基于移动agent的机坪机会传输控制方法

陈维兴, 张天娇, 林家泉, 刘贵行

(中国民航大学 电子信息与自动化学院, 天津 300300)

随着物联网(internet of things, IOT)技术的发展,将其应用在监控户外设备工况数据的成功案例越来越多[1-3].在网络动态性很强的监控环境中,节点的能量限制和移动性很容易使这些监控网络的拓扑结构发生变化,导致节点之间无法正常通信,网络的连通性不能得到可靠保证.机会网络[4-5]利用节点移动带来的相遇机会,以“存储-携带-转发”模式在分割网络条件下投递消息,将消息副本从源节点传输至目的节点,实现与通信范围以外节点的数据交换.

在民航机坪系统的运行管理中,通过监控机场设备和飞机航班的运行工况,进行相应的管理和调控,提高设备运行的稳定性、航班的准点率以及机场的运营效率.由于机场设备所处环境广阔复杂(气象或人为等因素),导致飞机航班有着很高的随机性,使采集到的工况数据处在一个机会网络的环境中[6],其主要通过节点相互移动的碰撞机遇来转发数据,因此在对设备工况数据进行采集和传输的时候面临着很大的挑战.GAO Z.X.等[7]、A.K.GUPTA等[8]、ZHANG F.等[9]通过度量机会网络中节点的社会紧密度,将网络划分为不同的社区,进行基于社会属性的数据通信协议,但未考虑到无限制造消息副本可能带来数据冗余、负载加重的问题;GUAN J.F.等[10]、S.JAIN等[11]将模糊控制应用到机会网络和容迟网络的数据转发中;YAN Y.等[12]、董梦梦等[13]通过网络编码等方法进行数据通信,达到减缓节点能量消耗速度的目的,但忽略了网络物理层环境的特点,具有一定的片面性.

文中工作与上述文献的区别在于紧密结合机坪实际生产情况和场景,拟充分考虑基于稳定性的机坪生产活动的内在规律性、节点的硬件资源配置以及网络动态特性等方面要素,以多参考尺度建立数据优先级体系模型,在消息副本的数量控制、传送、缓存与释放等过程中都考虑进数据优先级等元素.结合车载节点的移动路线和方向模型,选择合适的下一跳节点,使具有较高权重的设备故障数据、机坪工况应急等消息能在第一时间传输至上位机,以提升节点能效和网络性能,保证机场地面设备监控网络的稳定性和可靠性.

1 基于机会网络的机坪设备监控系统

1.1 系统框架

机坪网络由各种地面设备、监控节点和基站以及无线网络组成[13-15],如图1所示.其中,地面设备包括地面空调、电源、充电桩、停车工作车辆等地面资源、操作人员和其他相关监测节点,飞机周边、发动机口或机舱内部等与地面设备相关的环境监测节点等.飞机进入停机位上档后,各种服务部门同时进行保障工作,使用的车辆有客梯车、食品车、摆渡车、行李车、加油车、清水车、电源车、升降平台车、廊桥、传送带车、平板车等特种车辆.

图1 基于机会网络的机坪设备监控系统图

传统的移动自组网通常依赖于基础设施,而基于机会传输的机场工况设备监控网络通常不存在贯穿始终的端到端的连接,要依靠节点相互移动带来的相遇机会进行数据转发[6],这些特性决定了该无线网络存在较高的传输时延和传输错误率等问题.在传统网络中节点的资源相对充裕,而在机会网络中节点由于应用场景等问题的限制,其能源、处理及存储数据的能力都是相对有限的,这些功能较为简单的数据采集节点是机坪设备监控网络中的第1类节点.

第2类节点是每个簇群中的簇首节点,它们被安置在助航灯柱、高杆灯、标志牌、廊桥等机坪固定设施上,使其具有充足的能源供应,用于收集每个簇群中第1类节点的数据,并向车载MA(mobile agent)节点发送状态查询消息.

