多个度量来生成路由树时,能够优化路由树。例如,度量可以是要被最小化的多跳路由的每个步骤处所使用的时隙数量(在链路上发送净荷所需的时隙数量)。
如上所述,在一个或更多个实施方式中,可以由参与半静态配置阶段的、相对于一个或更多个子节点或者全部子节点充当父节点的每个节点来获得包括以时隙为单位表示的资源的第一估计在内的各个第一配置数据。
具体而言,在一些实施方式中,从每个子节点向其父节点转发子节点数据分别所需的时隙数可能已经被估计并且由父节点相对于它们的一个或更多个子节点或全部子节点获得。
如上所述,然后可以基于所获得的第一生成数据来生成第二配置数据。
在第一配置数据包括资源的第一估计的实施方式中,基于第一配置数据生成的第二配置数据可以基于资源的这种第一估计而生成,并且可以表示用于发送要由节点从它的一个或更多个子节点或全部子节点收集的数据所需的资源的估计。然后可以基于资源的第一估计来生成用于发送要从子节点收集的数据所需的资源的第二估计。在这种情况下,第二配置数据可以包括资源的第二估计。
在一个或更多个实施方式中,资源的第二估计可以表示针对在半静态配置阶段期间充当父代的节点的后代的子树,在该节点的子节点的深度级(例如,级N)发送数据所需的聚合资源的估计。资源的第二估计一旦被生成就可以被发送到该节点的父代,使得可以将其与从其它节点发送的其它第二估计进行比较,其它第二估计还表示针对这种其它节点的后代的子树,在与半静态配置阶段中充当父代的节点的子节点的深度级相同的深度级(N)发送数据所需的聚合资源。然后,关于树的深度级N的第二估计可以被传播到树的集中器节点,每个第二估计对应于树中的以深度级N-1的节点为根的子树(假设从树的叶向根的深度级的递减序列)。
例如,在TDMA用于相同父代的子代之间的多址接入的实施方式中,可以基于转发每个子代的净荷所需的全部时隙(资源的第一估计)的聚合(例如,总和),将资源的第二估计确定为在父代收集所有子代数据所需的时隙数量。
在一个或更多个实施方式中,也可以生成资源的第三估计,作为第二配置数据的一部分,并且资源的第三估计对应于节点向其父节点发送要从它的一个或更多个子节点或全部子节点收集的数据所需的资源的估计,依据实施方式,子节点所收集的数据视情况而定可能与要发送到集中器节点的其自身数据聚合。
因此,在一些实施方式中,生成第二配置数据可以包括生成向父节点发送聚合有所生成的数据的由子节点所收集的数据所需的资源的第三估计,所生成的数据包括除从子节点发送的数据之外在至少一个网络节点所获得的数据。
图3示出了在每个节点处每个深度级的时隙数量的示例性的自下而上的传播。对于图3所示的子代与其父代之间的每条边,边上的数字是从在数据收集期间充当子节点的节点向其父节点发送净荷(依据实施方式,与要发送到父节点的并且不是从子节点收集的数据的数据聚合)所需的估计时隙数量。对于到达节点的边,该数字提供了第一配置数据(资源的第一估计)的示例,而对于从节点向外出的边(假设从树的叶到集中器节点的路由方向),数字提供了第二配置数据(资源的第三估计)的示例。节点内所示的第一个数字(或视情况而定,针对节点所指示的唯一数字)对应于收集节点的所有子代的数据所需的时隙的估计之和(资源的第二估计)。这些表示数据收集所需的TDMA时隙的最小数量。
具体地,对于图3所示的深度级2的节点(节点N2,1、N2,2、N2,3、N2,4、N2,5、N2,6和N2,7),节点N2,1与其子代N3,1之间的边具有等于3的权重(时隙),该权重表示子代N3,1向其父代N2,1发送其子代数据所需的资源的第一估计。节点N2,1与其子代N3,2之间的边具有等于2的权重(时隙),该权重表示子节点N3,2向其父节点N2,1发送其子代数据所需的资源的第一估计。父节点N2,1可以通过对资源的第一估计进行聚合(例如,求和),基于资源的两个第一估计(权重3和2)来生成资源的第二估计。针对图3所示的父节点N2,1所生成的资源的第二估计被示出为该节点N2,1上的5个时隙的数字。由图3所示的节点N2,1所生成的资源的第三估计被示出为节点N2,1和节点N1,1之间的边上的6个时隙的数字。
节点N2,2与其子代N3,3之间的边具有等于1的(时隙)权重,该权重表示子节点N3,3向其父代N2,2发送其子代数据所需的资源的第一估计。节点N2,2与其子代N3,4之间的边具有等于2的(时隙)权重,该权重表示子代N3,4向其父节点N2,2发送其子代数据所需的资源的第一估计。父节点N2,2能够通过对资源的第一估计进行聚合(例如,求和),基于资源的两个第一估计(权重1和2)来生成资源的第二估计。针对图3所示的父节点N2,2所生成的资源的第二估计被示出为在节点N2,2上的3个时隙的数字。由图3所示的父节点N2,2所生成的资源的第三估计被示出为节点N2,2和节点N1,1之间的边上的2个时隙的数字。
节点N2,7与其子代N3,9之间的边具有等于2的(时隙)权重,该权重表示子代N3,9向其父代N2,7发送其子代数据所需的资源的第一估计。节点N2,7与其子节点N3,10之间的边具有等于3的(时隙)权重,该权重表示子节点N3,10向其父节点N2,7发送其子代数据所需的资源的第一估计。父节点N2,7能够通过对资源的第一估计进行聚合(例如,求和),基于资源的两个第一估计(权重2和3)来生成资源的第二估计。针对图3所示的父节点N2,7所生成的资源的第二估计被示出为节点N2,7上的5个时隙的数字。由图3所示的节点N2,7所生成的资源的第三估计被示出为节点N2,7和节点N1,3之间的边上的4个时隙的数字。
节点N2,3(相应地N2,4、N2,5和N2,6)与其子代N3,5(相应地N3,6、N3,7和N3,8)之间的边具有等于2(相应地为4、1、3)的(时隙)权重,该权重表示子代N3,5(相应地N3,6、N3,7和N3,8)向其父节点N2,3(相应地N2,4、N2,5和N2,6)发送其子代数据所需的资源的第一估计。在这种情况下,父节点N2,3(相应地N2,4、N2,5和N2,6)仍可以通过重用资源的第一估计,基于资源的第一估计(权重2、4、1和3)生成资源的第二估计。针对图3所示的父节点N2,3(相应地N2,4、N2,5和N2,6)所生成的资源的第二估计被示出为节点N2,3(相应地N2,4、N2,5和N2,6)上的2个时隙(相应地为4、1、3)的数字。由图3所示的节点N2,3(相应地N2,4、N2,5和N2,6)所生成的资源的第三估计被示出为节点N2,3和节点N1,2之间(相应地节点N2,4和节点N1,2之间、节点N2,5和节点N1,2之间、以及节点N2,6和节点N1,3之间)的边上的4个时隙(相应为3、2和2个时隙)的数字。
对于图3所示的深度级为1的节点(节点N1,1、N1,2和N1,3),如上所述,节点N1,1与其子节点N2,1之间的边具有等于6的(时隙)权重,从父节点N1,1的角度来看,该权重表示子节点N2,1向其父代N1,1发送其子代数据所需的资源的第一估计,并且从子节点N2,1的角度来看,该权重表示子节点N2,1向其父节点N1,1发送从其自己的子节点(节点N3,1和N3,2)所收集的数据以及根据实施方式的、视情况而定的其自身数据所需的资源的第三估计。资源的这种第三估计可以基于子节点N2,1相对于其自身的子节点(N3,1和N3,2)处于父节点的位置时所获得的资源的上述第二估计,依据实施方式基于子节点N2,1可能计划向其父节点N1,1发送的可能数据,以及也依据实施方式基于节点N2,1和其父代N1,1之间的通信链路的质量来生成。具体地,在该示例中,估计需要6个时隙来发送数据,针对该数据,已经估计发送要从子节点N3,1和N3,2收集的数据需要5个时隙(表示3个时隙和2个时隙的聚合的资源的第二估计)。换句话说,针对充当父代的节点N2,1,生成用于发送其子节点数据的资源的第二估计(5个时隙),然而,估计出为了发送这种子节点数据,或者依据实施方式为了发送这种子节点数据以及其自身数据,该节点需要更高数量的资源(资源的第三估计,在此示例性情况下等于6个时隙)。
