基于MongoDB的智能交通領(lǐng)域傳感網(wǎng)數(shù)據(jù)存儲(chǔ)模型設(shè)計(jì)

馬兆豐

(浙江交通職業(yè)技術(shù)學(xué)院 信息學(xué)院，杭州 311112)

基于MongoDB的智能交通領(lǐng)域傳感網(wǎng)數(shù)據(jù)存儲(chǔ)模型設(shè)計(jì)

馬兆豐

(浙江交通職業(yè)技術(shù)學(xué)院 信息學(xué)院，杭州 311112)

通過討論智能交通領(lǐng)域的傳感網(wǎng)具有的獨(dú)特特性，設(shè)計(jì)出一種數(shù)據(jù)存儲(chǔ)和數(shù)據(jù)查詢的模型，應(yīng)用MongoDB數(shù)據(jù)庫的特點(diǎn)，展現(xiàn)其在智能交通數(shù)據(jù)處理領(lǐng)域中數(shù)據(jù)檢索的優(yōu)勢，對(duì)智能交通中傳感網(wǎng)的數(shù)據(jù)存儲(chǔ)給出了解決方案。

MongoDB；智能交通；傳感網(wǎng)；模型設(shè)計(jì)

1 傳感網(wǎng)中的數(shù)據(jù)存儲(chǔ)與訪問模式

傳感網(wǎng)中主要存儲(chǔ)方式的優(yōu)缺點(diǎn)。第一，集中式存儲(chǔ)。優(yōu)點(diǎn)：與傳統(tǒng)的數(shù)據(jù)存儲(chǔ)思想吻合，數(shù)據(jù)訪問方便。缺點(diǎn)：當(dāng)網(wǎng)絡(luò)中的節(jié)點(diǎn)多時(shí)，會(huì)有很多數(shù)據(jù)需要傳輸，靠近存儲(chǔ)點(diǎn)的節(jié)點(diǎn)會(huì)因轉(zhuǎn)發(fā)數(shù)據(jù)而消耗能量太快。 第二，本地存儲(chǔ)。優(yōu)點(diǎn)：數(shù)據(jù)存儲(chǔ)簡單，存儲(chǔ)過程幾乎沒有通信開銷。缺點(diǎn)：存儲(chǔ)能力有限，不能長期保存數(shù)據(jù)，數(shù)據(jù)容易丟失。查詢請(qǐng)求在網(wǎng)絡(luò)中廣播將占用大量網(wǎng)絡(luò)資源，所以，不適用于查詢請(qǐng)求頻繁的網(wǎng)絡(luò)。第三，分布式存儲(chǔ)。優(yōu)點(diǎn)：與傳感器網(wǎng)絡(luò)本身的特性非常吻合，中間件技術(shù)可以提供較為豐富的查詢模式。缺點(diǎn)：無線傳感器節(jié)點(diǎn)的存儲(chǔ)和處理能力有限，不能支撐大量的數(shù)據(jù)存儲(chǔ)；系統(tǒng)需要為中間件提供額外的開銷。

表1 不同存儲(chǔ)方式的代價(jià)對(duì)比
Tab.1 The cost comparison of different storage modes

存儲(chǔ)形式存儲(chǔ)代價(jià)訪問代價(jià)集中存儲(chǔ)M*O()0分布式存儲(chǔ)M*O()Q*O(n/m)+Q*O()傳感器本地存儲(chǔ)0Q*O(n)+Q*O()

其中：n為傳感器的個(gè)數(shù)(假設(shè)傳感器網(wǎng)絡(luò)是均勻分布的)，M為產(chǎn)生數(shù)據(jù)的速率，Q為查詢數(shù)據(jù)的速率，m為數(shù)據(jù)分布存儲(chǔ)的點(diǎn)位數(shù)，而O()則為數(shù)據(jù)由傳感節(jié)點(diǎn)傳遞到接受點(diǎn)的平均代價(jià)。

2 智能交通領(lǐng)域傳感網(wǎng)的特點(diǎn)

2.1 智能交通領(lǐng)域的傳感網(wǎng)數(shù)據(jù)的特點(diǎn)

第一，傳感器地理位置敏感。第二，數(shù)據(jù)采集量巨大。第三，數(shù)據(jù)兼有時(shí)效性強(qiáng)和長期保存的兩方面特點(diǎn)。第四，傳感器工作存在明顯的繁忙期與空閑期。第五，需要進(jìn)行區(qū)域的數(shù)據(jù)檢索。

圖1 網(wǎng)絡(luò)結(jié)構(gòu)圖圖Fig.1 Network structure

圖2 數(shù)據(jù)存儲(chǔ)模型Fig.2 Data storage model

2.2 與智能交通特點(diǎn)相適應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)與存儲(chǔ)模型

