基于大數據的無線傳感網絡數據采集的研究

張 屹，陳立軍，蔣慧勇

(廣州大學華軟軟件學院，廣東 廣州 510990)

0 引言

大規模傳感器網絡用于數據收集越來越成為趨勢，雖然它們代表了新一代的傳感器網絡，但它們的使用受到許多限制，包括對現有網絡擴展方法的適應性。使用大規模傳感器網絡需要解決兩個重要的挑戰：傳感器能耗的最小化以及網絡壽命的最大化。

1 無線傳感器網絡概述

WSN是一個Ad-hoc網絡(Ad-hoc網是一種多跳的、無中心的、自組織無線網絡，又稱為多跳網(Multi-hop Network))，由一組傳感器節點組成，隨機固定或分散在給定的地理區域內，通過無線鏈路進行通信，以自主收集、處理和傳輸其環境中的數據到另一個特殊節點(被認為是集合點，也稱為接收器)。傳感器節點操作的地理區域稱為感興趣的區域[1]，在WSN中，傳感器節點能夠自組織地收集有關其部署環境的信息，收集的數據的傳輸可以周期性地或基于事件地完成，這取決于所實現的應用的性質。接收器是具有兩個或更多網絡接口的節點，其充當WSN和最終用戶的網絡(例如局域網或因特網)之間的橋接器。用戶可以經由接收器向網絡中的其他節點發送請求[2]。

2 大數據概述

大數據是指那些超過傳統數據庫系統處理能力的數據。它的數據規模和轉輸速度要求很高，或者其結構不適合原本的數據庫系統。為了獲取大數據中的價值，必須選擇另一種方式來處理它。大數據的顯著特征即“5V”：

(1)大量化(Volume)：非結構化數據的超大規模，占總數據的80%～90%，比結構化數據增長快10～50倍，是傳統數據倉庫的10～50倍。

(2)價值化(Value)：大數據中含有大量的不相關信息，數據價值密度相對較低，如何通過深度復雜分析(機器學習、人工智能、傳統商務智能)等方法來挖掘數據價值是需要解決的問題。

(3)多樣化(Variety)：大數據具有異構和多樣化的特點，存在很多不同的形式，如文本、圖像、視頻、機器數據等。

(4)快速化(Velocity)：實時分析而非批量式分析，數據輸入、處理與丟棄的效果立竿見影而非事后見效。

(5)真實性(Veracity)：大數據中的內容是與真實世界中的事件息息相關的，研究大數據就是從龐大的網絡數據中提取出能夠解釋和預測現實事件的過程。

在工業和研究應用中已經提出了許多關于大數據的技術，鑒于其特點，大數據問題與商業智能問題不同，研究從大數據中提取知識的過程分為三個階段：存儲、處理和結果利用。從大數據中使用LS-WSN來收集、處理和利用知識的過程是一種新興趨勢。

3 LS-WSN中的大數據收集架構

WSN的數據收集基于定義明確的體系結構，真正的問題在于選擇最佳架構。本節將介紹已有文獻中提出的不同體系結構，以便檢測與大規模WSN兼容的體系結構。已有專用于數據收集的網絡架構[3]主要圍繞兩種方法構建：一種基于靜態網絡，另一種基于移動網絡。

3.1 靜態架構

這是一些文獻中常遇到的經典方法，它包括在感興趣的區域中部署一組傳感器以收集信息，在此體系結構中，所有網絡組件都是靜態的，另一方面，網絡的部署可以通過兩種方式實現：確定性和隨機性。

3.1.1 靜態接收器和靜態傳感器架構

該架構由大量傳感器組成，能夠以自主方式收集和傳輸環境數據，這些傳感器節點的位置不一定是預定的，它們可以隨機分散在感興趣的區域，這種類型的體系結構的特征在于高密度，以便在任何兩個網絡節點之間找到至少一條路徑。此外，該架構的主要缺點之一是縮短了網絡的壽命。

3.1.2 具有傳感器節點和多個靜態接收器的架構

與以往架構不同，具有傳感器節點和多個靜態接收器的架構(參見圖1)，可以將網絡中的接收器數量相乘以延長網絡的壽命，然而，從接收器跳躍到傳感器節點的電池耗盡問題仍然存在。這種架構的傳感器節點，即一個接收器與另一個接收器的選擇，在這種架構中仍然是一個挑戰。

