趙繼波+譚獻海

摘 要：下一代網(wǎng)絡(luò)（NGN）將是以物與物通信為主要特征的網(wǎng)絡(luò)，與目前以人為主要用戶的互聯(lián)網(wǎng)具有完全不同的特點，流量特性的根本變化，對NGN規(guī)劃設(shè)計、性能評價和服務(wù)質(zhì)量保障提出了新的挑戰(zhàn)。文章了以典型M2M業(yè)務(wù)為例，分析了其業(yè)務(wù)特性并建立了流量模型，并對生成的流量進行自相似特性分析。同時將M2M業(yè)務(wù)聚合流量與實際互聯(lián)網(wǎng)流量進行聚合，聚合后的流量仍具有自相似特性，但聚合流自相似特性隨著終端規(guī)模而逐漸變小。

關(guān)鍵詞：M2M；自相似；Hurst；流量特性；聚合

中圖分類號：TP393 文獻標(biāo)識碼：A 文章編號：2095-1302（2014）08-0036-03

0 引 言

在物聯(lián)網(wǎng)中，物聯(lián)網(wǎng)將大量的“物”的信息融入網(wǎng)絡(luò)的信息之中，使網(wǎng)絡(luò)交換和傳遞的數(shù)據(jù)流在類別和數(shù)量上較之傳統(tǒng)的互聯(lián)網(wǎng)的數(shù)據(jù)流都有了較大的變化，可以預(yù)見在不遠的將來，通信網(wǎng)絡(luò)中用于連接物體的部分將會大大超過用于連接人的部分，成為下一代網(wǎng)絡(luò)的主要組成部分[1]。

物聯(lián)網(wǎng)的聯(lián)網(wǎng)對象多樣化以及通信方式與現(xiàn)有的網(wǎng)絡(luò)通信方式較大差別，對物聯(lián)網(wǎng)的流量特性分析、流量建模及性能評價提出了新的挑戰(zhàn)[2]。本文以典型M2M業(yè)務(wù)為例，對其中業(yè)務(wù)進行分析，進而得到對應(yīng)業(yè)務(wù)流量特征參數(shù)。在此基礎(chǔ)上進行不同業(yè)務(wù)流量合成，以及不同業(yè)務(wù)的流量聚合，M2M/H2H流量聚合并以此分析其各自流量特性。

1 網(wǎng)絡(luò)的自相似性

眾多的研究表明在互聯(lián)網(wǎng)通信中，網(wǎng)絡(luò)通信流量普遍具有自相似性，通常我們用Hurst參數(shù)來衡量網(wǎng)絡(luò)自相似性的程度。當(dāng)0.5< H <1時，說明流量具有自相似性， H的值越大，自相似性越強。若0

目前估計Hurst參數(shù)的方法，可大致分為時域算法和頻域算法兩類。時域算法主要包括： R/S法、留數(shù)法、方差時間圖法、絕對值法等，頻域算法主要包括：whittle法和小波法。在本文中采用較為常用的R/S法來測量網(wǎng)絡(luò)的Hurst參數(shù)。

2 M2M典型業(yè)務(wù)特性分析與建模

物聯(lián)網(wǎng)包含了了機器與機器、機器與人以及人與機器的通信，由3GPP文檔可知，物聯(lián)網(wǎng)應(yīng)用主要包括七大類：安全、追蹤、付費、健康、遠程維護、計量/測量、消費設(shè)備[3]。而MTC 終端擁有其獨有的特征，如小數(shù)據(jù)傳輸、低移動性、時間控制、時間容忍等[4]。本文以應(yīng)用最為典型三類業(yè)務(wù)為例進行分析仿真。

