一種支持傳感器“即插即用”的動態適配器方法*

李 秀， 黃容生， 宋靖東

(清華大學 深圳研究生院 智能計算實驗室，廣東 深圳 518055)

0 引 言

隨著傳感器的微型化、智能化，傳感器和傳感器系統開始廣泛應用于國防、交通、家居、環境保護、海洋觀測等各個領域。但是，這些傳感器系統基本都是根據特定的傳感器類型設計和實現的，其傳感器、傳感器觀測數據只能夠被特定應用訪問和使用，形成了一個個“資源孤島”。傳感網整合架構(sensor web enablement，SWE)項目組致力于通過制定相應的信息和服務標準，屏蔽底層異構性，建立一個基于Web的、能夠統一共享和訪問任意傳感資源(包括傳感器、傳感器系統、傳感器觀測數據和傳感器服務等)的“傳感器萬維網”。

SWE設計并制訂了一系列傳感網標準服務[1]，定義了傳感網的標準服務模型，已經成為傳感網事實上的標準。這些標準服務向應用層屏蔽了底層傳感器層的異構性，應用層可以通過調用和整合這些標準服務提供統一的傳感器服務[2～4]。當服務層與傳感器層進行互操作時，需要進行傳感器協議和SWE協議的轉換等傳感器的適配工作。但是，這些適配工作如何完成，在哪里完成，SWE并沒有進行明確定義[5]。如此就形成了傳感器層和服務層的“互操作鴻溝”。現在的傳感網系統構建中，需要人工為每一只傳感器和SWE服務對進行適配實現，造成了非常大的適配和集成代價，而且非常容易出錯。尤其是對于海底觀測網等大規模傳感器網絡，往往部署著成千上百只傳感器，人工適配將使得異構傳感器的集成變得極為困難和極易出錯，而且也嚴重降低了傳感器網絡觀測的實時性[6]。因此，設計并實現一種傳感器自動適配、動態適配的方法顯得非常重要，盡量減少適配過程中的人工干預，提高適配的效率，增強傳感器網絡的觀測實時性，也是促進傳感器“即插即用”的關鍵。

美國蒙特利海灣研究所(Monterey Bay Aquarium Research Institue，MBARI)設計并實現了一種硬件設備Puck，其中存儲了傳感器的元數據、驅動等信息，然后內置或者外接在傳感器上，從而實現傳感器與元數據的硬件綁定[7],系統將自動從設備Puck中檢索這些信息并自動完成傳感器的適配，從而實現傳感器的“即插即用”。但是，這是一種硬件解決方法，需要改變傳感器的硬件結構，因此,暫時仍沒有得到廣泛應用。更多的科研人員是從軟件方法的角度去尋求彌合服務層和傳感器層的“互操作鴻溝”，進而實現傳感器的“即插即用”。Usl?nder T等人設計了Anysen框架[8]，提出了一種描述傳感器協議的抽象模型，通過對傳感器協議建模使得系統能夠通過讀取和解析其協議模型來實現與傳感器的互操作。但是，框架目前只能提供SOS服務支持。Gigan G等人設計了傳感器抽象層(sensor abstraction layer，SAL)[9]，通過提供傳感器接口的標準描述屏蔽底層技術細節，通過傳感器代理提供服務層和底層傳感器層的通信等互操作。Broering A等人進一步擴展了SWE提出的傳感器抽象建模語言(sensor modeling language,SensorML)，增加了對傳感器協議模型的支持，設計了一種傳感器總線來溝通服務層和傳感器層，進一步實現傳感器層和服務層的快速適配[10]。但是，這些軟件解決方法基本都處于概念設計的階段，有的沒有提供具體的實現方法，或者仍然需要很多的人工干預和適配工作，影響了傳感器觀測的實時性。另外，這些方法沒有很好地解決傳感器自動適配的難點：傳感器的加載時間未知，傳感器的數據協議未知，傳感器的指令協議未知，這些未知給傳感器的自動適配帶來了非常大的挑戰。因此，有必要在這些研究的基礎上進一步研究傳感器自動適配的方法，彌補服務層和傳感器層的“互操作鴻溝”，從而實現傳感器的“即插即用”。

