推荐星级：

面向物联网移动感知的服务节点发现算法

更新时间：2019-12-10 16:47:34 大小：255K 上传用户：xiaohei1810 查看TA发布的资源 标签：物联网移动感知服务 下载积分：1分评价赚积分（如何评价?）收藏评论(0) 举报

资料介绍

针对物联网移动感知场景中节点移动性、随机性在时间和空间两方面给数据感知、数据传递造成的问题,提出一种基于节点社会关系认知的目标区域感知服务节点发现算法.引入交互因子和距离因子对节点社会关系进行量化,构建节点移动概率表和凝聚子群,通过信任传递与社会关系最优路径树的计算,确定目标区域感知服务节点集.仿真实验表明,该算法缩短了移动节点间最短距离以及网络平均距离,提高了感知服务节点的发现效率,解决了稀疏网络的感知空洞问题,改善了物联网感知服务质量.

部分文件列表

文件名	大小
面向物联网移动感知的服务节点发现算法.pdf	255K

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45卷第12期

v01．45 No．12

Dec．2011

西安

大

报

0F UNIVERSITY

XI’AN JIAOTONG

交通

学

2011年12月

JOURNAL

面向物联网移动感知的服务节点发现算法

安健1’2，桂小林1’2，张进3，卿杜政3

(1．西安交通大学电子与信息工程学院，710049，西安；2．陕西省计算机网络重点实验室，710049，西安；．

3．北京仿真中心航天系统仿真重点实验室，100854，北京)

摘要：针对物联网移动感知场景中节点移动性、随机性在时间和空间两方面给数据感知、数据传递

造成的问题，提出一种基于节点社会关系认知的目标区域感知服务节点发现算法．引入交互因子和

距离因子对节点社会关系进行量化，构建节点移动概率表和凝聚子群，通过信任传递与社会关系最

优路径树的计算，确定目标区域感知服务节点集．仿真实验表明，该算法缩短了移动节点间最短距

离以及网络平均距离，提高了感知服务节点的发现效率，解决了稀疏网络的感知空洞问题，改善了

物联网感知服务质量．

关键词：物联网；移动感知；感知服务节点发现算法；最短距离；服务质量

中图分类号：TP393 文献标志码：A 文章编号：0253—987X(2011)12一o006一04

to Discover SeI．、，ice N0des for

Algorithm

Mobility—Aware

in the Intemet of

Things

Xiaolinl”，ZHANG

Jianl”，GUI

Jin3，QING Duzhen93

of Electmnics aIld InfonIlation

(1．Sch00l

Engineerillg，)【i’aJlJiaotoflg

U11iversity。)【i’aJl 710049，CKlla；

aIld

Network，)(i’an 7l0049，Ckm；3．science

2．Shaan菇Pro、，ince

Laboratory

Key

computer

Spedal system Simulation

100854，CKrIa)

Laboratory，BeⅢng

Technology

An awareness

to discover service nodes is

to deal with the

proposed

Abst翰ct：

algorithm

problem

of data-awareness and data．transmit in both time and

of Internet of

nlobility-aware

space

is caused

nodes

and

randonl． The

bases on social re—

algorithm

Things(IoT)，which

mobility

lations

the social relation of

^allnodes

interconnection fac—

by introducing

cognition，and quantizes

tor and distance factor．

and

node—mobile

table

are con—

Then，cohesive

subgroups

probability

structed to

the trace of mobile nodes．

FinaUy，awareness

service nodes in the

re—

predict

objective

are detennined

trust—transference and

tree calculation． Simulation eX_

probability

reduces both the shortest distance

gions

through

that the

show

method

effectively

periments

proposed

among

mobile nodes and the network

the

way^of

date and increa—

acquisition

average distance，improves

ses the

of awareness service in IoT．

quality

service nodes

discovery algorithm；

Keywords：Internet

shortest

Things；mobile-awareness；awareness

of service

distance；quality

物联网最大的变革在于实现了物理世界的情景

感知、处理和控制这一闭环过程，真正成为了物一物、

物一人、人一人间信息连接的新一代智能互联网络[1|．

人作为新的感知节点的出现，其移动性、随机性和时

空复杂性将给数据感知、数据传递带来新的技术

挑战．

收稿日期：201l-05—23．

作者简介：安健(1983一)，男，博士生；桂小林(通信作者)，男。教授，博士生导师．

基金项目：国家

自然科学基金资助项目(60873071，91018011，61172090)；国家“863计划”资助项目(2008八A012410)；ⅢM共享大学研究

(sL瓜)资助项目(SU勉01001X)．

网络出版时间：2011—10-08

网络出版地址：http：∥w、Ilrw．c11蛀net／kcms／detail／61．1069．T．20111008．0833．005．ht“

万方数据

第12期

安健，等：面向物联网移动感知的服务节点发现算法

在现有研究工作中，通常假设感知节点间是相

在位置i的相遇持续时间，表示为

sim(G(A)，Gl(B))一

互信任并能够接收、转发和传递任何数据的，而实际

的应用场景却是：①移动节点间并不存在事先的信

任关系，一个节点只会转发其熟识节点的数据或感

知请求，对陌生节点传输而来的请求或数据可能会

置之不理；②伴随技术的发展，手机、PDA等附着在

人身上的各种移动设备功能不断强大，各种微型传

感设备都可嵌入其中，实时获取用户感兴趣的信

息[2]．此外，手机等新的移动感知设备的出现，跨越

了WSN中通信半径受限的约束，通信半径将大幅

提升，甚至任何两个节点间均通信可达．

mx{Si(A)，S。(B))一min{E(A)，E(B)}

s．t．

(L33，)

