分布式網絡傳感器節點信息分發與聚合傳輸控制協議研究*

鄭羽潔,李 熹

(1.廣西經濟管理干部學院 計算機系，廣西 南寧 530007； 2.廣西民族大學 信息科學與工程學院，廣西 南寧 530006)

分布式網絡傳感器節點信息分發與聚合傳輸控制協議研究*

鄭羽潔1,李 熹2

(1.廣西經濟管理干部學院 計算機系，廣西 南寧 530007； 2.廣西民族大學 信息科學與工程學院，廣西 南寧 530006)

提出一種分布式網絡傳感器節點信息分發與聚合傳輸控制協議，該協議可以增強在智能測量方面應用中的傳輸控制協議性能.所提出的新協議作用于遠端設備和傳輸控制協議聚合連接之間，從智能測量設備中利用分布式傳輸控制協議連接接收信息，然后將之可靠聚合到一個傳輸控制協議連接中傳送至管理服務器端.仿真顯示，所提協議可以提供更大的數據業務動態支持范圍、提高傳輸控制協議連接沖突控制的效率.

沖突控制; 網絡可靠性; 傳輸協議

0 引言

智能測量系統的重要特征之一是具備大量的離線部署的智能測量設備.這些測量設備一般以很低的速率生成測量數據，比如每分鐘200字節.數據生成的規律可能是周期觸發或事件觸發.數據包由應用服務器進行采集用于數據處理和決策制定.由于智能測量設備數量眾多，總體產生的數據量也非常大，而可用于這種數據傳輸的帶寬往往十分有限，因此需要保證端到端數據傳輸的可靠性.[1-5]

傳輸控制協議(Transmission Control Protocol, TCP)的設計目的就是為了滿足端到端的傳輸可靠性的.但是，在智能測量領域中傳輸可靠性遇到的問題特點是在智能測量通信中協議的沖突控制的有效性.在智能測量中，每個測量終端傳輸速率并不高，但是卻要求即使出現沖突，傳輸的速率也不可以減少.業務數據量并不是來自單一的數據速率的一個終端，而是來自大量的不同測量終端，每個測量終端傳輸速率都不算高.[6-10]有效的傳輸控制協議的缺失導致智能測量網絡中存在較高的丟包率和很低的吞吐量，嚴重制約著智能測量的應用.[11-16]

文中提出基于TCP的改進控制協議：分布式網絡傳感器節點信息分發與聚合傳輸控制協議(Transmission Control Protocol for Distributive Sensor Nodes Information Distribution and Aggregation, TCP-IDA)，增強了沖突控制部分的性能.TCP-IDA改變了傳統智能測量中智能測量設備和傳感器通信均通過同一個服務器的分離的TCP會話的通信方式，提出了將不同的控制信息數據集中于TCP-IDA一個協議下進行聚合.

1 系統模型

智能測量系統的結構包含數量眾多的實體單元，進行雙向的端到端通信.圖1給出了智能測量系統通信傳輸的結構示意圖.

圖1 智能測量的結構示意圖

Fig.1 structure of smart metering

智能測量系統由大量的測量終端組成，這些測量終端通過無線通信方式建立連接，可能通過一跳或者多跳方式與通信站連接，從而建立信息傳輸的通路.對于遠端分布的測量終端，可能配置中繼放大器加強信號強度.當測量終端分布的區域達到一定的預先設定的面積大小后，在這片區域中會設置一個區域信息收集終端，負責將區域內的終端信息匯聚再發往更核心的服務器處理.這樣信息一層一層地匯聚，最終匯聚在一個應用服務器上，該應用服務器再進行信息的處理和決策制定等工作.智能測量的終端數量根據具體應用變化非常大，有可能是幾百，也有可能達到百萬.終端一般完全支持TCP/IP協議，并且支持雙向的通信.為使建模分析更專注于協議性能，本文假設傳輸中的信道是完全理想的，因此產生的傳輸錯誤都來自信息沖突.

每次傳輸的數據量大小可能從幾十比特到幾百比特，大小取決于具體攜帶信息內容和系統采用的安全傳輸策略，越高的傳輸策略級別對應所需的傳輸數據量也越大.每完成一次成功傳輸，測量終端都會發送一條對應的狀態信息.由于智能測量應用本身所關注的是最原始的信息情況，而不是經過預先綜合的結論，因此在數據傳輸過程中無法進行信息壓縮以減少信息沖突的風險.

2 分布式網絡傳感器節點信息分發與聚合傳輸控制協議

下面將TCP-IDA進行數學建模，用來進行后續的協議性能分析，同時也用于支持TCP-IDA內部的參數優化.比如設置多少個聚合節點最優等.模型在不同通信層都進行了建模，包括傳輸層、應用層等.同時考慮了網絡容量、傳輸試驗、排隊和測量終端數量、聚合器數量等網絡方面的特性.通過該模型重現智能測量業務的全過程，并對負載、丟包率和端到端時延進行指標統計.負荷基于數據源的吞吐量，根據TCP源處理的數據比例計算.丟包率是基于網絡緩沖溢出產生的丟包計算的.端到端時延是指數據包發出到接收的所用時間.

圖2給出了TCP-IDA的模型示意圖.智能測量網絡業務傳輸可分為兩個步驟.第一步驟由測量終端和TCP-IDA聚合器之間的TCP連接承載，第二步驟由TCP-IDA聚合器到應用服務器之間的TCP連接承載.在TCP-IDA模型中，首先將源產生的業務數據建模為網絡參數函數，包含丟包率和時延參數.隨后，參數進一步合并為業務負荷函數.根據源產生的網絡負荷初值，可以結算出網絡參數值.得到的數據用于計算網絡實際可提供負載值.隨著迭代進行，每次丟包率和時延的值均會自動更新，直到具體數值不再變化時，迭代停止，最終的數值即模型輸出的系統性能參數值.

圖2 TCP-IDA模型示意圖

第一步驟完成測量終端到聚合節點的通信.這個步驟中，測量終端根據區域位置分成不同的組，每個組與同一個TCP-IDA聚合器通信.聚合器獲取測量終端信息的瓶頸建模成一個隊列棧.網絡性能參數通過配置隊列棧的參數可以實現一一對應.

在第二步驟中，每個區域的數據在對應的TCP-IDA聚合器已經被匯總，并發往應用服務器.傳輸的建模方式與第一步驟一致.第二步驟的平衡點在于TCP-IDA總到達率γt穩定下的穩態第二步驟丟包率Pa和時延d2.

下面通過假設給定的聚合器數量，計算對應的策略業務的丟包率和時延，從而建立起以聚合器數量為自變量的第一步驟的丟標率函數、時延函數.

假設TCP連接一直處于激活狀態，因此不需要重復TCP連接的建立過程.并且將ACK信令響應功能關閉.考慮到策略數據生成速率很低，具有較長的空閑間隔，所以數據生成的過程建模為開關過程.假設測量終端靜默時間的均值是Toff秒且服從參數為α=1/Toff的指數分布.測量終端傳輸時間的均值是Ton秒且服從參數為β=1/Ton的指數分布.

當測量終端處于傳輸狀態時，TCP會話傳輸的沖突窗口大小為w.無論采用何種TCP方式，測量終端沖突窗口不會大于2，因為：1)數據量很小，即Ton很小；2)Toff很大，導致了沖突窗口有足夠的時間恢復到初值.因此這個開關模型可以表達普遍的數據生成和傳輸的方式.建立的馬爾科夫模型如圖3所示.

圖3 測量終端馬爾科夫模型

圖3中的狀態序號對應了沖突窗口的數值大小.狀態間的傳輸概率代表成功傳輸或者傳輸失敗的比率.當數據生成的頻率非常低的時候，模型停留在狀態1的可能性大，當數據生成頻率高的時候狀態停留在狀態2的可能性增大.

通過求解馬爾科夫過程穩態來得到對應的穩態概率：π1，π2，π0和πidle.概率π1和π2分別表示狀態1和狀態2的傳輸，每個數據源的平均業務可以表示為：

λi=δπ1+2δπ2

(1)

區域內總的業務量可以表示為：

(2)

下面進行第二步驟的穩態建模.

第二步驟的穩態模型相對于測量終端穩態模型來講更為復雜，對應的穩態過程模型如圖4所示.

圖4 第二步驟馬爾科夫模型

狀態序號對應著沖突窗口大小數值.例如，狀態S對應每RTT內傳輸S個字段.狀態0代表超時，無數據傳輸.

圖4的狀態轉移可描述如下：

在沖突窗口大小為w的情況下，全部會話成功傳輸的概率表示為qw(1-Pa)w，其中Pa是在聚合器上的丟包率.

狀態轉移代表沖突窗口加大，轉移率為δqw.

假設丟包是相互獨立的事件，第i個會話在窗口大小為w時產生丟包的概率表示為：

當狀態小于4時，任何會話產生丟包都會使得狀態轉移到狀態0，轉化率為δ(1-qw).

狀態序號大于14的狀態轉移與狀態14的狀態轉移具有相同的規律.

從FR狀態轉移到其他狀態的狀態轉移穩態概率為δ.這樣的狀態轉移將同時啟動TCP重置機制.FR狀態不傳輸實際數據.

從狀態0轉移到其他狀態的狀態轉移穩態概率為τ=1/(Tr+4σ)=1/5Tr=δ/5.

與測量終端不同的是，聚合節點沒有空閑狀態(idle狀態).假設測量終端傳輸概率為Pactive=Ton/(Ton+Toff)，那么n個同一區域的測量終端的傳輸概率表示為：

Pidle=(1-Pactive)n

(3)

例如，如果Ton=0.1秒且Toff=1分，同時n為10000，那么Pidle=5.8×10-8.

下面進一步計算聚合節點的負載γt.通過求解馬爾科夫穩態方程求解πs，其中s是狀態s.

令γj表示第j個聚合節點的負荷，則：

(4)

其中，Ws是狀態s的沖突窗口大小.求和項計算沖突窗口的均值.連乘得到總的負荷.那么，傳輸到第二步驟的總的負載表示為：

(5)

其中，NA表示聚合節點數量.

3 算法性能分析

本文通過NS2編程環境搭建了TCP-IDA協議模型，并與數學計算結果對比驗證.重點關注輸入有誤負載、丟包率和端到端時延.

在測量終端建模環節，首先NS2計算Pm和RTT時間長度，為計算網絡吞吐量λt做儲備.將步驟一計算得到的Pm和RTT輸入到步驟2中，得到吞吐量λt.圖5給出了實際網絡測試和NS2搭建的仿真軟件結果之間的差異.對應的參數為1Mbps帶寬和50ms傳輸時延，測量終端生成數據的激活時間均值是100ms，靜默時間均值是1分鐘.從圖中可以看到，當測量終端數量增長時，算法測試結果與實際結果基本一致.

圖5 第一步驟馬爾科夫模型吞吐量吻合度

對于TCP-IDA的聚合器穩態馬爾科夫過程的驗證方式與上述方式類似.圖6中給出的聚合器穩態測試和仿真數據中，仿真的輸入值是上一步驟計算得到的吞吐量負載值.從圖中可以看出，仿真和試驗測試結果的差異控制在2%以內，較符合實際情況.

圖6 第二步驟馬爾科夫模型吻合度

圖7給出了與上述吞吐量測試配置同樣參數情況下，不同的聚合器數量下對應的吞吐量和端到端時延.可以看到當聚合器數量過少或者過多時都將引起兩項指標性能的下降.因此對于具體網絡應用時，可以先根據預計部署的網絡規模和相關參數，應用本文所提的TCP-IDA協議進行仿真計算，得到最優的聚合器配置數量，從而達到優化的網絡傳輸性能.

圖7 TCP-IDA丟包率及時延

4 結語

智能測量網絡業務量增大是導致無線傳輸性能下降的主要因素，主要的癥結在于業務量增大則產生TCP沖突的次數增多，從而無法有效完成大量智能測量設備同時傳輸的需求.本文提出了一種分布式網絡傳感器節點信息分發與聚合傳輸控制協議(TCP-IDA)，通過兩步驟建模方式，將智能測量的信息向聚合節點、聚合節點到應用服務器的傳輸過程分別建模為不同的馬爾科夫過程，并求解最優穩態解下的聚合節點數量，從而實現對智能測量網絡性能的優化.本文通過仿真驗證了所提出的理論模型與仿真結果吻合，且通過改變聚合節點的數量可以尋求適合網絡特征的最優的聚合節點數量.

[1] S Arora,JW Taylor. Forecasting electricity smart meter data using conditional kernel density estimation [J]. Omega, 2016,2(1): 59-62.

[2] 趙文杰. 網絡化智能測控技術研究 [J]. 山東工業技術, 2016(1):149-150.

[3] 劉浩然,花卉. 現代測控技術的發展及實踐 [J]. 科學與財富, 2015, 8(1):1-13.

[4] Creaco, Enrico,Kossieris, Panagiotis,VamvakeridouLyroudia, Lydia,Makropoulos, C.,Kapelan, Zoran. Parameterizing residential water demand pulse models through smart meter readings [J]. Procedia Enginnering, 2014, 12(8):91-123.

[5] 邢寧哲,紀雨彤. 基于分布式探針的電力數據通信網綜合監測方法 [J]. 電力信息與通信技術, 2016(1):77-81.

[6] 姚國棟,丑武勝. 基于CANopen的分布式兩軸傾角測量器設計 [J]. 單片機與嵌入式系統應用, 2016(1):31-38.

[7] 楊子健. 現代測控技術淺析 [J]. 科學導報, 2016(1):3-6.

[8] AR Lodder,T Wisman. Artificial Intelligence Techniques and the Smart Grid: Towards Smart Meter Convenience While Maintaining Privacy [J]. Social Science Electronic Publishing, 2016,2(1):113-124.

[9] SS Grid. Analysis: Smart Meter and Smart Grid Problems [J]. Local Smart Grid Security, 2013, 7(13):88-91.

[10] 尹浩,李峰. 互聯網性能測量技術發展研究 [J]. 計算機研究與發展, 2016(1):4-13.

[11] 張飛朋,陳琳,張京京. 面向大規模復雜網絡測量和性能瓶頸分析方法 [J]. 計算機科學與探索, 2016, 2(1):8-21.

[12] R Al-Otaibi,N Jin,T Wilcox,P Flach. Feature Construction and Calibration for Clustering Daily Load Curves from Smart Meter Data [J]. IEEE Transactions on Industrial Informatics, 2016:1-10.

[13] 王玥. 區域分布式能源的智能微網能源管理研究 [J]. 科技創新與應用, 2016(4):18-21.

[14] A. Kipping,E. Tr?mborg. Modeling and disaggregating hourly electricity consumption in Norwegian dwellings based on smart meter data [J]. Energy and Buildings, 2016, 1(1):8-27.

[15] 方禾,許力,蘇彬庭,等. 多信道無線網絡中竊聽與干擾攻擊的對抗策略 [J]. 四川大學學報：工程科學版, 2016(1):13-23.

[16] 顧碩. WAGO作分布式模塊化的引領者 [J]. 自動化博覽, 2016(1):4-6.

[17] R Cardell-Oliver,J Wang，H Gigney. Smart Meter Analytics to Pinpoint Opportunities for Reducing Household Water Use [J]. Journal of Water Resources Planning & Management, 2016, 1(2):78-89.

[責任編輯 蘇 琴]

[責任校對 黃招揚]

Research on a Novel Transmission Control Protocol for Distributive Sensor Nodes Information Distribution and Aggregation

ZHENG Yu-jie1,LI Xi2

(1.DepartmentofComputerScience，GuangxiEconomicManagementCadreCollege，Nanning530007，China;2.CollegeofInformationScienceandEngineering，GuangxiUniversityforNationalities，Nanning530006，China)

A Transmission Control Protocol for Distributive Sensor Nodes Information Distribution and Aggregation (TCP-IDA) is proposed in this paper. TCP-IDA works on remote terminals and transmission control protocol connections. TCP-IDA utilizes distributed transmission control protocol to abstract information from smart metering devices, and aggregates the information into a single transmission control protocol which sends the information to management server. Proved by simulation, TCP-IDA could provide great range of dynamic varying for data service, and it could also upgrade the efficiency of transmission control protocol for congestion control.

congestion control; network reliability; transmission control

2016-10-15.

鄭羽潔(1979-)，女，廣西桂林人，碩士，廣西經濟管理干部學院計算機系副教授，研究方向：智能數據分析處理，算法分析.

TP393.04

A

1673-8462(2016)04-0067-06