第3类节点是车载MA节点,机坪特种车辆移动覆盖区域多为不连通子域,不能在机坪范围形成稳定链路,并时常间歇性中断,因此静态网络感知数据的传输不可能依靠传统多跳网络或移动自组织网络,必需依靠装载于特种车辆上的MA节点建立可“存储-携带-转发”的机会传输机制.机坪车辆严格按照机场规定的场道轨迹行驶且速度很低,规律性的移动使车载移动节点的速度和ID等状态信息很容易识别,MA能够在机会网络中自主计算并可与其他代理或资源协作交互.车内电池可以向车载移动节点提供可靠的能源保障,用于获取汇聚节点的感知数据,并将数据进行融合、缓存或分流等处理,将最后的处理结果传输至基站.

1.2 网络和移动模型

定义1机会网络模型机会网络模型为G=(V,E),其中节点集合为V={v1,v2,…,vn},链路集合为E={e1,e2,…,em},em表示网络中的链路,且1≤m≤n(n-1).节点之间发送的消息中包含的信息如下:机场特种车辆标识(车牌号)、事件消息生成的时间、车辆当前的速度向量、车辆当前位置坐标、消息类型、消息权重、消息的具体内容以及消息生存期.

网络内的车载移动节点确定自身及其余节点的位置、移动方向等关联信息,通过相互之间的信息交互选择下一跳节点,下一跳节点被选定之后,发送反馈确认消息如下:机场特种车辆标识(车牌号)、车辆当前的速度向量、车辆当前位置坐标、是否收过该消息的标识符.通过消息中携带节点移动方向、节点位置等信息,可以更精确地确定消息的传输方向和下一跳节点,提高消息投递率,降低路由开销.

定义2节点移动方向模型当MA节点a在t∈(thappen,tend)时刻,进入节点b的有效通信范围,位置为Lstopbit.该通信范围中的节点通过a的信息得到该节点的速度矢量va,vax表示节点的速度矢量在x轴的坐标分量,节点a,b的速度矢量与x轴的夹角分别为λ和θ,两节点夹角α为

(1)

对于计算出的两节点之间行驶速度夹角α,若|α|<0.5π,则两节点夹角为锐角α,移动方向基本相同;若|α|>0.5π,则两节点行驶方向的夹角为钝角,方向相反.由此可得出各节点在机坪上移动时的方向关系,使源节点向着目的节点的方向移动进而发送数据分组,来降低消息副本的数量,并且减少数据冗余造成信道拥塞.

定义3优先级判定模型文中根据机坪运行特点将数据优先级分为如下几类:

Ⅰ类为机坪各类设备的正常运行工况数据.机坪停机位划分严格且分布面积很广,在航班航前或航后服务阶段会出现大量数据同时传送,引起无线信道数据流量的高峰时刻;由于某些设备会随着航班停靠位置移动,如登机桥载设备和机务人员监控数据,布置在这些设备上的节点通信时必须关联位置信息以获得精确数据.

Ⅱ类为机坪设备发生故障时的数据.比如,地面空调输出空气被送入航班,经过二次循环风机,将部分客舱内的空气混合后达到较高温度经过机舱送风口送出;布置在机体附近的传感器节点在实时监测航班环境数据,当出现异常时,需第一时间将故障信息发出,因此这类数据必须设置较高的优先级权重.

Ⅲ类为地面移动目标的数据.大量特种车辆在航班地面保障时按照特定顺序依次作业,车辆的移动性导致该类数据业务量随机性突发,因此要求收集该类数据的节点具有应对较大数据量的负载能力和容迟能力.

2 基于移动agent的机会网络路由算法

2.1 消息副本数目估计

机场面积广阔、航班密集,地面保障设备的网络状况和数据收集伴随着很大的随机性.为了提高数据系统的安全性和实时性,节点将收集到的数据先通过类型匹配,将对应的温度、湿度、电量等数据发送给汇聚节点或车载移动节点.