圖1 具有傳感器節點和多個靜態接收器的架構

3.2 基于移動性的體系結構

為了最大化網絡生命周期并減少無線傳感器網絡中的延遲，現有的一些研究已將移動性引入無線傳感器網絡。無線傳感器網絡中的移動性具有許多優點，包括良好的連接性、降低部署成本、可靠性強和能效高。雖然移動性在增加網絡壽命方面帶來了顯著的好處，但它對傳感器網絡提出了若干挑戰，包括接觸檢測、面向移動性的電源管理、可靠的數據傳輸、QoS、位置和能耗[4]。

3.2.1 靜態接收器架構和移動傳感器節點

該架構具有傳感器可移動的特殊性，由于傳感器是移動的，這種架構大大減少了要部署的傳感器的數量，架構中的通信是直接的，有助于保持良好的網絡覆蓋。此外，這種架構允許傳感器平衡消耗能量，并且接收器收集的數據量也很大。

3.2.2 具有移動接收器和靜態傳感器節點的架構

該架構中所有節點都是靜態的，而接收器在此處是移動的。一旦接收器到達給定的傳感器節點并且該傳感器檢測到接收器的存在，就完成數據收集。該架構有利于更好地連接到感興趣區域中部署的WSN。

3.2.3 具有移動接收器和移動傳感器節點的架構

該架構具有與移動接收器和靜態傳感器節點架構相同的優點，架構已在多個科學和工業研究項目中實施，例如，該架構作為了肯尼亞斑馬跟蹤項目的一部分實施：這些傳感器部署在從Sweetwaters Reserve到肯尼亞中部Mpala的斑馬上，接收器位于車輛上，該項目是環境監測領域開展的首批研究之一，同時考慮了節點和接收器的移動性。

3.2.4 具有傳感器和多個靜態接收器的架構

該架構與目前提供的所有架構不同，它包括使用具有高密度傳感器節點的多個接收器，傳感器節點收集的數據通過其中一個網絡接收器傳輸給最終用戶。這種架構的最大問題在于難以選擇接收器。該方案提出了多對多架構中的路由優化解決方案，該提案也存在缺乏進化的明顯問題，實際上，如果傳感器網絡增長，為了不再陷入與單宿架構相同的問題，筆者將不得不添加無法自動完成的接收器。此外，該解決方案仍然不允許最終用戶和傳感器節點之間的直接連接。

3.2.5 具有傳感器和多個移動接收器的架構

該架構幾乎與3.2.4節所提架構相同，不同之處在于接收器是移動的，該解決方案可以將多個移動接收器放置在單個WSN中。該架構的一個重要問題是難以對傳感器收集的數據進行路由。

3.2.6 混合架構

此架構采用多鏈路架構的解決方案，在數據收集中使用多個移動接收器而不是靜態接收器，WSN的生命周期可能很長。其他具有多個移動接收器的架構專注于減少傳感器消耗的能量，或者最大化全球網絡的壽命，但這些建議通常缺乏可擴展性。實際上，如果傳感器網絡的大小增加，則應避免具有單個接收器的架構的問題。此外，該解決方案不允許用戶和傳感器之間的直接連接。

3.3 LS-WSN中數據收集體系結構的比較

在LS-WSN的背景下，在廣泛感興趣的領域中部署的傳感器密度也很高的情形下，即使移動性帶來的優勢多于靜態傳感器網絡，如果這種移動性位于傳感器節點的一側，則會減少要部署的節點數量，可以說這些架構也不適合LS-WSN。無論傳感器和靜態接收網絡在能量方面消耗多少，它們都可以隨著網絡的擴展而進行調整，真正的挑戰仍然是該網絡中能耗的優化。

3.4 點對多點通信的分層網絡

點對多點通信是通信領域的術語，指的是通過一種特定的一對多的連接類型的通信，從單一位置到多個位置提供多個信道。點對多點經常縮寫為P2MP、PTMP或者PMP。點對多點系統已經被設計為單、雙向皆可的系統。一個天線或天線陣對多個接收天線廣播且系統是時分復用的就允許反向信道通信。該技術應用在LS-WSN，并將網絡分層，可解決大規模無線傳感網絡的能耗問題以及傳輸延遲問題。