2.1 智能電網(wǎng)業(yè)務(wù)分析與建模

傳統(tǒng)電網(wǎng)耗用了大量的人力財力，電網(wǎng)的智能化將是電網(wǎng)發(fā)展的必然。在我國智能電網(wǎng)建設(shè)中依據(jù)現(xiàn)場用電與計量的實際應(yīng)用情況，用戶一般可分為六大類：大型專變用戶（A）、中小型專變用戶（B）、三相一般工商業(yè)用戶（C）、單相一般工商業(yè)用戶（D）、居民用戶（E）、公用配變考核計量點（F）[4]。目前電能信息采集系統(tǒng)中，各類業(yè)務(wù)應(yīng)用關(guān)注不同的數(shù)據(jù)，按時效性質(zhì)主要分為三種類型：一類數(shù)據(jù)，為實時或準實時性質(zhì)的數(shù)據(jù)，如當(dāng)前工況數(shù)據(jù)、15 min間隔密度凍結(jié)的電壓、電流、負荷、電量等；二類數(shù)據(jù)，為終端保存的歷史性質(zhì)的數(shù)據(jù)，如指定某日（月）的全日（月）范圍內(nèi)的凍結(jié)數(shù)據(jù)和統(tǒng)計數(shù)據(jù)，如上日電量、供電合格率統(tǒng)計等；三類數(shù)據(jù)：為特殊事件發(fā)生時的記錄性數(shù)據(jù)，如停電記錄等，這類事件發(fā)生的偶然性和隨機性，決定了該類數(shù)據(jù)在系統(tǒng)中所占比重很低，對系統(tǒng)流量規(guī)模影響不大。

我們以業(yè)務(wù)上傳最頻繁也是數(shù)據(jù)量最大的一類數(shù)據(jù)進行仿真。按照六類用戶的不同業(yè)務(wù)需求，根據(jù)國家電力行業(yè)標(biāo)準中各終端特殊要求，可歸類出六類用戶典型一類數(shù)據(jù)大小，其終端數(shù)量如表1所列。

由業(yè)務(wù)的時間特性可知：一類數(shù)據(jù)由整點開始每15 min采集一次，并在開始后5 min之內(nèi)采集完成并完成上傳。其中單個節(jié)點流量產(chǎn)生時間距采集開始時間服從均值為50的指數(shù)分布。由此，我們Matlab 進行仿真，仿真時間為3 600 s，以得其流量。再將流量處理為0.01 ms時間尺度的Packet級并保存到文本文件中。以R/S法測得流量的Hurst指數(shù)為0.901。在此基礎(chǔ)上進行不同終端規(guī)模的仿真，并測量不同規(guī)模下業(yè)務(wù)流的自相似特性，圖1所示是智能電網(wǎng)不同規(guī)模下的Hurst值。從仿真結(jié)果來看，智能電網(wǎng)業(yè)務(wù)流具有很強的自相似特性。

2.2 智能家居業(yè)務(wù)分析與建模

智能家居是物聯(lián)網(wǎng)的又一重要應(yīng)用，文中采用基于ZigBee的智能家居為例進行業(yè)務(wù)分析。在智能家居中傳感器通信主要分為：心跳通信和觸發(fā)通信兩種[5]。大多數(shù)情況下，傳感器定期采集參數(shù)傳送給網(wǎng)關(guān)，網(wǎng)關(guān)經(jīng)過整理轉(zhuǎn)發(fā)給云端，主人可以通過電腦端或者手機端實時了解家庭內(nèi)的情況，以上稱為心跳通信。另一方面如遇突發(fā)狀況則立即報告信息中心和手持移動終端進行示警這成為觸發(fā)通信。一個典型家庭用戶的網(wǎng)絡(luò)心跳通信業(yè)務(wù)特性如表2所列。

2.3 自動駕駛業(yè)務(wù)分析與建模

自動導(dǎo)航駕駛系統(tǒng)主要包括汽車的追蹤、事故的檢測與避免。可以提供汽車的定位追蹤，方便車隊管理并可以通過一系列的檢測反饋幫助駕駛員提前預(yù)警，避免事故的發(fā)生[6]。汽車與系統(tǒng)交互主要包括兩種：一種是傳送長期規(guī)律性、低比特率的信息（GPS位置，速度，時刻）以告訴系統(tǒng)汽車的實時狀態(tài)。在自動導(dǎo)航駕駛中，在高速行駛時汽車每一米（導(dǎo)航定位的分辨率）向服務(wù)器傳送一個數(shù)據(jù)包，例如，汽車在100 km/h速度時，汽車發(fā)送數(shù)據(jù)包的數(shù)量將是每秒約28個，發(fā)送間隔為36 ms。由此可知自動駕駛業(yè)務(wù)模型如表。在建模中，假設(shè)終端數(shù)量100，每個終端通信起始時間服從（0，5）的均勻分布。通過對流量進行自相似性分析，Hurst=0.208，不具有自相似特性。在此基礎(chǔ)上對不同終端規(guī)模下的業(yè)務(wù)流Hurst值如圖3所示，表3所列是智能電網(wǎng)的業(yè)務(wù)特征。

2.4 不同M2M業(yè)務(wù)的自相似特性

由以上結(jié)果可以看出，不同的M2M業(yè)務(wù)表現(xiàn)出不同的自相似特性，同時Hurst值隨著終端規(guī)模的變化而具有不同的變化規(guī)律。由此可見M2M業(yè)務(wù)數(shù)據(jù)流的自相似性，與具體的業(yè)務(wù)特性有直接關(guān)系關(guān)。

3 流量聚合

以物聯(lián)網(wǎng)為特征的下一代網(wǎng)絡(luò)采用M2M通信方式，既包含傳統(tǒng)的人與人或人與計算機之間的通信，但更主要的是物與物之間的通信。因此十分必要研究研究物聯(lián)網(wǎng)業(yè)務(wù)流之間以及他們與傳統(tǒng)網(wǎng)絡(luò)流的聚合特性。

3.1 M2M業(yè)務(wù)之間的相互聚合

首先，將三種物聯(lián)網(wǎng)業(yè)務(wù)流量聚合，再把上面得到的三種不同業(yè)務(wù)流量按照終端規(guī)模大小順序依次分為10組進行聚合，再次測量聚合后流量的自相似特性，其Hurst隨終端規(guī)模變化曲線如圖4所示。

3.2 M2M業(yè)務(wù)流與互聯(lián)網(wǎng)流量聚合

仿真中采用的實際互聯(lián)網(wǎng)流量采用貝爾實驗室采集的經(jīng)典數(shù)據(jù)pAug.TL，其流量Hurst=0.774，三種M2M業(yè)務(wù)流按照規(guī)模大小與互聯(lián)網(wǎng)流量同時進行聚合的結(jié)果曲線如圖5所示?？梢娋酆虾蟮牧髁咳跃哂凶韵嗨铺匦?，且自相似特性隨著終端的增加而減小。

4 結(jié) 語

本文分析了M2M三種典型業(yè)務(wù)，并依據(jù)業(yè)務(wù)特性進行了分析建模、流量產(chǎn)生。利用R/S分析法對業(yè)務(wù)流的自相似特性進行了分析，可以看出不同M2M具有不用的自相似特性。將三類M2M業(yè)務(wù)聚合流量分析后發(fā)現(xiàn)，聚合流自相似特性隨著規(guī)模的增加而呈現(xiàn)遞減規(guī)律，到達一定規(guī)模后將不具有自相似性。在此基礎(chǔ)上將M2M流量與實際互聯(lián)網(wǎng)流量進行聚合，可以看出聚合流量仍具有自相似特性，但同樣具有遞減特性。

參 考 文 獻

[1]張飛舟，楊東凱，陳智. 物聯(lián)網(wǎng)技術(shù)導(dǎo)論[M].北京：電子工業(yè)出版社，2010.

[2]王西鋒. 網(wǎng)絡(luò)流量的特性分析與預(yù)測研究[D]. 西安：西北大學(xué)， 2007.

[3] Medaglia C M， Serbanati A. An overview of privacy and security issues in the internet of things[M].The Internet of Things. Springer New York， 2010： 389-395.

