存算分離的原位傳感器觀測接入方法①

袁 賽, 陳能成, 肖長江, 杜文英, 王 凱

(武漢大學(xué) 測繪遙感信息工程國家重點實驗室, 武漢 430070)

存算分離的原位傳感器觀測接入方法①

袁 賽, 陳能成, 肖長江, 杜文英, 王 凱

(武漢大學(xué) 測繪遙感信息工程國家重點實驗室, 武漢 430070)

原位傳感器是智慧城市建設(shè)的重要數(shù)據(jù)來源, 其在城市資源協(xié)調(diào)、災(zāi)害預(yù)警、動態(tài)監(jiān)測分析等領(lǐng)域發(fā)揮決定性作用. 當(dāng)前傳感器觀測接入方法未考慮傳感器數(shù)據(jù)的流式特征, 無統(tǒng)一的接入模型, 導(dǎo)致無法統(tǒng)一過濾特定時空場景下的觀測結(jié)果, 傳感器接入組件可復(fù)用性差. 本文提出一種存算分離的原位傳感器觀測接入方法, 以站點為中心的傳感器統(tǒng)一接入模型為基礎(chǔ), 將流式處理框架下的原位傳感器觀測接入過程分為數(shù)據(jù)獲取、觀測過濾與觀測存儲三個部分. 實驗證明該方法能夠基于傳感器統(tǒng)一接入模型有效接入網(wǎng)絡(luò)結(jié)構(gòu)異構(gòu)的原位傳感器站點, 并實現(xiàn)對多個原位傳感器觀測結(jié)果特定時間、空間場景下的屬性過濾.

原位傳感器; 觀測接入; 存算分離; 流式處理; 過濾

隨著地理空間傳感網(wǎng)[1]的不斷發(fā)展, 以度量值為觀測結(jié)果的標(biāo)量觀測原位傳感器不斷增多, 包括RFID傳感器、溫度、風(fēng)力、風(fēng)向傳感器等. 作為城市資源協(xié)調(diào)、災(zāi)害預(yù)警、動態(tài)監(jiān)測分析的保障, 傳感器觀測數(shù)據(jù)的信息有效性是決策分析的關(guān)鍵. 因而研究原位傳感器觀測接入對動態(tài)獲取原位傳感器觀測結(jié)果, 提高特定時空場景下的觀測質(zhì)量, 實時發(fā)布傳感器觀測服務(wù)具有重要作用.

開放地理空間聯(lián)盟(Open Geospatial Consortium,OGC)在傳感網(wǎng)絡(luò)整合框架(Sensor Web Enablement,SWE)中提出了傳感器觀測服務(wù)(Sensor Observation Service, SOS)[2], 以傳感器建模語言(Sensor ModelLanguage, SensorML)[3]和觀測與測量(Observation and Measurement, O&M)[4]標(biāo)準(zhǔn)實現(xiàn)異構(gòu)傳感器規(guī)則觀測數(shù)據(jù)的存儲與發(fā)布, 而沒有規(guī)范底層傳感器數(shù)據(jù)流到SWE框架接入過程. 針對SWE框架下的傳感器觀測接入問題, 當(dāng)前的主要解決思路是通過創(chuàng)建映射規(guī)則進行協(xié)議轉(zhuǎn)換[5,6], 將底層協(xié)議轉(zhuǎn)換成SWE協(xié)議.Broering等人[7]在此基礎(chǔ)上進行了擴展, 提出了傳感器總線概念. Karl等人[8]提出一種GSN方式的傳感器接入中間件與傳感網(wǎng)連接方法. 在傳感器觀測質(zhì)量提升方面, 張明哲等人[9]將嵌入式RFID中間件數(shù)據(jù)過濾模型分為屬性、冗余、行為和規(guī)則四個部分; 易葉青等人[10]研究了傳感器虛假數(shù)據(jù)過濾問題. 上述傳感器觀測接入研究集中于SWE框架和非SWE框架兩個方面的擴展, 主要以適配器的方式接入傳感器單元, 但在接入過程中有三個問題未進行考慮: 1)對于異構(gòu)的傳感器接入單元, 未能提出統(tǒng)一的傳感器接入模型; 2)傳感器觀測數(shù)據(jù)是一種典型的時間序列數(shù)據(jù), 具有流式數(shù)據(jù)實時性、無邊性和瞬時性[11], 上述研究未考慮如何在流式數(shù)據(jù)處理框架下接入傳感器觀測數(shù)據(jù); 3)當(dāng)前傳感器觀測過濾以觀測值為過濾對象, 對時間、空間過濾條件涉及較少, 未形成一套完整的過濾方法與機制.