4 LS-WSN中的數據傳輸

將節點捕獲的數據傳輸到網絡中，需要路由，路由是在功耗方面找到成本有效路由以便將數據從傳感器節點傳輸到接收器的過程。接收器可以通過Wimax、LTE、衛星或其他寬傳輸系統連接到遠程用戶，用戶可以處理對網絡中其他節點的請求，指定所需數據的類型并通過匯聚節點對數據進行收集[5]。LS-WSN中的路由仍然是一個非?；钴S的研究領域，并且已經提出了兩種路由協議：基于網絡結構的路由協議和基于特征的路由協議。

4.1 基于網絡結構的路由協議

路由協議根據網絡結構分布，在數據路由過程中起著非常重要的作用，基于網絡結構的路由協議主要有三類：平面路由、分層路由、基于位置的路由。

(1)平面路由：也稱地位平等路由，這里的所有傳感器節點都有相同的任務要執行，這是WSN中數據路由使用的第一種方法。其優點之一是具有簡單性，因此可以在不需要額外成本的情況下建立通信，其中每個節點僅需要來自其直接鄰居的信息；缺點是靠近接收器的節點的能量資源耗盡，因為朝向后者的所有業務都必須通過它們。

(2)分層路由：這種方法基于簇(公共區域)的形成，原則是將集群中每個節點收集的數據路由到其區域的頭部，即簇頭(CH)，在處理它們的公共部分之后，將它們轉發到下一個目的地(如果CH不能直接到達站點，基本信息被路由到下一個區域負責人)。優點是通過最小化在網絡上傳播的消息的數量來減少通信和能量成本，因為CH對集群的數據應用集合功能，這使得可以組合它們，缺點是隨著網絡規模的增加，CH選擇過程變得至關重要且資源貪婪。

(3)基于位置的路由：識別聚集區域上的傳感器節點的地理位置，對于WSN中的數據路由機制是至關重要的。該位置信息允許計算傳感器位置以及它們之間的距離，以構建源節點與其目的地之間的最短路徑。這種路由方法更節能，因為它使用隨機或概率方法分配傳感器節點來搜索路徑，另外，節點的位置使得可以僅向這些區域廣播請求并避免它們在廣播模式中的擴散(全局擴散到所有節點)，從而顯著減少傳輸的數量。缺點是需要為傳感器節點配備一個消耗大量能量的衛星跟蹤系統，例如GPS。

4.2 基于特征的路由協議

路由協議根據它們實現的功能進行分類，這些功能基于數據路由、路由選擇、路由發現和交替路由。

4.3 LS-WSN中的數據收集步驟

圖2給出了LS-WSN中數據收集的主要步驟?？刂葡⒌膫鞑ネǔＭㄟ^泛洪控制方法和廣播方法來完成。最后，數據傳輸步驟依賴于控制消息傳播步驟記錄的知識，以通過采用平面路由、分層路由或基于位置的路由方案來實現數據收集。

圖2 LS-WSN中數據收集的流程圖

5 LS-WSN中大數據收集的挑戰

隨著傳感器越來越小型化和集成化，LS-WSN中出現了一種新的傳感器網絡范例，這些網絡基于一組節點的協作，以在其部署的環境上執行各種操作，例如監視和數據收集。術語“大規?！敝傅氖窃诰哂袀鞲衅鞲呙芏鹊拇髤^域上部署網絡，因此，應用在所謂的小型WSN的所有技術和方法都不能直接在這些網絡上使用，它們必須進行修改以適應網絡范圍的擴展。通常，傳感器是資源有限的設備，其能量資源和傳感器在大多數情況下部署在難以到達的區域中，使得更換電池變得困難或不可能。能源管理是增加傳感器網絡持續時間的戰略問題。