如上所述,节点N1,1与其子节点N2,2之间的边具有等于2的(时隙)权重,从父节点N1,1的角度来看,该权重表示子节点N2,2向其父代N1,1发送其子代数据所需的资源的第一估计,并且从子节点N2,2的角度来看,该权重表示子节点N2,2向其父节点N1,1发送从其自身子节点(节点N3,3和N3,4)收集的数据以及依据实施方式的、视情况而定的其自身数据所需的资源的第三估计。资源的这种第三估计可以基于子节点N2,2相对于其自身的子节点(N3,3和N3,4)处于父节点的位置时所获得的资源的上述第二估计,依据实施方式基于子节点N2,2可能计划向其父节点N1,1发送的可能数据,以及也依据实施方式基于节点N2,2与其父代N1,1之间的通信链路的链路质量来生成。具体地,在该示例中,估计发送数据需要2个时隙,对于该数据,已经估计出发送要从子节点N3,3和N3,4收集的数据需要3个时隙(表示1个时隙和2个时隙的聚合的资源的第二估计)。换句话说,针对充当父代的节点N2,2,生成用于发送其子节点数据的资源的第二估计(3个时隙),然而,估计出为了发送这种子节点数据,或者依据实施方式为了发送这种子节点数据及其自身的数据,该节点需要更少数量的资源(资源的第三估计,在此示例性情况下等于2个时隙)。
在一个或更多个实施方式中,在相同深度级的父节点处执行的数据收集可以并行执行。在以并行方式在所有相关节点处执行针对给定深度级的数据收集的实施方式中,完成在阶段n(即,对于给定深度级n)的所有并行数据收集所需的资源(例如,时隙数量)可以被确定为在深度级n的父节点处收集数据所需的资源的各个估计(例如,时隙的数量)当中的最大值(例如,最大数量)。实际上,最受约束的数据收集将是花费最大资源量的数据收集(例如,对于时间资源而言,花费时间最长的数据收集)。
在一些实施方式中,可以通过向集中器提供所有确定的时隙数量(对应于它们可能已经确定的所有链路),以集中方式获得针对深度n的所有父代的资源的最大估计(例如,最大时隙数量)。
在其它实施方式中,路由算法的树结构可以有利地用于按照如图3所示的基于深度级的阶梯方式,从距集中器最远的节点向集中器传播与各个子树相对应的资源的最大估计(例如,最大数量)。可以使用在配置期间相对于它们作为根的子树而充当父代的每个节点处计算出的资源的第二估计,来有利地获得资源的这些最大估计。
也就是说,在一些实施方式中,所提出的配置方法可以包括:从多个子节点接收由在共同深度级的节点发送数据所需的资源的各个估计,其中,共同深度级在序列中处于第一深度级之后;以及确定所接收到的资源的估计当中的最大值。所确定的最大值然后可以被转发到父节点,以进行进一步处理。在一些实施方式中,可以由每个节点生成包括分别与相应的深度级相关联的资源的最大估计的数据集。例如,节点可以通过添加相对于其子树所确定的资源的最大估计来更新这种接收到的数据集,并将经更新的数据集转发到其父节点,以进行进一步处理。
在根据用于分配以时隙为单位表示的时间资源的TDMA结构来管理数据收集的实施方式中,深度为n的每个父节点可以考虑到其为根的子树,来获得收集子树中从n+1到D(D是树的最大深度级)的任何深度的节点的所有数据所需的最大数量的时隙。然后,深度n-1的每个父代可以从其子节点(其节点是深度为n的父代)获得这些值,并计算与从n到D的每个深度相对应这些值当中的最大值(在一些实施方式中可以形成D-n个值的向量以存储这些最大值)。深度n-1的父代还可以获得从深度为n的子代收集净荷所需的时隙数量,并且可以对这些值进行聚合(例如,求和),并使用所得数量作为深度n-1的时隙数量(该所得数量可以附加到D-n个值的向量)。因此,深度n-1的每个父代可以确定从深度n到D的节点收集该父代所管理的子树的全部数据所需的时隙数量。通过递归地应用此方法直到达到深度0(即,集中器的深度级),集中器可以确定将专用于每个深度级的数据收集(即,针对数据收集的每个阶段)的时隙数量。
返回图3,节点中所示的数字分别表示在由各个节点在处于父代模式时所管理的子树中数据收集的每个阶段所需的时隙数量。如以上所指示的,节点中示出的第一个数字(或视情况可以是,针对节点所指示的唯一数字)对应于资源的第二估计,在所例示的示例中,第二估计对应于从该节点的子节点收集数据所需的时隙的各个(第一)估计的总和。以下数字表示子树中的每个深度所需的最大时隙数量。
具体而言,对于图3所示深度级1的节点(节点N1,1、N1,2和N1,3),每个节点中所指示的第二个数字对应于从各个子节点接收到的资源的第二估计(估计出的时隙的聚合数量)当中的最大数量,该资源的第二估计对应于发送要在深度级2收集的数据所需资源的估计。例如,节点N1,1将从其子节点N2,1接收由这样的节点所确定的资源的第二估计(资源的第一估计的聚合)(在节点N2,1上被示出为5个时隙的数字),并且将从其子节点N2,2接收由这样的节点所确定的资源的第二估计(资源的第一估计的聚合)(在节点N2,2上被示出为3个时隙的数字)。假设在相同深度级的节点处并行地执行数据收集,则这两个聚合数量(即,资源的这两个第二估计)之间的最大值将表示从以节点N1,1为根的子树中的节点收集所有数据所需的时隙数量:给定节点N2,1从其子节点收集数据需要5个时隙,并且节点N2,2从其子节点收集数据需要3个时隙,则可以确定在以节点N1,1为根的子树中由深度级1+1的节点收集数据需要max(3,5)(即,最多5)个时隙。在一个或更多个实施方式中,在节点N1,1处确定该最大数量。在针对深度2的所有父代确定时隙的最大数量的分布式实现中,该最大数量也可以通过由节点N1,1发送到其直接父节点(在图3所示的示例中为集中器节点N0)而朝向集中器节点传播。
与节点N1,1一样,节点N1,2将从其子节点N2,3(相应地N2,4和N2,5)接收由这样的节点所确定的资源的第二估计(资源的第一估计的聚合)(在节点N2,3(相应地N2,4和N2,5)上示出为2(分别为4和1)个时隙的数字)。这些聚合数量(即,资源的这两个第二估计)(2、4和1)当中的最大值将表示从以节点N1,2为根的子树中的节点收集所有数据所需的时隙数量:给定节点N2,3从其子节点收集数据需要2个时隙,节点N2,4从其子节点收集数据需要4个时隙,并且节点N2,5从其子节点收集数据需要1个时隙,则可以确定在以节点N1,2为根的子树中由深度级1+1的节点收集数据需要max(2,4,1)(即,最多4)个时隙。在一个或更多个实施方式中,在节点N1,2处确定该最大数量。在针对深度2的所有父代确定时隙的最大数量的分布式实现中,该最大数量也可以通过由节点N1,2发送到其直接父节点(在图3所示的示例中为集中器节点N0)而朝向集中器节点传播。节点N1,3将从其子节点N2,6(相应地N2,7)接收由这种节点所确定的资源的第二估计(资源的第一估计的聚合)(在子节点N2,6(相应地N2,7)上被示出3个(相应地5个)时隙的数字)。这些聚合数量(即,资源的这两个第二估计)(3和5)当中的最大值将表示从以节点N1,3为根的子树中的节点收集所有数据所需的时隙数量:给定节点N2,6从其子节点收集数据需要3个时隙,并且节点N2,7从其子节点收集数据需要5个时隙,则可以确定在以节点N1,3为根的子树中由深度级1+1的节点收集数据需要max(3,5)(即,最多5)个时隙。在一个或更多个实施方式中,在节点N1,2处确定该最大数量。在针对深度2的所有父代确定时隙的最大数量的分布式实现中,该最大数量也可以通过由节点N1,3发送到其直接父节点(在图3所示的示例中为集中器节点N0)而朝向集中器节点传播。
分别与针对以深度级1的三个节点为根的子树从深度级2的节点收集数据所需的时隙数量对应的时隙的这三个最大数量(在图3所示的示例中为5、4和5)可以被传播到集中器节点,使得可以确定收集深度级2的节点的所有数据所需的资源的最大估计(时隙的最大数量)。可以基于由集中器节点针对级2接收的数据(包括时隙的三个最大数量),将深度级2的时隙的此类数量确定为接收到的数据当中的时隙的最大数量。在图3所示的示例中,可以确定在整个树中由深度级2的节点收集数据将需要max(5,4,5)(即,最多5)个时隙。
