基于大数据技术的传感设备数据传输路径优化方法

摘要：为降低传输中数据通信路径的抖动频次，提高传输路径的网络带宽，文章引进大数据技术研究传感设备数据传输路径优化方法。根据无线信号的强度和节点的发射功率，设置通信半径，明确不同节点之间能够相互通信的最大距离，以此为依据，建立传感设备数据无线传输网络；利用大数据技术中的数据挖掘技术，进行全域数据扫描；使用机器学习技术，进行节点关联计算，根据计算节点，选取传输网络簇头节点；引入了数据分发技术中的多播方式，设计传感设备数据多路径传输。对比实验结果证明：该方法可以在控制传感设备数据传输路径抖动频次的基础上，提高网络传输路径的带宽，为数据的高效率传输提供全面的技术保障与支持。

关键词：大数据技术；簇头节点；优化方法；路径；数据传输；传感设备

中图分类号：TP311" 文献标志码：A

0 引言

在物联网、智慧城市、智能交通等领域，传感设备作为数据采集的前端，其数据传输的效率和稳定性对于整个系统的运行至关重要。

李小汝等^［1］通过深入分析数据传输的特性，确定了数据传输帧的最佳长度，进而调整数据传输的LDPC码度分布，以实现高通量卫星通信传输信息的最大化。尽管该方法优化了数据传输参数，但在复杂多变的通信环境中，仍可能面临信道干扰和信号衰减等问题，影响通信质量。同时，该方法对于数据传输的实时性和动态调整能力尚需进一步提高，以适应不同应用场景下的需求变化。张伟等^［2通过构建基于多层次数据融合的集群监控体系结构，对各层次的安全生产数据进行分区，研究多优先级、多路径传输机制，为数据的低延时、高效传输提供决策支持。但WSN节点的计算和存储能力有限，可能无法处理大量复杂的数据，限制了其在大型流程行业中的应用范围，导致数据传输不稳定，增加了数据丢失风险。同时，该方法对于网络拓扑结构的动态变化适应性有限，可能无法及时响应网络拓扑变化，影响数据传输的效率和可靠性。

为解决现有方法的不足，本文引进大数据技术，开展传感设备数据传输路径优化方法的设计研究，以此种方式，推进传感设备在市场各个领域的应用。

1 建立传感设备数据无线传输网络

为满足传感设备数据传输路径优化设计需求，本文采用建立数据无线传输网络的方式，为数据传输提供技术支撑。在此过程中，传感设备数据无线传输网络涉及多个传感器节点和一个或多个中央接收节点（或基站），将传感器节点分布在特定的地理区域内，收集数据并通过无线方式将数据发送至中央节点^［3］。为了优化网络性能，可以根据无线信号的强度和节点的发射功率，设置通信半径，明确不同节点之间能够相互通信的最大距离。此过程计算公式如下：

f=kF+lφe（1）

其中，f为节点间能够相互通信的最大距离；k为节能能耗限制；F为节点发射功率；l为中央节点；φ为无线信号强度；e为传感器节点分布密度。考虑到无线信号的衰减和障碍物的存在，无线通信网络覆盖范围的设置可以通过下述公式计算：

p=hqsm（2）

其中，p为无线通信网络覆盖范围；s为无线信号的衰减；m为障碍物数量。传感器节点的能量消耗主要来自数据收集和传输。传输距离越远，消耗的能量越多^［4］。能量消耗模型通常与传输距离、数据大小和传输功率有关，因此，在掌握网络覆盖范围的基础上，以此为依据，对路径传输中的能量损耗进行计算。计算公式如下：

L=2γpz（3）

其中，L为传输路径中的能量损耗；γ为数据规模；z为传输功率。通过上述方式，掌握数据在无线通信网络中的损耗，对其进行补偿，从而实现对传感设备数据无线传输网络的构建。

2 基于大数据技术的传输网络簇头节点选取

簇头节点的选取对于平衡网络能耗、提高数据传输效率具有关键作用，因此，在完成上述内容的设计后，引进大数据技术，进行传输网络簇头节点的选取^［5］。在此过程中，利用大数据技术中的数据挖掘技术进行全域数据扫描，收集分布在空间中的节点数据，包括节点位置信息、剩余能量、通信质量等，将其传输到中央服务器或数据中心进行存储和预处理。处理过程计算公式如下：

