機坪感知場景下WSN-ON接入機制與協(xié)議

陳維興,蘇景芳,孟美含

(中國民航大學 電子信息與自動化學院,天津 300300)

機坪感知網(wǎng)絡作為機場安全運行保障核心區(qū)域,通過對眾多機坪運行保障資源的持續(xù)深度感知來實現(xiàn)對地面航班運行的管控.由于機坪面積廣闊,航班流密度和流向呈現(xiàn)一定隨機性,部分機位間距分散(特別是遠機位),導致機坪感知網(wǎng)絡的弱連接現(xiàn)象,形成若干不連通子域.不連通網(wǎng)絡嚴重影響信息傳輸質量.機坪作為被分割成若干不連通子域的網(wǎng)絡拓撲,近年來出現(xiàn)的機會網(wǎng)絡(opportunistic network,ON)理論為此提供了解決方法.不連通子域內部構成WSN(wireless sensor network),其間利用機坪移動體構建ON可帶來傳輸機會,而移動體的復雜和智能程度可影響ON網(wǎng)絡性能.以機坪特種車輛作為移動智能體(M-agent),其豐富的傳輸資源足以完成存儲-攜帶-轉發(fā)的任務,構建間歇性路由[1].此外,信息從不連通子域(WSN)過渡到ON的邊界接入問題也是ON需解決的問題,如何選擇WSN邊界節(jié)點,以及如何完成該節(jié)點與M-agent的數(shù)據(jù)交互,是提高ON的網(wǎng)絡品質,建立機坪感知物聯(lián)的關鍵之處.筆者針對機坪這一種典型不連通子域,著眼于WSN邊界節(jié)點和M-agent,利用ON束協(xié)議的方式,提出一種基于博弈論的WSN-ON邊界接入方法,即基于博弈論的簇首選舉方法(cluster head election method based on game theory,CEGT).

1 機坪感知網(wǎng)絡不連通性分析

1.1 機坪感知網(wǎng)絡的不連通性

由于機坪覆蓋區(qū)域廣,網(wǎng)絡基礎設施不完善,部分節(jié)點間距大,甚至超出節(jié)點通信范圍.此外,航班流驅動旅客流、貨物流和設備流,使多種節(jié)點信息匯聚,但航班流受某些因素影響呈一定的隨機性,出現(xiàn)局部非均勻能耗的熱點問題.機坪地形與航班流特性共同作用,形成機坪感知網(wǎng)絡節(jié)點分布與路由的區(qū)域性分割,形成機坪感知網(wǎng)絡的不連通性.

1.2 WSN-ON邊界問題的提出

針對機坪感知網(wǎng)絡的不連通性問題,筆者引入機會網(wǎng)絡的路由傳輸方式,通過M-agent移動產(chǎn)生傳輸機會,從而進行數(shù)據(jù)傳輸.由于靜態(tài)感知節(jié)點所采集數(shù)據(jù)的自身能量、功率等資源有限,無法進行長距傳輸,其數(shù)據(jù)傳輸主要依靠M-agent,這就使得靜態(tài)感知節(jié)點產(chǎn)生的WSN與M-agent所形成的ON之間形成邊界問題.圖1為機坪感知網(wǎng)絡邊界問題示意圖.

圖1 機坪感知網(wǎng)絡邊界問題示意圖

針對上述問題,研究人員針對ON與束協(xié)議方面進行了研究.文獻[2]提出基于移動agent的機坪機會傳輸控制方法,并結合機坪特點提出基于機會轉發(fā)的路由算法.文獻[3]和[4]分別介紹了束協(xié)議在DTN網(wǎng)絡和深空網(wǎng)絡中的應用.文獻[2-5]的研究結果表明:機坪感知網(wǎng)絡中,在不連通子域間接入ON可改善網(wǎng)絡連通性;在接入過程中,使用束協(xié)議可以支持在具有長時間數(shù)據(jù)傳輸、間歇式的鏈路連通、機會式的節(jié)點接觸等特征的不同子網(wǎng)間實現(xiàn)互聯(lián)和通信[5].高質量接入決定了網(wǎng)絡的高性能,其關鍵環(huán)節(jié)是接入點的選擇及接入?yún)f(xié)議的設計.