第一，結(jié)合分布式存儲(chǔ)和集中式存儲(chǔ)兩種方法。在“繁忙”期，數(shù)據(jù)主要沉積在傳感器中，而在“空閑”期中，數(shù)據(jù)則通過網(wǎng)絡(luò)傳輸?shù)絺鞲衅鹘尤刖W(wǎng)關(guān)中。第二，數(shù)據(jù)處理結(jié)合面向文檔的數(shù)據(jù)庫和面向事務(wù)處理的數(shù)據(jù)庫。使用MongoDB數(shù)據(jù)庫實(shí)現(xiàn)實(shí)時(shí)采集；采用MySQL數(shù)據(jù)庫系統(tǒng)進(jìn)行后期處理，可以實(shí)現(xiàn)聯(lián)機(jī)事務(wù)處理與聯(lián)機(jī)事物分析。第三，在云平臺(tái)層和網(wǎng)關(guān)匯聚層之間，設(shè)立邏輯抽象層。將用戶的查詢請(qǐng)求與物理存儲(chǔ)的數(shù)據(jù)分割開來；同時(shí)，屏蔽大量傳感器設(shè)備的物理參數(shù)特性。第四，云平臺(tái)層實(shí)現(xiàn)存儲(chǔ)和處理能力的彈性動(dòng)態(tài)分配，再結(jié)合面向文檔的數(shù)據(jù)庫管理系統(tǒng)MongoDB，就可以很好地實(shí)現(xiàn)對(duì)頻繁更新海量數(shù)據(jù)的存儲(chǔ)和處理。第五，應(yīng)用管控層主要對(duì)整個(gè)系統(tǒng)進(jìn)行綜合調(diào)控。

如圖1、圖2的系統(tǒng)架構(gòu)有以下幾方面優(yōu)點(diǎn)：第一，底層傳感器中存儲(chǔ)有最“新鮮”數(shù)據(jù)，可以通過車載傳感器和車聯(lián)網(wǎng)系統(tǒng)，動(dòng)態(tài)、實(shí)時(shí)地接受這些傳感器的數(shù)據(jù)。第二，采用了在“繁忙”時(shí)存儲(chǔ)、“空閑”時(shí)發(fā)送的策略，很好地處理了數(shù)據(jù)的存儲(chǔ)問題和數(shù)據(jù)的上傳瓶頸問題。第三，系統(tǒng)采用MongoDB數(shù)據(jù)庫處理“原始數(shù)據(jù)”，能很好地實(shí)現(xiàn)數(shù)據(jù)的頻繁更新插入及多種索引，能夠?qū)崿F(xiàn)基于地理信息的范圍所搜、自動(dòng)數(shù)據(jù)分片等功能。采用關(guān)系數(shù)據(jù)庫MySQL處理聯(lián)機(jī)事物處理和聯(lián)機(jī)事物分析。第四，系統(tǒng)引入邏輯抽象層的概念，使上層處理層中呈現(xiàn)更容易被程序員和用戶所理解的描述，使很多與傳感器硬件相關(guān)的信息被屏蔽掉。

2.3 關(guān)鍵數(shù)據(jù)的MongoDB存儲(chǔ)實(shí)現(xiàn)

以采集數(shù)據(jù)集合和網(wǎng)關(guān)設(shè)備集合這兩個(gè)集合做例子，展示MongoDB數(shù)據(jù)庫的存儲(chǔ)實(shí)現(xiàn)技術(shù)和地理空間查詢技術(shù)的應(yīng)用。

第一，采集數(shù)據(jù)集合：ITS_Data

{

_ID:ObjectID( ),

“DevID”:”D0001”,

“DevType”:”Temp”,

“SampleRate”:500

“Description”:”G25 Highway temperature sensor”

“DevLoca”:{

“LocType”:”Point”,

“coordinates”:[120.2000005,30.3000005]

}

“DevData”:{

“GetTime”:Date( ),

“Value”:32.58

}

“ITS_GateWay”:ObjectID(GateWay0707),

}

第二，地理空間查詢技術(shù)。

>var eareRect={

“Type”:”Polygon”,

“coordinates”:[

[120.2000010,30.3000010],

[120.2000010,30.3000001],

[120.2000001,30.3000001],

[120.2000001,30.3000010]

]}

>db.ITS_Data.find({“DevLoca”:{“$within”:{“$geometry”:eareRect}}})

?以上可以檢索出在給出的地域范圍內(nèi)所有傳感器發(fā)出的數(shù)據(jù)內(nèi)容。

>db.ITS_Data.find({“DevLoca”:{“$near”:{“$geometry”:eareRect}}})

?以上可以檢索出在給出的地域范圍附近所有的傳感器發(fā)出的數(shù)據(jù)內(nèi)容。

>db.ITS_Data.find({“DevLoca”:{“$within”:{“$geometry”:eareRect}},“DevType”:”Temp”})

?以上可以檢索出在給出的地域范圍內(nèi)所有溫度傳感器發(fā)出的數(shù)據(jù)內(nèi)容。

[1] 丁治明，高需.面向物聯(lián)網(wǎng)海量傳感器采樣數(shù)據(jù)管理的數(shù)據(jù)庫集群系統(tǒng)框架[J].計(jì)算機(jī)學(xué)報(bào)，2012，6(35)：120-121.

[2] 蔚趙春，周水庚，關(guān)佶紅.無線傳感網(wǎng)絡(luò)中國數(shù)據(jù)存儲(chǔ)與訪問研究進(jìn)展[J].電子學(xué)報(bào)，2008，(10)：143-144.

Design of data storage model for sensor network based on MongoDB in intelligent transportation

MA Zhao-feng

(School of Information, Zhejiang Institute of Communications, Hangzhou 311112, China)

A model for data storage and data query is designed by discussing the unique characteristics of sensor networks in intelligent transportation. The advantages of data retrieval in intelligent traffic data processing are demonstrated by using the characteristics of MongoDB database, and the solutions for the data storage of sensor network in intelligent transportation are proposed.

MongoDB; Intelligent transportation; Sensor network; Model design

2016-10-20

馬兆豐(1965-)，男，副教授，碩士。

TP333；TP212

A

1674-8646(2016)22-0020-02