王玉玨 吳慶州 黃羽 周月娥

摘 ?要： 為了解決現(xiàn)存的路由方案經(jīng)常依賴于具體的鏈路探測包估計(jì)路由質(zhì)量，對(duì)能量受限的IoT設(shè)備而言成本高昂的問題，提出基于虛擬網(wǎng)絡(luò)估計(jì)的物聯(lián)網(wǎng)路由（VNE?R）方案。VNE?R路由通過虛擬網(wǎng)絡(luò)估計(jì)節(jié)點(diǎn)流量，再用流量大的節(jié)點(diǎn)構(gòu)建路由，進(jìn)而最大化網(wǎng)絡(luò)流量。利用OMNEET++軟件和SWIM工具進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)數(shù)據(jù)表明，VNE?R路由能夠較準(zhǔn)確地估計(jì)各節(jié)點(diǎn)的流量并且能夠有效地提高網(wǎng)絡(luò)吞吐量。

關(guān)鍵詞： 物聯(lián)網(wǎng); VNE?R路由; 虛擬網(wǎng)絡(luò)估計(jì); 網(wǎng)關(guān)流量; 網(wǎng)絡(luò)吞吐量; 路由構(gòu)建

中圖分類號(hào)： TN915.04?34; TPT393 ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2019）13?0019?04

Research on IoT route maximizing gateway traffic

WANG Yujue1， 2， WU Qingzhou2， HUANG Yu3， ZHOU Yuee2

（1. Nanjing University of Science， Nanjing 210094， China;

2. Nanjing University of Science and Technology Zijin College， Nanjing 210046， China;

3. Coil Plate Plant， Nanjing Nangang Iron & Steel United Co.， Ltd.， Nanjing 210035， China）

Abstract： The existing routing schemes often rely on specific link probing packet to estimate the route quality， which is too expensive for energy?constrained IoT device. Therefore， the virtual network estimation?based routing （VNE?R） scheme is proposed. The VNE?R can estimate the traffic of nodes by means of virtual network， and the nodes with maximum traffic are used to construct the route， so as to maximize the network traffic. The OMNEET++ software and SWIM tool are used to carry out the simulation experiments. The simulation results show that the VNE?R can estimate the traffic of each node accurately， and improve the network throughput capacity effectively.

Keywords： Internet of Things; VNE?R route; virtual network estimation; gateway traffic; network throughput capacity; route establishment

0 ?引 ?言

維持通信連接是物聯(lián)網(wǎng)（Internet of Things，IoT）提供服務(wù)的關(guān)鍵問題。最近，研究人員對(duì)蜂窩網(wǎng)絡(luò)技術(shù)進(jìn)行擴(kuò)展，進(jìn)而處理IoT流量，稱為機(jī)器類通信（Machine?Type Communication，MTC）[1]技術(shù)。MTC技術(shù)可支持大量的IoT設(shè)備。

然而，由于制造成本、操作費(fèi)和電池壽命短等，MTC蜂窩鏈路并不適用于IoT。而短程免費(fèi)寬帶無線電（Shorter Range Free Band Ratios）是實(shí)施MTC蜂窩的一個(gè)不錯(cuò)選擇。在基于短程無線電的IoT網(wǎng)絡(luò)中，IoT設(shè)備能夠連接至IoT網(wǎng)關(guān)[2]。通過網(wǎng)關(guān)，IoT設(shè)備能夠連接Internet。IoT設(shè)備間、IoT設(shè)備與IoT網(wǎng)關(guān)的數(shù)據(jù)傳遞可通過其他IoT設(shè)備轉(zhuǎn)發(fā)，即通過多跳無線路由實(shí)現(xiàn)數(shù)據(jù)傳輸。

本文以基于多跳IoT網(wǎng)絡(luò)的路由為研究對(duì)象，其主要目的在于尋找能夠有效傳輸數(shù)據(jù)的路徑。所謂有效路徑是指具有高的吞吐量和低的能量消耗。目前，為了保證路徑質(zhì)量，現(xiàn)存的多數(shù)路由依賴于探測流量包，如ETX[3]，ETT[4]，Iaware[5]。在這些方案中，鄰居節(jié)點(diǎn)間交互自己的探測包，且利用這些探測包測量鏈路質(zhì)量。