綜上所述, 針對原位傳感器觀測接入, 考慮傳感器的異構(gòu)性與觀測數(shù)據(jù)的流式特征, 本文提出一種存算分離的原位傳感器觀測接入方法, 在流式數(shù)據(jù)處理框架下, 以原位傳感器站點為單元, 將原位傳感器接入過程分為數(shù)據(jù)接收、觀測過濾和觀測存儲三個部分, 實現(xiàn)原位傳感器網(wǎng)絡(luò)單元觀測數(shù)據(jù)的體系化過濾接入及實時存儲發(fā)布.

1 原位傳感器觀測接入設(shè)計原理

原位傳感器具有網(wǎng)絡(luò)結(jié)構(gòu)異構(gòu)的特征, 即相同通信協(xié)議下的傳感器網(wǎng)絡(luò)組成的傳感器數(shù)量和類型不同.同時, 傳統(tǒng)的傳感器觀測過濾, 忽略時間與空間屬性,僅對傳感器觀測值過濾, 因而不同地理場景下的事件監(jiān)測、預(yù)警難以展開. 考慮傳感器觀測數(shù)據(jù)的異構(gòu)特征以及過濾計算需求, 本文在傳感器接入階段將傳感器觀測數(shù)據(jù)結(jié)構(gòu)統(tǒng)一化, 將傳感器數(shù)據(jù)接收、觀測過濾和觀測存儲相分離, 三者相互獨立, 依靠傳感器觀測數(shù)據(jù)模型銜接, 進而解決異構(gòu)傳感器觀測接入問題和傳感器統(tǒng)一過濾. 原位傳感器觀測接入框架如圖1所示,傳感器觀測接入過程涉及傳感器網(wǎng)絡(luò)層、接入拓?fù)鋵蛹皞鞲衅饔^測服務(wù)層. 傳感器網(wǎng)絡(luò)層代表原位傳感器實體網(wǎng)絡(luò)結(jié)構(gòu), 通過原位傳感器平臺實現(xiàn)與接入拓?fù)鋵拥臄?shù)據(jù)通信. 同時, 需要對傳感器網(wǎng)絡(luò)層進行建模并注冊到傳感器觀測服務(wù)中; 接入拓?fù)鋵拥慕尤胪負(fù)鋯卧譃閿?shù)據(jù)接收、觀測過濾和觀測存儲三個部分, 它們由傳感器流式接入單元配置參數(shù)構(gòu)建成一個傳感器接入拓?fù)鋯卧? 原位觀測服務(wù)層支持傳感器網(wǎng)絡(luò)模型的注冊以及拓?fù)鋵咏尤氲膫鞲衅饔^測結(jié)果的實時存儲與發(fā)布. 接入拓?fù)鋵訉鞲衅骶W(wǎng)絡(luò)層與觀測服務(wù)層銜接起來, 進而實現(xiàn)原位傳感器觀測數(shù)據(jù)的實時接入與發(fā)布. 存算分離的原位傳感器觀測接入方法, 提高了傳感器觀測計算和存儲部分的復(fù)用性. 異構(gòu)的傳感器觀測接入, 只需要重構(gòu)數(shù)據(jù)獲取組件, 直接復(fù)用傳感器觀測過濾與存儲組件.

圖1 原位傳感器觀測接入框架

2 存算分離的觀測接入方法

基于原位傳感器觀測接入中的存算分離思想, 傳感器接入拓?fù)鋯卧罁?jù)傳感器流式接入流程配置參數(shù),將數(shù)據(jù)接收組件、觀測過濾組件與觀測存儲組件有機地結(jié)合, 形成一個原位傳感器觀測接入單元.

2.1 數(shù)據(jù)接收組件

數(shù)據(jù)接收組件處理流程主要有構(gòu)建原位傳感器統(tǒng)一接入模型、傳感器數(shù)據(jù)流獲取與解析以及傳感器觀測數(shù)據(jù)發(fā)送.