对于图3所示的深度级0的节点(集中器节点N0,1),该节点中所示的第一个数字(16个时隙)对应于由其子节点(N1,1、N1,2和N1,3)发送它们的数据分别所需的时隙的估计数量(7、5和4个时隙),时隙的这些估计数量是从这些子节点接收的。节点中所示的第二个数字(9个时隙)对应于由其子节点传播的、分别与发送要在深度级1收集的数据所需资源的估计对应的时隙的估计数量(8、9和6)当中的最大数量。节点中所示的第三个数字(5个时隙)对应于由其子节点传播的、分别与发送要在深度级2收集的数据所需资源的估计对应的时隙的估计数量(5、4和5)当中的最大数量。
因此,为了向集中器节点传播在树中各个深度级进行数据收集所需的时隙数量,深度级n的每个节点生成时隙数量的列表(可以存储为矢量),所述时隙数量是在以该节点为根的子树中在深度级n、n+1、…、D(D是子树中的最高深度级,或者依据实施方式是整个树中的最高深度级,并且集中器节点被指配给树中的最小级)进行数据收集所需的时隙数量。
例如,图3所示的树(D=3)的集中器节点(深度级为0)生成长度(维数)与D-0相同的列表或向量[16,9,5],节点N1,1(深度级1)生成长度(维数)与D-1相同的列表或向量[8,5],节点N1,2(深度级1)生成列表或向量[9,4],节点N1,3生成列表或向量[6,5],并且深度级2的节点N2,1(相应地N2,2、N2,3、N2,4、N2,5、N2,6和N2,7)生成长度(维数)与D-2相同的列表或向量[5](相应地[3]、[2]、[4]、[1]、[3]和[5])。
图4示出了在以深度级n的节点为根的子树中按照深度级收集数据分别所需的时隙数量的自下而上传播(即,朝向集中器节点)的示例性过程(20)。
如图4所示,父节点(处于深度级n)从其子节点获得(21)在以该父节点为根的子树中由深度级(n+1、…、D)的节点收集数据所需的时隙数量的估计的各个列表。
父节点还获得(22)从其子节点收集数据所需的时隙数量的各个估计(如上所述,依据实施方式,这样的估计能够在父节点或各个子节点处确定),并确定其自身从其子节点收集数据所需的时隙数量,即,在其自身的深度级n收集数据所需的时隙数量。
然后,父节点可以基于在以该父节点为根的子树中在深度级(n+1、…、D)的节点收集数据所需的时隙数量的估计的各个列表、以及由其自身(即,在其自身的深度级n)从其子节点收集数据所需的时隙数量的估计,来生成(23)在深度级(n、n+1、…、D)的节点收集数据所需的时隙数量的估计的列表,该列表的每个项对应于在子树的各个深度级的节点收集数据所需的时隙数量的估计。
由父节点向其自己的父节点(位于深度级n-1)发送(24)在以该父节点为根的子树中在深度级(n、n+1、…、D)的节点收集数据所需的时隙数量的列表,并且例如作为循环的一部分,针对在深度级n-1然后是深度级n–2等等的节点,可以重复图4所示的过程,直到达到集中器节点的级(例如,级0)。
如以上参照图3和图4所描述的,在一些实施方式中,可以根据循环(即,在数据收集配置循环的迭代中)执行本主题公开的数据收集配置。例如关于网络中处于树的相同深度级的节点,可以在循环的每次迭代执行根据本主题公开的一个或更多个实施方式的数据收集配置。另外,如以上所描述的,在树的节点处的数据收集的配置可以涉及多个后续配置实例,例如,在后续实例中针对其也执行数据收集的节点的情况下,节点向其父节点发送其自己数据的一个实例,以及节点向其父节点发送从其子节点收集的数据的另一实例。
在一个或更多个实施方式中,一旦确定了针对树的每个深度级所需的时隙的数量估计并且在集中器节点处获得了该估计,则集中器可以在整个网络中广播该结果(其可以存储为向量,其每个分量对应于树的各个深度级所需的时隙数量)。
然后,所提出的配置方法可以进一步包括:在树的根节点处向树的节点发送数据集,该数据集包括:针对树的每个深度级,由所述每个深度级的节点发送数据所需的资源的最大估计。数据集可以是包括资源的相应最大估计(所需时隙的数量)和深度级的集合的阵列(例如,矩阵)。
图5示出了在一个或更多个实施方式中在集中器节点处执行的操作(30)。
如图5所示,在一个或更多个实施方式中,树的各个深度级所需的时隙数量的估计的、由集中器进行的自上而下传播可以包括:从其子节点获得(31)由树中的除集中器的深度级之外的所有深度级(即,假设集中器处于深度级0,则深度级1、…D,其中D是树中的最高深度级)处的节点收集数据所需的时隙数量的各个列表。
集中器节点还获得(32)从其子节点收集数据所需的时隙数量的各个估计(如上所述,依据实施方式,可以在集中器节点或在各个子节点处确定这样的估计),并确定自身从其子节点收集数据所需的时隙数量,即,在其自己的深度级0收集数据所需的时隙数量。
然后,集中器节点可以基于由在深度级(11、…、D)的节点收集数据所需的时隙数量的估计的各个列表、以及由其自身(即,在其自己的深度级0)从其子节点收集数据所需的时隙数量的估计,来生成(33)在树的所有深度级(0、1、…、D)收集数据所需的时隙数量的估计列表,列表的每一项对应于在树的各个深度级收集数据所需的时隙数量的估计。
在一个或更多个实施方式中,在树的各个深度级处收集数据所需的时隙数量的估计的列表可以被包括在上述的第一数据收集配置数据中。
在一个或更多个实施方式中,集中器节点可以广播(34)在树的各个深度级处收集数据所需的时隙数量的估计的列表,使得树的所有节点可以接收该列表。
相关领域的普通技术人员将理解,代替仅作为示例给出的图5中所使用的广播传输,可以使用针对网络中参与数据收集以接收第一数据收集配置数据的每个节点的任何合适的传输方案,该第一数据收集配置数据包括在树的各个深度级收集数据所需的时隙数量的估计的列表,诸如,例如单播或组播该第一数据收集配置数据。
在一个或更多个实施方式中,一旦网络的节点接收到用于每个阶段(即,用于每个深度级)的时隙数量的估计,那么该节点可以获得以下信息项中的一项或更多项:(1)作为每个阶段(深度级)中的全部时隙数量之和的完整数据收集的时隙总数量;(2)该节点充当父代的阶段(深度级)(即,在深度级序列中紧随在其自身深度级之后的深度级)的时隙数量;(3)该节点在转变为父代之前必须等待的时隙数量;以及(4)该节点在转变为子代之前必须等待的时隙数量。
如果所述节点处于深度级n,则它可能不知道在与其深度级相对应的数据收集阶段n期间它何时能够发送其数据以及在多少时隙期间进行发送。因此,在一个或更多个实施方式中,从每个父代向其每个子节点提供信令,该信令携带包括用于收集数据的调度数据的第二数据收集配置数据。例如,该调度数据可以包括给其每个子节点的用于其数据传输的时隙分配,即,每个子节点传输的调度。在一些实施方式中,这样的调度可以以轮询(round robin)方式在用户之间执行,即,通过在用户之间一个接另一个地分配资源,直到达到收集数据所需的时隙总数量。在另一方法中,与从第一子代收集数据所需的时隙数量相对应的时隙的第一集合与所述第一子代相关联,依此类推。依据实施方式,可以使用任何合适的调度方案,诸如轮询调度算法、比例公平调度算法、最大吞吐量调度算法等。
因此,利用所提出的数据收集结构,可以有利地定义高级别调度,以根据数据收集树中的环深度级来激活每个子树处的数据收集。如以上所讨论的,这有利地减少了用于调度子树的信令。
另外,通常在给定数据收集阶段的时隙数量估计当中的最高数量不是来自子节点的数据收集的情况下,可能发生针对该给定数据收集阶段(对应于给定深度级)所分配的时隙数量大于将从子节点收集的数据转发到它们父代(即,在给定深度级)所需的时隙的聚合数量。例如,参照图3,深度级2的节点的所有数据收集所需的时隙的最大数量(其将等于max(5,3,2,4,1,3,5),即等于5)应高于在以节点N1,2为根的子树中深度级2的节点的所有数据收集应需要的时隙的局部最大数量(其应等于max(2,4,1),即等于4)。在这种情况下,父节点可以被配置为总是使用所有可用时隙,这对于降低每个链路的数据速率以在所有子代传输之间达到错误率的平衡可以是有利的。
图6示出了在图3的示例性网络上根据一个或更多个实施方式执行的示例性数据收集。
