推荐星级：

物联网中基于相似性计算的传感器搜索

更新时间：2019-12-10 09:03:04 大小：1M 上传用户：xiaohei1810 查看TA发布的资源 标签：物联网传感器 下载积分：1分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

物联网逐渐成为学术界研究的热点领域,无处不在的传感器设备促进了传感器搜索服务的产生.物联网中搜索的强时空性、海量数据的异构性与传感器节点的资源受限性,给物联网搜索引擎高效地查询传感器提出了挑战.该文提出基于传感器定量数值的线性分段拟合相似性(PLSS)搜索算法.PLSS算法通过分段和线性拟合的方法,构建传感器定量数值的相似性计算模型,从而计算传感器的相似度,根据相似度查找最相似的传感器集群.与模糊集(FUZZY)算法和最小二乘法相比,PLSS算法平均查询精度和查询效率较高.与原数据相比,PLSS算法的存储开销至少降低了两个数量级.

部分文件列表

文件名	大小
物联网中基于相似性计算的传感器搜索.pdf	1M

立即下载

【关注视频号领20积分】【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）

第40卷第12期

2018年12月

电子与信息学报

Vol. 40No. 12

Dec. 2018

Journal of Electronics & Information Technology

物联网中基于相似性计算的传感器搜索

刘素艳*①②

刘元安①

吴

帆①②

范文浩①②

①(北京邮电大学电子工程学院北京 100876)

②(北京邮电大学安全生产智能监控北京市重点实验室北京 100876)

摘要：物联网逐渐成为学术界研究的热点领域，无处不在的传感器设备促进了传感器搜索服务的产生。物联网

中搜索的强时空性、海量数据的异构性与传感器节点的资源受限性，给物联网搜索引擎高效地查询传感器提出了

挑战。该文提出基于传感器定量数值的线性分段拟合相似性(PLSS)搜索算法。PLSS算法通过分段和线性拟合的

方法，构建传感器定量数值的相似性计算模型，从而计算传感器的相似度，根据相似度查找最相似的传感器集

群。与模糊集(FUZZY)算法和最小二乘法相比，PLSS算法平均查询精度和查询效率较高。与原数据相比，

PLSS算法的存储开销至少降低了两个数量级。

关键词：物联网；搜索服务；传感器搜索；传感器相似性计算；线性分段拟合

中图分类号：TP393

文献标识码：A

文章编号：1009-5896(2018)12-3020-08

DOI:

Sensor Search Based on Sensor Similarity Computing in the

Internet of Things

LIU Suyan①②

LIU Yuanan①

WU Fan①②

FAN Wenhao①②

①(School of Electronic Engineering, Beijing University of Posts and Telecommunications,

Beijing 100876, China)

②(Beijing Key Laboratory of Work Safety Intelligent Monitoring, Beijing University of Posts and

Telecommunications, Beijing 100876, China)

Abstract: The Internet of Things (IoT) is becoming a hot research area, and tens of billions of devices are being

connected to the Internet which are advancing on the sensor search service. IoT features (searches are strong

spatiotemporal variability, limited resources of the sensor, and mass heterogeneous dynamic data) raise a

challenge to the search engines for efficiently and effectively searching and selecting the sensors. In this paper,

Piecewise-Linear fitting Sensor Similarity (PLSS) search method is proposed. Based on the content values,

PLSS calculates the sensor similarity models to search most similarity sensors. PLSS improves the accuracy and

efficiency of search compared with FUZZY set algorithm (FUZZY) and least squares method. PLSS storage

costs are at least two order of magnitude less than raw data.

Key words: Internet of Things (IoT); Search services; Sensor search; Sensor similarity computing; Piecewise-

linear function fitting

收稿日期：2017-11-20；改回日期：2018-09-12；网络出版：2018-09-20

*通信作者：刘素艳

基金项目：国家自然科学基金(61272518, 61502050)，安全生产智能监控北京市重点实验室主任基金(北京邮电大学)，广东省‘扬帆计划’

引进创新创业团队项目

Foundation Items: The National Natural Science Foundation of China (61272518, 61502050), The Beijing Key Laboratory Director Found-

ation of Work Safety Intelligent Monitoring (Beijing University of Posts and Telecommunications), The YangFan Innovative & Entre-