原位傳感器統(tǒng)一接入模型以傳感器站點為接入單元, 將傳感器地理空間位置、觀測時間和觀測屬性等信息組織在傳感器站點下. 如圖2所示, 傳感器站點標(biāo)識以StationID表示, 其下可包含任意傳感器單元; 傳感器單元由傳感器標(biāo)識(SensorID)、傳感器位置(position)、傳感器觀測時間(ObservationTime)以及任意觀測屬性組成; 傳感器觀測屬性則包含傳感器觀測屬性標(biāo)識(PropertyID)、傳感器觀測屬性名稱(PropertyName)、傳感器觀測屬性單位(PropertyUnit)以及傳感器觀測值(Value). 原位傳感器站點及其包含的傳感器使用傳感器建模語言建模, 并將該模型注冊到傳感器觀測服務(wù)中, 數(shù)據(jù)接收組件在明確接入傳感器站點標(biāo)識后, 解析構(gòu)造原位傳感器統(tǒng)一接入模型, 為原位傳感器數(shù)據(jù)匹配做準(zhǔn)備.

圖2 原位傳感器統(tǒng)一接入模型數(shù)據(jù)結(jié)構(gòu)

為實現(xiàn)觀測過程, 數(shù)據(jù)獲取組件部分定義了傳感器的數(shù)據(jù)傳輸協(xié)議與傳感器數(shù)據(jù)表達(dá)等有關(guān)數(shù)據(jù)接入的元數(shù)據(jù)信息, 用于解析觀測數(shù)據(jù)流. 本文以傳感器數(shù)據(jù)協(xié)議規(guī)則件描述上述內(nèi)容, 定義傳感器傳輸協(xié)議實現(xiàn)類, 由于數(shù)據(jù)表達(dá)是針對數(shù)據(jù)流與傳感器觀測屬性的映射關(guān)系的描述, 所以需要定義一組數(shù)組. 傳感器的觀測屬性由傳感器標(biāo)識SensorID和傳感器觀測屬性標(biāo)識(PropertyID)唯一確定, 對于觀測屬性固定的二進制觀測數(shù)據(jù)流, 數(shù)組結(jié)構(gòu)為[SensorID, PropertyID,DataPosition, DataLength, DataRatio], 其中DataPosition指當(dāng)前觀測屬性在數(shù)據(jù)流中的位置, DataLength指觀測屬性在數(shù)據(jù)流中的長度, DataRatio是觀測數(shù)據(jù)轉(zhuǎn)化為標(biāo)準(zhǔn)單位的比率.

原位傳感器統(tǒng)一接入模型, 在匹配獲得各觀測屬性觀測值后, 轉(zhuǎn)化為傳感器接入單元內(nèi)部傳輸?shù)挠^測數(shù)據(jù)模型. 如圖2所示, 該模型由傳感器自身屬性、觀測屬性和觀測結(jié)果三部分共同構(gòu)成.

2.2 觀測過濾組件

傳感器觀測過濾組件負(fù)責(zé)過濾已經(jīng)接入的傳感器觀測數(shù)據(jù).

傳感器觀測是空間和時間相關(guān)的地理現(xiàn)象表達(dá).時間、空間與觀測屬性是過濾的三個重要內(nèi)容, 由于傳感器觀測數(shù)據(jù)存在同質(zhì)性與異質(zhì)性, 既存在觀測相同地理對象的傳感器, 又存在觀測的地理對象類型不同傳感器. 傳感器觀測過濾須定義一致的過濾對象數(shù)據(jù)結(jié)構(gòu). 考慮傳感器觀測是以空間位置為特征的觀測,時間及觀測屬性都可以看作其屬性, 該數(shù)據(jù)組織方式為空間數(shù)據(jù)的Feature數(shù)據(jù)結(jié)構(gòu), 因而構(gòu)建一種Feature特征下的傳感器觀測數(shù)據(jù)結(jié)構(gòu)作為其統(tǒng)一觀測過濾對象. 如圖3所示, 統(tǒng)一過濾對象中position為觀測位置、sensorID為傳感器標(biāo)識、observationTime為觀測時間, 其中傳感器標(biāo)識與觀測屬性標(biāo)識唯一確定一組觀測對象.