如上所述,在一个或更多个实施方式中,第一数据收集配置数据是由网络中要参与数据收集方案的每个节点获得的。在一些实施方式中,第一数据收集配置数据可以包括以下将更详细地描述的半静态配置参数。依据实施方式,这种第一数据收集配置数据可以由节点从集中器节点(例如,通过在第一数据收集配置数据的网络中的广播)或从其父代获得。一旦要参与数据收集的所有节点已经获得了第一数据收集配置数据,在一些实施方式中可以如下地执行根据本主题公开的数据收集。
在一个或更多个实施方式中,执行数据收集的节点可以在充当父代时收集并聚合包含所述子代、子代的子代等的所有数据在内的其子代的净荷,直至达到树的最大深度。在一些实施方式中,如果节点具有在该收集期间要发送的数据,则该节点还可以将其自身的数据聚合到所述净荷。
在数据收集的每个阶段n中,对于包括父节点及其子节点的节点的每个集合,可以生成第二数据收集配置数据,该第二数据收集配置数据包括用于执行从子节点向它们父代的TDMA传输的传输时间资源。在一些实施方式中,可以根据干扰协调参数(如果有的话)来生成传输时间资源。
在给定深度级的数据收集使用利用针对每个子节点发送其净荷数据分配的时隙资源的TDMA多址接入方案的实施方式中,针对数据收集的阶段n(即,由网络中深度级n的节点所进行的数据收集)所生成的传输时间资源可以对应于在配置阶段期间所获得的树的各个深度级处收集数据所需的时隙数量的估计。
例如,参照图6,用于深度级2的数据收集(数据收集的阶段2,对应于深度级2的父节点从其子节点收集数据)的传输时间资源可以包括5个时隙,用于深度级1的数据收集(数据收集的阶段1,对应于深度级1的父节点从其子节点收集数据)的传输时间资源可以包括9个时隙,并且用于深度级0的数据收集(数据收集的阶段0,对应于深度级0的集中器节点从其子节点收集数据)的传输时间资源可以包括16个时隙。
然后,例如,在一个或更多个实施方式中,如本文所描述的,可以根据每个传输时间资源内的TDMA配置,使用用于调度每个节点的子节点的数据传输的多址接入方案,针对在深度级n的节点并行地收集数据。
在一些实施方式中,一旦父节点已经从其子节点收集了数据,它可以将其自身的数据聚合到从其子节点收集的数据中。
在阶段0期间,即,对于由集中器节点执行的数据收集,集中器可以从其自己的子节点收集数据,这有利地导致从网络中的所有节点收集各自的净荷数据。
因此,有利地,针对树的相同深度级的节点并行地执行数据收集,这减少了其时延并提高了其效率。
如图6所示,节点N2,1在阶段2的传输时间资源的前3个时隙期间从其子节点N3,1收集数据,然后在阶段2的传输时间资源的最后2个时隙期间从其子节点N3,2收集数据。在阶段2的相同传输时间资源期间,节点N2,2在阶段2的传输时间资源的第一个时隙期间从其子节点N3,3收集数据,然后在阶段的传输时间资源的随后2个时隙期间从其子节点N3,4收集数据,节点N2,3在阶段2的传输时间资源的前2个时隙期间从其子节点N3,5收集数据,节点N2,4在阶段2的传输时间资源的前4个时隙期间从其子节点N3,6收集数据,节点N2,5在阶段2的传输时间资源的第1个时隙期间从其子节点N3,7收集数据,节点N2,6在阶段2的传输时间资源的前3个时隙期间从其子节点N3,8收集数据,并且节点N2,7在阶段2的传输时间资源的前2个时隙期间从其子节点N3,9收集数据,然后在阶段2的传输时间资源的最后3个时隙期间从其子节点N3,10收集数据。
在阶段1的传输时间资源(9个时隙的持续时间)内,节点N1,1在阶段1的传输时间资源的前6个时隙期间从其子节点N2,1收集数据,然后在阶段1的传输时间资源的随后2个时隙期间从其子节点N2,2收集数据(因此,仅使用阶段1的传输时间资源的9个时隙中的8个),节点N1,2在阶段1的传输时间资源的前4个时隙期间从其子节点N2,3收集数据,在阶段1的传输时间资源的随后3个时隙期间从其子节点N2,4收集数据,然后在阶段1的传输时间资源的最后2个时隙期间从其子节点N2,5收集数据(因此,使用阶段1的传输时间资源的所有9个时隙),并且节点N1,3在阶段1的传输时间资源的前2个时隙期间从其子节点N2,6收集数据,然后在阶段1的传输时间资源的随后4个时隙期间从其子节点N2,7收集数据(因此,仅使用阶段1的传输时间资源的9个时隙中的6个)。
在阶段0的传输时间资源(16个时隙的持续时间)内,集中器节点N0在阶段0的传输时间资源的前7个时隙期间从其子节点N1,1收集数据,在阶段0的传输时间资源的随后5个时隙期间从其子节点N1,2收集数据,然后在阶段0的传输时间资源的最后4个时隙期间从其子节点N1,3收集数据。
在相同阶段期间的数据收集(在与数据收集阶段相对应的深度级的父节点之间)并行执行的实施方式中,特别是在数据收集中所涉及的、充当子节点并因此向它们各自的父节点发送数据的节点在地理位置上彼此靠近的情况下,如图7A所示,可能发生干扰。
图7A上的虚线例示了相同深度级的节点之间发生的干扰。例如,从子节点N2,3向其父节点N1,1的数据发送被示出为干扰了从子节点N2,5向其父节点N1,3的数据发送。
对抗此类干扰的常规方法是在发送器之间分配正交资源。在一些实施方式中,可以分配正交时间资源,即,可以在时域中在发送器之间分配这样的正交资源。但是,在时域中分配正交资源将导致数据收集时延增加,这是因为发送将不再是并行的。
在若干个频率信道在网络中可以用作传输资源的其它实施方式中,相同深度级的父节点可以被配置为在可能以预定频率间隔分开的、不同频率信道上接收,从而不会发生干扰。子节点也可以被配置为在这样的不同频率信道上进行发送。例如,子节点可以被配置为在ISM频带中发送5MHz信号,其中能够使用5MHz带宽的16个不同频率信道。
在这样的实施方式中,可以根据相同深度级n的哪两个相邻父代不使用相同频率信道来使用频率规划。由于相同深度级的一对相邻父代很可能是相同父节点的子节点,因此对于深度级n的节点,能够由深度级n-1的它们各自的父代执行该频率规划,如图7B所示。如果父节点具有K个子代,并且存在L>K-1个信道,则父节点能够在L个信道中选择K个不同的信道。
因此,每个父代还可以向其每个子节点提供不同的频率信道作为长期配置参数,并且在一个或更多个实施方式中,每个子树主控方可以为由其子代所管理的子树定义频率规划。这有利于子树间干扰管理具有提高的效率。
然而,如果两个或更多个节点仍然受到干扰,则能够由父节点例如通过为遭受干扰的子节点随机地选择新的频率信道,来动态调整频率规划。可以使用更稳健的图形着色(graph coloring)算法来确保不留有干扰。例如,在一些实施方式中,父节点可以协调由它的子节点所管理的频率规划,它的子节点针对频率规划相对于它们自己的子节点而充当父节点。
在一个或更多个实施方式中,可以通过针对两个或多个深度级执行并行数据收集来进一步减少数据收集时延。可以优选地选择用于执行并行数据收集的深度级候选,使得并行数据收集不会产生影响数据收集的干扰。这通过使用根据本主题公开的基于环的数据收集阶段而成为可能。
在一些实施方式中,可以认为,只要两个环在深度级序列中具有彼此足够不同的深度索引,则两个环的两个节点之间的相应距离就足以提供足够的隔离,这将使得两个节点的传输所产生的干扰水平低。
图8例示了几个环的并行数据收集,并示出了从外环到集中器的数据收集需要6个并行数据收集阶段。在第一并行数据收集阶段,针对深度级6以及针对深度级3并行地执行数据收集(即,使用相同的传输时间资源)。即,以并行方式,从深度级6(对应于上述实施方式的阶段5)的节点收集数据并从深度级3(对应于上述实施方式的阶段2)的节点收集数据。在随后的第二并行数据收集阶段期间,针对深度级5以及针对深度级2并行地执行数据收集。在第三并行数据收集阶段(其跟随在第二并行数据收集阶段之后),针对深度级4和1并行地执行数据收集。在第四并行数据收集阶段期间,针对深度级3并行地执行数据收集,该数据收集仅由父节点中继信息组成,这是因为在第一并行数据收集阶段期间已经收集了父节点自身的数据。在第五并行数据收集阶段期间,针对深度级2并行地执行数据收集,该数据收集仅由父节点中继信息组成,这是因为在第二并行数据收集阶段已经收集了父节点自己的数据。最后,集中器在最后的并行数据收集阶段期间收集在第三并行数据收集阶段期间未接收的所有其余数据。在此示例中,深度1、2和3的环在第三并行数据收集阶段结束时已经被收集,并且在第四并行数据收集阶段开始时不存在要从这些深度级收集的数据。因此,相对于应该附加深度3、2和1的节点的数据的实施方式,减少了在后续并行数据收集阶段(在图8的示例中,第四并行数据收集阶段、第五并行数据收集阶段和第六并行数据收集阶段)中向集中器转发数据的时隙数量。