(．

s．t．一舯=L“扪．

l|Si(A)一S，(B)I 口

定义4设移动节点A在时间周期内的通话记录为

L(A)，其中i {in，out}，分别代表打入和打出的通

话记录，节点A与B之间的通话总时间为T(A，B)，

则节点A与B的交互因子表示为

J(A，B)一P(A)P(B)

(4)

在上述实际应用场景中，如果某个用户需要获

取指定区域的情景信息，就必须在该目标区域内发

现并选择一个移动感知节点，为自己提供所需要的

情景信息，而如何选择或发现上述移动感知节点并

与之交互成为研究技术难点．本文通过引入社会网

络的相关理论[¨ ]，分析物联网移动感知节点间的社

会关系，挖掘节点间的内在联系和活动规律，指导

目标区域内移动感知节点的选择，以提高目标区域

感知节点发现的速度和效率，提升感知服务的成功

概率．

烈舯2端"旧卜端

2移动概率表的构建与凝聚子群划分

2．1移动概率表的构建

移动节点的运动轨迹是移动节点行为的直接表

现．在现实世界中，通过观察可发现移动用户的轨迹

和用户行为活动(例如校园内学生上课、吃饭等)之

间存在相关性，节点移动是受到事件驱动的[6]．

定义5

节点移动模式D一(T，P，卢)，T一％，

￡2，，￡。)，卢为位置概率阈值．p。(Lt)是节点在时刻

￡j到达位置L，的概率，可由下式得出

移动节点社会关系量化

定义1移动节点社会关系S可以表示为S=(N，

R，V，，>四元组，其中N是移动节点集合，N={以，，

嘞，，珂，}，R是移动节点社会属性集合，V是社会

关系量化值，厂：N× R—y是社会关系映射函数．

定义2任意节点A与B(A，B N)的社会关系量

化值表示为

’水卜茹L

-J

征T．斥‘

式中：M(Li)是节点在时刻t到达位置Li的次数；

M(■)是节点在o～‰ 时间段所有可能到达的

y(A，B)=池(A，B)+(1一侧)，(A，B)(1)

式中：L(A，B)是距离因子，它是时间周期内节点A

与B在同一感知区域内的相遇频度的量化；J(A，B)

是时间周期内节点A与B的交互因子，本文采用节

点间的通话记录来衡量；硼是社会属性加权因子．

位置．

通过采集时间周期内节点的活动规律，设置概

率阈值对数据进行二次筛选，挖掘具有实际代表性

的节点活动规律集，在分析提取节点的活动事件集

的基础上，构建节点移动位置概率表来预测节点的

行为，如表1所示．

定义3移动节点A在时间周期内的轨迹信息表示

2．2凝聚子群划分

为G={U(厶，Si，E，口>)，其中L是感知区域位置

凝聚子群的构建是在感知服务发起者和服务提

供者之间建立一条信任链路，以发现中间信任节点，

提高服务请求的转发效率，最终实现信息的有效传

递．本文在参考现有复杂网络聚类算法[7]的基础上，

通过定义移动网络中间人作为子群间的桥，计算不

同节点对之间的社会关系最优路径(即社会关系相

乘值最大)，并构造节点的社会关系最优路径树，最

后统计、分析中间节点并删除节点之间的权值边，重

信息，S、E分别是节点到达、离开该区域的时间，口

是时间阈值，用于控制不同节点到达目标区域的时

间间隔．节点A与B的距离因子表示为

sim(G(A)，G(B))

(2)

L(A，B)一上。上————i· —一

式中：T是时间周期；sim(G(A)，G(B))是移动节

点A与B的位置相似函数，它反映了不同移动节点

http：∥、Ilnjv、^L jdxb．cn

万方数据

西安交通大学学报

第45卷

2．3，移动感知服务的实现

复这个过程直到满足聚类要求．图1为包含4个不

同社区的移动节点社会网．

综上所述，当节点A在时刻￡．希望获得位置L；

区域的相关信息时，首先由通过式(5)得出的节点移

动概率表可以获得满足要求的服务节点集H，具体

可分为两类：一类是感知服务请求提交时，所有能够

感知目标区域的节点集合；另一类是感知服务请求

提交后，在一定的时间范围内所有可能移动到目标

区域的节点集合．当IHI 5时，取概率值最大的5

个节点作为备选节点，其次通过节点社会关系最优

路径树计算节点A到目标节点集所在子群的社会

关系最优化路径，选择合适的转发节点集F，最后通

过子群间隐含的信任关系与服务节点建立联系，获

取感知服务信息．

图2是以节点A为源节点的社会关系最优化

路径树，通过统计全局网络中每个节点对的社会关

系最优路径，可以发现中介值最大的边集就是所要

寻找的连接不同子群的桥．

表1节点A的移动概率表

3实验结果及分析

通过Matlab和Ucinet软件进行测试，数据集

选用MIT的Reality Mining提供的标准数据集，该

项目记录了MIT校园中100个携带蓝牙智能手机

的学生和职工为期9个月的移动轨迹、相遇数据和

通话记录[8]．本文实验选取了其中64个移动节点在

180

d的相关数据集．

实验l移动节点凝聚子群的构建．通过式(1)～(4)