[4]遲學(xué)芬，吳迪，趙瑩瑩.H2H、M2M混合業(yè)務(wù)串聯(lián)排隊論模型[J].吉林大學(xué)學(xué)報：工學(xué)版，2011，41（6）： 1783-1787.

[5] Orrevad A. M2M Traffic Characteristics[J]. Master of Science Thesis， KTH Information and Communications Technology， 2009， 1.

[6] Popovic M， Drajic D， Krco S. The impact of HSPA core network features on latency for M2M and OG-like traffic patterns[C].Telecommunications Forum （TELFOR）， 2013 21st. IEEE， 2013： 291-294.

2.4 不同M2M業(yè)務(wù)的自相似特性

由以上結(jié)果可以看出，不同的M2M業(yè)務(wù)表現(xiàn)出不同的自相似特性，同時Hurst值隨著終端規(guī)模的變化而具有不同的變化規(guī)律。由此可見M2M業(yè)務(wù)數(shù)據(jù)流的自相似性，與具體的業(yè)務(wù)特性有直接關(guān)系關(guān)。

3 流量聚合

以物聯(lián)網(wǎng)為特征的下一代網(wǎng)絡(luò)采用M2M通信方式，既包含傳統(tǒng)的人與人或人與計算機之間的通信，但更主要的是物與物之間的通信。因此十分必要研究研究物聯(lián)網(wǎng)業(yè)務(wù)流之間以及他們與傳統(tǒng)網(wǎng)絡(luò)流的聚合特性。

3.1 M2M業(yè)務(wù)之間的相互聚合

首先，將三種物聯(lián)網(wǎng)業(yè)務(wù)流量聚合，再把上面得到的三種不同業(yè)務(wù)流量按照終端規(guī)模大小順序依次分為10組進行聚合，再次測量聚合后流量的自相似特性，其Hurst隨終端規(guī)模變化曲線如圖4所示。

3.2 M2M業(yè)務(wù)流與互聯(lián)網(wǎng)流量聚合

仿真中采用的實際互聯(lián)網(wǎng)流量采用貝爾實驗室采集的經(jīng)典數(shù)據(jù)pAug.TL，其流量Hurst=0.774，三種M2M業(yè)務(wù)流按照規(guī)模大小與互聯(lián)網(wǎng)流量同時進行聚合的結(jié)果曲線如圖5所示?？梢娋酆虾蟮牧髁咳跃哂凶韵嗨铺匦?，且自相似特性隨著終端的增加而減小。

4 結(jié) 語

本文分析了M2M三種典型業(yè)務(wù)，并依據(jù)業(yè)務(wù)特性進行了分析建模、流量產(chǎn)生。利用R/S分析法對業(yè)務(wù)流的自相似特性進行了分析，可以看出不同M2M具有不用的自相似特性。將三類M2M業(yè)務(wù)聚合流量分析后發(fā)現(xiàn)，聚合流自相似特性隨著規(guī)模的增加而呈現(xiàn)遞減規(guī)律，到達一定規(guī)模后將不具有自相似性。在此基礎(chǔ)上將M2M流量與實際互聯(lián)網(wǎng)流量進行聚合，可以看出聚合流量仍具有自相似特性，但同樣具有遞減特性。

參 考 文 獻

[1]張飛舟，楊東凱，陳智. 物聯(lián)網(wǎng)技術(shù)導(dǎo)論[M].北京：電子工業(yè)出版社，2010.

[2]王西鋒. 網(wǎng)絡(luò)流量的特性分析與預(yù)測研究[D]. 西安：西北大學(xué)， 2007.

[3] Medaglia C M， Serbanati A. An overview of privacy and security issues in the internet of things[M].The Internet of Things. Springer New York， 2010： 389-395.

[4]遲學(xué)芬，吳迪，趙瑩瑩.H2H、M2M混合業(yè)務(wù)串聯(lián)排隊論模型[J].吉林大學(xué)學(xué)報：工學(xué)版，2011，41（6）： 1783-1787.

[5] Orrevad A. M2M Traffic Characteristics[J]. Master of Science Thesis， KTH Information and Communications Technology， 2009， 1.