然而，具體的鏈路探測包會(huì)引入高的開銷，這對(duì)能量受限的IoT設(shè)備而言是非常關(guān)鍵的。此外，也可能會(huì)導(dǎo)致錯(cuò)誤的路由決策，原因在于：鏈路質(zhì)量容易受鄰近鏈路的干擾，而探測包是很難發(fā)現(xiàn)這些干擾的。

為此，本文考慮節(jié)點(diǎn)流量的變化問題，并提出VNE?R（Virtual Network Estimation?based Routing）方案。首先估計(jì)每條鏈路的數(shù)據(jù)包傳輸成功率，再計(jì)算節(jié)點(diǎn)流量，最后依據(jù)節(jié)點(diǎn)流量動(dòng)態(tài)構(gòu)建路由，使網(wǎng)關(guān)流量最大化。實(shí)現(xiàn)數(shù)據(jù)表明，提出的VNE?R能有效地提高網(wǎng)絡(luò)吞吐量。

1 ?網(wǎng)絡(luò)模型

考慮單一網(wǎng)絡(luò)由一個(gè)網(wǎng)關(guān)路由（Gateway Router，GR）和多個(gè)IoT節(jié)點(diǎn)構(gòu)成，且由IEEE 802.11鏈路維持節(jié)點(diǎn)的連通。此外，每個(gè)節(jié)點(diǎn)產(chǎn)生流量，并將流量傳輸至GR。盡管提出的VNE?R方案很容易擴(kuò)展處理下行流量，但本文僅考慮上行流量。因此，網(wǎng)絡(luò)路徑可看成一個(gè)樹結(jié)構(gòu)形式，且GR為樹根。

圖1顯示了一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)，其中S表示路由網(wǎng)關(guān)，其他從0～10的數(shù)字表示10個(gè)節(jié)點(diǎn)，節(jié)點(diǎn)間的連接表示它們間的鏈路。每個(gè)節(jié)點(diǎn)旁邊的數(shù)字表示由節(jié)點(diǎn)產(chǎn)生的流量，例如，節(jié)點(diǎn)1所產(chǎn)生的流量為50。

圖1 ?網(wǎng)絡(luò)拓?fù)涫纠?/h3>

據(jù)此，本文引用矩形網(wǎng)格拓?fù)浣Y(jié)構(gòu)。假定每個(gè)節(jié)點(diǎn)只能感測它的一跳鄰居節(jié)點(diǎn)，且僅一跳鄰居節(jié)點(diǎn)間才可能完成數(shù)據(jù)的直接傳輸。例如，節(jié)點(diǎn)5有4個(gè)一跳鄰居節(jié)點(diǎn)，分別為1，4，6和9。此外，每個(gè)節(jié)點(diǎn)與它的對(duì)角線節(jié)點(diǎn)存在隱藏終端關(guān)系。例如，節(jié)點(diǎn)5與節(jié)點(diǎn)0，2，8和10具有隱藏終端關(guān)系。而隱藏終端會(huì)引起競爭和碰撞。因此，每個(gè)節(jié)點(diǎn)所產(chǎn)生的所有流量可能難以成功地傳輸至網(wǎng)關(guān)。設(shè)計(jì)VNE?R的目的就是最大化網(wǎng)關(guān)所接收的流量，即網(wǎng)關(guān)流量最大化。如圖1所示，網(wǎng)關(guān)S所接收的流量為207。此外，VNE?R引用單一路徑的靜態(tài)路由，即僅一條消息復(fù)本在預(yù)定路徑上傳輸。

2 ?VNE?R方案

2.1 ?傳輸成功率

為了更好地表述節(jié)點(diǎn)在傳輸階段的狀態(tài)，定義一個(gè)二值矢量。矢量中的每個(gè)比特位數(shù)對(duì)應(yīng)于每個(gè)節(jié)點(diǎn)。如果比特位為1，則此節(jié)點(diǎn)正參與數(shù)據(jù)傳輸;反之，為零，表示此節(jié)點(diǎn)目前未參與數(shù)據(jù)傳輸（空閑）。例如，對(duì)由三個(gè)節(jié)點(diǎn)A，B和C構(gòu)成的網(wǎng)絡(luò)，就存在8類網(wǎng)絡(luò)狀態(tài)矢量[000，100，010，001，110，011，101，111]。當(dāng)矢量[?=]100時(shí)，說明僅節(jié)點(diǎn)A處于數(shù)據(jù)傳輸，而節(jié)點(diǎn)B和C空閑。

而每個(gè)矢量[?]都對(duì)應(yīng)一個(gè)活動(dòng)共享（Active Share， AS），其反映了此矢量的維持歸一化時(shí)間。所謂歸一化時(shí)間是指此矢量維持的時(shí)間占整個(gè)抽樣間隔的比例，如圖2所示。當(dāng)矢量[?=]100時(shí)，它的AS為0.25，表示保持此狀態(tài)的歸一化時(shí)間為0.25。假定整個(gè)抽樣時(shí)間為10 s，則維持此狀態(tài)的時(shí)間為0.25×10 s=2.5 s。

圖2 ?網(wǎng)絡(luò)狀態(tài)矢量和AS示例

依據(jù)上述表述可知，當(dāng)網(wǎng)絡(luò)有[N]個(gè)節(jié)點(diǎn)，則網(wǎng)絡(luò)狀態(tài)矢量可表示為[?=b1，b2，???，bN，?i∈0，1]。由于有[N]個(gè)節(jié)點(diǎn)，則存在[23=8]個(gè)網(wǎng)絡(luò)狀態(tài)矢量，即[?1，?2，…，?8]。而矢量[?j]的AS等于該矢量的持續(xù)時(shí)間占抽樣間隔[L]的比例。

每個(gè)節(jié)點(diǎn)記錄數(shù)據(jù)傳輸?shù)拈_始時(shí)間和結(jié)束時(shí)間，并將這些數(shù)據(jù)傳輸至網(wǎng)關(guān)。當(dāng)網(wǎng)關(guān)收集了所有節(jié)點(diǎn)的信息后，就能得到相應(yīng)的AS[6]。

令[lij]表示從節(jié)點(diǎn)[i]至節(jié)點(diǎn)[j]的鏈路，現(xiàn)推導(dǎo)每條鏈路的傳輸成功率。為了保證數(shù)據(jù)能夠成功傳輸，需要滿足兩個(gè)條件：

1） 鏈路開始傳輸數(shù)據(jù)包時(shí)，未有隱藏節(jié)點(diǎn)傳輸它們的數(shù)據(jù)包;

2） 在它的任何隱藏節(jié)點(diǎn)開始傳輸數(shù)據(jù)包之前，數(shù)據(jù)傳輸已完成。

假定節(jié)點(diǎn)間的數(shù)據(jù)傳輸并非相互獨(dú)立，則隱藏節(jié)點(diǎn)傳輸數(shù)據(jù)的開始時(shí)間服從指數(shù)分布。令ON表示至少有一個(gè)隱藏節(jié)點(diǎn)正在傳輸數(shù)據(jù)包的時(shí)期，而OFF表示未有隱藏節(jié)點(diǎn)傳輸數(shù)據(jù)包的時(shí)期。因此，鏈路[lij]上發(fā)生碰撞的概率可定義為：

式中：[TOFF]，[TON]分別表示它們各自的歸一化時(shí)間，即將[TOFF]，[TON]的平均時(shí)間與抽樣間隔相除可得[TOFF]，[TON]值;[h]表示數(shù)據(jù)包傳輸時(shí)間。

從式（1）可知，式（1）的第一項(xiàng)與條件1）相關(guān)，第二項(xiàng)與條件2）相關(guān)。從節(jié)點(diǎn)[i]的角度而言，[TOFF+TON]等于節(jié)點(diǎn)[i]有機(jī)會(huì)傳輸數(shù)據(jù)包的時(shí)間。因此，可令：

2.2 ?節(jié)點(diǎn)流量估計(jì)

首先估計(jì)節(jié)點(diǎn)流量。最后，利用每個(gè)節(jié)點(diǎn)產(chǎn)生的流量和每條鏈路的傳輸成功率兩項(xiàng)數(shù)據(jù)估計(jì)網(wǎng)關(guān)接收的數(shù)據(jù)量。

首先，考慮如圖3所示的節(jié)點(diǎn)隊(duì)列模型。對(duì)于節(jié)點(diǎn)[i]，它的數(shù)據(jù)包到達(dá)率由三項(xiàng)流量元素組成：局部產(chǎn)生流量[λei]、來自鄰居節(jié)點(diǎn)的流入流量[λfi]和重傳流量[λri]。

圖3 ?節(jié)點(diǎn)[i]的隊(duì)列模型

2.3 ?路由決策

首先計(jì)算鏈路的數(shù)據(jù)包傳輸成功率[8]，然后計(jì)算PE。再依據(jù)PE構(gòu)建路由。每個(gè)節(jié)點(diǎn)選擇PE大的節(jié)點(diǎn)作為下一跳鄰居。考慮到PE是動(dòng)態(tài)變化的，因此，每個(gè)節(jié)點(diǎn)需在之前建立的路徑中檢測是否存在這樣的鄰居節(jié)點(diǎn)：若由此鄰居節(jié)點(diǎn)作為下一跳節(jié)點(diǎn)，是否能夠增加網(wǎng)關(guān)的流量[9]。若存在這類節(jié)點(diǎn)，就將此節(jié)點(diǎn)作為下一跳節(jié)點(diǎn)。

如圖4a）所示是初始路由。假定節(jié)點(diǎn)2發(fā)現(xiàn)若選擇節(jié)點(diǎn)3的流量遠(yuǎn)大于節(jié)點(diǎn)6的流量（節(jié)點(diǎn)3的流量為200，節(jié)點(diǎn)6的流量為10），節(jié)點(diǎn)2就將節(jié)點(diǎn)3作為下一跳路由，如圖4b）所示。通過更新路由后，發(fā)現(xiàn)網(wǎng)關(guān)的流量從207增加至230。

圖4 ?路由初始階段

3 ?性能仿真

3.1 ?仿真環(huán)境

為了更好地分析VNE?R性能，利用OMNEET++仿真軟件建立平臺(tái)，并引用IEEE 802.11b無線鏈路，且數(shù)據(jù)傳輸比特率為2 Mb/s。最小和最大競爭窗口尺寸分別設(shè)為31和1 023。最大重傳數(shù)設(shè)為1。節(jié)點(diǎn)的傳輸范圍為170 m，干擾范圍為250 m。引用如圖1所示的矩形拓?fù)渚W(wǎng)格模型。兩跳的鄰居點(diǎn)距離為150 m，且位于對(duì)角線的兩個(gè)節(jié)點(diǎn)呈終端隱藏關(guān)系。

此外，建立兩個(gè)實(shí)驗(yàn)。實(shí)驗(yàn)一分析VNE?R估計(jì)節(jié)點(diǎn)流量的性能，實(shí)驗(yàn)二對(duì)比分析提出的VNE?R的吞吐量。

3.2 ?實(shí)驗(yàn)一

本次實(shí)驗(yàn)分析VNE?R對(duì)每個(gè)節(jié)點(diǎn)所傳輸?shù)臄?shù)據(jù)包[λs]和它成功接收的數(shù)據(jù)包數(shù)[λf]的估計(jì)性能，并與仿真實(shí)驗(yàn)的數(shù)據(jù)進(jìn)行對(duì)比。

以圖4a）的路由進(jìn)行數(shù)據(jù)傳輸，且節(jié)點(diǎn)產(chǎn)生的數(shù)據(jù)包尺寸為150 B。[λs]和[λf]的數(shù)據(jù)分別如圖5a）和圖5b）所示，圖中的橫坐標(biāo)表示節(jié)點(diǎn)的標(biāo)號(hào)。

從圖5可知，VNE?R所估計(jì)的數(shù)據(jù)包數(shù)與仿真實(shí)驗(yàn)所產(chǎn)生的數(shù)據(jù)包數(shù)相吻合，這也說明，利用VNE?R能夠較準(zhǔn)確地估計(jì)各節(jié)點(diǎn)的流量。

圖5 ?節(jié)點(diǎn)傳輸和接收的數(shù)據(jù)包數(shù)（圖4a）的路由）

類似地，以圖4b）路由對(duì)各節(jié)點(diǎn)流量進(jìn)行估計(jì)，實(shí)驗(yàn)數(shù)據(jù)如圖6所示。圖6a）顯示了各節(jié)點(diǎn)所傳輸?shù)臄?shù)據(jù)包數(shù)[λs];圖6b）顯示了各節(jié)點(diǎn)所接收的數(shù)據(jù)包數(shù)[λf]。

