最大化網關流量的物聯網路由的研究

王玉玨 吳慶州 黃羽 周月娥

摘 ?要： 為了解決現存的路由方案經常依賴于具體的鏈路探測包估計路由質量，對能量受限的IoT設備而言成本高昂的問題，提出基于虛擬網絡估計的物聯網路由（VNE?R）方案。VNE?R路由通過虛擬網絡估計節點流量，再用流量大的節點構建路由，進而最大化網絡流量。利用OMNEET++軟件和SWIM工具進行仿真實驗，實驗數據表明，VNE?R路由能夠較準確地估計各節點的流量并且能夠有效地提高網絡吞吐量。

關鍵詞： 物聯網; VNE?R路由; 虛擬網絡估計; 網關流量; 網絡吞吐量; 路由構建

中圖分類號： TN915.04?34; TPT393 ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2019）13?0019?04

Research on IoT route maximizing gateway traffic

WANG Yujue1， 2， WU Qingzhou2， HUANG Yu3， ZHOU Yuee2

（1. Nanjing University of Science， Nanjing 210094， China;

2. Nanjing University of Science and Technology Zijin College， Nanjing 210046， China;

3. Coil Plate Plant， Nanjing Nangang Iron & Steel United Co.， Ltd.， Nanjing 210035， China）

Abstract： The existing routing schemes often rely on specific link probing packet to estimate the route quality， which is too expensive for energy?constrained IoT device. Therefore， the virtual network estimation?based routing （VNE?R） scheme is proposed. The VNE?R can estimate the traffic of nodes by means of virtual network， and the nodes with maximum traffic are used to construct the route， so as to maximize the network traffic. The OMNEET++ software and SWIM tool are used to carry out the simulation experiments. The simulation results show that the VNE?R can estimate the traffic of each node accurately， and improve the network throughput capacity effectively.

Keywords： Internet of Things; VNE?R route; virtual network estimation; gateway traffic; network throughput capacity; route establishment

0 ?引 ?言

維持通信連接是物聯網（Internet of Things，IoT）提供服務的關鍵問題。最近，研究人員對蜂窩網絡技術進行擴展，進而處理IoT流量，稱為機器類通信（Machine?Type Communication，MTC）[1]技術。MTC技術可支持大量的IoT設備。

然而，由于制造成本、操作費和電池壽命短等，MTC蜂窩鏈路并不適用于IoT。而短程免費寬帶無線電（Shorter Range Free Band Ratios）是實施MTC蜂窩的一個不錯選擇。在基于短程無線電的IoT網絡中，IoT設備能夠連接至IoT網關[2]。通過網關，IoT設備能夠連接Internet。IoT設備間、IoT設備與IoT網關的數據傳遞可通過其他IoT設備轉發，即通過多跳無線路由實現數據傳輸。

本文以基于多跳IoT網絡的路由為研究對象，其主要目的在于尋找能夠有效傳輸數據的路徑。所謂有效路徑是指具有高的吞吐量和低的能量消耗。目前，為了保證路徑質量，現存的多數路由依賴于探測流量包，如ETX[3]，ETT[4]，Iaware[5]。在這些方案中，鄰居節點間交互自己的探測包，且利用這些探測包測量鏈路質量。

然而，具體的鏈路探測包會引入高的開銷，這對能量受限的IoT設備而言是非常關鍵的。此外，也可能會導致錯誤的路由決策，原因在于：鏈路質量容易受鄰近鏈路的干擾，而探測包是很難發現這些干擾的。

為此，本文考慮節點流量的變化問題，并提出VNE?R（Virtual Network Estimation?based Routing）方案。首先估計每條鏈路的數據包傳輸成功率，再計算節點流量，最后依據節點流量動態構建路由，使網關流量最大化。實現數據表明，提出的VNE?R能有效地提高網絡吞吐量。

1 ?網絡模型

考慮單一網絡由一個網關路由（Gateway Router，GR）和多個IoT節點構成，且由IEEE 802.11鏈路維持節點的連通。此外，每個節點產生流量，并將流量傳輸至GR。盡管提出的VNE?R方案很容易擴展處理下行流量，但本文僅考慮上行流量。因此，網絡路徑可看成一個樹結構形式，且GR為樹根。

圖1顯示了一個網絡結構，其中S表示路由網關，其他從0～10的數字表示10個節點，節點間的連接表示它們間的鏈路。每個節點旁邊的數字表示由節點產生的流量，例如，節點1所產生的流量為50。

