基于雾计算及RoF-DAS架构的物联网调度系统设计

陈功平,王 红

(六安职业技术学院 信息与电子工程学院,安徽 六安 237158)

0 引言

目前很多研究学者对互联网的便捷性做了进一步研究。传感器和芯片成本降低后,电脑、平板和手机等产品在连接网络信号方面得到了改善。物联网逐渐走进人们的生活,带来与传统生活不一样的新体验,极大地方便了人们日常工作和生活。物联网网络拓扑结构种类多样,能够提供较为丰富的业务活动,但也因此对于网络的可靠性要求较高。不少国内外研究集中于系统的精准掌控,不断挖掘调度系统与数据系统间的关系,致力于改变系统中的数据接收性能,操作技能较为先进,但在实际操作过程中无法精准把握物联网数据状况,网络信息收集能力较弱[1-2]。

为了解决上述问题,根据物联网数据接收结构,提出了一种新式基于雾计算及RoF-DAS架构的物联网调度系统设计。所设计系统能够在一定程度上强化系统的数据管理能力,对物联网内部信息进行合理判断,减少无关操作的损失数量,调度效果较佳。

1 系统总体架构设计

基于雾计算及RoF-DAS架构的物联网调度系统设计总体框架,如图1所示。

图1 系统总体架构

由图1可知,该系统采用集中化设计结构,即由多个agent组成的集中管理组织,负责为各下属诊断agent提供统一的协调管理中心,实现对各agent的行为、任务分配和信息资源共享。

系统主要组成部分功能如下:

1)传感器:传感器主要负责监测物联网的环境信息和状态,将监测结果存储于数据库中,可用于故障预测与诊断。

2)执行器:执行器主要负责重构系统接收的指令,并将该指令发送给监控控制器。

3)HMI接口:通过物联网交互界面,将代理工作状态的显示和诊断结果呈现给资源库,并对各个模块进行更新。

2 系统硬件结构

为强化物联网调度系统的完整度,对系统硬件进行研究设计,将系统硬件划分为3个模块:网络检测模块、监控模块、定位模块,3个模块联合工作,提高实际操作过程中掌握物联网数据状况的精准度,增强网络信息收集能力[3]。构建系统硬件结构如图2所示。

图2 系统硬件设计结构图

2.1 网络检测模块

由于物联网调度系统的不规律性,文章对其内部网络进行集中监测操作,辅助RoF-DAS架构系统进行精准研究,为此,选取RH6010四通道网络检测器对此进行研究[4],并设置网络检测器工作过程如图3所示。

图3 网络检测器工作过程图

该网络检测器具有时钟自动校准功能,平台内部可对本机进行分区、分组广播操作,在获取相关的物联网信息后,对信息网络状况进行检验与观察,并采用自动报警系统对异常状况进行系统警告[5-7]。

2.2 监控模块

在实现对网络检测模块的设计研究后,对物联网调度进行监控,掌握物联网数据的状况与具体流向[8],进而便于对调度数据的判断研究,并选用JINSONG无线远程监控摄像机进行监控记录,构建监控摄像机[9]。监控客户端软件可以安装在电脑和wince操作系统的手机上,方便数据监控操作,缩减研究所需的时间[10]。

通过手机短信和客户端软件,用户可以远程、方便地对监控站点进行撤销管理[11],利用此监控功能初步确定物联网监控系统部署位置,同时协助内部数据监控系统查找数据源信息,完成监控模块的设计。

2.3 定位模块

为及时掌控物联网调度位置信息,需对整体物联网系统进行定位操作,精准查找设备具体位置。使用WA-300定位器进行跟踪定位。定位器是集4G无线通信技术和 GPS定位技术于一体的智能定位终端。集成GSM/GPRS模块、高精度GPS模块及高性能三轴重力传感器,可以实时侦测设备的当前状态和位置信息,通过无线通讯网络传回云数据平台进行智能分析判断,使用者可在系统终端随时查看定位状况,便于系统检查,为研究提供较大的操作便利[12]。