α=∑L·β（4）

其中，α为数据预处理；β为大数据扫描范围。在预处理完成后，使用机器学习技术进行节点关联计算，计算公式如下：

P=E（α）T（5）

其中，P为节点关联系数；E为机器学习系数；T为关联条件。簇头节点的选取与其剩余能量成正比，即剩余能量越多的节点被选为簇头的概率越大，通过分析节点的剩余能量数据，找出剩余能量较高的节点作为候选簇头^［6］。在此过程中，节点被选为簇头的概率可以通过下述公式计算：

Q=1DP（6）

其中，Q为节点被选为簇头的概率；D为节点的总剩余能量。在此基础上，综合考虑节点的剩余能量和到坐标中心的距离，进行传输网络簇头节点的选取^［7］。此过程计算公式如下：

W=χQ+（1-δ2）（7）

其中，W为传输网络簇头节点选取；χ为节点加权；δ为权重因子。按照上述方式，完成基于大数据技术的传输网络簇头节点选取。

3 传感设备数据多路径传输

在上述设计内容的基础上，进行传感设备数据多路径的传输设计。设计中，为确保数据高效、可靠地通过多条路径并发传输，引入了数据分发技术中的多播方式^［8］。多播方式允许数据在单个发送操作中被发送到多个接收者，传输中，根据网络的状态和节点的特性选择出多条合适的传输路径，将待传输的数据打包成多个数据单元，根据路径选择的结果，将数据单元同时发送到路径上的多个节点^［9］。此过程中，每个节点都负责接收、处理和转发属于自己的数据单元，从而确保数据能够沿着多条路径并行传输，最终到达目标节点。此过程计算公式如下：

J=ε+2Wc（8）

其中，J为数据分发；ε为路径评分；c为路径能耗。在目的地节点，需要对通过多个路径传输的数据进行重组，以得到完整的数据。数据重组可以通过序列号、时间戳等方式进行，确保数据的顺序性和完整性。数据重组过程计算公式如下：

ω=∑J+rξ（9）

其中，ω为终端在接收数据后的重组处理；r为数据序列号；ξ为数据时间戳。终端在接收到数据后，按照公式（9）进行数据重组，以此实现传感设备数据的多路径传输，完成基于大数据技术的传感设备数据传输路径优化方法设计^［10］。

4 对比实验

完成上述内容的设计后，选择某生产单位传感设备展开对比实验。为确保传感设备数据传输路径优化实验的可靠性，选取多用途的传感设备，对实验中选用的传感设备技术参数进行分析，相关内容如表1所示。

在此基础上，对传感设备采集的数据进行汇总，将其作为本次实验的样本数据，对样本数据进行描述，如表2所示。

在传感设备的数据传输过程中，数据首先由传感器采集并打包，然后通过预定的传输路径（如无线网络、有线网络或总线系统）发送至接收端（如上位机、数据中心等）。接收端在接收到数据包后，会进行解包处理，提取出有用的数据信息进行存储或进一步处理。在一次为期1周的测试中，发现某无线传感网络在每天的10：00—12：00时间段内，由于周围电磁环境的干扰，传输路径的抖动频次平均达到5次/min，最高达到10次/min。除上述问题，在一项针对大型物联网系统的研究中，发现系统中约10%的通信传输节点存在离线问题，而出现此种现象的原因是网络传输带宽不足。

为解决现有方法的不足，分别应用李小汝等^［1］、张伟等^［2］方法与本文方法进行传感设备数据传输路径的优化。将上述数据作为传输对象，对3种方法传输数据时的路径抖动频次进行分析对比，相关结果如表3所示。

从表3中数据可以看出，应用本文设计的方法进行传感设备数据传输路径优化，优化后传输传感设备数据时的10条路径抖动频次均为0，而李小汝等^［1］、张伟等^［2］方法在传输传感设备数据时，无法保证每条路径的抖动频次均为0。