圖1 ?網絡拓撲示例

據此，本文引用矩形網格拓撲結構。假定每個節點只能感測它的一跳鄰居節點，且僅一跳鄰居節點間才可能完成數據的直接傳輸。例如，節點5有4個一跳鄰居節點，分別為1，4，6和9。此外，每個節點與它的對角線節點存在隱藏終端關系。例如，節點5與節點0，2，8和10具有隱藏終端關系。而隱藏終端會引起競爭和碰撞。因此，每個節點所產生的所有流量可能難以成功地傳輸至網關。設計VNE?R的目的就是最大化網關所接收的流量，即網關流量最大化。如圖1所示，網關S所接收的流量為207。此外，VNE?R引用單一路徑的靜態路由，即僅一條消息復本在預定路徑上傳輸。

2 ?VNE?R方案

2.1 ?傳輸成功率

為了更好地表述節點在傳輸階段的狀態，定義一個二值矢量。矢量中的每個比特位數對應于每個節點。如果比特位為1，則此節點正參與數據傳輸;反之，為零，表示此節點目前未參與數據傳輸（空閑）。例如，對由三個節點A，B和C構成的網絡，就存在8類網絡狀態矢量[000，100，010，001，110，011，101，111]。當矢量[?=]100時，說明僅節點A處于數據傳輸，而節點B和C空閑。

而每個矢量[?]都對應一個活動共享（Active Share， AS），其反映了此矢量的維持歸一化時間。所謂歸一化時間是指此矢量維持的時間占整個抽樣間隔的比例，如圖2所示。當矢量[?=]100時，它的AS為0.25，表示保持此狀態的歸一化時間為0.25。假定整個抽樣時間為10 s，則維持此狀態的時間為0.25×10 s=2.5 s。

圖2 ?網絡狀態矢量和AS示例

依據上述表述可知，當網絡有[N]個節點，則網絡狀態矢量可表示為[?=b1，b2，???，bN，?i∈0，1]。由于有[N]個節點，則存在[23=8]個網絡狀態矢量，即[?1，?2，…，?8]。而矢量[?j]的AS等于該矢量的持續時間占抽樣間隔[L]的比例。

每個節點記錄數據傳輸的開始時間和結束時間，并將這些數據傳輸至網關。當網關收集了所有節點的信息后，就能得到相應的AS[6]。

令[lij]表示從節點[i]至節點[j]的鏈路，現推導每條鏈路的傳輸成功率。為了保證數據能夠成功傳輸，需要滿足兩個條件：

1） 鏈路開始傳輸數據包時，未有隱藏節點傳輸它們的數據包;

2） 在它的任何隱藏節點開始傳輸數據包之前，數據傳輸已完成。

假定節點間的數據傳輸并非相互獨立，則隱藏節點傳輸數據的開始時間服從指數分布。令ON表示至少有一個隱藏節點正在傳輸數據包的時期，而OFF表示未有隱藏節點傳輸數據包的時期。因此，鏈路[lij]上發生碰撞的概率可定義為：

式中：[TOFF]，[TON]分別表示它們各自的歸一化時間，即將[TOFF]，[TON]的平均時間與抽樣間隔相除可得[TOFF]，[TON]值;[h]表示數據包傳輸時間。

從式（1）可知，式（1）的第一項與條件1）相關，第二項與條件2）相關。從節點[i]的角度而言，[TOFF+TON]等于節點[i]有機會傳輸數據包的時間。因此，可令：

2.2 ?節點流量估計

首先估計節點流量。最后，利用每個節點產生的流量和每條鏈路的傳輸成功率兩項數據估計網關接收的數據量。

首先，考慮如圖3所示的節點隊列模型。對于節點[i]，它的數據包到達率由三項流量元素組成：局部產生流量[λei]、來自鄰居節點的流入流量[λfi]和重傳流量[λri]。

圖3 ?節點[i]的隊列模型

2.3 ?路由決策

首先計算鏈路的數據包傳輸成功率[8]，然后計算PE。再依據PE構建路由。每個節點選擇PE大的節點作為下一跳鄰居。考慮到PE是動態變化的，因此，每個節點需在之前建立的路徑中檢測是否存在這樣的鄰居節點：若由此鄰居節點作為下一跳節點，是否能夠增加網關的流量[9]。若存在這類節點，就將此節點作為下一跳節點。

如圖4a）所示是初始路由。假定節點2發現若選擇節點3的流量遠大于節點6的流量（節點3的流量為200，節點6的流量為10），節點2就將節點3作為下一跳路由，如圖4b）所示。通過更新路由后，發現網關的流量從207增加至230。

圖4 ?路由初始階段

3 ?性能仿真

3.1 ?仿真環境

為了更好地分析VNE?R性能，利用OMNEET++仿真軟件建立平臺，并引用IEEE 802.11b無線鏈路，且數據傳輸比特率為2 Mb/s。最小和最大競爭窗口尺寸分別設為31和1 023。最大重傳數設為1。節點的傳輸范圍為170 m，干擾范圍為250 m。引用如圖1所示的矩形拓撲網格模型。兩跳的鄰居點距離為150 m，且位于對角線的兩個節點呈終端隱藏關系。