3 软件部分设计

在完成对系统硬件设计后,在不断强化系统硬件元件性能的基础上,对软件进行改造研究,并设置软件设计流程如图4所示。

在图4中,按照软件操作的过程,可将其分为以下步骤进行研究:

图4 系统软件设计流程图

1)利用雾计算[13]技术连接终端设备与云计算数据中心系统,雾计算具有很强的计算能力,能够计算各种不同的信息。其计算流程如图5所示。

图5 雾计算流程

2)同时按照连接的组合顺序进行数据排列,将符合系统控制区间的数据进行调整,并设置调整方程式进行解析:

式中:K表示为调整后的结果参数;P为系统操纵区间参数;A为组合顺序数值。经过前述操作后,对调整后的数据进行过滤,实时监控过滤后的数据状况,并记录数据状况,设置数据记录如图6所示。

图6 数据记录图

在实现图6中数据记录操作后,标定过滤数据,实现对雾计算数据的初步判断操作。

3)在研究环境下结合定位系统对设备位置信息进行查找,配置监控摄像头确定设备位置,划定物联网调度力度,并利用雾计算的计算方式对调度力度进行精准测量:

(2)

式中：F为调度力度研究数据;G为数据参数状况;N为研究的数据整体数量;kt为雾计算标定数值;l为数据参数。在进行测量的过程中需不断加大对云用户与终端系统之间的控制力度,避免用户与终端之间产生信息混乱的状况[14]。

4)在RoF-DAS架构控制的前提下进行物联网分析操作,对布局区域内的设备进行清查,连接物联网中的网络数据,在底层链路数据达到顶层链路前对通道进行拓展,保证数据的流通通畅性,并对通道扩展操作进行方程式设置:

(3)

式中：D为扩展操作参数;H为内部系统数据容量;I为数据相关度匹配数值;M为研究操作次数。根据流通数据间的对应关系对数据进行编号,将编号相近的数据进行数据集合编录操作[15]。在使用DAS的过程中,扩大信号信息的覆盖范围,加强内部系统的管理,确保数据处于系统正常管控范围内。

通过上述操作,利用雾计算技术连接数据中心并进行数据排列,调整符合系统操纵区间的数据后进行过滤,标定过滤数据,完成初始判断操作,查找物体位置信息,配置监控摄像头确定物体位置,利用雾计算精准测量物联网部署的调度力度,连接网络数据拓展通道,由此实现对系统软件的设计,结合系统硬件检测外部数据信息,实现定位监控,完成物联网部署调度系统设计。

4 实验与研究

为精准检验基于雾计算及RoF-DAS架构的物联网部署调度系统的性能,将物联网部署调度系统应用于车辆调度中,在研究实验场景内进行仿真模拟操作,以传统的物联网部署调度系统作为实验对比方法,并分析实验结果。

通过将HLSS与MATLAB/SIMULINK两种软件相结合,形成一种性能优良的图片形式动态系统仿真软件包,这种软件提供丰富的矩阵运算、图形描绘、数据处理等便利工具。

针对雾计算及RoF-DAS架构研究的复杂性以及物联网部署调度系统研究的数据操作困难性,需对其实验环境进行数据排除,设置实验场景如图7所示,观察实验场景图7可知,对真实的物联网环境进行仿真模拟操作,并根据实际框架结构以及物联网调度位置进行数据排列,对调度系统机能进行研究。模拟现实情况中的直行道路地区进行研究,在仿真场景下提出对物联网部署调度的改善计划,并与传统物联网系统的MIMC算法进行仿真对比分析。