在此基础上，对优化后的网络传输路径带宽进行分析，其结果如图1所示。

从图1所示的实验结果可以看出，在相同的节点传输率下，应用本文方法进行传感设备数据传输路径优化，优化后的网络传输路径带宽最大，而李小汝等^［1］、张伟等^［2］方法对应的网络传输路径带宽则相对较小。

综合上述实验结果，可以得到结论：本文设计的基于大数据技术的优化方法应用效果良好，该方法可以在控制传感设备数据传输路径抖动频次的基础上，提高网络传输路径的带宽，此种方式为数据的高效率传输提供了全面的技术保障与支持。

5 结语

大数据技术的挖掘能力显著提升，为传感设备数据传输路径的优化提供了有力支持。随着传感设备数量的不断增加以及采集数据量的急剧增长，现有的数据传输路径已难以满足高效、可靠的数据传输需求。且现有的数据传输路径在面对海量数据时，大多存在传输效率低下、稳定性差等问题，难以满足实际应用需求。为解决此方面问题，本文在此次研究中引进大数据技术，从传感设备数据无线传输网络、传输网络簇头节点选取、传感设备数据多路径传输等方面，开展了传感设备数据传输路径优化方法的设计研究。本文通过深入分析传感设备的数据特性、传输需求以及大数据技术的应用，旨在降低数据传输的延迟和丢包率，提高传输的稳定性和可靠性，从而为物联网、智慧城市等的建设应用提供更加优质的服务。

参考文献

［1］李小汝，王怀乐，朱玲玲，等.基于数据传输特性的卫星广播通道参数优化方法与应用［J］.气象科技，2024（2）：186-194.

［2］张伟，李泽亚，张充，等.基于WSN的流程行业安全生产数据多优先级多路径传输方法［J］.中国安全生产科学技术，2023（9）：5-11.

［3］殷昱煜，苟红深，李尤慧子，等.Mort：面向实时数据分发和传输优化的依赖性任务卸载框架［J］.计算机研究与发展，2023（5）：1002-1020.

［4］朱简.数据跨境传输的制度困囿与优化设计：以浙江自由贸易试验区为例［J］.商业经济研究，2023（7）：178-180.

［5］陈雪，李秋浩，于健，等.基于消息分发机制的车载数据无线传输优化控制策略研究［J］.铁道机车与动车，2023（3）：11-13，24.

［6］马礼智，唐睿，张睿智，等.基于无线能量传输的物联网数据采集系统中资源分配机制的设计［J］.信息与控制，2023（2）：220-234.

［7］张宗福.基于云计算平台的移动数据传输分配路径选择研究［J］.信息与电脑（理论版），2022（24）：110-112.

［8］张紫文，林文涛，王琳，等.面向超高速采样数据传输的差分互连结构设计与优化［J］.仪表技术与传感器，2022（12）：84-88，95.

［9］李志博，李栋，俞雪婷，等.基于软件定义工业网络的多路径传输机制设计与实现［J］.自动化博览，2022（6）：36-40.

［10］刘烈君.基于模糊自适应算法的无线视频多路径同步传输方法［J］.哈尔滨商业大学学报（自然科学版），2022（1）：35-41.

（编辑 沈 强编辑）

Optimization method of data transmission path of sensing equipment based on big data technology

ZHU" Ronghua

（Zhujiang College， South China Agricultural University， Guangzhou 510900， China）

Abstract：" In order to reduce the jitter frequency of the data communication path in the transmission and improve the network bandwidth of the transmission path， this article introduces big data technology to carry out the design and research of the optimization method of the data transmission path of the sensing equipment. According to the strength of the wireless signal and the transmission power of the node， the communication radius is set to define the maximum distance between different nodes to communicate with each other， establish the sensing equipment data transmission network; use data mining technology in big data technology to scan global data; The article uses machine learning technology to calculate node correlation， select transmission node cluster node according to computing nodes; and introduces multicast mode in data distribution technology to design multi-path transmission of data of sensing equipment. The comparative experimental results prove that this method can improve the bandwidth of the network transmission path on the basis of controlling the jitter frequency of the data transmission path of the sensing equipment， and provide comprehensive technical support for the efficient data transmission in this way.

Key words： big data technology; cluster head node; optimization method; path; data transmission; sensing equipment