盡管WSN已經在許多應用程序中使用，但數據收集是WSN的主要活動，無論是否是LS-WSN，都需要尋找最大化數據收集的解決方案，以最大限度地減少傳感器的電源能耗。在傳感器的所有基本功能中，通信是最耗能的活動，這種能耗在很大程度上取決于通信距離，實際上，為了減少這種消耗并延長傳感器的壽命，并因此延長網絡的壽命，近年來已經開發了幾種技術和方法，在大多數情況下，這些方法放寬了若干約束，例如延遲、覆蓋范圍和QoS，以及網絡的體驗質量(QoE)，有利于延長網絡生命周期。

LS-WSN中數據收集應用程序指定的要求也會導致一些問題。其中，WSN覆蓋是傳感器網絡部署中的一個基本問題，必須確保在給定的感興趣區域中，傳感器部署必須覆蓋可接受的信號范圍，尤其是對于某些WSN的應用。此外，在某些情況下，傳感器應位于特定位置，以便更準確地收集數據，這一事實對于部署在飛機中的工業3D傳感器網絡或傳感器非常重要。對于不同類型的數據，例如振動、溫度、運動和濕度，獲取數據的方式和速率可能不同，如果處理不當，這些問題會導致能量消耗不平衡，從而導致電力浪費和網絡壽命縮短。將數據傳送到接收器同時最小化數據丟失率也是一個挑戰。此外，在網絡結構方面，與基于多點通信的聚類技術相結合的分層網絡似乎是LS-WSN的適當解決方案，這些技術減少了所收集數據的路由中的節點內傳輸距離，與直接通信相比，這在能量消耗方面是經濟的，也就是說，每個傳感器節點在沒有中繼的情況下直接將這些數據路由到接收器，相比之下，聚類導致比平面結構更高的延遲，此外，在這種類型的架構中，最常見的問題稱為接入點問題，也就是說，與其他傳感器節點相比，靠近接收器的傳感器節點正在快速耗盡其能量，因此，網絡覆蓋率受到影響，接收器斷開的風險增加。

為了克服多點通信的缺點，其他工作建議增加網絡內的接收器數量，因此，WSN可以有幾個靜態接收器，在這種架構中，通常與其他傳感器節點相比，這些接收器具有更多的硬件資源，它們用于從其他傳感器節點收集數據，并減少傳輸中消耗的能量，然后通過互聯網或衛星連接將數據從接收器發送給最終用戶。然而，接收器的最佳部署問題仍然是一個大問題，因為很難選擇正確的位置來部署接收器以平衡節點和接收器之間的交換，即使靜態接收器部署在最佳位置，仍然存在接入點問題，即接收器附近的節點消耗更多功率，如果周圍的節點耗盡電池，則可以將接收器與其斷開。因此，接收器的最佳位置確保了對感興趣區域的良好覆蓋，但不能永久覆蓋。

此外，存儲和計算來自LS-WSN的大量收集數據的問題需要更多關注，有鑒于此，一些公司，如諾基亞和蘋果，在其手機和互聯網上的其他智能設備中集成了許多傳感器，導致每年收集數PB的數據。當然，一些分布式數據庫解決方案，如Google的Bigtable、亞馬遜的Dynamo、Windows的Azure存儲和Apache Hadoop，也可以實現大量數據的存儲。但是，除非這些大數據與編程模型(如Mapreduce)相關聯，否則現有的分布式數據庫解決方案無法處理來自LS-WSN的傳感器生成的大量數據。不幸的是，許多工作都集中在傳感器的互連和節能WSN上，LS-WSN中的大量數據收集、存儲和處理方案，仍然是一個重要的研究方向。

6 結論

無線傳感器網絡的應用前景豐富多彩,在大數據環境中使用這些網絡表明：這些網絡能夠克服固有約束以滿足某些要求。在大數據中，物聯網不斷產生的異構數據集可以達到傳統系統無法捕獲、管理和處理的程度,鑒于其特性，這些數據對于LS-WSN的采集和處理是一個有趣的挑戰。為了更好地解決大數據收集的問題，本文首先分析了無線傳感網絡存在的問題，如傳感器部署、能耗問題、路由問題、數據收集和傳輸問題；然后，提出了LS-WSN大數據收集架構、數據傳輸方案以及點對多點通信的分層網絡；此外，還討論了LS-WSN中大數據收集面臨的挑戰，以激勵和指導未來的研究人員。