机会网络中消息的存储和携带要占用缓存,传感器在移动过程中不可能无限制存储侦测到的消息数据,因此采取相应的存储管理机制来控制消息副本产生的数量.在WSN中,消息副本的数量越大,MA在移动碰撞中传输成功的概率就越大,但同时网络中大量的消息副本数量会造成网络负载过重,消息拥塞使大量重复的数据占据了传输通道,降低网络的整体效能.因此,数据通信时要采用合适的转发策略,在保证消息传递成功率的同时,控制消息副本数量.两个节点在通信链路建立之后进行数据的转发和接收,网络中的消息副本率视为基于传感器之间消息转发次数的标准正态分布,即

(2)

式中:r=aWNf;W表示数据权重.当网络中的空闲节点数量Nf较大时,使消息副本数量相应增加,提高消息的传输成功率,缩短数据到达目标节点的时延;反之则会发生拥塞,加重节点负载.由正态分布的性质,待传输的数据为设备故障数据的时候,空闲节点的数量越多,所取得概率值就越大,该消息在网络中允许发送的副本数量越多.综上,得消息副本数目的计算方法,计算式为

(3)

由式(3)可知,当r的取值越接近0.7Nt时,消息副本率可以取到符合网络目前情况的值越大.

2.2 基于改进Spray and Wait算法的数据传输

MA的中继过程从检测到数据的源节点S出发,直到发送至目的节点D结束.在S到D的移动方向连线上,在S的通信范围内,若有移动节点A与该连线夹角最小,则S分派(Nc-1)/2份副本给A,二者各持有一半数目的副本任务.收到消息副本的节点继续移动并将消息副本发送给途中遇到的节点,按照这种方式递归完成分派;直至最后收到消息副本的节点仅持有一份副本任务,进入Wait阶段;携带消息副本的MA根据移动模型在网络中移动,期间节点的移动方向总是向着目标方向前进,当某个节点同时携带不同目的节点的数据分组时,根据分组对应的数据权重决定节点移动的先后顺序.当MA与目标节点相遇时,建立通信连接,将消息副本送达目标节点,完成传递任务,此过程的算法伪码如下:

输入: Initial nodeSmovement speed vector:vs

Moving speed vector of destination nodeD:vd

Moving direction of neighbor noden:vn

输出:RelayList

算法过程:

InitialRelayList→NULL

For moving velocity vector of each neighbor node inRelayList→vi

Calculate the angle between nodeSandD(formula 1)

Calculate the included angle between neighbors' moving direction and line fromStoD

ifNUM(relay node inRelayListof the direction)>=1

For(Nj→relay node node,i++,i<=NUM)

In-angleNj

else

addNjintoRelayList

end if

end for

RelayListin descending order

ReturnRelayList

这样一个数据包的复制过程可以表示为一个根为数据源节点的二叉树,数据包的传输延迟和开销由二叉树的深度决定,而二叉树的深度由消息副本的最大数目决定.

机会网络具有较高端到端时延,在存储-携带-转发的过程中需要将消息存储在有限的缓存空间内,机会网络中节点携带的缓存资源有限,消息转发的优先顺序、以及缓存溢出时的清理策略都会影响路由性能.

假设某条消息的副本packet1被MA接收,并被存入该节点的内存,缓存节点Nc在这一时刻的状态为Nc(memory)=Nc(packet1);在第2个数据包到达节点Nc并收入缓存之后,该节点的状态为Nc(memeory)=Nc(packet1+packet2)=Nc(packet2),这个时候节点保持持续接收数据进入缓存的状态,不发送数据;以此类推,节点Nc收到第N个数据包之后的状态为Nc(memory)=Nc(packetN),此时Nc开始向邻居发送缓存的数据包,发送数据的顺序结合数据进入节点缓存的时间及其优先级.每发送出去一个数据包,节点Nc的状态变为Nc(memory)=Nc(packetN-1),同时释放的一条数据内存容量便可用于接收其余数据包.