針對WSN-ON邊界接入點問題,一方面是WSN邊界點,即簇首(cluster head)的選取十分重要,例如文獻[6-8]提出了不同的簇首選取規(guī)則.為減少接入點對網(wǎng)絡生命周期的影響,筆者在節(jié)點分簇階段的簇首選取環(huán)節(jié)中引入博弈論,以合理有效地選取簇首節(jié)點.另一方面,如何規(guī)劃M-agent的運動方式、緩存、數(shù)據(jù)交互方式等也是關鍵問題.筆者在WSN-ON邊界接入中設計了控制束協(xié)議,使ON有效接入WSN,進一步擴大邊界,使邊界不斷相融,增強機坪網(wǎng)絡的連通性.

2 基于博弈論的WSN-ON邊界接入

2.1 博弈論在機坪WSN-ON中的應用

博弈論數(shù)學模型為Γ=(p,S,Ui).博弈行為主要包括以下3個要素:① 局中人(博弈參與者p),機坪子域所有網(wǎng)絡節(jié)點都是局中人.② 策略空間S,其中策略是指局中人在給定信息集下的行動規(guī)則,每個局中人策略形式為Si:pi→si,其中si為局中人pi采取的策略.在機坪網(wǎng)絡的分簇路由協(xié)議中,簇內節(jié)點負責發(fā)送數(shù)據(jù),簇首節(jié)點負責轉發(fā)接收到的數(shù)據(jù),并且發(fā)送自身數(shù)據(jù).因此簇首節(jié)點的選取至關重要,在節(jié)點競爭中,每個節(jié)點都有可能競選為簇首.Si={si1,si2,…,sin}為節(jié)點i自身的策略集合.③ 效用函數(shù)Ui,為第i個參與者希望達到的最大利益函數(shù).Ui=Wi-Fi,其中Wi指局中人pi在特定的策略組合{S1,S2,…,Sn}中獲取的收益;Fi為此博弈中的代價.

2.2 研究現(xiàn)狀分析

機坪感知網(wǎng)絡WSN-ON接入點的選擇,本質上是對某個不連通子域(WSN)與M-agent(ON移動節(jié)點)動態(tài)連接和機會傳輸時進行的簇首(WSN邊界節(jié)點)優(yōu)選,是關系到接入過程的重要因素.但區(qū)別于傳統(tǒng)的WSN分簇管理思想,機坪感知網(wǎng)絡WSN-ON接入點的選擇既要考慮靜態(tài)WSN的簇首優(yōu)化特征,更要充分考慮由于簇首連接ON節(jié)點所帶來的動態(tài)約束,確保不連通子域向ON的投遞成功率和能耗水平,維持最優(yōu)的機坪感知網(wǎng)絡WSN-ON信息傳輸過程.

目前已有不少有關簇首選擇算法的研究成果,但是針對筆者所討論的WSN-ON接入過程的研究尚鮮見報道.與本研究有一定相關性的文獻[6]和[7]分別提出了使用樸素貝葉斯分類器或者建立Secham算法模型的簇首選取方法,但是都忽略了節(jié)點的社會屬性,脫離了節(jié)點的存在和進行信息傳輸?shù)恼鎸嵀h(huán)境,不能反映機坪上部分節(jié)點形成熱點或盲區(qū)的實際情況.文獻[8]雖然提及類似研究方法,但其基于網(wǎng)格聚類,區(qū)域內隨機遍布節(jié)點,通過拆分高密度區(qū)域和合并低密度區(qū)域,進行簇首選取,與機坪航班流驅動形成的實際邊界區(qū)域網(wǎng)絡嚴重不相符.

文獻[9]建立了博弈模型,其收益函數(shù)主要考慮傳輸可靠度,代價函數(shù)主要考慮剩余能量和距離.針對機坪網(wǎng)絡,由于節(jié)點隨機性及信息優(yōu)先級,可能在很短距離產(chǎn)生較大能耗,因此不能僅考慮節(jié)點的剩余能量.文獻[10]基于節(jié)點的功率建立了博弈模型,主要考慮了功率、信道條件和信噪比對傳輸?shù)挠绊?缺少對節(jié)點距離的考慮.為將機坪環(huán)境中節(jié)點運行結構進行公式化,在多標準的非概率簇首選取中使用博弈論思想[11],并參考上述已有博弈模型.針對機坪網(wǎng)絡的弱連接性及容遲容錯特性,在不連通網(wǎng)絡邊界的ON接入點選取中,基于節(jié)點的能耗、剩余能量、距離和節(jié)點中心度等社會屬性建立了博弈模型.

2.3 CEGT及其控制思想

1) 定義:能夠與節(jié)點i建立通信關系的節(jié)點個數(shù)作為節(jié)點i的節(jié)點中心度.

