基于人工智能的健康醫療大數據傳輸過程擁塞控制研究

摘要：考慮到健康醫療大數據的來源復雜，在傳輸過程中容易出現擁塞現象，本文提出了基于人工智能的健康醫療大數據傳輸過程擁塞控制研究。根據數據傳輸鏈路的拓撲結構，計算健康醫療大數據的傳輸延時，利用健康醫療大數據在傳輸過程中的速率，預測健康醫療大數據傳輸過程的擁塞程度。通過對健康醫療大數據傳輸延時的歸一化處理，得到健康醫療大數據傳輸過程擁塞控制的最佳路徑，實現健康醫療大數據傳輸過程的擁塞控制。實驗結果表明，文中方法可以將健康醫療大數據傳輸吞吐量提高到1700kbps以上。

關鍵詞：數據傳輸；擁塞控制；健康醫療；人工智能

引言

最近幾年，我國相繼發布了一系列加速建設區域衛生與健康信息平臺的文件，促進了健康醫療大數據的融合[1]。健康醫療大數據包含公民的各項基本信息和醫療信息，其來源十分復雜，涵蓋了醫院診斷、衛生服務、保險、科研等各個領域，既關乎個人隱私，又關乎經濟發展，更關乎國家的安全[2]。當前，單純依賴于硬件的支持無法有效地緩解健康醫療大數據在傳輸過程中的擁塞，為了能夠在最短時間內消除擁塞，必須提升醫療健康大數據傳輸裝置對數據的處理水平。

楊美艷（2022）[3]針對目前WSN中存在的擁擠問題以及數據傳輸速率低等問題，提出一種將數據驅動應用到WSN擁塞控制的方法。利用發送節點對鄰近節點發送的信息進行監測，并對其活動程度進行度量，從而判定鄰近節點的擁塞情況。利用顫動理論對離散指標趨近控制進行了研究，設計了一種新的離散滑動模式阻塞控制器，對于有擁擠現象的WSN節點，利用基于相關度的數據驅動方法，對WSN擁塞情況進行控制。結果顯示，與常規的控制方法相比，該方法可以減少節點中的數據排隊長度波動，提高單位時間內的數據傳送量。網絡中的阻塞標記率也可以保持一致，將其控制在4.5%左右，而網絡中的響應時間可以控制在100ms左右，具備很好的控制性能。

1. 健康醫療大數據傳輸過程擁塞控制方法設計

1.1 預測健康醫療大數據傳輸過程的擁塞程度

在控制健康醫療大數據傳輸過程的擁塞情況時，先明確數據傳輸鏈路上擁塞節點的部署情況，圖1給出了數據傳輸鏈路的拓撲結構[4]。

根據圖1的拓撲結構，利用人工智能技術判斷健康醫療大數據傳輸節點的緩存容量，對數據傳輸過程的擁塞程度進行評估[5]。海量的健康醫療大數據在傳輸過程會由于積壓的影響，導致健康醫療大數據的傳輸出現排隊現象，如果較長時間內無法對健康醫療大數據進行傳輸，就會出現傳輸延時，用公式（1）計算，即：

（1）

式中，tL表示健康醫療大數據傳輸過程產生的時延，tL1為數據傳輸鏈路L的原始時延，tL2為數據傳輸鏈路L的最大時延。

利用人工智能技術分解健康醫療大數據，在多臺服務器的部署下，對發生擁塞的健康醫療大數據進行處理，并將處理結果反饋給用戶[6]。在人工智能的依托下，計算健康醫療大數據在傳輸過程中的速率，公式為

（2）

式中，vL表示健康醫療大數據傳輸的速率，KL表示數據傳輸過程中出現擁塞窗口的大小。

在健康醫療大數據傳輸過程中，每一個傳輸節點都會產生擁塞的數據，節點處累積的數據量為數據傳輸鏈路的傳輸速率與傳輸時延的乘積[7]。當節點處發生擁塞的數據量在3個數據包以內時，健康醫療大數據的傳輸不會出現擁塞現象；當節點處發生擁塞的數據量超過3個數據包時，健康醫療大數據的傳輸就會發生擁塞現象，在人工智能技術下，得到健康醫療大數據在傳輸過程中的擁塞程度，即：

擁塞程度小

網絡性能好 ? ? ? ? ? ?（3）

擁塞程度大

式中，表示數據傳輸節點發生擁塞的數據量，表示各個擁塞節點積壓數據的閾值，表示健康醫療大數據傳輸過程中第一個擁塞節點的積壓閾值。

根據數據傳輸鏈路的拓撲結構，計算出數據的傳輸延時，結合數據傳輸速率，預測了健康醫療大數據傳輸過程的擁塞程度。

1.2 設計健康醫療大數據傳輸過程擁塞控制算法

以健康醫療大數據傳輸過程的擁塞程度預測結果為依據，利用數據傳輸的優先等級，調整隊列內數據的緩存位置[8]。對于數據傳輸鏈路L而言，利用公式（4）對數據傳輸延時進行歸一化處理，即：