在一些实施方式中,进一步有利地,允许在几个环足够分开的情况下,通过同时进行几个环的数据收集(例如,同时激活环1和环4),来改善时频重用的协调和控制(冲突和干扰的控制),这允许减少数据收集时间。
在并行地执行两个或更多深度级的数据收集的这些实施方式中,集中器节点可以配置为并行地运行几个配置阶段。每个元阶段处理由集中器为了启动配置阶段而广播的深度子集的收集。
可以根据上述不存在并行环收集的实施方式来执行数据收集和配置,唯一的区别在于如果节点不属于该元阶段的深度的集合,则该节点就像它没有要在系统中发送的自身数据那样工作。这意味着它在信令阶段期间不会因为其自身的数据净荷而增加要转发的净荷,并且在配置阶段不会向净荷附加其数据。
在一些实施方式中,元阶段可以通过所收集的深度的索引来表征。例如,对于图8,两个元阶段是{1,2,3}和{4,5,6}。每个节点可以从元阶段向量推导出其角色:元阶段向量中的最大数量是并行数据收集阶段的数量(在示例中为6)和第一数据收集配置向量的长度。例如,深度3的节点知道:因为3属于第一元阶段,因此它将在第一并行数据收集阶段发送其数据,并且在第三并行数据收集阶段中继信息而不附加其数据。在实施方式中,对于元阶段向量{p1,p2,...,pm},深度d的节点可以在第max(p1,p2,...,pm)-d并行数据收集阶段期间被激活为父代。在元阶段向量的最大深度的节点可能永远不会被激活为父代。对于元阶段向量{p1,p2,...,pm}表征的元阶段,大于max(p1,p2,...,pm)的深度d的节点可能永远不会发送其自身数据。
此外,在一些实施方式中,针对第一并行数据收集阶段期间的环3和6的并行收集、第二并行数据收集阶段的环2和5的并行收集以及第三并行数据收集阶段期间的环1和4的并行收集而定义的时隙数量必须是针对每个数据收集独立定义的时隙数量当中的最大数量。因此,在已经并行地接收到用于每个并行数据收集的配置之后,集中器节点可以确定与阶段中并行数据收集相关联的时隙数量的最大值,并且广播该结果作为第一数据收集配置。因此,对于给定的元阶段配置,在一些实施方式中,集中器接收每个深度的最大时隙数量的向量。然后,集中器在每个元阶段的不同向量当中应用每个深度的最大值,并将所得的向量与元阶段配置一起广播,作为每个阶段应使用的时隙的最终数量。从元阶段配置,节点知道应该何时进行接收和发送,以及它们是否应该附加它们自己的数据。
有利地,所提出的方法可以以分布方式来执行,即,由计算机网络中要执行根据本主题公开的实施方式的数据收集的每个节点来执行。
在一个或更多个实施方式中,数据收集配置阶段可以包括以下操作。
C1:以分布式方式,确定每个节点处的聚合数据的净荷。例如,每个节点确定在其充当子节点的数据收集阶段将必须向其父代发送的聚合净荷数据。
C2:以分布式方式,(对于父代和子代之间的每个链路),确定从每个节点向它们的父代转发聚合净荷数据所需的时隙数量的估计:例如,父代然后确定向它自己的父代发送这种净荷(它将从其子节点接收的)以及可能的该父代的净荷所需要的时隙数量的估计。
C3:以半集中方式(每个节点的决策的自下而上传播,以及在集中器的最终决策),确定每个数据收集阶段所需的时隙数量。
C4:由承包商将每个阶段所需的最终时隙数量广播给系统中的所有节点。
C5:以分布方式(由每个父代),确定每个子节点发送其数据所使用的时隙(每个子节点的调度)。
C6:作为选项,确定每个子代在充当父代时可以使用的干扰协调参数。
在这样的实施方式中,数据收集然后可以包括以下操作。
DC1:在数据收集的每个阶段n中,针对父代及其子代的每个集合,定义用于根据干扰协调参数(如果有的话)执行从子代到它们父代的TDMA传输的帧。
DC2:根据每个帧中的TDMA配置收集数据。
DC3:对于每个父代,将它们自己的数据(如果有的话)聚合到所收集的它们子代的数据中。
DC4:对于集中器,在阶段0期间,收集其子代的所有数据,并从聚合数据中恢复所有节点的数据。
根据本主题公开的另一方面,还提出了一种被配置为在计算机网络中用作网络节点的设备,该设备包括处理器和可操作地联接至处理器的存储器,其中,处理器被配置为执行用于管理计算机网络的以上方法。
图9例示了根据本主题公开的实施方式的被配置为使用网络管理特征的示例性网络节点1。
网络节点1包括控制引擎2、网络管理引擎3、数据通信引擎4、存储器5和电源(例如,电池、插入式电源等)(未在图上示出)。
在图9所示的架构中,网络管理引擎3、数据通信引擎4和存储器5全部通过控制引擎2可操作地彼此联接。
在一个实施方式中,网络管理引擎3被配置为执行本文描述的所提出的用于网络管理的方法的实施方式的各个方面。
在一个实施方式中,数据通信引擎4被配置为接收和发送数据分组,并处理接收到的分组。
控制引擎2包括处理器,该处理器可以是任何合适的微处理器、微控制器、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、数字信号处理芯片和/或状态机、或其组合。根据各种实施方式,一个或更多个计算机可以被配置为具有用于提供并行计算的多个处理器的多处理器计算机。控制引擎2还可以包括计算机存储介质,或者可以与计算机存储介质通信,计算机存储介质诸如但不限于存储器5,并且能够存储计算机程序指令或软件代码,该计算机程序指令或软件代码在由处理器执行时使处理器执行本文描述的元素。另外,存储器5可以是任何类型的数据存储的计算机存储介质,能够存储表示网络节点1所属的计算机网络的数据结构,联接至控制引擎2并且与数据通信引擎4和网络管理引擎3可操作以便于管理和处理与其关联存储的数据分组。
在本主题公开的实施方式中,网络节点1被配置为用于执行本文描述的网络管理方法。
应当理解,参照图9示出和描述的网络节点1仅作为示例来提供。大量其它架构、操作环境和配置也是可以的。节点的其它实施方式可以包括更少或更多数量的组件,并且可以并入参照图9中所示的网络节点组件所描述的一些或全部功能,因此,尽管控制引擎2、网络管理引擎3、数据通信引擎4和存储器5被例示为网络节点1的一部分,但是对组件2-5的位置和控制没有限制。具体而言,在其它实施方式中,组件2-5可以是不同实体或计算系统的一部分。
根据本主题公开的实施方式的优点包括以下。
优化了数据收集时间:路由和调度算法能够基于作为数据收集时间的全局效用函数而做出决策。
高扩展性:该解决方案能够用于少数节点的网络至超过10000个节点的网络。该要求将不允许考虑传统技术的大多数优化解决方案。
低信令:路由和调度信令的开销保持较低。这不是提供最优数据收集时间的传统技术的解决方案的情况。
低成本:所提出的解决方案能够以分布方式实现,同时仍将每个节点的处理复杂度保持在合理水平。
高级物理层感知:所提出的解决方案可与链路自适应和数据聚合机制兼容。
自我修复:简单而反应迅速的配置。
尽管已经在一些优选实施方式的上下文中公开了本发明,但是应该理解,可以在各种其它实施方式中实现系统、装置和方法的一些优点、特征和方面。另外,可以预期的是,本文描述的各个方面和特征可以分开地、组合在一起或彼此替代地实施,并且可以做出特征和方面的各种组合和子组合,并且这些组合和子组合仍然落入本发明的范围内。此外,上述系统和装置并非必须包括优选实施方式中所描述的所有模块和功能。
本文描述的信息和信号能够使用各种不同科技和技术中的任何一种来表示。例如,数据、指令、命令、信息、信号、比特、符号和芯片能够由电压、电流、电磁波、磁场或粒子、光场或粒子或其任意组合来表示。
依据实施方式,本文描述的任何方法的一些动作、事件或功能可以以不同顺序来执行,可以一起添加、合并或省去(例如,并非所有描述的动作或事件都是实现本发明所必需的)。此外,在一些实施方式中,动作或事件可以并行地而不是顺序地执行。
Claims (15)
