物联网中干扰与服务差异化路由的应用价值

### 物联网中干扰与服务差异化路由的应用价值 #### 1. 引言 ##### 1.1 动机 近年来，射频识别（RFID）和无线传感器/执行器网络（WSANs）的进步开启了一个新的信息技术时代。基于这些技术的设备被广泛部署在日常生活环境中，提供从常见的天气预报到不寻常的人体区域监测等各种服务。 RFID系统能在资产跟踪、远程监控和实时供应链管理等应用中准确识别物体，但难以精确定位物体和感知周围环境。而传感器设备在精准农业、火灾检测、气象和污染监测等方面擅长定位和识别环境物理参数，但无法识别物体。 将这两种技术集成到能同时感知和识别物体的混合传感器设备中，相比单独使用或部署这两种技术具有显著优势。例如，在医院产科病房中，混合传感器可定位婴儿的移动并报告其所处的环境条件。在地下矿井监测中，放置在不同位置的混合传感器能定位矿工并识别他们所暴露的环境参数，以便在高气体暴露和爆炸危险时发出预警。 无处不在的传感器网络（USNs）应运而生，它将RFID、WSAN和混合设备集成到一个通用通信平台，能识别生活环境中的物体并感知环境变化，实现对大量用户应用信息的广泛访问。当USN设备拥有IP地址或全局ID时，它们能将日常物品转化为“智能物体”，在“物联网（IoT）”中实现物体间及与人类的通信。物联网自2008 - 2009年连接设备数量超过连接人数以来，备受研究和实践界关注，预计到2020年将连接数十亿配备传感器、执行器和RFID设备的物体，并提供随时随地、任何人使用任何设备的信息访问，对创新技术发展产生重大影响。 然而，传统无线传感器网络（WSN）路由协议假设传感器节点相同且提供相同服务，将其应用于异构的物联网环境可能导致性能下降，因为不同节点的服务异质性不同。例如，在消防应用中，一些节点可能在感知环境的同时使用GPRS调制解调器发送短信，而在地下采矿场景中，一些节点可能需要同时完成感知、识别和转发任务。 ##### 1.2 相关工作 - **传感器与RFID设备集成**：已有大量研究探讨了传感器与RFID设备的集成。如在一个两层RFID传感器网络中，读者收集标签数据并转发到基站，但靠近基站的读者因流量增加更快耗尽能量。为解决此问题，有人提出在基站附近增加更多读者来平衡负载，但这成本高昂且可能增加网络碰撞。还有研究讨论了将传感器节点与RFID集成以实现类似WSNs的自组织网络，但这类集成网络仍存在与WSNs类似的能源限制。为节能，有人提出按需唤醒功能，但这是一种介质访问控制（MAC）协议，而非路由协议。 - **多目标路由解决方案**：为提高传感器网络的服务质量（QoS），提出了多目标路由解决方案。有的采用能量受限多路径路由方法，有的基于地理路由并结合服务差异化，但这些工作大多是在同质环境中，与本文在异构环境中根据节点提供的服务进行差异化的解决方案不同。 - **数据收集协议**：收集树协议（CTP）、TinyOS信标（TOB）和RPL等数据收集协议与本文提出的路由解决方案密切相关。它们围绕收集树结构构建，为宣传自己为树根的节点建立并维护最小成本树，以将传感器读数从节点转发到基站。CTP和RPL使用trickle算法快速发现和修复路由不一致问题，减少路由修复延迟和信标消息。TOB协议具有节点简单、无需维护大型路由表或复杂数据结构的优点，但也存在对节点故障缺乏弹性、树状传感器读数传播模型导致节点功耗不均等缺点。 ##### 1.3 贡献概述 本文旨在解决USNs的能源效率问题，评估基于角色的服务差异化对物联网环境中USN效率的影响。为此，提出了LIBP协议，它结合了节点干扰和基于角色的服务差异化，使不同预定义角色的USN设备能提供不同的路由服务，避免过度使用关键节点。通过TOSSIM仿真结果表明，与现有技术的收集协议TOB和CTP相比，LIBP协议在负载平衡方面有明显改进，尤其是对于覆盖更多服务的关键节点。结果还显示，该协议显著减少了关键节点路由的数据包数量，且随着节点数量增加，与对比协议的差异更加明显，同时平均能耗也显著降低。 #### 2. 提出的解决方案 ##### 2.1 路径查找场景 网络拓扑连接如图1所示，将任何收集协议应用于该USN可能会导致两种传感器网络路由配置：路径复用配置（图2 (a)）和路径分离配置（图2 (b)）。 ```mermaid graph LR classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px; A(0):::process --> B(1):::process A --> C(2):::process B --> D(3):::process C --> D D --> E(4):::process D --> F(5):::process D --> G(6):::process E --> H(7):::process F --> H G --> H H --> I(8):::process H --> J(9):::process ``` 图1：网络拓扑连接 ```mermaid graph LR classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px; A(0):::process --> B(1):::process A --> C(2):::process B --> D(3):::process C --> D D --> E(4):::process D --> F(5):::process D --> G(6):::process E --> H(7):::process F --> H G --> H H --> I(8):::process H --> J(9):::process ``` 图2 (a)：路径复用配置 ```mermaid graph LR classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px; A(0):::process --> B(1):::process A --> C(2):::process B --> D(3):::process C --> D D --> E(4):::process D --> F(5):::process E --> G(6):::process F --> H(7):::process G --> I(8):::process H --> J(9):::process ``` 图2 (b)：路径分离配置 路径分离配置是一种负载平衡配置，适用于干扰感知路由方案、服务感知路由方案以及结合这两种方案的异构路由情况，这在物联网中很常见。干扰感知路由旨在最小化节点上的流量干扰，减少能量消耗，并在节点故障时减少网络分支的切断。服务感知路由则保护关键节点不被过度使用，避免让不太关键的节点闲置。 本文提出的“最小干扰信标（LIB）”模型是一种将干扰和服务感知路由的加权组合应用于收集协议的信标过程，以实现高效可扩展的USN管理。例如，路径分离可以保护干扰感知路由中的节点3不成为高能耗的干扰单点，以及保护服务感知路由中的关键节点3不被过度使用。 ##### 2.2 路由问题 USNs中的路由问题可以表述为一个零一线性问题，即对于每个节点n，找到其邻居子集N0 ⊆N[n]，解决以下零一线性问题： $$ \begin{align*} \min \sum_{j\in N[n]} x_j \\ \text{subject to} \\ \begin{cases} w(n) = \alpha w_i(n) + \beta w_s(n) \\ \text{parent}(j) = n | w(n) = \min_{x\in N(j)}\{w(x)\} \\ x_j = 0 \text{ or } 1, \forall j \in N[n] \end{cases} \end{align*} $$ 其中，$\beta = 1 - \alpha$，$\text{parent}(j)$ 是返回给定节点n的首选父节点的函数，$w(n)$ 是与节点n相关的路由度量，它是节点干扰 $w_i(n) = \sum_{j\in N[n]} x_j$ 和节点在网络中扮演的角色相关惩罚 $w_s(n)$ 的加权表达式。可以通过设置 $w_s(n)$ 的高低来保护关键节点或引导流量流向不太关键的节点。该问题的表述体现了节点干扰最小化和基于角色的服务差异化，并将其映射到路由度量/成本、父节点选择和零一线性模型中。$\beta$ 值（进而 $\alpha = 1 - \beta$）是定义路由模型的重要参数，不同取值对应不同的路由模型： | $\beta$ 值 | 路由模型 | | ---- | ---- | | 0 | 干扰感知路由 | | 1 | 服务感知路由 | | $x \in (0, 1)$ | 混合路由 | 这个路由模型是一个局部优化问题，可以使用启发式解决方案求解，并在后续实现为协议。 ##### 2.3 LIBA：一种算法解决方案 最小干扰信标算法（LIBA）是解决上述路由问题的算法。它采用基于“epoch”的分布式广度优先搜索模型，为携带传感器读数的流量从节点到汇/网关节点找到路由路径。 以下是LIBA算法的流程图： ```mermaid graph TD classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px; A(START):::process --> B(get(epoch)):::process B --> C(get epoch id from neighbor):::process C --> D(T=Clock(syn)):::process D --> E(get synchronized clock time):::process E --> F{epoch!