圖3 傳感器觀測Feature型數(shù)據(jù)結(jié)構(gòu)

傳感器觀測過濾是對特定時空場景下的觀測屬性過濾. 過濾規(guī)則件以時間、空間過濾操作描述當(dāng)前目標(biāo)時空場景, 當(dāng)接入非目標(biāo)觀測屬性時, 觀測數(shù)據(jù)不被過濾; 而接入觀測數(shù)據(jù)中含有目標(biāo)觀測屬性, 且目標(biāo)觀測屬性的觀測時間、空間包含于過濾規(guī)則件規(guī)定的時空場景時, 觀測數(shù)據(jù)被過濾篩選; 當(dāng)目標(biāo)觀測屬性不在規(guī)定的時空場景范圍時, 觀測數(shù)據(jù)無需過濾. 圖4為觀測過濾流程圖, 具體如下:

Step 1. 輸入觀測數(shù)據(jù).

Step 2. 將觀測數(shù)據(jù)轉(zhuǎn)化為圖3所示的Feature型數(shù)據(jù)結(jié)構(gòu);

Step 3. 輸入觀測過濾規(guī)則件, 并判斷當(dāng)前觀測過濾規(guī)則件是否包含屬性過濾操作, 若包含, 則輸入該過濾規(guī)則件; 否則, 判定為錯誤規(guī)則件, 過濾退出.

Step 4. 判斷當(dāng)前觀測數(shù)據(jù)觀測屬性是否包含在過濾規(guī)則件屬性過濾中, 若是, 則轉(zhuǎn)Step 5; 否則, 不過濾,直接發(fā)送當(dāng)前觀測數(shù)據(jù).

Step 5. 判斷當(dāng)前觀測數(shù)據(jù)時間是否滿足時間過濾操作, 若是, 則轉(zhuǎn)Step 6; 否則, 判定為非目標(biāo)空間場景數(shù)據(jù), 并發(fā)送當(dāng)前觀測數(shù)據(jù).

Step 6. 判斷當(dāng)前觀測數(shù)據(jù)空間位置是否滿足空間過濾操作, 若是, 則轉(zhuǎn)Step 7; 否則, 判定為非目標(biāo)空間場景數(shù)據(jù), 并發(fā)送當(dāng)前觀測數(shù)據(jù).

圖4 原位傳感器觀測過濾方法

Step 7. 判斷當(dāng)前觀測數(shù)據(jù)觀測屬性值是否滿足屬性過濾操作, 若是, 判定為目標(biāo)場景需要的觀測數(shù)據(jù),并發(fā)送當(dāng)前觀測數(shù)據(jù); 否則, 判定為目標(biāo)場景冗余數(shù)據(jù),剔除該觀測數(shù)據(jù), 不發(fā)送.

過濾操作主要有空間過濾、時間過濾和屬性過濾三個方面, 三者之間的邏輯操作當(dāng)前支持AND操作, 若同時對多個觀測屬性過濾, 觀測屬性過濾操作之間以邏輯操作OR銜接. 時間過濾是針對傳感器觀測時刻的過濾, 因而只需包含對時刻點的過濾方法, 有在某個時刻之后、在某個時刻之前以及在某個時間段內(nèi); 空間過濾是針對原位傳感器觀測屬性的空間采樣位置的過濾, 因而過濾對象是空間點, 主要有距離范圍內(nèi)、包含、不包含以及在矩形查詢; 屬性過濾部分是對觀測屬性值的過濾, 支持的過濾方法有小于、大于、等于、不等于、小于或等于以及大于或等于.

2.3 觀測存儲組件

傳感器存儲組件將異構(gòu)傳感器觀測數(shù)據(jù)以傳感器觀測數(shù)據(jù)編碼方式統(tǒng)一描述, 調(diào)用發(fā)布傳感器觀測服務(wù)操作, 將傳感器觀測數(shù)據(jù)實時發(fā)布到傳感器觀測服務(wù)中.

2.4 傳感器接入單元配置與構(gòu)建

傳感器數(shù)據(jù)接收、觀測過濾及觀測存儲組件是相互獨立的, 為構(gòu)建一個有機的接入拓?fù)鋯卧? 需明確各組件的輸入?yún)?shù)以及具體實現(xiàn)類. 由于傳感器觀測的異構(gòu)性特征明顯, 傳感器接入方法不可一成不變, 所以使用配置文檔為依據(jù)的接入拓?fù)鋯卧獦?gòu)建方法, 在傳感器接入單元配置參數(shù)中聲明傳感器數(shù)據(jù)接收、觀測過濾以及觀測存儲的實現(xiàn)類. 原位傳感器觀測單元眾多, 本文以站點為中心接入傳感器觀測數(shù)據(jù), 為區(qū)分傳感器觀測接入拓?fù)鋯卧? 在傳感器接入配置參數(shù)中以傳感器站點標(biāo)識(stationID)作為接入拓?fù)錁?biāo)識以及配置文件標(biāo)識, 各組件部分配置包括組件標(biāo)識, 組件實現(xiàn)類名稱, 組件任務(wù)數(shù)以及組件參數(shù)文檔位置. 基于此,生成傳感器觀測接入拓?fù)鋯卧?