1.一种用于管理计算机网络的方法,该方法包括以下步骤:在所述计算机网络中的属于与路由树中的第一深度级相对应的一个或更多个网络节点的集合的至少一个网络节点处执行数据收集,所述路由树代表所述计算机网络的节点和分别与所述计算机网络的两个节点之间的相邻关系相对应的边,并且根据所述路由树,从所述节点向所述计算机网络的根节点发送数据,所述第一深度级与所述路由树中的所述集合中的节点与所述根节点之间的边的数量相对应,所述数据收集包括以下步骤:
从所述计算机网络的所述路由树中的所述至少一个网络节点的父节点接收第一数据收集配置数据,其中,所述父节点对应于所述路由树中的在所述路由树的深度级序列中位于所述第一深度级之前的深度级,并且其中,所述第一数据收集配置数据包括在与所述路由树的所述第一深度级相对应的节点处收集数据所需的资源的估计;
基于所述第一数据收集配置数据,生成用于从所述计算机网络的所述至少一个网络节点的在所述路由树中的至少一个子节点处收集数据的第二数据收集配置数据,其中,所述第二数据收集配置数据包括用于从所述至少一个子节点中的每一个收集数据的调度数据,并且其中,所述至少一个子节点对应于所述路由树的第二深度级,所述第二深度级在所述路由树的所述深度级序列中紧接在所述第一深度级之后;以及
根据所述第二数据收集配置数据,从所述至少一个子节点中的每一个收集数据。
2.根据权利要求1所述的方法,其中,所述数据收集还包括以下步骤:当在所述数据收集中充当子节点时:向直接父节点发送所收集的数据,其中,所述直接父节点对应于所述路由树的在所述路由树的所述深度级序列中紧接在所述第一深度级之前的深度级。
3.根据权利要求1和2中任一项所述的方法,其中,所述数据收集还包括以下步骤:当在所述数据收集中充当子节点时:向直接父节点发送所生成的数据,其中,所述直接父节点对应于所述路由树的在所述路由树的所述深度级序列中紧接在所述第一深度级之前的深度级,并且其中,所生成的数据包括在所述至少一个网络节点处获得的除所收集数据之外的数据。
4.根据权利要求1至3中任一项所述的方法,其中,所述第一数据收集配置数据是从所述根节点接收的,并且包括从与所述路由树的每个深度级相对应的节点收集数据所需的资源的各个估计。
5.根据权利要求1至4中任一项所述的方法,其中,所述第一数据收集配置数据包括以时隙为单位表示的、从与所述路由树的所述第一深度级相对应的节点收集数据所需的时间资源的估计。
6.根据权利要求1至5中任一项所述的方法,其中,生成所述第二数据收集配置数据的步骤包括:根据时分多址TDMA方案,确定要从所述至少一个子节点中的每一个收集数据的各个传输时间资源,其中,所述各个传输时间资源被包含在所述调度数据中。
7.根据权利要求3和4中任一项所述的方法,其中,所述各个传输时间资源以时隙为单位来表示。
8.根据权利要求1至7中任一项所述的方法,该方法还包括以下步骤:执行数据收集循环的迭代,其中,在所述循环的每次迭代中,将循环深度级更新为所述序列中的下一深度级,并且在与所述下一深度级相对应的每个节点处执行所述数据收集,所述循环中的第一次迭代对应于所述序列中距所述根节点的根深度级最远的初始循环深度级。
9.根据权利要求1至8中任一项所述的方法,其中,该方法还包括以下步骤:在执行所述数据收集之前:
从所述至少一个网络节点的在所述路由树中的至少一个直接子节点接收各个第一配置数据,其中,所述至少一个直接子节点对应于所述路由树的第二深度级,所述第二深度级在所述路由树的深度级序列中紧接在所述第一深度级之后;
基于所接收到的第一配置数据生成第二配置数据。
10.根据权利要求9所述的方法,该方法还包括以下步骤:向直接父节点发送第二配置数据,其中,所述直接父节点对应于所述路由树的在所述路由树的所述深度级序列中紧接在所述第一深度级之前的深度级。
11.根据权利要求1至10中任一项所述的方法,该方法还包括以下步骤:根据权利要求1至10中任一项,与在对应于所述第一深度级的所述至少一个网络节点处执行的所述数据收集并行地执行在对应于第二深度级的至少一个网络节点处的第二数据收集。
12.一种设备,该设备包括处理器、能操作地联接到所述处理器的存储器、以及在计算机网络中进行通信的网络接口,其中,所述设备被配置为执行根据权利要求1至11中任一项所述的方法。
13.一种利用可执行指令编码的非暂时性计算机可读介质,所述可执行指令在被执行时使包括与存储器能操作地联接的处理器的设备执行根据权利要求1至11中任一项所述的方法。
14.一种计算机程序产品,该计算机程序产品包括有形地体现在计算机可读介质中的计算机程序代码,所述计算机程序代码包括指令,以在被提供给计算机系统并被执行时使计算机执行根据权利要求1至11中任一项所述的方法。
15.一种数据集,该数据集通过压缩或编码表示根据权利要求14的计算机程序。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18306057.3A EP3606280B1 (en) | 2018-08-02 | 2018-08-02 | Method for managing a network and apparatus for implementing the same |
EP18306057.3 | 2018-08-02 | ||
PCT/JP2019/028183 WO2020026821A1 (en) | 2018-08-02 | 2019-07-09 | Method and apparatus for managing network |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112470547A true CN112470547A (zh) | 2021-03-09 |
CN112470547B CN112470547B (zh) | 2023-11-03 |
Family
ID=63364028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980049541.4A Active CN112470547B (zh) | 2018-08-02 | 2019-07-09 | 用于管理网络的方法及设备 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11516121B2 (zh) |
EP (1) | EP3606280B1 (zh) |
JP (1) | JP7142727B2 (zh) |
CN (1) | CN112470547B (zh) |
PH (1) | PH12021550209A1 (zh) |
WO (1) | WO2020026821A1 (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6927072B2 (ja) * | 2018-02-08 | 2021-08-25 | 日本電信電話株式会社 | 経路選択装置、経路選択方法及びプログラム |
EP3606280B1 (en) * | 2018-08-02 | 2022-10-05 | Mitsubishi Electric R&D Centre Europe B.V. | Method for managing a network and apparatus for implementing the same |
CN110839221B (zh) * | 2019-11-04 | 2022-02-11 | 大连大学 | 节点数据传输方法 |
US11044682B1 (en) * | 2020-03-10 | 2021-06-22 | Cisco Technology, Inc. | Localized optimization of isolated sub-DAG based on edge node parenting and distributed density based optimization |
CN111245663B (zh) * | 2020-03-16 | 2023-04-21 | 国网四川省电力公司成都供电公司 | 一种视频监控网络动态构建方法 |