此外，建立兩個實驗。實驗一分析VNE?R估計節點流量的性能，實驗二對比分析提出的VNE?R的吞吐量。

3.2 ?實驗一

本次實驗分析VNE?R對每個節點所傳輸的數據包[λs]和它成功接收的數據包數[λf]的估計性能，并與仿真實驗的數據進行對比。

以圖4a）的路由進行數據傳輸，且節點產生的數據包尺寸為150 B。[λs]和[λf]的數據分別如圖5a）和圖5b）所示，圖中的橫坐標表示節點的標號。

從圖5可知，VNE?R所估計的數據包數與仿真實驗所產生的數據包數相吻合，這也說明，利用VNE?R能夠較準確地估計各節點的流量。

圖5 ?節點傳輸和接收的數據包數（圖4a）的路由）

類似地，以圖4b）路由對各節點流量進行估計，實驗數據如圖6所示。圖6a）顯示了各節點所傳輸的數據包數[λs];圖6b）顯示了各節點所接收的數據包數[λf]。

圖6 ?節點傳輸和接收的數據包數（圖4b）的路由）

從圖6可知，仿真的數據包數與推導的數據包數一致。結合圖5和圖6不難發現，VNE?R能夠較準確地估計節點所傳輸和接收的數據包數（流量），這為后續的路由決策提供了基礎。

3.3 ?實驗二

本次實驗分析網關的吞吐量。選擇負載感知的路由（Load?aware Routing，LAR）作為參照。同時，為了更好地產生真實動態流量模型，選用真實的人類移動軌跡，稱為Cambridge traces。利用SWIM工具[10]按比例放大軌跡文件，且分為包含90個用戶和180個用戶兩類，實驗數據如圖7所示。

圖7 ?吞吐量

從圖7可知，提出的VNE?R的吞吐量優于LAR。原因在于，VNE?R在選擇下一跳鄰居節點時，總是將吞吐量大的節點作為下一跳鄰居節點，這有利于提高網絡吞吐量。

4 ?結 ?語

針對物聯網的路由問題，提出基于虛擬網絡估計的VNE?R方案。VNE?R目的在于最大化網絡的吞吐量。通過虛擬估計節點的流量，使得流量大的節點構建路由，進而最大化網絡流量。實驗數據表明，提出的VNE?R能夠有效地提高網絡吞吐量。

參考文獻

[1] MURUGANATHAN S D， MA D C， BHASIN R I. A centra?lized energy?efficient routing protocol for wireless sensor networks [J]. IEEE radio communications， 2015， 43（3）： 8?13.

[2] SHANG Guoqiang， CHEN Yanming， ZUO Chao， et al. Design and implementation of a smart IoT gateway [C]// Proceedings of 2013 IEEE International Conference on Green Computing and Communications. Beijing： IEEE， 2013： 23?31.

[3] DE COUTO D S J， AGUAYO D， BICKET J， et al. A high?throughput path metric for multi?hop wireless routing [J]. Wireless networks， 2015， 11（4）： 419?434.

[4] DRAVES R， PADHYE J， ZILL B. Routing in multi?radio， multi?hop wireless mesh networks [J]. IEEE mobile communications， 2014， 6（8）： 34?41.

[5] SUBRAMANIAN A P， BUDDHIKOT M M， MILLER S. Interference aware routing in multi?radio wireless mesh networks [J]. IEEE wireless mesh networks， 2016， 9（7）： 12?21.

[6] MAGISTRETTI E， GUREWITZ O， KNIGHTLY E W. Measurement?driven modeling of transmission coordination for 802.11 online throughput prediction [J]. IEEE/ACM transactions on networking， 2017， 20（5）： 1635?1648.

[7] BEJERANO Y， CHOI H G， HAN S J， et al. Performance tuning of infrastructure?mode wireless lans [C]// 2010 IEEE International Symposium on Modeling and Optimization in Mobile. Avignon： IEEE， 2016： 56?61.

[8] BISNIK N， ABOUZEID A A. Queuing network models for delay analysis of multihop wireless ad hoc networks. Elsevier [J]. Ad Hoc networks， 2015， 7（1）： 79?97.

[9] ANCILLOTTI E， BRUNO R， CONTI M， et al. Load?aware routing in mesh networks： Models， algorithms and experimentation [J]. Computer communication， 2016， 34（8）： 948?961.

[10] KOSTA S， MEI A， STEFA J. Large?scale synthetic social mobile networks with swim [J]. IEEE transactions on mobile computing， 2015， 13（1）： 116?129.