3 實例分析

3.1 實驗場景

實驗包含原位傳感器建模與觀測和傳感器接入拓?fù)鋬刹糠? 在傳感器建模與觀測服務(wù)方面, 本文在SWE傳感網(wǎng)整合框架下, 以SensorML1.0傳感器建模語言描述原位傳感器站點及傳感器單元, 并以SOS 1.0.1中的RegisterSensor操作注冊傳感器站點單元信息.以Filter 2.0過濾標(biāo)準(zhǔn)實現(xiàn)傳感器觀測過濾. 以O(shè)&M 1.0觀測預(yù)測標(biāo)準(zhǔn)描述傳感器觀測數(shù)據(jù)并以SOS中的InsertObservation操作插入到傳感器觀測服務(wù)中. 在傳感器接入拓?fù)浞矫? 原位傳感器接入拓?fù)鋯卧褂肧torm 1.0.0框架, 以java語言實現(xiàn)傳感器接入各部分組件, 并以XML接入單元配置文檔組合各組件, 生成接入拓?fù)鋯卧? 并上傳到Storm運行平臺中.

本文實驗選取湖北省武漢市豹澥地區(qū)三個原位傳感器站點, 水文監(jiān)測站、氣象土壤監(jiān)測站1和氣象土壤監(jiān)測站2. 如表1所示, 氣象土壤監(jiān)測站1和氣象土壤監(jiān)測站2為通類型觀測站點, 但地理位置不同, 包含風(fēng)速、風(fēng)向、雨量、土壤濕度、土壤溫度、大氣濕度、大氣溫度、大氣壓力8種觀測對象; 水文監(jiān)測站包含水位、水溫、水PH值3種觀測對象. 氣象觀測站與水文觀測站傳感器數(shù)量和類型不同, 兩者組成的傳感器網(wǎng)絡(luò)單元異構(gòu). 圖5為三個傳感器站點的空間分布.

實驗中, 三個原位傳感器站點在接入過程使用相同的觀測過濾條件. 時間段在以格林威治時間轉(zhuǎn)到本地時間下的2016-09-21T01:00:00.00+0800到2016-09-21T05:00:00.00+0800之間空間范圍在(30.46970,30.46967, 114.52677, 114.52675)矩形范圍內(nèi), 即圖9中矩形框P所示范圍, 空間內(nèi)只包含氣象土壤觀測站1; 過濾觀測對象是屬性標(biāo)識為“urn:ogc:def:property:OGC:1.0: rainfall”的降雨量, 設(shè)置只保留在上述時空范圍內(nèi)降雨量大于0 mm的觀測結(jié)果.

表1 原位傳感器站點信息表

圖5 原位傳感器站點空間分布示意圖

3.2 實驗結(jié)果分析

3.2.1 接入網(wǎng)絡(luò)結(jié)構(gòu)異構(gòu)的原位傳感器站點

如圖6所示, 圖6(a)為水文監(jiān)測站中水PH傳感器的PH觀測結(jié)果, 圖6(b)為氣象土壤監(jiān)測站1的大氣溫度傳感器的大氣溫度觀測結(jié)果, 因而該方法下使用傳感器統(tǒng)一接入模型能夠有效接入網(wǎng)絡(luò)結(jié)構(gòu)異構(gòu)的原位傳感器站點.

3.2.2 實現(xiàn)特定空間場景過濾

有效的時間場景過濾. 與圖6(c)氣象土壤監(jiān)測站1的降雨量觀測結(jié)果不同, 圖6(b)氣象土壤監(jiān)測站1的大氣溫度觀測在2016-09-21T01:00:00.00+0800到2016-09-21T05:00:00.00+0800時間范圍內(nèi)存在觀測值, 因而該過濾方法能夠有效過濾同一觀測站點下的不同觀測屬性.

有效的空間過濾. 圖6(e)為氣象土壤監(jiān)測站2的降雨量觀測接入結(jié)果, 其在2016-09-21T01:00:00.00+0800到2016-09-21T05:00:00.00+0800時間范圍內(nèi)存在降雨觀測值. 盡管該傳感器站點與氣象土壤監(jiān)測站1具有相同的降雨量觀測屬性, 但由于其空間范圍不在過矩形區(qū)P范圍內(nèi), 所以該站點的降雨量觀測未進行過濾.

同一站點或不同站點下的不同傳感器觀測過濾互不影響. 圖6(c)本身來看, 不在過濾時間范圍內(nèi)的時刻具有觀測屬性, 圖6(a)(b)(d)在過濾時間段內(nèi)的不同觀測屬性未受影響.

圖6 原位傳感器站點部分傳感器觀測過濾接入結(jié)果圖

3.2.3 系統(tǒng)負(fù)載測試

本文采用模擬傳感器站點方式測試該方法系統(tǒng)負(fù)載情況, 其中每個傳感器站點包含十個傳感器單元, 觀測數(shù)據(jù)觀測時間間隔為30秒, 傳感器對象以SOS服務(wù)方式發(fā)布. 系統(tǒng)負(fù)載測試環(huán)境為浪潮NF5270M3 臺式電腦, 處理器為英特爾Xeon E5-2650 0@2 GHz八核, 內(nèi)存DDR3 1333 HZ 32 G.

圖7為傳感器觀測接入數(shù)量不斷增加系統(tǒng)負(fù)載情況, 包含內(nèi)存和CPU占用百分比. 初始系統(tǒng)CPU使用在0%左右, 內(nèi)存使用率在51%左右, 當(dāng)系統(tǒng)不斷增加傳感器數(shù)量時, 內(nèi)存與CPU使用率在不斷上升, 直到加入傳感器觀測數(shù)量達(dá)到500個時, CPU使用率接近100%, 內(nèi)存使用在之后再進行傳感器接入, 則傳感器接入單元CPU可用資源變少, 傳感器觀測接入可運行但系統(tǒng)超負(fù)載. 因而, 本方法的傳感器觀測接入在當(dāng)前情況下,傳感器單元接入時間間隔為30秒時, 單機接入在400到500個傳感器, 能最大利用CPU與內(nèi)存資源.

圖7 傳感器觀測接入系統(tǒng)負(fù)載測試圖

綜上, 該觀測過濾方法, 能夠?qū)崿F(xiàn)不同傳感器觀測接入拓?fù)鋯卧南嗤^濾條件過濾, 通過修改接入單元配置文件也可以實現(xiàn)各傳感器觀測單元不同過濾條件過濾. 該過濾方法可有效過濾掉特定時間、空間場景下的特定觀測屬性, 而不影響其他時空場景下的觀測數(shù)據(jù)的接入過程. 此外, 在單機模式下有效支持多個傳感器的觀測接入, 但由于計算資源有限, 單機觀測接入數(shù)量不宜過多, 本文情況下控制在400-500個之間.

4 結(jié)果與展望

從實驗結(jié)果來看, 針對觀測屬性位置固定的原位傳感器, 以本文提出的存算分離的原位傳感器觀測接入方法, 在并以SWE 1.0傳感網(wǎng)整合框架與Storm流式處理框架實驗環(huán)境下, 以傳感器統(tǒng)一接入模型為基礎(chǔ),復(fù)用觀測過濾及存儲組件, 可實現(xiàn)異構(gòu)的傳感器網(wǎng)絡(luò)單元觀測接入. 除考慮傳感器觀測屬性值的過濾外, 提出傳感器觀測時間、空間的過濾規(guī)則, 擴展傳統(tǒng)的原位傳感器觀測過濾內(nèi)容, 明確不同時空場景下的傳感器觀測過濾方法. 與當(dāng)前的傳感器觀測接入方法相比,本文提出的存算分離的原位傳感器觀測方法采用流式數(shù)據(jù)處理框架, 傳感器觀測接入各模塊相分離, 異構(gòu)傳感器接入單元可復(fù)用過濾與存儲組件. 與當(dāng)前僅考慮觀測值過濾的方法不同, 本文定義了傳感器觀測接入特定時空場景下觀測過濾流程, 解決了異構(gòu)傳感器的同條件過濾問題, 實現(xiàn)了傳感器的特定時空場景觀測接入.

綜合考慮傳感器觀測的接入問題, 當(dāng)前主要是針對原位傳感器的異構(gòu)性與過濾問題進行設(shè)計考慮, 而隨著大數(shù)據(jù)時代的來臨, 當(dāng)前的傳感器數(shù)量巨大, 多傳感器的高并發(fā)量, 這會引發(fā)服務(wù)器接入壓力問題. 在接下來的研究中考慮從多傳感器問題的角度出發(fā), 考慮服務(wù)器負(fù)載均衡問題, 解決傳感器接入的并發(fā)問題, 這對構(gòu)建物聯(lián)網(wǎng)平臺具有重要作用.

1陳能成, 楊訓(xùn)亮, 王曉蕾. 地理空間傳感網(wǎng)信息公共服務(wù)平臺的設(shè)計與實現(xiàn). 地球信息科學(xué)學(xué)報, 2013, 15(6): 887–894, 917.

2Br?ring A, Stasch C, Echterhoff J. OGC OpenGIS sensor observation service interface standard. OpenGIS Implementation Specification OGC, 2007.

3Botts M, Robin A. OpenGIS sensor model language(SensorML) implementation specification. OpenGIS Implementation Specification OGC, 2007.

4Cox SJD. OpenGIS observation and measurements.OpenGIS Implementation Specification OGC, 2007.

5蔡永娟, 沈春山, 吳仲城, 等. 基于SensorML和IEEE 1451的新型傳感器網(wǎng)絡(luò)標(biāo)準(zhǔn)研究. 儀表技術(shù), 2010, (1): 1–3, 6.

6Hu P Z, Robinson R, Indulska J. Sensor standards: Overview and experiences. Proc. 3rd International Conference on Intelligent Sensors, Sensor Networks and Information.Melbourne, QLD, Australia. 2007. 485–490.

7Broering A, Foerster T, Jirka S, et al. Sensor bus: An intermediary layer for linking geosensors and the sensor web.Proc. 1st International Conference and Exhibition on Computing for Geospatial Research & Application.Washington, DC, USA. 2010. 1–8.

8Aberer K, Hauswirth M, Salehi A. The global sensor networks middleware for efficient and flexible deployment and interconnection of sensor networks. Epfl, 2006, (12):1–21.

9張明哲, 張強, 袁巍, 等. 嵌入式RFID中間件數(shù)據(jù)過濾模型研究. 計算機工程與設(shè)計, 2010, 31(17): 3743–3746.

10易葉青, 林亞平, 彭舸, 等. 無線傳感器網(wǎng)絡(luò)中不依賴MAC認(rèn)證的虛假數(shù)據(jù)過濾算法. 通信學(xué)報, 2009, 30(6): 53–63.

11丁維龍, 趙卓峰, 韓燕波. Storm: 大數(shù)據(jù)流式計算及應(yīng)用實踐. 北京: 電子工業(yè)出版社, 2015: 15–16.

Storage-Computation Separation Method for In-Situ Sensor Observation Access

YUAN Sai, CHEN Neng-Cheng, XIAO Chang-Jiang, DU Wen-Ying, WANG Kai
(State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079,China)

In-situ sensor is an important data source of intelligent urban construction, which plays a decisive role in urban resource coordination, disaster early warning, dynamic monitoring analysis and other fields. The present sensor observation access method does not consider the flow characteristics of sensor data with no uniform access model resulting in a failure of unified filtering of time and space under the observation and poor reusability of the sensor access components. In this paper, an in-situ sensor observation access method based on storage and computation separation is proposed. Upon the station-based observation access uniform model, the in-situ sensor access process is divided into three parts: data acquisition, observation filtering and observation storage. The experimental results show that the method can effectively access the heterogeneous in-situ sensor station based on the sensor observation access uniform model and realize the attribute filtering in the specific time and space scenes of the multiple in-situ sensor observation results.

in-situ sensor; observation access; storage-computation separation; stream processing; filter

袁賽,陳能成,肖長江,杜文英,王凱.存算分離的原位傳感器觀測接入方法.計算機系統(tǒng)應(yīng)用,2017,26(7):90–96. http://www.c-sa.org.cn/1003-3254/5874.html

湖北省自然科學(xué)基金創(chuàng)新群體(2016CFA003); 國家自然科學(xué)基金(41301441)

2016-11-21; 收到修改稿時間: 2017-01-04