（4）

式中，tmax表示健康醫療大數據傳輸過程中可以容忍的最大延時，t（x）表示預備路徑中健康醫療大數據的傳輸延時。

假設L（x）表示預備路徑中可以使用的帶寬，Hmax和Hmin表示預備路徑可以使用的最大帶寬和最小帶寬，利用公式（5）對備用路徑的可用帶寬進行預處理[9]，得到：

（5）

以公式（5）的處理結果為依據，當健康醫療大數據的傳輸路徑滿足公式（6）的約束時，將符合約束條件的傳輸路徑，作為健康醫療大數據傳輸過程擁塞控制的最佳路徑[10]，即：

（6）

式中，可以保證健康醫療大數據在傳輸路徑中的可靠性，H表示申請健康醫療大數據傳輸時所需帶寬，可以保證健康醫療大數據傳輸所需帶寬小于傳輸路徑的可用帶寬范圍。

綜上所述，通過對健康醫療大數據傳輸延時的歸一化處理，得到備用的可用帶寬，通過約束條件的設定，實現健康醫療大數據傳輸過程的擁塞控制。

2. 實驗分析

2.1 設置實驗參數

為了驗證文中方法在健康醫療大數據傳輸過程擁塞控制中的有效性，設置了實驗參數，如表1所示。

2.2 實驗方法

為了突出文中方法在健康醫療大數據傳輸過程擁塞控制中的優勢，引入基于數據驅動的控制方法作對比，選擇健康醫療大數據傳輸的誤碼率作為自變量，利用吞吐量指標衡量健康醫療大數據傳輸過程的流暢性，如果健康醫療大數據的吞吐量比較高，表明數據傳輸過程比較順暢，反之，表明數據傳輸會受到阻礙。

2.3 結果分析

在表1的實驗參數下，測試了健康醫療大數據傳輸過程中的誤碼率，結果如圖2所示。

從圖2的結果可以看出，采用基于數據驅動的控制方法時，隨著誤碼率的逐漸增大，健康醫療大數據傳輸吞吐量明顯下降，在1600kbps以下。采用文中方法時，健康醫療大數據傳輸吞吐量在1700kbps～2000kbps之間，說明文中方法能夠有效控制健康醫療大數據在傳輸過程中出現的擁塞現象，避免健康醫療大數據在傳輸中受阻。

結語

本文提出了基于人工智能的健康醫療大數據傳輸過程擁塞控制研究，通過預測健康醫療大數據傳輸過程的擁塞程度，對健康醫療大數據的傳輸過程進行擁塞控制。經過實驗測試發現，該方法能夠有效控制健康醫療大數據在傳輸過程中出現的擁塞現象，提高數據傳輸效率。本文研究雖然取得一定成果，但是由于時間的限制，還存在很多不足，在今后的研究中，可以考慮關注數據傳輸鏈路的穩定情況，避免數據傳輸鏈路的不穩定性影響擁塞控制效果。

參考文獻：

[1]段紅光，何功成.LTE-A中基于時隙接入的接入擁塞控制優化算法[J].計算機應用研究，2019，（6）：1836-1838，1857.

[2]石旭東，王若文，王家林，等.飛機ARINC429數據傳輸串擾過程建模與仿真[J].系統仿真學報，2018，（2）：482-488.

[3]楊美艷.基于數據驅動的無線傳感器網絡擁塞控制[J].沈陽工業大學學報，2022，（5）：570-574.

[4]歐陽一鳴，汝孟軒，李建華，等.WiNoC中協同擁塞控制的高性能路由器設計[J].電子測量與儀器學報，2019，（2）：168-179.

[5]任智，吳本源，周舟，等.基于CoAP協議的泛在電力物聯網擁塞控制算法[J].計算機工程，2021，（10）：166-173.

[6]李樹楠，詹男杰，章玥.面向數據中心租戶帶寬特征的虛擬擁塞控制方法性能分析[J].計算機工程與科學， 2018，（9）：1562-1571.

[7]譚國真，韓國棟，張福新，等.基于網絡效用最大化理論的分布式車聯網擁塞控制策略[J].通信學報，2019，（2）：82-91.

[8]陳夢婷，田茂，陳小莉，等.基于衛星延遲容忍網絡的擁塞控制機制研究[J].小型微型計算機系統，2020，（5）：1059-1064.

[9]王龍翔，董凱，李小軒，等.面向虛擬數據空間的智能TCP擁塞控制算法[J].西安交通大學學報，2021，（5）：83-91.

[10]周小玲，付銀蓮.WSN中的最大冗余丟棄和覆蓋傳輸擁塞控制[J].計算機工程與設計，2021，（7）：1844-1850.

作者簡介：侯浩天，博士研究生，研究方向：政務信息化、產業互聯網、健康醫療大數據等。