计算64个移动节点彼此间的社会关系矩阵M，根据

算法1对M进行聚类分析，实验结果如图3所示．

实验2移动社会网结构分析．分别根据移动节点

慈簿7

图1移动节点社会网

冠搿瓠Q

Ⅳ^"忿差^＼Ⅳ^√‰

(a)原始网络结构图

～

一

“一

丘～

如一

以一

一

．

一

～

一

“一

一

以一

(b)凝聚子群

图2节点A的社会关系最优路径树

图3移动节点凝聚子群划分

http：∥、^—v、^L jdxb．cn

万方数据

第12期

安健．等：面向物联网移动感知的服务节点发现算法

的交互信息、相遇信息以及加权求和的方法构造3

种不同的网络结构，分析其社会关系数、网络整体密

度、度数中心势、中间中心势，实验结果如表2所示．

实验3移动节点最短距离．分析移动节点间的最

短距离以及网络平均距离．通过图4可发现，随着

节点社会关系的增加，节点间的最短路径以及整个

网络的平均距离都在减小，这与实验2的分析结果

相一致．

4结论

本文在提取距离因子和交互因子作为社会关系

量化参数的基础上，通过构建面向目标区域的节点

凝聚子群和移动概率树，实现目标区域感知服务节

点的发现．在以后的工作中，将从以下两个方面来进

行改进：①构建面向全局的感知服务中心。实现移动

节点位置信息、交互信息的实时获取以及自动分析；

②设计面向目标区域的感知服务路由算法，实现节

点间数据的信任传递，解决数据传递过程中的延时、

断路、聚合时间有限等问题．

表2移动社会网结构分析表

参考文献：

ATz0RI L，IERA A，GIACOMO

MThe intemetof

[1]

things：a

Net、】I，0rks，2010，54：

sunrey[J]．Computer

2787—2805．

D，MILuZ2r0E，Lu

aL A_survey

Hong，et

[2]LANE

of mobile

commuIlications

phone sensing[J]．IEEE

Magazine。2010，48(9)：140一150．

YANG _{Shusen，Y√扑jG)(in”，zHJ心临Chao，et}

[3]

鼍

繁

net、∞rk

Inob—

social

huI舢l

Using

theory for肿deling

IEEENetwork，2010．24(5)：6-13．

iIity[Jl

[4]李小勇，桂小林．可信网络中基于多维决策属性的信

任量化模型[J]．计算机学报，2009，32(3)：405—416．

Trust

model

LI)(iaoyoflg，GL兀)(iaolh

quantitative

移动节点平均最短距离

谢th

decision factors in trusted

network[J]．

multiple

Chinese

ZHANG

mobile

Jourml

Computers，2009，32(3)：405—416．

图4移动社会网节点距离分析

social ties

_{Huiqi，DANTU}R

[5]

[6]

Predicting

of 2010

实验4感知服务节点发现算法效率．分别在移动

节点数为15、25、35、45、50、55、60、64，查找次数为

50的情况下，计算移动感知服务节点的查找成功

率，实验结果如图5所示，可以发现随着节点个数的

增加，网络密度不断增大，节点的位置信息种类更加

丰富，感知服务节点查找成功率也随之提高．

phone netw．orks[C]∥Proceedings

and

IEEE

Infomatics． PisGat—

Intelligence

Security

away，NJ，USA：IEEE，2010：25—30．

GIANNOTTI

F，NANNI M，PEDRESCHI D，et

beha、，ior

Mjnjng mobiljty

fr咖trajectory data[C]∥

ofl2th IEEE Intematio吡l Conference on

Proceedings

Science and

Computatioml

Engineering． Piscataway，

NJ，USA：IEEE，20D9：948—951．

JilTling，等．复杂网络聚类算法

[7]杨博．刘大有，LIu

[J]．软件学报，2009，20(1)：54—66．

摹

霹

雷

net—

YANG Bo，LIU Dayou，LIU

JiTnj嗨C0mplex

镁

辎

work clustering

S0f坩are，

algorithn_ls[J]．Joumal

2009。20(1)：54—66．

栩

N，PENTLAND A，LAZER DL

[8]EAGLE

lnferring

ne№rk structure

mobile

phone

friendship

by using

Sci—

of the National

da试J]．Proceedings

Acad锄y

移动节点敷

enc髓，2009，106(36)：15274—15278．

图5感知服务节点查找成功率

(编辑荆树蓉)

http：∥帆jdxb．cn

万方数据

全部评论(0)

暂无评论

评论赚积分>>

上传资源

面向物联网移动感知的服务节点发现算法

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