假设节点释放数据是在Nc收到第N个数据包之后,此时Nc(memory)=Nc(packetN),数据包pac-ketN被Nc缓存的时长为TPn,数据包packet1进入Nc的缓存时长为TP1,TP1>TP2>…>TPn-1>TPn.数据分组packetN的权重为W,运行数据和故障数据消息权重分别为0.3和0.7.处于缓存状态的每个数据分组的优先级由数据的缓存时长和数据权重决定,当某条数据分组的最大存活时间为TM时,对应的优先级为

(4)

图2为数据分组的缓存与释放示意图.

图2 数据分组的缓存与释放

如图2所示,在转发消息时先转发优先级高的消息,而当缓存溢出时先删除优先级最低的消息.当某条消息分组的副本到达目标节点之后,目标节点反馈收到消息的通知,所有缓存该消息的节点将消息丢弃,空出内存以接收新到达的消息分组.

2.3 路由传输过程

结合网络与移动模型以及消息传输与缓存策略,最终提出完整路由协议,协议步骤如下:

1) 当监控节点的数据采集到一定时间之后,簇首节点收集监控节点的数据消息,并估算该消息对应的消息副本数目NumCopy.

2) 簇首节点根据机坪车辆的移动规律,判定到达目的节点区域中大致的车辆ID,并持续向这些车载MA节点定向发送状态查询信息.

3) 簇首节点接收并识别MA节点的状态反馈信息,根据MA移动速度向量和移动模型确定其在网络中的位置和移动方向,选择下一跳节点,制定中继节点序列RelayList.

4) MA节点采用二叉树原理转发消息副本,下一跳节点收到消息之后放入缓存,依据缓存释放策略将其释放.

5) 待MA节点进入目的节点信号覆盖区域,立即将数据传送至基站,由基站定向发送成功消息,内存中携带该信息的MA节点删除消息副本,该轮通信结束.

3 仿真验证

3.1 仿真环境

在ONE环境下进行仿真验证,ONE仿真平台支持多种移动模型和机会网络路由算法,它使用基于代理的离散事件模拟引擎,对节点运动、节点接触、路由和消息处理进行建模,将仿真过程与结果通过图形用户界面或报告呈现出来.

使用ONE仿真工具,具体场景设置参数如下:节点个数分别为10,25,50,100,150,200个;缓存容量分别为5,10,15,25,30,50 MB;节点的移动速度范围为0.5～1.5 m·s-1;通信范围为30 m;模拟区域范围为500×1 000 m2;模拟时间为10 h;采集数据时间间隔为4 s;传输速度为250 kB·s-1;数据分组大小为500～1 000 kB.

3.2 仿真结果与分析

3.2.1 通信时延

节点通信时延是指在某轮数据多跳传输的过程中,从该携带数据的节点找到下一跳接收数据的节点,发送给下一跳节点,最后离开彼此通信覆盖为止的持续时间,它是衡量MA节点之间通信连接可靠性的重要指标.对节点通信持续时间进行预测,有助于避免由于节点移动导致连接中断所造成的消息传递失败,从而有效减少消息重传操作,保证消息传递的可靠性.当MA移动进入其他节点的通信范围时,这些节点便需要通过定期交换信息来获得其余节点的移动方向、速度和坐标.节点通信时延的计算式为

(5)

式中:e=vacosλ-vbcosθ;f=vax-vbx;c=vasinλ-vbsinθ;d=vay-vby;l是节点的有效传输距离.

图3为节点数量对通信时延的影响.

图3 节点数量对通信时延的影响

由图3可见,在节点数量低于100时,各路由算法的通信时延随着节点数量的增加而增加,CRAMP与Spray and Wait和Epidemic算法相比,发送数据所用的时间消耗较少;虽然CRAMP在节点数量小于100时的通信时延较大于Spray and Wait,但是当节点数量大于100时,Spray and Wait和Epidemic的通信时延继续增加,而CRAMP的时延降低,这是由于节点数量增加之后,初始节点可以通过节点移动模型选择与目的节点同方向的中继节点,避免了大量节点出现、多次泛洪导致的通信时延.因此当节点数量较大时,CRAMP算法的优势便显现出来,更加有利于在节点数量部署较多的网络中使用.