圖6 ?節(jié)點(diǎn)傳輸和接收的數(shù)據(jù)包數(shù)（圖4b）的路由）

從圖6可知，仿真的數(shù)據(jù)包數(shù)與推導(dǎo)的數(shù)據(jù)包數(shù)一致。結(jié)合圖5和圖6不難發(fā)現(xiàn)，VNE?R能夠較準(zhǔn)確地估計(jì)節(jié)點(diǎn)所傳輸和接收的數(shù)據(jù)包數(shù)（流量），這為后續(xù)的路由決策提供了基礎(chǔ)。

3.3 ?實(shí)驗(yàn)二

本次實(shí)驗(yàn)分析網(wǎng)關(guān)的吞吐量。選擇負(fù)載感知的路由（Load?aware Routing，LAR）作為參照。同時(shí)，為了更好地產(chǎn)生真實(shí)動(dòng)態(tài)流量模型，選用真實(shí)的人類移動(dòng)軌跡，稱為Cambridge traces。利用SWIM工具[10]按比例放大軌跡文件，且分為包含90個(gè)用戶和180個(gè)用戶兩類，實(shí)驗(yàn)數(shù)據(jù)如圖7所示。

圖7 ?吞吐量

從圖7可知，提出的VNE?R的吞吐量優(yōu)于LAR。原因在于，VNE?R在選擇下一跳鄰居節(jié)點(diǎn)時(shí)，總是將吞吐量大的節(jié)點(diǎn)作為下一跳鄰居節(jié)點(diǎn)，這有利于提高網(wǎng)絡(luò)吞吐量。

4 ?結(jié) ?語

針對(duì)物聯(lián)網(wǎng)的路由問題，提出基于虛擬網(wǎng)絡(luò)估計(jì)的VNE?R方案。VNE?R目的在于最大化網(wǎng)絡(luò)的吞吐量。通過虛擬估計(jì)節(jié)點(diǎn)的流量，使得流量大的節(jié)點(diǎn)構(gòu)建路由，進(jìn)而最大化網(wǎng)絡(luò)流量。實(shí)驗(yàn)數(shù)據(jù)表明，提出的VNE?R能夠有效地提高網(wǎng)絡(luò)吞吐量。

參考文獻(xiàn)

[1] MURUGANATHAN S D， MA D C， BHASIN R I. A centra?lized energy?efficient routing protocol for wireless sensor networks [J]. IEEE radio communications， 2015， 43（3）： 8?13.

[2] SHANG Guoqiang， CHEN Yanming， ZUO Chao， et al. Design and implementation of a smart IoT gateway [C]// Proceedings of 2013 IEEE International Conference on Green Computing and Communications. Beijing： IEEE， 2013： 23?31.

[3] DE COUTO D S J， AGUAYO D， BICKET J， et al. A high?throughput path metric for multi?hop wireless routing [J]. Wireless networks， 2015， 11（4）： 419?434.

[4] DRAVES R， PADHYE J， ZILL B. Routing in multi?radio， multi?hop wireless mesh networks [J]. IEEE mobile communications， 2014， 6（8）： 34?41.

[5] SUBRAMANIAN A P， BUDDHIKOT M M， MILLER S. Interference aware routing in multi?radio wireless mesh networks [J]. IEEE wireless mesh networks， 2016， 9（7）： 12?21.

[6] MAGISTRETTI E， GUREWITZ O， KNIGHTLY E W. Measurement?driven modeling of transmission coordination for 802.11 online throughput prediction [J]. IEEE/ACM transactions on networking， 2017， 20（5）： 1635?1648.

[7] BEJERANO Y， CHOI H G， HAN S J， et al. Performance tuning of infrastructure?mode wireless lans [C]// 2010 IEEE International Symposium on Modeling and Optimization in Mobile. Avignon： IEEE， 2016： 56?61.

[8] BISNIK N， ABOUZEID A A. Queuing network models for delay analysis of multihop wireless ad hoc networks. Elsevier [J]. Ad Hoc networks， 2015， 7（1）： 79?97.

[9] ANCILLOTTI E， BRUNO R， CONTI M， et al. Load?aware routing in mesh networks： Models， algorithms and experimentation [J]. Computer communication， 2016， 34（8）： 948?961.

[10] KOSTA S， MEI A， STEFA J. Large?scale synthetic social mobile networks with swim [J]. IEEE transactions on mobile computing， 2015， 13（1）： 116?129.