在博弈論算法中引進獎勵懲罰機制:

(1)

2) 博弈模型建立:首先確定博弈規(guī)則.區(qū)域內所有節(jié)點均可以參與簇首競爭,且每輪簇首均與上一輪不同,假設總共進行k輪,總計n個節(jié)點,以n為周期,則k≥n.每輪中性能優(yōu)異的節(jié)點競爭成為簇首,在博弈中以M-agent接收到的數(shù)據(jù)量衡量收益,代價是消耗節(jié)點能量,降低節(jié)點中心度.圖2為CEGT方法流程圖.

圖2 CEGT方法流程圖

其次為博弈初始化,需要各個節(jié)點廣播,明確節(jié)點中心度及剩余能量;各節(jié)點進行博弈,并選出簇首,其余節(jié)點通過之前競爭,各自選擇最佳路徑,當所有需要轉發(fā)的信息匯集到簇首,此次博弈結束.

最后為策略集合.所有節(jié)點都有機會當選為簇首,或者成為簇內節(jié)點.假設其中一組策略組合為S={Si,Si-},節(jié)點i當選簇首,在該策略下其收益函數(shù)為

(2)

式中:Di為節(jié)點i自身的數(shù)據(jù)量;q為i節(jié)點的節(jié)點中心度.

以M-agent將要接收到的數(shù)據(jù)量為收益衡量標準,α是常數(shù),根據(jù)節(jié)點的能耗和初始能量對收益加權.初始能量高,能耗較少,α相對比較大,增加博弈收益.

隨著傳輸距離增加,能耗增大,通信距離R與發(fā)射功率、接收靈敏度和工作頻率f有關,R,f與無線傳輸損耗Los的關系為

Los=32.44+20lg(Rf)，

(3)

式中:Los為無線通信損耗,dB.

簇內節(jié)點與簇首通信后,由于能耗增大,其通信范圍減小,使本輪簇首的節(jié)點中心度進一步降低.假設節(jié)點中心度減少了a個,則有如下博弈代價:

(4)

能耗大,剩余能量少的β值大,增加博弈代價,使得初始能量低,能耗大的節(jié)點獲取的博弈效用減少,在此β僅代表本次傳輸產(chǎn)生的代價加權.則本次博弈的效用函數(shù)為

(5)

無線網(wǎng)絡中工作頻率一般是固定的,因此由式(5)可推斷，網(wǎng)絡中節(jié)點自身剩余能量越高,節(jié)點能耗越小,傳輸距離越短,節(jié)點中心度減少量越小的節(jié)點當選為簇首時，本次博弈獲取效用最大.

3 基于CEGT的WSN-ON控制束協(xié)議

3.1 ON的束協(xié)議

為有效解決WSN中接入ON時產(chǎn)生的邊界問題,提出WSN-ON控制束協(xié)議.束協(xié)議是多數(shù)據(jù)包融合形成的協(xié)議單元,可以與不同的底層協(xié)議相互配合.束協(xié)議可應用于長延時、高差錯率、低速率、頻繁中斷和資源受限的網(wǎng)絡中,是ON的一個重要部分.針對ON與WSN之間邊界問題的接入,束協(xié)議傳輸機制如圖3所示.

將束協(xié)議置于傳輸層之上,傳輸間斷時,可將信息存儲,并迅速尋找下一個傳輸點.當傳輸重新建立時,可將信息重新發(fā)送.發(fā)送中由于存在束協(xié)議,能夠使信息更加完整,降低丟包率,提高投遞成功率.

圖3 邊界區(qū)域內束協(xié)議傳輸機制

3.2 WSN-ON邊界接入控制協(xié)議

機坪網(wǎng)絡中,簇首節(jié)點基于ON束協(xié)議,利用與M-agent的相遇機會通信,從而轉發(fā)WSN內部數(shù)據(jù),簇首和M-agent是WSN-ON邊界接入點.筆者提出一種基于CEGT的控制束協(xié)議,使得簇首節(jié)點與M-agent在束協(xié)議下能耗均勻、高效地實現(xiàn)信息傳輸,且降低時延.其執(zhí)行步驟如下所示：

① 建立節(jié)點博弈模型Γ=(p,S,Ui).由博弈模型可知,一個邊界內部有m個簇.簇內使用CEGT方法進行簇首選舉,是束協(xié)議中的核心關鍵算法和步驟.偽碼如下:

Initial:energy of each node:E0

location of each node:(xj,yj)

transferred datum:Dj

the degree of node centrality reduction:a

the total number of node of this cluster:jmax

the total number of round:kmax

Begin to choose the cluster header:

Procedure CEGT (α,β,Los,a,Dj)

fork← 0 tokmax;j← 0 tojmax

doα=Ei/ΔEi

Los=32.44+20lg(R*f)

Then calculate the gain of this round:Wj

calculate the cost of this round:Fj

doUj=Wj-Fj

choose the biggest one:Ui

k←k++;j←j++

end for

outputi

那么一個邊界會有m個簇首需要與M-agent通信,要考慮優(yōu)先級.給邊界A內部的簇首按優(yōu)先級編號為A1,A2,…,Am.

③ 當M-agent進入邊界區(qū)域,首先要與簇首建立連接.優(yōu)先級為A1的簇首要傳輸?shù)膬热?本邊界內部數(shù)據(jù)包總數(shù)為m個,M-agent接收到每個數(shù)據(jù)包的大小、傳輸順序以及發(fā)送請求等信息后,判斷自身的緩存容量和定時器時間,并按照時間確定M-agent移動速度,給出回應,初始化結束,定時器開始計時.

④ 當A1發(fā)送完畢,M-agent發(fā)送托管確認消息,若A1未接收到托管確認消息,則重傳數(shù)據(jù)包,直至完成數(shù)據(jù)包的托管.

⑤ 此時M-agent準備與A2建立連接.由于M-agent已知發(fā)送傳輸順序,直接給A2發(fā)送傳輸順序,然后確認連接,直至第m個簇首節(jié)點全部發(fā)送完畢.邊界A與M-agent通信結束.

⑥ 當M-agent與邊界B節(jié)點x、邊界C節(jié)點y,或者其他的M-agentx進行數(shù)據(jù)傳輸時,忽略時延,只要連接建立,就可以發(fā)送其存儲的數(shù)據(jù).

4 CEGT的雙平臺仿真驗證

4.1 Matlab中簇首選取仿真

在靜態(tài)WSN中,利用Matlab仿真對比CEGT與Leach算法性能.表1為簇首選取仿真參數(shù)設置.

表1 簇首選取仿真參數(shù)設置

圖4為第300輪仿真后,區(qū)域內CEGT可能存活的簇首節(jié)點.其中足夠的簇首存活量表明CEGT有能力完成持續(xù)的WSN-ON接入.

圖5為Leach與CEGT的單節(jié)點平均剩余能量對比.由圖5可知:由于CEGT引入了以初始能量、傳輸能量和剩余能量為衡量標準的獎勵懲罰機制,使其在博弈中更加注重網(wǎng)絡負載均衡,避免了熱點和盲區(qū)的出現(xiàn),從而節(jié)點平均剩余能量下降緩慢;到第299輪時,節(jié)點平均剩余能量為0.026 J,且走向平滑;Leach在第152輪中節(jié)點剩余能量迅速衰減趨近0.

圖4 第300輪仿真結果圖

圖5 Leach與CEGT的單節(jié)點平均剩余能量對比

圖6為Leach與CEGT死亡節(jié)點數(shù)對比.由圖6可知:仿真起始階段,即前28輪中,Leach的死亡節(jié)點數(shù)低于CEGT,但是Leach死亡節(jié)點數(shù)增長速率遠高于CEGT,第164輪僅剩1個節(jié)點;CEGT在第299輪結束時死亡節(jié)點數(shù)為171個,死亡率為57%,這是由于其采用多標準非概率的博弈方式,每一輪博弈產(chǎn)生的簇首節(jié)點在前一輪的博弈中不會出現(xiàn),降低了局部非均勻能耗節(jié)點出現(xiàn)的可能.

圖6 Leach與CEGT死亡節(jié)點數(shù)對比

綜上,CEGT通過改善簇首的選舉方案,使網(wǎng)絡中節(jié)點進行能耗均勻地通信,有效延長了網(wǎng)絡特別是簇首節(jié)點的生命周期.

4.2 機會網(wǎng)絡仿真器中ON接入仿真分析

在ON仿真環(huán)境中,模擬機坪區(qū)域邊界網(wǎng)絡環(huán)境,區(qū)域內存在靜態(tài)、動態(tài)等多種節(jié)點,重點針對M-agent的特征設置進行仿真.一類設置區(qū)域內可移動節(jié)點,如旅客、工作人員或保障設施,移動模型為Cluster Movement,其節(jié)點資源、移動模式和存在數(shù)量等特征均不同于M-agent;另一類設置M-agent節(jié)點,移動模型為Map Route Movement,即沿固定路線行駛的機坪特種車輛,且分別設置不同的緩存、移動速度等節(jié)點特征值.