=0?}:::process F -- yes --> G{T mod Te=0?}:::process G -- yes --> H(epoch++):::process H --> I(Select(parent(x))):::process I --> J(Compute(w(x))):::process J --> K(Broadcast(w(x))):::process G -- no --> L(Collect & forward sensor reading to parent(x)):::process F -- no --> M{Faulty branch is announced by the gateway?}:::process M -- yes --> N(Set epoch to 0):::process M -- no --> L K --> L L --> O(END):::process N --> B ``` 图3 (a)：节点算法 ```mermaid graph TD classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px; P(START):::process --> Q{Faulty gateway?}:::process Q -- yes --> R{Faulty branch found in the network?}:::process R -- yes --> S(Set epoch to 0):::process R -- no --> T(Collect sensor reading from base station):::process T --> U(Record data at gateway & recognize situation):::process U --> V(Broadcast(epoch)):::process Q -- no --> T S --> V V --> W(END):::process ``` 图3 (b)：网关算法 LIBA通过类似TinyOS信标的方案为最小干扰路由问题提供启发式解决方案，但对信标过程进行了修改以满足路由约束： - **计算并广播权重**：在初始步骤后广播信标时，父节点计算其权重，该权重是它支持的子节点数量（干扰）和节点扮演的角色（服务交付）的加权平均值，并将计算出的权重包含在广播的信标中。 - **子节点选择父节点**：子节点在接收到潜在父节点的信标后，选择权重最小的父节点，并根据路由约束更新其转发表。 - **零一线性约束表达**：零一线性路由约束可以表示为 $x_j = \begin{cases}1, & \text{parent}(j) = i \\ 0, & \text{otherwise}\end{cases}$，这意味着通过递归广播路由更新信标消息和记录父节点来创建以汇为根的广度优先生成树。 在某些情况下，LIBA可能会导致路径复用配置，但在权重分配和广播后，可能会收敛到路径分离配置。例如，在权重分配和广播后，节点5可能选择节点3作为父节点，而节点6可能选择节点4作为父节点。 ##### 2.4 LIBP：一种协议实现 LIBP是上述LIBA算法的协议实现。它基于一种简单的自组织路由模型，与TOB的简单性和新兴的RPL协议的结构相似。LIBP使用信标和确认作为主要消息，以权重更新、权重广播和父节点选择为主要操作。 LIBP的关键特性如下： 1. **创建广度优先生成树**：使用简单的自组织路由协议，通过递归广播路由更新信标消息和记录父节点，创建以汇为根的广度优先生成树。 2. **信标消息特性**： - 信标消息按称为“epochs”的间隔定期广播。 - 信标消息逐步传播到邻居节点。 - 信标消息仅被位于信标源附近的少数节点接收。 3. **传输机制**：信标的传输基于源标记的逐步传播到邻居节点和重新广播过程，从而建立以汇为根的广度优先生成树。 4. **最小干扰原则**：通过选择权重最小的父节点，将最小干扰范式集成到过程中，该父节点在节点干扰和服务交付方面负担最小。 综上所述，提出的LIBP协议结合了节点干扰和服务差异化，通过LIBA算法解决路由问题，并在LIBP协议中实现。该协议旨在提高物联网环境中无处不在的传感器网络（USNs）的能源效率和负载平衡，与传统的路由协议相比，具有更好的性能和可扩展性。通过仿真评估，该协议在负载平衡和能源消耗方面表现出明显的优势，尤其是对于覆盖更多服务的关键节点。