CN112584360B (zh) * | 2020-12-06 | 2022-02-01 | 广州技象科技有限公司 | 基于数据时延的组网传输方法、装置、设备和存储介质 |
CN112804292B (zh) * | 2020-12-22 | 2022-11-11 | 珠海中慧微电子有限公司 | 一种电表台区识别方法 |
CN113660638B (zh) * | 2021-07-11 | 2023-03-24 | 西北工业大学 | 适用于无线航空电子内部通信网络的网络资源调度方法 |
GB2610431A (en) * | 2021-09-07 | 2023-03-08 | Vodafone Group Services Ltd | Device data retrieval |
US20230099510A1 (en) * | 2021-09-27 | 2023-03-30 | International Business Machines Corporation | Network topology monitoring |
CN115835155A (zh) * | 2022-11-24 | 2023-03-21 | 广西电网有限责任公司电力科学研究院 | 一种自取能传感器自组织网络组网方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100296514A1 (en) * | 2006-10-20 | 2010-11-25 | SUNDSTROEM Mikael | Method, device, computer program product and system for representing a partition of n w-bit intervals associated to d-bit data in a data communications network |
US20140119204A1 (en) * | 2012-10-25 | 2014-05-01 | Microsoft Corporation | One-to-many and many-to-one communications on a network |
CN104540173A (zh) * | 2015-01-04 | 2015-04-22 | 河海大学常州校区 | 一种基于树状簇结构的无线传感器网络移动数据收集方法 |
US20160021011A1 (en) * | 2014-07-21 | 2016-01-21 | Cisco Technology, Inc. | Predictive time allocation scheduling for tsch networks |
CN106105319A (zh) * | 2014-03-13 | 2016-11-09 | 飞利浦灯具控股公司 | 用于配置节点设备的方法、网络和节点设备 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6335927B1 (en) * | 1996-11-18 | 2002-01-01 | Mci Communications Corporation | System and method for providing requested quality of service in a hybrid network |
US7428221B2 (en) * | 2004-06-01 | 2008-09-23 | Cisco Technology, Inc. | Arrangement for providing network prefix information from attached mobile routers to a clusterhead in a tree-based ad hoc mobile network |
US7366111B2 (en) * | 2005-04-08 | 2008-04-29 | Cisco Technology, Inc. | Arrangement for providing optimized connections between peer routers in a tree-based ad hoc mobile network |
US7860025B2 (en) * | 2005-06-28 | 2010-12-28 | Cisco Technology, Inc. | Directed acyclic graph discovery and network prefix information distribution relative to a clusterhead in an ad hoc mobile network |
US8874477B2 (en) * | 2005-10-04 | 2014-10-28 | Steven Mark Hoffberg | Multifactorial optimization system and method |
US20150326450A1 (en) | 2014-05-12 | 2015-11-12 | Cisco Technology, Inc. | Voting strategy optimization using distributed classifiers |
US10554560B2 (en) * | 2014-07-21 | 2020-02-04 | Cisco Technology, Inc. | Predictive time allocation scheduling for computer networks |
US9485157B2 (en) * | 2014-07-21 | 2016-11-01 | Cisco Technology, Inc. | Synchronized routing updates for TSCH networks |
JP6538849B2 (ja) | 2015-09-02 | 2019-07-03 | 株式会社東芝 | 時間スロットチャネルホッピング(tsch)macのためのスケジューリングアルゴリズムおよび方法 |
US9979619B2 (en) | 2015-11-24 | 2018-05-22 | Cisco Technology, Inc. | Identifying a source of packet drops in a network |
US10368349B2 (en) | 2017-04-13 | 2019-07-30 | Kabushiki Kaisha Toshiba | Method for assisting bidirectional communication in wireless networks |
EP3606280B1 (en) * | 2018-08-02 | 2022-10-05 | Mitsubishi Electric R&D Centre Europe B.V. | Method for managing a network and apparatus for implementing the same |
EP3606213B1 (en) * | 2018-08-02 | 2020-12-30 | Mitsubishi Electric R&D Centre Europe B.V. | Method for managing a network and apparatus for implementing the same |
-
2018
- 2018-08-02 EP EP18306057.3A patent/EP3606280B1/en active Active
-
2019
- 2019-07-09 CN CN201980049541.4A patent/CN112470547B/zh active Active