仿真中,與M-agent通信的節(jié)點是通過CEGT選取的簇首節(jié)點.為對比不同節(jié)點數(shù)和不同緩存容量下ON的接入效果,在機坪網(wǎng)絡ON接入中,使用機會網(wǎng)絡環(huán)境模擬器(THE ONE)進行仿真.表2 為接入節(jié)點M-agent仿真場景參數(shù)設置.

表2 接入節(jié)點M-agent仿真場景參數(shù)設置

圖7-9分別為簇首節(jié)點緩存容量為2,5和10 MB時機坪網(wǎng)絡一個邊界區(qū)域內有無移動節(jié)點M-agent下的投遞率.由仿真結果可知:當簇首節(jié)點緩存區(qū)為10 MB下節(jié)點總數(shù)為60個，以及5 MB下節(jié)點數(shù)為40,80個時的投遞率低于無M-agent的邊界;緩存區(qū)為2 MB,節(jié)點數(shù)為100個時投遞率重合；其余有M-agent的邊界區(qū)域投遞率均高于無M-agent.

圖7 緩存容量為2 MB的投遞率曲線

圖8 緩存容量為5 MB的投遞率曲線

綜上所述,有無M-agent的投遞率隨著節(jié)點數(shù)的增加所呈現(xiàn)的曲線趨勢均相同;由于機坪網(wǎng)絡的特性,消息是由仿真中事件發(fā)生器隨機產(chǎn)生,在個別節(jié)點數(shù)處有M-agent的邊界區(qū)域投遞率低于無M-agent;不同緩存區(qū)時,隨著節(jié)點數(shù)目增加,有M-agent的邊界區(qū)域投遞率優(yōu)于無M-agent,這是由于M-agent的移動帶來相遇機會,進行數(shù)據(jù)的傳輸,此外,ON中的束協(xié)議保證了數(shù)據(jù)包的完整性,降低了丟包率,提高了網(wǎng)絡投遞率.

圖9 緩存容量為10 MB的投遞率曲線

圖10-11分別為不同緩存容量的投遞率和網(wǎng)絡協(xié)議開銷曲線.

圖10 不同緩存容量的投遞率曲線

圖11 不同緩存容量的網(wǎng)絡協(xié)議開銷曲線

由圖10-11可知:有M-agent時緩存區(qū)越大,投遞率也越高,且網(wǎng)絡協(xié)議開銷也越大;緩存為2 MB時的平均投遞率為0.333 4,5 MB時為0.564 6,10 MB 時為0.698 1,可知隨著緩存空間的增大,投遞率增加緩慢,而網(wǎng)絡協(xié)議開銷在同等條件下增加的更多.仿真結果表明:束協(xié)議下,在機坪網(wǎng)絡的邊界區(qū)域使用M-agent,通過其移動,產(chǎn)生與邊界內節(jié)點傳輸信息的機會,使機坪網(wǎng)絡實現(xiàn)了有效的WSN-ON的接入,且緩存區(qū)容量和節(jié)點數(shù)目等因素影響接入質量.

5 結 論

針對基礎設施薄弱造成的不連通網(wǎng)絡,提出一種基于CEGT算法的WSN-ON邊界控制束協(xié)議.主要通過機坪弱連通網(wǎng)絡進行仿真驗證,考慮ON接入質量影響后續(xù)網(wǎng)絡的品質.其中CEGT是一個網(wǎng)絡博弈模型,有效地提高了節(jié)點利用率,延長了網(wǎng)絡生命周期;同時在ON接入方面,基于CEGT的束協(xié)議,使WSN數(shù)據(jù)更加高效地接入ON.在ON接入過程仿真中,發(fā)現(xiàn)M-agent緩存區(qū)容量越大,網(wǎng)絡投遞率越高,但是網(wǎng)絡協(xié)議開銷也增大.隨著進入ON的數(shù)據(jù)量增加會出現(xiàn)這種現(xiàn)象,同時也考慮可能是由于路由模型造成的.此外,在仿真過程還發(fā)現(xiàn),為緩慢增長的投遞率需付出更多的路由開銷代價.