图4为MA缓存容量对通信时延的影响.

图4 MA缓存容量对通信时延的影响

由图4可见,MA缓存容量的大小对Spray and Wait的影响较为平缓.节点缓存容量较小时,CRAMP算法的通信时延有明显的优势,基于数据优先级的缓存策略可以将数据有序输出,更好地降低通信时延;当节点的缓存容量增大到30 MB之后,CRAMP由于较多的缓存数据不能及时的发送出去,使其时延增大到Spray and Wait之上.

3.2.2 消息投递率

消息投递率指在一定时间内,成功到达目的节点的数据分组总数Nd与初始节点发出的须传输数据分组的总数Nt之比,即

MMesRatio=Nd/Nt.

(6)

图5为节点数量对消息投递率的影响.

图5 节点数量对消息投递率的影响

由图5可见,节点数量对路由算法的消息投递率有较大的影响,在节点数量较低时,各路由算法的消息投递率变化较平稳,当节点数量增加到100之后,消息投递率随之增加,CRAMP算法增加尤为显著.

图6为MA缓存容量对消息投递率的影响.

图6 MA缓存容量对消息投递率的影响

由图6可见,在MA节点缓存容量较小时各路由的消息投递率增长较为明显,Epidemic算法甚至高过CRAMP,这是因为Epidemic中每个节点将数据分组转发给所有遇到的邻居节点,在转发数据分组时,较大的缓存容量给消息副本提供优良的存储基础,提高数据投递的成功率;而当缓存容量增大到30 MB之后,节点存储的数据分组太多而不能有效到达目的节点,此时CRAMP的数据优先级和定向数据通信起到很大的作用,使消息投递成功率有效提高.

3.2.3 路由开销

路由开销是指在一定时间内节点转发数据分组的总数,文中用源节点产生的消息副本总数与所有节点转发数据分组总数之比来表示路由开销率.当节点无休止地转发数据,制造大量消息副本之后,路由开销率提高,增加网络中数据分组发生碰撞的概率,同时也会大量消耗节点能耗,造成网络拥塞.

图7为节点数量对路由开销的影响.

图7 节点数量对路由开销的影响

由图7可见,在节点数量超过100个之后,Epidemic和CRAMP算法的路由开销对节点密度的增加极其敏感,因为节点数量的增加使数据分组在传输时产生较多的消息副本,路由开销随之增加.Spray and Wait算法中在Spray阶段,源节点将数据分组发送给中继节点,当源节点生成的消息副本数目一定时,网络中节点个数与路由开销无关.而CRAMP算法结合数据分组的权重与网络中自由节点的数量计算消息副本的数量,有效控制了路由开销.

图8为MA缓存容量对路由开销的影响.

图8 MA缓存容量对路由开销的影响

由图8可见,在网络节点密度一定时,随着MA缓存的增加,Epidemic和CRAMP算法的路由开销显著下降,MA缓存容量的变化对Spray and Wait算法的路由开销基本没有影响.这是由于节点缓存容量的增加使得所携带消息副本的数量增加,节点转发数据分组总数也就随之增加,CRAMP通过数据优先级和缓存时间管理节点缓存的数据接收和释放,使得路由开销降低较快.

4 结 论

1) 文中提出的CRAMP算法主要通过建立网络和移动节点模型,将节点自由度和数据优先级设置为控制消息副本数量的首要因素.

2) 提出了基于数据优先级和缓存时长的堆积与释放策略,来降低路由开销与通信时延,从而提高了消息的投递率.

3) 通过与Epidemic算法和Spray and Wait算法的仿真比较可知,CRAMP算法在这些方面均具有一定的优势,能够高效地将机坪工况数据传输至上位机.

4) 由于机坪设备分散广泛,汇聚节点在被部署和收集数据时可能存在盲区,造成数据遗漏,因此如何确保数据完整的传输至上位机并有效降低网络内数据冗余将是未来的研究方向.

参考文献(References)

[ 1 ] GAD W, ABDELKADER T. A fuzzy-based routing protocol for metropolitan-area mobile adhoc networks[C]∥Proceedings of the 2014 10th International Computer Engineering Conference. New York:IEEE, 2014:133-138.

[ 2 ] SOELISTIJIANTO B, HOWARTH M P. Transfer reliability and congestion control strategies in opportunistic networks: a survey[J]. IEEE Communications Surveys & Tutorials, 2014, 16(1): 538-555.

[ 3 ] ABABOU M, ELKOUCH R, BELLAFKIH M, et al. BeeAntDTN: a nature inspired routing protocol for delay tolerant networks[C]∥Proceedings of the 2014 Mediterranean Microwave Symposium. Piscataway: IEEE Computer Society, doi: 10.1109/MMS.2014.7088998.

[ 4 ] JIANG S H, HUA X. Construction site environment temperature monitoring system based on ZigBee and virtual instrument[J]. Journal of Networks,2013, 8(4): 963-970.

[ 6 ] CHAKCHOUK N. A survey on opportunistic routing in wireless communication networks[J]. IEEE Communications Surveys & Tutorials,2015,17(4):2214-2241.

[ 7 ] GAO Z X, SHI Y, CHEN S Z, et al. Exploiting social relationship for opportunistic routing in mobile social networks[J]. IEICE Transactions on Communications, 2015, E98B(10):2040-2048.

[ 8 ] GUPTA A K, MANDAL J K, BHATTACHARYA I, et al. CTMR-collaborative time-stamp based multicast routing for delay tolerant networks in post disaster scenario[J]. Peer-to-Peer Networking and Applications, 2016, doi: 10.1007/s12083-016-0533-5.

[ 9 ] ZHANG F, WANG X M, LI P, et al. An energy aware cellular learning automata based routing algorithm for opportunistic networks[J]. International Journal of Grid and Distributed Computing, 2016,9(2):255-272.

[10] GUAN J F, CHU Q, YOU I. The social relationship based adaptive multi-spray-and-wait routing algorithm for disruption tolerant network[J]. Mobile Information Systems,2017, doi: 10.1155/2017/1819495.

[11] JAIN S, CHAWLA M, SOARES V N G J, et al. Enhanced fuzzy logic-based spray and wait routing protocol for delay tolerant networks[J]. International Journal of Communication Systems,2014, 29(12): 1820-1843.

[12] YAN Y, ZHANG B X, ZHENG J, et al. CORE: a co-ding-aware opportunistic routing mechanism for wireless mesh networks[J]. IEEE Wireless Communications, 2010, 17(3):96-103.

[13] 董梦梦, 王翥. 面向机场环境监测的WSN组网技术[J]. 江苏大学学报(自然科学版), 2016, 37(5): 578-584.

DONG M M, WANG Z. WSN networking technology for airport environment monitoring[J]. Journal of Jiangsu University(Natural Science Edition), 2016, 37(5): 578-584.(in Chinese)

[14] 李国庆, 郑鑫, 孔祥盛. 一种区间型联系数的WSN路由选择算法[J]. 重庆邮电大学学报(自然科学版), 2014, 26(6):745-749.

LI G Q, ZHENG X, KONG X S. A routing algorithm for wireless sensor networks based on interval connection number[J]. Journal of Chongqing University of Post and Telecommunications (Natural Science Edition), 2014, 26 (6):745-749.(in Chinese)

[15] 罗娅, 陈文. 一种安全的无线传感器网络分布式决策融合方法[J]. 四川大学学报(自然科学版), 2015, 52(3):499-504.

LUO Y, CHEN W. A security distributed decision fusion method for the wireless sensor network[J]. Journal of Sichuan University(Natural Science Edition),2015, 52 (3):499-504.(in Chinese)