preneurial Research Team Project of Guangdong Province

万方数据

第12期

刘素艳等：物联网中基于相似性计算的传感器搜索

3021

治疗和修养的病房，查找合适的会议室)都依赖于

传感器相似性搜索服务。总之，传感器相似性搜索

具有很高的研究和应用价值。

1 引言

迅速发展的网络技术和无处不在的传感器设

备，使物联网成为学术界关注的热点领域[ ] 。

2003年，全球有大约63亿人口，仅有约5亿设备连

接到互联网，到2010年，连接到互联网的设备增加

到约125亿，而人口仅增加到约68亿[]。近年来，

无线传感器技术和电信业发展迅速，智能手机作为

一种传感器设备，产生了大量的实时数据[]。而未

来20年，将会有1万亿台物联网感知设备出现，从

而生成数十亿的异构数据[,]。

目前，国内外针对传感器搜索的研究刚刚起

步，主要分为预测和相似性分类查找两个方向。传

感器预测方向将传感器输出数据分为定量数据和定

性数据，定量数据是感应的原数据(如：温度，湿

度)，定性数据是传感器的统计或分类信息(如：会

议室的占用，空闲状态)[]。Elahi等人[]，基于传

感器相关性创建预测模型。Dyser[]是一个典型的

搜索引擎，提供一个可以匹配搜索请求的物理实体

集预测模型。上文提到的研究，都要求传感器输出

定性数据，不能应用于输出定量数据的传感器。输

出定性数据的传感器，需要有计算或者汇总统计的

能力。由于传感器资源或能量的局限性，很多传感

[]

使用最小二乘多项式拟合来减少传感器的通信开

销，但是拟合多项式作为先验条件获取困难。

针对传感器相似性搜索方向的研究，文献[]

将传感器的相对静态的属性(如：精度，能耗)进行

分类，在分类的基础上进行搜索。根据传感器定量

[]提出FUZZY

算法进行传感器相似性搜索，假设传感器能够计算

模糊集，从而生成温度概率函数，用于计算传感器

的相似性，依据相似性计算数值，获取传感器部署

位置信息，对传感器要求较高。基于时间间隔的温

度概率函数方法，对查询时间限制严格，比如：查

询了时间段[t₁， t₂]的数据，并计算了数据密度函

数，但是当要查询时间段[t₁， t₃]的数据时，即使

t₃< t₂，密度函数仍然需要重新计算。在封闭空间

中温度是相似的，所以通过温度概率函数实现传感

器相似性搜索的方法，具有较低的准确度。

随着大量的传感器接入互联网，海量数据的实

时产生，互联网搜索引擎无法满足查找大量非文本

传感器数据的需求，这给物联网搜索引擎带来了机

遇。搜索的强时空性、海量数据的异构性与传感器

节点的资源受限性，使得物联网搜索引擎的研究势

在必行[,]。

在传统的互联网中，已有大量的研究人员投入

到对海量高维数据相似性搜索的研究中，常见的相

似性搜索算法有局部敏感哈希[]、K邻近搜索[]等。

而传统互联网数据大多为相对静态的文本性数据，

对于高动态的、异构的与海量的物联网数据，互联

网相似性搜索方法不再适用。物联网数据相似性搜

索应用广泛，具有很大的研究价值，例如：大量的

传感器被部署，来检测森林火灾，观察河流水位，

分析道路状况等。但是，部分传感器标识工作需要

部署人员来完成，制造商并没有完成，部署和标识

大量的传感器，成为一项艰巨的工作。为了解决该

问题，传感器自动标识服务查询具有相似输出的传

感器，并获取查询到的传感器原数据，自动标识新

部署的传感器，从而催生了传感器相似性查找服

务。另外，传感器用于感应物理环境和物理实体，

通过查找相似的传感器，可以实现对物理环境和物

理实体的相似性查找。例如：基于地理位置的地点

推荐服务通过相似性搜索可以帮助用户查找其可能

感兴趣的地点[]。用户需要查找与某个著名景点

A具有相同气候的景点去旅行。通过查询传感器的

温度与湿度数据值，来分析目标景点是否与A相

似，从而辅助用户出行。在智能工业中，传感器相

似性查找还可用于机器故障检测，比如：某种故障

发生时，设备的温度与压强呈现特定的函数变化规

律，根据传感器输出的规律相似性，可以定位设备

故障。在智能农业中，传感器相似性查询还可辅助

病虫害的定位预防，比如：虫卵孵化需要特定的气

候，当气候和土壤温湿度等情况合适时，有很大概

率发生某种病虫害。更多其他场景(如：查找适宜

为了解决上述问题，本文基于传感器动态定量

数据，采用PLSS算法(Piecewise-Linear fitting

Sensor Similarity search method)计算传感器间的

相似值，并按照相似值进行查找结果匹配排序，完

成物联网中传感器相似性搜索。首先，本文根据传

感器数据集合找到数据函数变化的分段点，将数据

分成不同的子集；然后对数据子集进行线性分段拟

合，得到传感器数据的时间连续性拟合模型；再定

义传感器相似度计算方法；最后根据匹配排序算

法，将相似性计算结果进行排序，完成传感器相似

性查询。

2 物联网传感器搜索框架

本节描述传感器搜索的体系结构。在资源受限

万方数据

全部评论(0)

暂无评论

评论赚积分>>

上传资源上传优质资源有赏金

物联网中基于相似性计算的传感器搜索

资料介绍

部分文件列表

部分页面预览

相关下载

全部评论(0)

热门标签

最新上传

热门下载

推荐下载

专栏首页