图7 实验场景图

该仿真场景为一条长度为10 km多车道直行道路,网络系统沿道路两侧均匀分布。文章算法中对天线系统进行分布排列操作,网络系统装置分布较为密集,能够满足数据系统的收集及时性,文章中的数据通信范围设置在400 m,每间隔600 m设置一个网络系统监控装置,对通过的车辆网络状况进行测量,将连续的4个网络系统监控装置同时连接到同一个中心系统中。在对比的系统设计方法中,设置其数据通信范围设置在1 200 m,每间隔2 000 m设置一个网络系统监控装置,对通过的车辆网络状况进行测量,将所有的网络系统监控装置同时连接到同一个中心系统中。在此种仿真实验场景中,不断变换车辆经过的节点数据数值,同时对不同的业务类型进行相应的系统分析,查找数值数据之间的关系,对仿真结果进行比较。在仿真过程中,为更好地模拟现实状况的网络传输量,根据内部协议数值及文章中的雾计算算法与MIMC算法进行比较,在仿真实验中需要的实验参数如表1所示。

表1 实验参数

根据上述实验参数进行实验,得到传统系统及文章研究系统的车辆信息收集能力对比,实验图如图8所示。

图8 车辆信息收集能力实验结果

观察图8可知,将传统系统和文章研究系统的车辆信息收集能力相比较,可以看出两种方法都随着收集时间的增加,收集数量也随之增加。文章研究系统在10 min内,收集数量从50 GB左右上升到300 GB左右。传统系统在10 min内,收集数量从25 GB左右上升到275 GB左右。两种方法相比较,文章系统优越于传统系统。在相同时间内,文章研究的系统车辆信息收集能力高于传统系统,由于文章系统引用了雾计算,因此能够收集大量信息,分布式的RoF-DAS架构,使得到的所有信息都可以保存到网络云中,在进行存储、处理等操作时,系统更加依赖本地设备,而不是依赖服务器,这放宽了系统对服务器的要求,提高了系统的容错性,使系统在短时间内能够收集到大量信息。

图9显示在仿真场景中,在网络监控系统装置数目一定的情况下,时间延迟敏感信息的接入时间延迟率随通过车辆数量的变化情况。

图9 仿真实验对比图

分析图9可知,在车辆通过数量较小的情况下,两种系统设计的接入时间延迟率均较小,但在车辆通过数量较大的情况下,两种方法的延迟率差距越来越大,传统系统设计的方法延迟率最大值为83.7%,而文章系统设计的方法延迟率最大值47.3%,文章系统设计的方法比传统系统设计的方法,延迟率降低了36.4%.

文章系统设计的方法基于雾计算及RoF-DAS架构的物联网部署调度系统设计的接入时间延迟率低于传统系统设计,主要是由于操作算法降低了数据间的冗余度,更好地提升了操作数据的质量,有效缓解系统操作较慢的问题。随着通过车辆数量的增加,传统系统设计的接入时间延迟率增加的速度较快,原因是传统设计算法中的系统承载能力有限,无法满足数量较多的实验数据的通过性研究需求,较多的车辆数据使承载系统矛盾增加,进而导致其接入时间延迟率较高。

综上所述,基于雾计算及RoF-DAS架构的物联网部署调度系统设计,能够有效地缓解系统内部的矛盾问题,减少调度系统操作的干扰因素数量,为研究提供较为良好的实验环境。

5 结束语

在传统系统设计的基础上,提出了一种新式基于雾计算及RoF-DAS架构的物联网部署调度系统设计,实验结果表明,该系统设计的设计效果明显优于传统系统设计。相比传统系统设计,提出的基于雾计算及RoF-DAS架构的物联网部署调度系统设计,能够在较高程度上,完善系统的操作有效性,扩大系统数据的可操作范围,为使用者提供较为便利的操作服务。

但是由于时间问题,所提设计还需要进行进一步改进,物联网设备容易暴露(公共)IP地址,会造成很多安全威胁。在未来的研究中,需要对物联网的安全防御问题进行研究,使物联网调度系统得到进一步完善。