[6] Popovic M， Drajic D， Krco S. The impact of HSPA core network features on latency for M2M and OG-like traffic patterns[C].Telecommunications Forum （TELFOR）， 2013 21st. IEEE， 2013： 291-294.

2.4 不同M2M業(yè)務(wù)的自相似特性

由以上結(jié)果可以看出，不同的M2M業(yè)務(wù)表現(xiàn)出不同的自相似特性，同時Hurst值隨著終端規(guī)模的變化而具有不同的變化規(guī)律。由此可見M2M業(yè)務(wù)數(shù)據(jù)流的自相似性，與具體的業(yè)務(wù)特性有直接關(guān)系關(guān)。

3 流量聚合

以物聯(lián)網(wǎng)為特征的下一代網(wǎng)絡(luò)采用M2M通信方式，既包含傳統(tǒng)的人與人或人與計算機之間的通信，但更主要的是物與物之間的通信。因此十分必要研究研究物聯(lián)網(wǎng)業(yè)務(wù)流之間以及他們與傳統(tǒng)網(wǎng)絡(luò)流的聚合特性。

3.1 M2M業(yè)務(wù)之間的相互聚合

首先，將三種物聯(lián)網(wǎng)業(yè)務(wù)流量聚合，再把上面得到的三種不同業(yè)務(wù)流量按照終端規(guī)模大小順序依次分為10組進行聚合，再次測量聚合后流量的自相似特性，其Hurst隨終端規(guī)模變化曲線如圖4所示。

3.2 M2M業(yè)務(wù)流與互聯(lián)網(wǎng)流量聚合

仿真中采用的實際互聯(lián)網(wǎng)流量采用貝爾實驗室采集的經(jīng)典數(shù)據(jù)pAug.TL，其流量Hurst=0.774，三種M2M業(yè)務(wù)流按照規(guī)模大小與互聯(lián)網(wǎng)流量同時進行聚合的結(jié)果曲線如圖5所示。可見聚合后的流量仍具有自相似特性，且自相似特性隨著終端的增加而減小。

4 結(jié) 語

本文分析了M2M三種典型業(yè)務(wù)，并依據(jù)業(yè)務(wù)特性進行了分析建模、流量產(chǎn)生。利用R/S分析法對業(yè)務(wù)流的自相似特性進行了分析，可以看出不同M2M具有不用的自相似特性。將三類M2M業(yè)務(wù)聚合流量分析后發(fā)現(xiàn)，聚合流自相似特性隨著規(guī)模的增加而呈現(xiàn)遞減規(guī)律，到達一定規(guī)模后將不具有自相似性。在此基礎(chǔ)上將M2M流量與實際互聯(lián)網(wǎng)流量進行聚合，可以看出聚合流量仍具有自相似特性，但同樣具有遞減特性。

參 考 文 獻

[1]張飛舟，楊東凱，陳智. 物聯(lián)網(wǎng)技術(shù)導(dǎo)論[M].北京：電子工業(yè)出版社，2010.

[2]王西鋒. 網(wǎng)絡(luò)流量的特性分析與預(yù)測研究[D]. 西安：西北大學(xué)， 2007.

[3] Medaglia C M， Serbanati A. An overview of privacy and security issues in the internet of things[M].The Internet of Things. Springer New York， 2010： 389-395.

[4]遲學(xué)芬，吳迪，趙瑩瑩.H2H、M2M混合業(yè)務(wù)串聯(lián)排隊論模型[J].吉林大學(xué)學(xué)報：工學(xué)版，2011，41（6）： 1783-1787.

[5] Orrevad A. M2M Traffic Characteristics[J]. Master of Science Thesis， KTH Information and Communications Technology， 2009， 1.

[6] Popovic M， Drajic D， Krco S. The impact of HSPA core network features on latency for M2M and OG-like traffic patterns[C].Telecommunications Forum （TELFOR）， 2013 21st. IEEE， 2013： 291-294.