本文在現有研究的基礎上，對傳感器進行抽象，提出和設計了面向集成的傳感器信息模型USDI(universal sensor descriptor for integration)，并基于USDI提出了一種動態適配器方法，用于構建一個“虛擬儀器層”，溝通傳感器層和服務層，彌補傳感器層和服務層的“互操作鴻溝”，實現傳感器的自動適配和數據的動態處理。

1 USDI

SWE提供的傳感器信息模型SensorML是一種抽象的傳感器建模規范，是原子性的、基礎性的，需要進行整合、改進和模板化，從而使其適合傳感器集成的需求。USDI在SensorML的基礎上進行了改進，使之符合傳感器自動適配的需求。根據傳感器集成與自動適配的需求，USDI的信息必須包括：用于辨識和發現傳感器的元數據；用于描述傳感器觀測能力和觀測性質的信息；傳感器的數據協議，包括輸入、輸出數據流的結構和性質；傳感器中的數據處理過程，包括參數、算法和實現；真實傳感器還需要提供傳感器的地理位置、時間等時空信息，包括其所使用的時空參考坐標系。

根據USDI的信息需求，USDI的體系結構如圖1所示，以XML文檔格式封裝。其中元數據繼承SensorML的一般信息、屬性信息、約束信息、引用信息、歷史信息、時空位置信息等6種元數據信息，用于定義傳感器的標識符、分類符等元數據信息。輸入、輸出則分別對傳感器的輸入、輸出進行建模。輸入模型增加輸入連接，以支持數據流的多目標傳遞。輸出模型增加傳感器輸出數據的詳細描述，以提供傳感器的數據協議模型，支持傳感器數據的自動解析和動態處理。

圖1 USDI核心組件

2 動態適配器方法

2.1 動態適配器體系結構

根據傳感器自動適配的需求，本文設計了一種動態適配器，其體系結構如圖2所示。動態適配器由主系統自動生成，采用三層松耦合結構，主系統通過動態適配器與傳感器進行交互，傳感器的協議轉換由動態適配器承擔。其三層結構的功能分別簡述如下：

1)會話層：負責與相應傳感器通信和交互。

2)過濾器層：包括一個可擴展的過濾器鏈，可以根據需要增加過濾器，其中必須包含協議過濾器、執行線程過濾器、日志過濾器。

3)業務邏輯層：具體的傳感器相關或者應用相關的業務邏輯實現。

圖2 動態適配器

2.2 基于動態適配器的自動適配過程

如圖3所示，傳感器的動態適配器由集成系統自動生成。當主系統檢測到傳感器網絡中部署了新的傳感器時，將會啟動傳感器的自動適配過程：

1)根據新傳感器的通用唯一識別碼(universally unique identifier，UUID)向USDI云服務器檢索其USDI模型；

2)調用USDI解析器，讀取USDI模型，自動生成相應的動態適配器；

3)通過動態適配器與傳感器進行交互，由動態適配器進行傳感器的協議轉換；

4)為服務層服務提供傳感器統一訪問接口。

圖3 傳感器自動適配示意圖

2.3 動態適配器的生成機制

動態適配器由主機系統根據傳感器的USDI信息模型自動生成，其實質是根據傳感器的數據協議構建傳感器的數據結構和自動解析方法，根據傳感器的指令協議構建傳感器的協議轉換方法，從而動態生成一個符合傳感器數據協議和指令協議的動態適配器。

如圖4所示，適配器類的生成遵循以下步驟：

1)讀取傳感器名稱和整體信息描述，準備創建同名的適配器類；

2)CA文件中是否存在未讀的模塊定義：是，則轉入第3步；否則，轉入第4步；

3)取出下一個模塊定義；

4)判斷模塊是否包含多個字段：是，則將其封裝為適配器類的子類，創建子類，并在適配器類中創建該子類的成員變量；否則，將其配置為適配器類的成員變量，創建成員變量；轉入第1步；

5)創建適配器類的構造函數；

6)保存適配器類Class二進制文件。

其中,創建子類和相應成員變量的過程如圖5所示。

圖4 動態適配器生成流程

3 實 驗

本文從南海海底觀測網的傳感器中挑選了其中具有代表性的6種傳感器進行自動適配實驗，包括壓力傳感器、海鳥溫鹽深儀CTD37s、化學傳感器、原位顆粒流速儀、聲學多普勒流速儀(acoustic Doppler vector，ADV)、聲學多普勒流速剖面儀(acoustic Doppler current profiler，ADCP)。各類傳感器的數據結構存在明顯的差異，其中前4種傳感器的數據結構較為簡單，數據字段在10個以下，而且均為標量數據；后2種的數據結構比較復雜，超過50個數據字段，包含矢量數據。

圖5列出了實驗傳感器的動態適配器生成時間。可以看出，各類傳感器的自動適配時間都比較短，均在數十毫秒或者更少，相比人工適配(人工適配時間并不確定，與適配人員對主系統和傳感器的熟悉程度相關，但是基本在min級別以上)，效率提高非常明顯。而且動態適配器只在傳感器初次部署時一次生成，后續的互操作將調用生成的動態適配器來完成。因此，動態適配器的生成不會對傳感器的實時觀測造成明顯影響。

圖5 動態適配器生成時間

圖6 傳感器數據動態解析實驗結果

圖6列出了基于動態適配器的傳感器數據動態解析實驗結果，其中，1#是一般解析時間，2#是動態解析時間。相比普通解析時間，動態解析時間并沒有明顯增長，但是卻是實現傳感器數據的自動解析，將其中的人工干預極大降低，是傳感器“即插即用”的關鍵一步。

4 結 論

本文基于現有的傳感器“即插即用”方法研究，提出了一種動態適配器方法，用于實現傳感器的自動適配，彌補服務層和傳感器層的“互操作鴻溝”，進而實現傳感器的“即插即用”。相關實驗傳感器的自動適配實驗和數據動態解析實驗表明：該方法能夠實現傳感器的無人自動適配，能夠在不明顯增加傳感器的解析時間的情況下進行傳感器數據的自動解析，可以進一步實現傳感器的“即插即用”。由于該方法能夠避免適配過程中的人工干預，因此，能夠很好地滿足傳感器適配的實時性。

參考文獻:

[1] Br?ring A,Echterhoff J,Jirka S,et al.New generation sensor web enablement[J].Sensors,2011,11(3):2652-2699.

[2] 郭忠文,孫玉婷,蔣永國,等.海洋Sensor Web研發面臨的問題及挑戰[J].中國海洋大學學報:自然科學版,2009(5):1061-1066.

[3] 王建國,陽 葉.基于SWE的無線傳感觀測服務研究與實現[J].計算機與數字工程,2011(12):137-140.

[4] 蔣 銳,宋煥斌,朱杰勇.基于Sensor Web的礦山地質災害監測預警[J].金屬礦山,2010(9):47.

[5] Broering A,Below S,Foerster T.Declarative sensor interface descriptors for the sensor web[C]∥1st International Workshop on Pervasive Web Mapping,Geoprocessing and Services,WebMGS 2010,2010:26-32.

[6] Headley K L,Davis D,Edgington D,et al.Managing sensor network configuration and metadata in ocean observatories using instrument pucks[C]∥2003 The 3rd International Workshop on Scientific Use of Submarine Cables and Related Technologies,IEEE,2003:67-70.

[7] O’Reilly T C,Headley K,Graybeal J,et al.MBARI technology for self-configuring interoperable ocean observatories[C]∥OCEANS 2006,IEEE,2006:1-6.

[8] Usl?nder T,Jacques P,Simonis I,et al.Designing environmental software applications based upon an open sensor service architecture[J].Environmental Modelling & Software,2010,25(9):977-987.

[9] Gigan G,Atkinson I.Sensor abstraction layer:An unique software interface to effectively manage sensor networks[C]∥3rd International Conference on Intelligent Sensors,Sensor Networks and Information,ISSNIP 2007,IEEE,2007:479-484.

[10] Broering A,Foerster T,Jirka S,et al.Sensor bus:An intermediary layer for linking geosensors and the sensor web[C]∥Proceedings of the 1st International Conference and Exhibition on Computing for Geospatial Research & Application,ACM,2010:12.