溫室傳感網絡控制系統的軟件度量方法研究

徐識溥，劉 勇，涂尾龍，杜慶峰，王運圣*

溫室傳感網絡控制系統的軟件度量方法研究

徐識溥1，2，劉 勇1，涂尾龍3，杜慶峰2，王運圣1*

（1上海市農業科學院農業科技信息研究所，上海 201403；2同濟大學軟件學院，上海 201804；3上海市農業科學院畜牧獸醫研究所，上海 201106）

基于溫室傳感網絡，提出了復雜網絡理論及軟件體系結構復雜性度量思想，借助復雜網絡理論和用戶案例分析估算方法進行復雜性度量，利用實際應用案例進行了驗證。

溫室；無線傳感器網絡；復雜網絡；復雜性度量；案例分析

蔬菜溫室作為設施農業的一種形式，它使得蔬菜生產能夠擺脫自然環境和傳統生產條件的束縛，為人們提供高產、優質、高效、安全的蔬菜。蔬菜溫室技術經歷了小棚、中棚、塑料大棚、普通溫室、現代化溫室等發展階段，其科技含量和自動化水平在不斷提高，如今溫室的大型化和自動化已成發展趨勢。隨著無線傳感器網絡（Wireless sensor network，WSN）技術發展越來越成熟，傳感網絡控制系統在溫室環境中的應用也愈加廣泛。因作物生長環境要求較高，網絡架構的復雜度隨之提高。

復雜性科學是一門新興、交叉的學科，國內外許多學者認為，它是21世紀科學技術發展的前沿。復雜系統是具有中等數目基于局部信息做出行動的智能性、自適應性主體的系統，是一個很難定義的系統，它存在于這個世界的各個角落［1］。復雜網絡打破了線性、均衡、簡單系統的傳統模式，是具有自組織、自相似、吸引子、小世界、無標度中部分或全部性質的網絡［2-4］。鑒于此，本論文研究復雜網絡與軟件系統結構的復雜性度量［5］，通過理論與實際相結合的方式進行軟件系統的復雜性度量，以此在更高的層次理解系統的復雜性。

1 復雜網絡

復雜網絡，即呈現高度復雜性的網絡。其復雜性主要表現在以下幾個方面：

1）結構復雜，表現在節點數目巨大，網絡結構呈現多種不同特征。

2）網絡進化，表現在節點或連接的產生與消失。例如，網頁或鏈接隨時可能出現或斷開，導致網絡結構不斷發生變化。

3）連接多樣性，節點之間的權重存在差異，且有可能存在方向性。

4）動力學復雜性，節點集可能屬于非線性動力學系統。例如，節點狀態隨時間發生復雜變化。

5）節點多樣性，復雜網絡中的節點可以代表任何事物。例如，人際關系構成的復雜網絡節點代表單獨個體，萬維網組成的復雜網絡節點可以表示不同網頁。

6）多重復雜性融合，即以上多重復雜性相互影響，導致更為難以預料的結果。例如，設計一個電力供應網絡需要考慮此網絡的進化過程，其進化過程決定網絡的拓撲結構。當兩個節點之間頻繁進行能量傳輸時，他們之間的連接權重會隨之增加，通過不斷的學習與記憶逐步改善網絡性能［6-7］。

目前，復雜網絡研究的內容主要包括：網絡的幾何性質，網絡的形成機制，網絡演化的統計規律，網絡上的模型性質，以及網絡的結構穩定性和網絡的演化動力學機制等問題。其中在自然科學領域，網絡研究的基本測度包括：度及其分布特征，度的相關性，集聚程度及其分布特征，最短距離及其分布特征，介數及其分布特征，連通的規模分布［8-11］。

簇系數（Clustering coefficient）可以衡量復雜網絡集約化程度，該指標指復雜網絡中節點之間的連通程度，或網絡節點的局部傳遞程度。平均路徑長度（Average path length）指復雜網絡中所有節點對之間的平均最短距離。最短距離是指從一個節點到另一個節點所經過的邊的最小數目。大量研究表明，真實復雜網絡具有較大的簇系數和較小的平均路徑長度［12-13］。

2 軟件體系結構復雜性及度量

2.1 軟件體系結構復雜性

軟件體系結構（Softarchitecture，SA）具有一定形式的結構化元素，即構件的集合，包括處理構件、數據構件和連接構件。處理構件負責對數據進行加工，數據構件是被加工的信息，連接構件把體系結構的不同部分組合連接起來［14］。這一定義注重區分處理構件、數據構件和連接構件，這一方法在其他的定義和方法中基本上得到保持。與最初的大型中央主機相適應，最初的軟件結構體系也是主機結構，該結構下客戶、數據和程序被集中在主機上，通常只有少量的圖形用戶界面（GUI），對遠程數據庫的訪問比較困難［15］。隨著個人電腦（PC）的廣泛應用，該結構逐漸在應用中淘汰。在80年代中期出現了Client/Server分布式計算結構，應用程序的處理在PC（客戶端）和服務器（主機或服務端）之間分擔；請求通常被關系型數據庫處理，PC機在接受到被處理的數據后實現顯示和業務邏輯；系統支持模塊化開發，通常有GUI［16］。Client/Server結構因為其靈活性得到了極其廣泛的應用。

根據Garlan＆Shaw的定義：SA＝｛構件，連接件，約束｝。此定義認為SA是超越計算過程中的算法設計和數據結構設計，系統是由構件、連接件和約束構成［16-17］。其中，構件是一組代碼或一個獨立的程序，構件相對獨立，僅通過接口與外部相互作用；連接件是構件的粘合劑，把不同的構件連接起來；約束是構件與連接件連接時的規則，并指明構件連接的勢態和條件。通過SA定義可知，SA的復雜性與構件和連接件的連接有直接關系。同時，構件與連接件的連接存在方向性，并且連接件不存在長短問題，所以，可通過有向無權復雜網絡理論來度量SA的復雜性。在建立復雜網絡模型時，構件映射為復雜網絡的節點，連接件映射為復雜網絡的邊，約束限定了節點與邊之間的連接。

2.2 復雜性的度量

在本文中利用SA的平均路徑和用戶案例點數（Use case points，UCP）估算方法，對基于WSN路由算法的溫室傳感網絡復雜性進行度量。

2.2.1 軟件體系架構的平均路徑

某個節點的平均路徑長度是指該節點到其他所有節點的最短路徑的平均，網絡的平均路徑長度是指網絡中所有節點對之間最短路徑的平均值，即任意兩個節點之間要經過的邊的數目的平均值。定義SA的平均路徑長度：

其中，V表示節點（構件）集合，N＝｜V｜為節點總數，d（u，v）表示節點u到節點v的最短距離［18］。

平均路徑長度表明了節點所代表的構件在SA中的中心度。節點的平均距離越短，則該節點所代表的構件與其他節點所代表的構件所需要經過的連接件越少，說明該節點所代表的構件的中心度越高［19］。根據軟件工程思想，系統結構層次不能太深，構件盡量調用其緊鄰下層構件，避免越級訪問，所以，SA所轉化的有向復雜網絡模型應該具有較小的平均路徑長度。

2.2.2 UCP估算方法

Infosys公司采用的用例點方法是基于理性的做法，類似于功能點方法。這種方法在使用的情況下要求比較規范，基本步驟如下。

1）每個用例的等級分為簡單、中等和復雜。這種分類的基礎是一個用例的事物操作的數量。事務的定義是一個原子集合，要么是完全或者根本不執行的活動。一個簡單的例子有3個或更少的事務，中等的用例有4到7個事務，以及復雜的用例有多于7個事務。一個簡單用例的因子被分配為5，中等用例的因子分配為10，一個復雜用例的因子分配為15。表1給出了分類因子情況。

表1 分類與因子Table 1 Classification and factors

2）獲得未調整用例點（UUCPs）的總數，這是用例因子的加權總和。也就是說，對于每三個復雜類，首先獲得的一個特別復雜的使用案例的數目和針對復雜的因子的乘積。三種類型的總和即為UUCPs。

3）根據項目的復雜性和類似項目的經驗，調整原始UUCP值。根據表2給出的因素，評級每一個因子為0—5，0評級意味著該因素是無關的項目；5意味著它是必不可少的。對于每一個因素，從表中乘其評級由它的權重，加上這些數字因子。使用這個公式計算出技術復雜性因子（Technical complexity factor，TCF）：TCF＝0.6＋0.01×TF（技術因子）。

表2 技術因素與權重Table 2 Technical factors and weights

4）同樣，根據表3，每個因子值從0到5，對于體驗的相關因素計算環境因子（Environment factor，EF），0表示在這個問題沒有經驗，5表示專家，而3則表示平均水平。對于動機，0意味著該項目沒有動力，5表示積極性高，而3則表示平均水平。有關要求的穩定性，0表示極不穩定的要求，5是指不變的要求，而3則表示平均值。對于兼職員工，0表示沒有兼職技術人員，5是指所有兼職員工，而3則表示平均水平。用于編程語言困難，0意味著易于使用的編程語言，5指非常困難的編程語言，而3則表示平均值。加權和給出E值，EF由下面的公式得出：EF總＝1.4＋（－0.03）×EF。

5）使用這2個因子（TCF、EF），計算最終用例點：UCP＝UUCP×TCF×EF。對于工作量估算與分配，在整個生命周期里平均20人時每個UCP。當然，這是一個粗略的估計。但是可以通過進一步完善這個原則可以得出更為精確的估計。換句話說，每個UCP的范圍為20—28人時，項目經理可以決定的，這取決于各種因素。

表3 團隊環境因素與權重Table 3 Environmental factors and weights

3 溫室傳感網絡的復雜性度量

通過前期網絡技術和傳感器等硬件方面的研究，上海市農業科學院數字農業團隊開發了一套基于WSN路由算法的溫室傳感網路控制系統，該系統服務于農科院所屬基地的實際生產，服務對象為基地普通工人和相關技術人員，本系統包括對溫室大棚的溫濕度、光照、水肥一體化、生長模型自動調節等4個子模塊。

3.1 利用軟件體系架構的平均路徑進行度量

由于本系統的結構較單一，故選擇本系統中的生長模型自動調節子模塊，該子模塊主要是根據已有的植物生長模型對溫室環境進行自動調節。該模塊的體系結構如下圖1所示。

圖1 生長模型自動調節子模塊功能結構Fig.1 Functional configuration of grow th model’s self-ad justment submodule

圖2 形式化結構圖Fig.2 Form alized structure diagram

通過分析，圖3中10個節點的度（節點入度與出度的和）分別

圖3 系統網絡圖Fig.3 System network diagram

3.2 利用UCP估算方法進行度量

該系統主要用戶分為3類：普通工人、技術管理員和系統管理員，包含功能點見表4—6。

表4 普通工人的功能點Table 4 Function points of ordinary workers

表5 技術管理員的功能點Table 5 Function points of technical adm inistrators

表6 系統管理員的功能點Table 6 Function points of system administrators

根據表4—6得出，簡單S個數：16，中等M個數：14，復雜C：6。故UUCP＝16×5＋14×10＋6×15＝310。根據表2得出TCF＝0.6＋0.01×TF＝0.6＋0.01×45＝1.05。根據表3得出EF總＝1.4＋（－0.03）× EF＝1.4＋（－0.03）×17＝0.89。故UCP＝UUCP×TCF×EF＝310×1.05×0.89＝289.695。

通過對本溫室傳感網絡控制系統進行SA復雜性度量和UCP估算驗證，發現該子系統復雜性與一般復雜網絡的特性相似。同時，該子系統具有較合適的簇系數和較短的平均路徑，系統度分布比較合理，符合軟件工程開發思想。

4 結論與討論

本文使用了2種方法來進行軟件的度量，第1種是利用復雜網絡理論和技術，將SA轉化為有向復雜網絡模型，并通過節點的度與度分布、簇系數、平均路徑長度等屬性來度量復雜性。第2種方法是使用UCP估算方法對系統進行精確定量分析。最后，通過基于WSN路由算法的溫室傳感網絡控制系統作為實例，驗證了其SA的復雜性和UCP方法驗證。實踐表明，這2種方法能較好地度量所開發系統的SA的復雜性，有效地提高所開發系統的質量及可靠性。

［1］楊芙清.軟件工程技術發展思索［J］.軟件學報，2005，16（1）：1-7.

［2］NIRMAN E F，SHARIL P.Softwaremetrics［M］.2nd ed.Beijing：China Machine Press，1997.

［3］MCCABE T J.A complexitymeasurement［J］.IEEE Transaction Software Engineering，1976，2（4）：302-308.

［4］VALVERDE S，SOLE R V.Logarithmic growth dynamics in software networks［J］.Europhysics Letters，2005，72（5）：858-864.

［5］李兵，馬于濤，劉婧，等.軟件系統的復雜網絡研究進展［J］.力學進展，2008，38（6）：805-814.

［6］李麗萍，繆淮扣，錢忠勝.基于復雜網絡面向對象集成測試的研究［J］.計算機科學，2008，35（12）：254-257.

［7］張大陸，王志曉，劉雯.基于復雜網絡的本體結構分析［J］.同濟大學學報，2009，37（2）：258-261.

［8］MYERSC.Software systems as complex networks：Structure，function，and evaluability of software collaboration graphs［J］.Physical Review E，2003，68（4）：046116.

［9］何克清，馬于濤，李兵，等.軟件網絡［M］.北京：科學出版社，2008.

［10］閆棟，祁國寧.大規模軟件系統的無標度特性與演化模型［J］.物理學報，2006，55（8）：3799-3804.

［11］HALSTEAD M H.Elements of Software Science［M］.New York：Elsevier North-Holland，1977.

［12］韓定定.復雜網絡的拓撲、動力學行為及其實證研究［D］.上海：華東師范大學，2008.

［13］BRITO F，ABREU E.MOOD-metrics for object-oriented design［C］//OOPSLA＇94Workshop on Pragmatic and Theoretical Directions in Object-Oriented Software Metrics.Portland：OR，1994.

［14］WEYUKER E.Evaluating software complexitymeasures［J］.IEEE Transactions on Software Engineering，1988，14（9）：1357-1365.

［15］CHIDAMBER SR，KEMERER CF.Ametrics suite for objectoriented design［J］.IEEE Transactions on Software Engineering，1994，20（6）：476-492.

［16］WATTSD J，STROGATZSH.Collective dynamics of small-world networks［J］.Nature，1998，393：440-442.

［17］BATABASIA L，ALBERT R.Emergence of scaling in random networks［J］.Science，1999，286：509-512.

［18］LIU B，LID，LIB.Mining representative nodes in scale-free networks［J］.Dynamics of Continuous，Discrete and Impulsive Systems（Series B：Applications and Algorithms），2006，13（3）：395-400.

［19］VALVERDE S，SOLER.Hierarchical small-worlds in software architecture：SFI/03-07-044［R］.Waterloo，Canada：Santa Fe Institute，2003.

（責任編輯：程智強）

Research on softwaremetrics of greenhouse sensor network controlling system

XU Shi-pu1，2，LIU Yong1，TUWei-long3，DU Qing-feng2，WANG Yun-sheng1*
（1Agriculturɑl Informɑtion Institute of Scienceɑnd Technology，Shɑnghɑi Acɑdemy of Agriculturɑl Sciences，Shɑnghɑi201403，Chinɑ；2Softwɑre Engineering School of Tongji University，Shɑnghɑi201804，Chinɑ；3Animɑl Husbɑndryɑnd Veterinɑry Reseɑrch Institute，Shɑnghɑi Acɑdemy of Agriculturɑl Sciences，Shɑnghɑi201106，Chinɑ）

On account of greenhouse wireless sensor network，this article proposes complex network theory and complexitymetrics thought of software architecture，carries out complexitymeasure bymeans of the complex network theory and user case analysis，and makes a verification according to an actual application case.

Greenhouse；Wireless sensor network；Complex network；Complexitymeasure；Case analysis

S625

A

1000-3924（2017）01-166-06

2016-01-25

上海市市級農口系統青年人才成長計劃［滬農青字（2015）第1-24號］；上海市農委科技攻關項目［滬農科攻字（2015）第6-4-1號］

徐識溥（1986—），男，碩士，助理研究員，主要從事農業物聯網及農業信息化的研究。E-mail：xushipu39706879＠163.com

*通信作者：王運圣（1971—），男，博士，副研究員，研究方向：作物信息科學。Tel：021-37195791-512；E-mail：wysl88＠163.com