- 2019-07-09 WO PCT/JP2019/028183 patent/WO2020026821A1/en active Application Filing
- 2019-07-09 JP JP2020568835A patent/JP7142727B2/ja active Active
- 2019-07-09 US US17/251,438 patent/US11516121B2/en active Active
-
2021
- 2021-01-28 PH PH12021550209A patent/PH12021550209A1/en unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100296514A1 (en) * | 2006-10-20 | 2010-11-25 | SUNDSTROEM Mikael | Method, device, computer program product and system for representing a partition of n w-bit intervals associated to d-bit data in a data communications network |
US20140119204A1 (en) * | 2012-10-25 | 2014-05-01 | Microsoft Corporation | One-to-many and many-to-one communications on a network |
CN106105319A (zh) * | 2014-03-13 | 2016-11-09 | 飞利浦灯具控股公司 | 用于配置节点设备的方法、网络和节点设备 |
US20160021011A1 (en) * | 2014-07-21 | 2016-01-21 | Cisco Technology, Inc. | Predictive time allocation scheduling for tsch networks |
CN104540173A (zh) * | 2015-01-04 | 2015-04-22 | 河海大学常州校区 | 一种基于树状簇结构的无线传感器网络移动数据收集方法 |
Also Published As
Publication number | Publication date |
---|---|
US11516121B2 (en) | 2022-11-29 |
JP2021526763A (ja) | 2021-10-07 |
CN112470547B (zh) | 2023-11-03 |
WO2020026821A1 (en) | 2020-02-06 |
EP3606280B1 (en) | 2022-10-05 |
EP3606280A1 (en) | 2020-02-05 |
US20210250282A1 (en) | 2021-08-12 |
JP7142727B2 (ja) | 2022-09-27 |
PH12021550209A1 (en) | 2021-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112470547B (zh) | 用于管理网络的方法及设备 | |
CN112514492B (zh) | 用于管理网络的方法和设备 | |
Kim et al. | ALICE: Autonomous link-based cell scheduling for TSCH | |
Meng et al. | Smart grid neighborhood area networks: a survey | |
US10104712B2 (en) | Obtaining data reception parameters on-demand in a multiple interface network | |
Sagduyu et al. | On joint MAC and network coding in wireless ad hoc networks | |
Faheem et al. | A multi-channel distributed routing scheme for smart grid real-time critical event monitoring applications in the perspective of Industry 4.0 | |
US9391914B2 (en) | Communication packet conversion | |
US20150023369A1 (en) | Obtaining data reception parameters in a multiple interface network | |
Aalamifar et al. | Cost-efficient QoS-aware data acquisition point placement for advanced metering infrastructure | |
Meena et al. | Firefly optimization based hierarchical clustering algorithm in wireless sensor network | |
AU2012374019B2 (en) | Communication packet conversion | |
Hahm et al. | A case for time slotted channel hopping for ICN in the IoT | |
Xu et al. | Maximum-lifetime data aggregation for wireless sensor networks with cooperative communication | |
Bein et al. | Reducing the data communication delay in wireless sensor networks | |
Sarasvathi et al. | A Multi Route Rank Based Routing Protocol for Industrial Wireless Mesh Sensor Networks | |
Tan et al. | Cluster-based control information exchange in multi-channel ad hoc networks with spectrum heterogeneity | |
AU2016201010B2 (en) | Communication packet conversion | |
Kadambar et al. | Joint channel allocation and routing in wireless mesh networks | |
Lee | Backpressure networks with cooperative link augmentation | |
Song et al. | Optimal traffic splitting in multi-hop cognitive radio networks | |
Lipman | Information dissemination and collection in ad hoc networks | |
Luus | Joint Source-Channel-Network Coding in Wireless Mesh Networks with Temporal Reuse |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40039309 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |