傳感云研究綜述

曾建電 王 田 賈維嘉 彭紹亮 王國軍

1(華僑大學計算機科學與技術學院 福建廈門 361021)2(上海交通大學電子信息與電氣工程學院 上海 200240)3(國防科學技術大學計算機學院 長沙 410073) 4(廣州大學計算機科學與教育軟件學院 廣州 510006) (zengjiandian@foxmail.com)

傳感云研究綜述

曾建電1王 田1賈維嘉2彭紹亮3王國軍4

1(華僑大學計算機科學與技術學院 福建廈門 361021)2(上海交通大學電子信息與電氣工程學院 上海 200240)3(國防科學技術大學計算機學院 長沙 410073)4(廣州大學計算機科學與教育軟件學院 廣州 510006) (zengjiandian@foxmail.com)

無線傳感器網絡(wireless sensor network, WSN)擴展了人們收集外界信息的能力，實現了信息世界與物理世界的融合.近年來云計算技術的快速發展，給傳感器網絡注入了新的活力，催生了新的應用和服務，也拓展了傳感器網絡在數據處理和存儲方面的能力，在此基礎上產生了傳感云系統.傳感云可以利用云端處理底層傳感器網絡產生的數據，并為上層用戶提供遠程服務，使用戶能按需收集、處理、分析、存儲和分享傳感數據.在充分調研了目前的傳感云系統的基礎上，主要介紹了傳感云的產生背景、體系結構和應用領域，歸納了傳感云系統的特點，揭示了現有的傳感云系統存在通信帶寬不足、實時性差、故障率高和隱私數據易泄露等一系列問題，給出了基于霧計算的傳感云框架，設計了解決問題的基本思路，探討了未來的研究方向.

傳感云；無線傳感器網絡；云計算；霧計算；按需服務

Fig. 1 Tendency of WSN and cloud computing圖1 WSN與云計算研究趨勢圖

無線傳感器網絡(wireless sensor network, WSN)具有部署迅速、實時性強等優勢，它擴展了人們收集外界信息的能力[1-2].通過在不同環境中部署傳感器節點，人們可以便捷地收集各種需要的數據，實時掌握監測區域的狀態信息，實現信息世界與物理世界的融合.因此，無線傳感器網絡被廣泛地應用于國防軍事、環境監測和建筑體監測等諸多領域[3-5].而由于傳感器節點在計算、存儲、能量等諸多方面的限制，如何有效管理大規模無線傳感器網絡以充分發揮其性能仍然是一個極具挑戰性的問題.

近年來，隨著云計算的快速發展，傳感器網絡與云計算技術的結合也越來越緊密，云計算技術極大地拓展了傳感器網絡的應用空間，也為解決傳感器網絡的諸多限制問題提供了新的思路，如滿足傳感器網絡在數據處理和存儲能力等方面的需求[6].云計算能提供用戶可用的、便捷的、按需的網絡訪問，使得服務資源能被有效訪問，如平臺即服務(platform as a service, PaaS)、基礎設施即服務(infrastructure as a service, IaaS)、軟件即服務(software as a service, SaaS)等.傳感云(sensor-cloud)正是無線傳感器網絡與云計算融合的產物[7-8]，通過云端控制傳感器網絡進行信息采集，利用云計算平臺進行信息處理與存儲，能夠為不同類型的應用提供開放、靈活、可配置的服務平臺.例如在森林險情監測應用中[9]，森林中采集的各種數據如溫度、濕度等，統一上傳到云平臺進行分析，監測者足不出戶即可掌握整個森林的情況，一旦發現火災等險情就能及時知曉.

筆者通過大量調研發現，傳感器網絡在結合云計算服務的同時也出現了一些新的問題.目前傳感云的發展剛在起步階段，僅有國外少量學者進行過研究，而國內的相關研究更少，在此背景下，本文對傳感云系統進行了大量調研，整理得到了國內關于傳感云的第一手介紹性資料，為相關領域的學者深入研究提供參考性材料.

1 相關背景

隨著電子技術和通信技術的發展，無線傳感器網絡的發展取得了令人矚目的成就.典型的無線傳感器網絡由大量傳感器節點組成，這些傳感器節點體積小巧、造價低廉，同時裝備有傳感器裝置、微型處理器、供電電池、無線收發器和其他微型電子設備[10].另一方面，云計算技術飛速發展，已經有許多大公司建立了云計算平臺，并提供多種多樣的云計算服務[11-12].

筆者對近年的傳感器網絡及云計算技術進行了大量的調研，圖1(a)為近3年來Google上WSN與Cloud搜索量的趨勢圖，可見人們對云計算的關注仍然居高不下，而無線傳感器網絡多年來已存在大量的研究[13-15]，則保持一個較為平穩的態勢，已經被廣泛地應用在國防軍事、遠程醫療和環境監測等諸多領域.圖1(b)為國內外已發表的相關文獻數量趨勢圖，其中虛線為國內科技期刊數據庫檢索的文獻趨勢圖，實線為Google學術檢索的文獻趨勢圖.顯然，云計算近年來搜索量持續上升，一直為研究的熱點.由于傳感器節點在計算、存儲、能量等諸多方面的限制，如在環境監測的情景中，一旦實際環境過于大而復雜，傳感器節點間的通信能力和能量消耗將成為影響監測結果的重要因素.云計算作為一種能提供海量計算能力、可擴展、存儲靈活的新興技術，將很好地彌補傳感網絡的不足，繼而產生了傳感云系統[16-17].如表1所示，傳感云具有了云計算的優點，極大地拓展了傳統無線傳感器網絡的計算能力、存儲能力、擴展性和通信能力.底層的傳感器網絡只需收集數據，而對于數據的分析、處理等操作則可以交付給云端，這樣既減少了傳感器網絡的負擔，又加快了數據的處理速率.

Table 1 Comparisons of WSN, Cloud Computing and Sensor-Cloud

如圖1(b)所示，國外對傳感云的研究呈現逐步上升的態勢，而國內對傳感云的研究則較少.以檢索到的文獻趨勢圖而言，傳感云的研究基本處于起步階段.正是在此背景下，本文擬對傳感云的體系結構、應用、挑戰和研究方向進行介紹，為相關研究者后續深入研究提供參考.

2 傳感網與云計算結合的必然趨勢

傳感器網絡產生的數據具有五大特性：數據量大、數據種類多、數據產生率快、數據真實性強、數據價值高[18-19].而傳統無線傳感器網絡本身的存儲能力、處理能力、能量均有限，因此，云計算強大的數據處理、存儲能力能夠為傳感器網絡提供數據遠程管理平臺，為第三方用戶和傳感器網絡構建通信渠道，使傳感器網絡無處、無時不在的物理世界感知能力得到更深層次的應用.

僅僅對于WSNs而言，傳感器節點的故障修復、錯誤傳感數據和混合噪聲的檢測代價很高.一般的WSNs都是面向單個用戶的，如果用戶沒有配備特定的傳感器設備，將無法使用這些應用.其次，網絡中的傳感器節點往往存在自身能力的限制，這些限制包括計算能力、內存空間、通信范圍等，比如在目標跟蹤中[20-21]，WSNs面臨著更多的問題.首先，對于在同一片區域內嘗試進行監控的不同用戶而言，他們都需要部署各自的網絡，這將造成資源的大量浪費；其次，在這些不同的傳感器網絡之間數據沒有相互共享，并且用戶需要時刻關心節點部署中與目標跟蹤無關的許多實際問題，這將耗費大量時間和精力.例如，用戶需要時刻關注傳感器節點的工作狀況，不斷調整節點的工作能耗，這將極大限制WSNs的實際應用.而傳感云結構的出現為解決這些問題提供了新的方案：傳感云將傳感器資源虛擬化成可以按需提供的服務資源.這種模式稱為“傳感器即服務”(sensors as a service)：用戶不需要持有實際的傳感器設備，也不用關心具體的傳感器網絡，只需要將他們的應用需求發送給傳感云，傳感云便會自動分配和調度部分傳感器網絡來提供服務.對于具體的應用而言，網絡中的節點能夠為不同的用戶重復使用.根據不同的用戶需求，傳感云將為用戶分配特定的傳感器節點，并提供最優的解決方案，即通過選取節點的最優集合來減少成本并保證服務質量(quality of service, QoS).

云計算的分布式存儲、并行計算框架在數據的存儲、訪問、處理上占有絕對優勢，無線傳感器網絡與云計算相結合后，傳感器所收集的數據能夠得到實時共享和分析[22].傳感器可以靈活配置，有效地被不同用戶和應用程序共享；再者，傳感云所提供的服務對用戶而言是透明的，用戶不需要關心具體的細節操作，只需側重于管理方面的操作[23].

3 傳感云系統概述

3.1 傳感云定義

當前，物聯網被定義為：通過二維碼識讀設備、射頻識別(RFID)裝置、紅外感應器、全球定位系統和激光掃描器等信息傳感設備，按約定的協議，把任何物品與互聯網相連接，進行信息交換和通信，以實現智能化識別、定位、跟蹤、監控和管理的一種網絡[24].在以“云端”為中心的物聯網(cloud-centric IoT)應用系統中，物理實體服務主要實現基本的物理信息采集、本地的信息處理和向云端傳輸信息的功能[25-26].與之類似，傳感云系統通過底層傳感器網絡采集信息并交由上層云端分析處理.然而，在 cloud-centric IoT 的應用系統中，由于“物”或對象之間需要相互通信，一旦“云端”所提供的接口發生改變，底層的物理組件也需要隨之改變[27]，因而在物理介質與“云端”中存在高度的依賴性和耦合性.與之不同的是，傳感云系統引入了虛擬節點(virtual sensor)這一概念，在虛擬節點層處理物理組件之間的依賴關系，并提供管理分配底層的傳感節點的方案，因而在物理介質與“云端”之間存在一定的獨立性.此外，相較于傳感云系統，通過互聯網互連物聯網(Web of things, WoT)則是物聯網進一步的設想，它使用Web的接入標準來連接設備并整合到互聯網中，用以簡化物聯網應用程序的創建[28].

因此，傳感云具有如下定義：文獻[29]中， Kurschl等人提出了一個將云計算與無線傳感網結合的模型，并且指出了兩者結合能為傳統傳感網的數據存儲和處理能力帶來質的飛躍；Tan[30]定義傳感云是一個傳感網云端服務平臺，它集成多種網絡、多個傳感應用與云端的結合，提供傳感網絡的遠程上網、監測、控制等云端服務；此外，文獻[7]中定義的傳感云是將物理傳感節點虛擬化為云計算的虛擬傳感節點，并且當用戶請求服務時，這些成群的虛擬節點自動地響應服務需求；依據Madria等人[8]的定義，傳感云是由建立于傳感網絡頂端的虛擬節點組成，向用戶動態提供按需服務.總而言之，傳感云繼承了云計算的運作模式，它將傳感器網絡和云計算進行整合，共享兩者資源，具有5點特性：1)用戶可以隨時使用傳感器而不需要考慮自身位置以及一些詳盡規范(如接入規則)[7]；2)用戶不需要擔心不同的傳感設備之間的兼容性；3)多用戶或組織之間可以共享同一個基礎設施[8](如傳感節點)；4)傳感節點等資源可以按需使用或者棄用；5)通過云端虛擬節點來操控管理底層傳感節點.

3.2 傳感云體系結構

文獻[6]提出了一種傳感云的體系結構，如圖2所示，它自下向上依次包含物理節點層、虛擬節點層和用戶層.在物理節點層，每個傳感器節點有各自的控制與數據收集機制，不同應用中的傳感器節點具有不同的功能.如森林監測中的傳感器節點側重于監測溫度、濕度等必要信息；而目標跟蹤中的傳感器節點則要求實時返回目標的地理位置、移動軌跡等信息.這一層主要負責收集數據與上層云端對接.虛擬節點層由虛擬節點和云端組成，它主要負責云端資源的處理以及物理節點的調度管理.在使用一些基于傳感器的云端服務時，由于虛擬節點的存在，終端用戶不需要擔心傳感節點的具體位置[31].云端不僅能為用戶提供存儲服務，當存在緊急請求時，還能及時對用戶響應，并提供相應的服務.最上層為用戶層，不同的用戶可以訪問傳感云中的資源，由于資源共享于云端，如果獲得相應的權限，用戶還能訪問其他用戶資源.用戶層面向用戶提供一些遠程需求服務并兼容不同的平臺系統，如某些用戶向傳感云請求服務，這些服務可能來自不同的網絡(3G，4G，WIFI)、不同的終端(手機、平板、電腦)或不同操作系統(Windows，Linux，Mac).

Fig. 2 Sensor-cloud architecture圖2 傳感云體系結構

4 已存在的傳感云系統

目前已有的傳感云系統，如商業化的Xively、開源的Nimbits以及國內的YeeLink等，均為用戶提供云存儲服務.針對不同的傳感云系統，其提供的服務也不盡相同，下面逐條說明.

1) Xively.提供連接產品管理的解決方案[32].通過Xively云平臺，可以將應用、設備、數據和用戶連接在一起，從而實現與物理世界的交互.Xively所使用的表述性狀態轉移(representational state transfer, REST)服務是一種針對網絡應用的設計架構和開發方式，用以降低開發的復雜性，進而提升系統的可擴展性.REST服務從資源的角度來觀察整個網絡，將數據關系轉化為可操作的新業務，使用戶更加專注于業務管理而不是業務實現，對用戶而言是透明的.Xively主要為了解決3個主要問題：1)安全性.管理用戶、供應服務、保護數據的接入.2)可擴展性.處理百萬數量級的郵件及數據.3)服務支持.提供各種實時業務.其業務示意圖如圖3所示，用戶只需在手機中安裝產品對應的App，便能與產品應用建立連接，通過手機發送各種命令，獲取對應的權限后，實現遠程操控服務.

Fig. 3 A view of Xively business process圖3 Xively業務示意圖

2) Nimbits.與Xively不同的是，Nimbits是一個開放的傳感云平臺，用以在云端記錄和處理時間序列數據[33].Nimbits為傳感器和設備提供數據采集以及M2M(machine to machine)服務.M2M是以機器終端智能交互為核心的網絡化的應用性服務，支持機器與機器之間、人與機器之間的通信.Nimbits為用戶提供PaaS服務，其REST服務可以將文本、JSON或XML數據轉化為Nimbits數據類型上傳至云端.數據上傳云端后，用戶可以把Nimbits服務作為后臺程序，通過Javascript生成圖表等數據進行可視化操作[34].

3) ThingSpeak.與Nimbits類似，ThingSpeak也是一個開源的PaaS云平臺，并提供M2M服務.ThingSpeak的REST服務是以一個API key來制定一個特定的設備.設備自身可以通過Post或Get方式將JSON或XML格式的數據提交給平臺，用以完成各種各樣的應用[35].ThingSpeak為用戶提供開放式API、實時的數據收集、數據處理可視化等功能.

4) Arrayent.作為非開源的Arrayent，它采用低成本、可擴展、雙向通信的服務技術以及Zigbee，Z-wave等多種局域網技術支持，提供SaaS的解決方案[36].對于已連接的設備，Arrayent使用戶不必擔心細節的具體實現，為其提供實時的遠程操控管理.Arrayent在應用程序開發支持方面，提供REST服務、API接口以及實時后端通道，也提供需求響應系統的連接.

5) Fluidinfo.相較于Xively，Nimbits等M2M服務平臺，Fluidinfo是基于“中心屬性值”(attribute-value centric)數據模型構建的在線數據云存儲服務，更傾向于數據的存儲管理操作[37].Fluidinfo結合了現有的系統、內部數據庫和公共網絡平臺數據，并整合為單一可尋址地址與相應的API接口，讓用戶不必與多個系統進行交互，只需使用應用界面就能管理組織數據.Fluidinfo提供的服務不僅能應用于一個共享的實例(公共數據)，還能為用戶提供一些敏感內容的專用實例(私人數據).Fluidinfo的數據存儲等操作對用戶透明，它將傳統的數據庫或其他零散數據改造、整合后存儲到云平臺，用以共享及使用.

6) iDigi.與Fluidinfo不同，iDigi作為一個M2M的服務平臺，提供PaaS服務[38].iDigi服務具體的實現細節對用戶透明，向用戶提供簡明的設備接入解決方案，無論用戶身處何處、持有何種設備.并且在無線鏈接傳輸方面，iDigi提供無間斷的可靠性與安全性[39].iDigi使用戶能夠執行重要的設備管理操作，如固件升級、軟件下載、設置警報和預定管理任務等.無論位于何處網絡，iDigi服務平臺都為用戶提供可靠的遠程操作管理.

7) YeeLink.作為國內的傳感云平臺，YeeLink提供的高并發接入服務器和云存儲方案，能夠同時完成海量的傳感器數據接入和存儲任務，確保用戶保存在云端數據安全[40].借助YeeLink平臺，用戶不僅可以上傳和監測傳感器數據，還能通過可視化操作控制管理接入的設備.在YeeLink上，數據不再是孤立的節點，而是可以簡單地被API取回，并放置到用戶的個人博客上，或者根據喜好需求轉發到微博或Facebook上.

以上的云平臺均提供存儲服務，并保障安全的數據管理以及認證操作.再者，現有云平臺已高度整合化并提供相應的API接口，對用戶而言透明，用戶不需要擔心如何實現設備的對接，只需專注于應用與服務的管理.然而各平臺的服務側重點也有所不同，由于Fluidinfo是基于數據的云服務平臺，更傾向于提供SaaS服務，具體情況如表2所示(√： 提供、×：不提供).

Table 2 Comparison of Different Sensor-Cloud Platform表2 不同類型傳感云平臺服務比較

√:Available ×:Not available

Fig. 4 Sensor-cloud implementation in telemedicine圖4 基于傳感云的遠程醫療結構圖

5 典型應用

傳感云平臺具有快速接入、數據云存儲、隨時隨地訪問、按需服務等優點，在各行各業有著廣泛的應用，如遠程醫療、環境監測、智能交通等.相較于傳統的WSN，基于傳感云的新型應用均提供數據的云存儲處理、移動訪問和傳感網絡的遠程控制等服務[41-42].

5.1 遠程醫療

在醫療領域里，傳感器被用來監測患者的生理數據、監管藥物的使用情況等[43].例如患者可以佩戴一些可穿戴傳感器設備或者在體內植入一些傳感器設備來收集心率、血糖和體溫等數據.對于患者而言，傳感器收集到的生理數據非常重要，并且對這些數據的實時性和精確性要求較高.醫生依據這些數據來對患者進行診斷和治療，因此需要規范的管理維護數據.在傳統的醫療方式中，患者的病歷數據庫通常都設立在當地的療養院中,醫生需要去特定的療養院才能訪問這些數據.對于某些特殊的疾病，可能需要其他更有經驗和名望的醫生參與治療，但是由于距離、時間等因素使得患者無法得到有效治療.通過建立傳感云平臺，將很好地解決這一問題：患者的數據將存儲在云端，醫生可以通過終端設備對數據進行訪問，使患者不受地域的限制而獲得更好的治療.

如圖4所示，文獻[44]提出的SC-iPaaS平臺用以監控住家的病患，即普適醫療服務.患者在身上或者體內安裝無線傳感器用于監測心跳速率、血壓、體溫、呼吸速率、血液凝固度、皮膚電反應以及跌落檢測等生理活動數據.患者的一些如手機、平板、電腦等電子設備可以充當匯聚節點，從而與這些傳感器進行單跳或多跳通信.傳感器的數據將周期性地發送給云端的虛擬節點.當傳感器數據中存在生理活動異常時，治療人員可以主動從傳感器獲取相應的數據作進一步分析，甚至可以提前通知患者家人、派遣救護車或者進行醫療診斷等操作.

5.2 軍事領域

Fig. 6 Sensor-cloud implementation in target tracking圖6 基于傳感云的目標跟蹤體系結構

傳感器網絡應用于軍事監測友軍、裝備、彈藥、戰場監視、反對勢力的偵察和攻擊監測偵察等[45].在以往遠程監測無人區域方面，無線傳感器網絡的節點部署通常被限制在很小的區域，其帶來的收益微乎其微.隨著云計算的優勢越發凸顯，無線傳感器網絡與云計算的結合是必然趨勢，利用云端的計算和數據存儲資源，由傳感器所收集的數據能夠得到很好的處理、分析和保存.比如在某一時刻，在某塊很小的區域可能發生了異常，操控者只需運行特定的應用程序來從部分傳感器節點中獲取所需數據，真正做到按需管理，消耗較少的資源實現遠程服務.如圖5所示[46]，傳感器網絡收集的數據經傳感網絡控制中心傳輸到云端.當用戶需要訪問傳感網數據時，首先向傳感云調度中心發送請求；當請求得到響應后，資源分配集群為其指定相應的傳感網控制器，進而獲取底層對應的傳感器網絡的信息.

Fig. 5 Mills-cloud architecture圖5 軍事云架構

5.3 目標跟蹤

已有的WSNs中的目標跟蹤應用通常是面向單用戶、單應用的[47].對于沒有配備傳感器設備的用戶而言，他們將無法使用已有的傳感器網絡應用.傳感云的出現可以為用戶解決在不同的應用下傳感器設備的管理問題.利用虛擬化技術，傳感云將實際的物理傳感器動態地劃分到不同的虛擬簇中.用戶只需要請求特定的服務，而不需要關心傳感器節點的位置.傳感器的數據將通過云平臺收集后發送給特定的應用，用戶只需從應用中得到反饋并進行相應的操作.

圖6顯示了基于傳感云的目標跟蹤體系結構[48]：底層傳感器網絡收集的數據首先上傳到云端進行聚合、處理，然后將經過處理后的數據發送給終端用戶.在虛擬節點層中，虛擬節點之間不僅能進行復用，不同用戶還能使用不同的虛擬節點集合，從而實現對不同的目標同時跟蹤，提高了節點利用率.

5.4 環境監測

傳統的WSN僅僅是將傳感器布置在特定的區域采集數據，缺乏進一步的分析處理，而像地震、火山爆發等監測需要提前作出預測，這對數據的處理能力有著一定的要求.比如在氣象預報中[49]，需要對某個地區未來一段時間內的大氣情況進行預測.氣象監測和預測系統通常包括數據收集、數據同化、數值天氣預報和預報展示.針對氣象站部署的傳感器可以監測風速、風向、相對溫度、空氣(水和土壤)、溫度、氣壓、降水量、土壤濕度、能見度、云量和光照強度等數據.這些收集到的數據總量龐大，很難通過傳統的數據庫方法進行維護.而且，數據在被收集以后，需要對其進行同化處理，這將消耗巨大的計算資源.而有了傳感云平臺，數據的存儲在云端，不必擔心存儲空間不足等問題.同時，借助云計算技術，通過強大的計算集群可以快速地完成對氣象情況的分析和預測.再比如在森林險情監測應用中，森林中采集的各種數據如溫度、濕度等信息，統一上傳到云平臺進行分析，監測者足不出戶即可掌握整個森林的情況，一旦發現火災等險情就能及時知曉.

5.5 智能交通

在交通運輸系統中，通常人們對路況信息的精確度與實時性的要求較高，而實際的交通分布及其地理范圍極其廣泛，傳統的無線傳感采集方式或多或少存在一些延遲[50].如圖7所示,傳感云系統則可以很好解決這一問題：傳感器可以用來監測來往車輛并控制交通信號，監控設備也能監視不同路段的交通狀況并把實時畫面傳輸給指揮中心.這些傳感器節點之間能夠相互通信，最終描繪出全局的交通狀況圖，幫助用戶以及相關部門了解實時的交通狀況并作出相應調整.對于數據指揮中心和其他相關應用系統而言，這對數據的大量存儲與分析能力有著較為苛刻的要求.因此，運用傳感云平臺可以簡化傳感器數據的管理，降低計算成本，并對數據進行分析和預測.對于用戶而言，傳感云系統不僅可以用來實時獲取當前位置，還能預測到達目的地的時間及總路程等.

Fig. 7 Sensor-cloud implementation in smart traffic圖7 基于傳感云的智能交通示意圖

6 存在的問題與挑戰

綜合傳感云在各行各業的應用分析，其存在的一些問題愈發明顯.主要集中在系統的通信問題、服務的實時性、系統的容錯性和數據的可用性等方面，下面逐條說明：

1) 傳感器網絡與云端網絡之間存在通信瓶頸問題.對于傳感器網絡而言，傳感器節點一般由廉價電子設備組成，本身無線通信的帶寬有限[51].與云計算相結合的新型應用往往會產生大量數據，例如視頻傳感數據[52-53].這些數據若傳輸到云端，對傳感器網絡的通信能力是一個挑戰，對能量極為有限的傳感器節點也提出了更高的要求.

2) 云計算模式缺乏對底層終端傳感節點的直接管理，并存在實時性差的問題.云端服務器與底層傳感網絡分離得太遠，云計算模式缺乏對底層終端傳感節點的直接管理，并且由于網絡帶寬、傳輸錯誤等因素會導致延遲[54].如在上述森林火災的例子中，云計算平臺能快速判斷出火災險情，但除了通知用戶外，并不能及時采取實質性措施(如撲救).而現代物聯網技術的發展，使得人們對傳感網的需求不再局限于感知環境，還要能對環境作出響應[55]，比如系統能自動調度移動滅火裝置進行撲救.現有的云計算平臺雖然計算和存儲功能強大，卻不足以支撐這一類型的服務.

3) 網絡易產生故障和錯誤，且風險高.傳感器節點大都部署于苛刻的復雜環境中，由于資源不足(如能量有限、元器件精度有限)等問題，網絡易產生故障和錯誤，且風險高[56-57].與云計算服務相結合后，系統的不確定因素增加(如由于網絡延遲等原因)，此問題將更為突出和嚴重.無線傳感器網絡若向云端所提供的信息是不準確或者不充分的，這可能導致云端得到錯誤的信息甚至執行錯誤的決策和操作，造成災難性的后果.

4) 安全與隱私問題.傳感器網絡若將數據存儲在云端(如谷歌云、百度云等公有云)，這雖然擴展了存儲空間、方便了用戶對數據的訪問，但用戶會因此失去對數據可靠和安全的物理控制，機密或者私有數據信息容易被泄露[58].此外，傳感云存在容易受到惡意攻擊或者用戶數據泄露等問題[59]，如DDOS攻擊、非授權訪問等.因此，如何有效監控傳感云安全、審計用戶行為和過濾病毒將成為保護數據安全和用戶隱私的關鍵因素.

5) 可用性問題.由于用戶所處的時間、所在地點、所需要的服務等不同，用戶的服務需求也隨之不同[60].在傳感云體系結構中，數據是先從WSNs上傳到云端，再由云端呈現給用戶.用戶可能不需要所有數據，而是部分有效數據.保障數據的可用性，避免數據的冗余，為用戶提供準確、有效的信息，將帶給用戶更好的用戶體驗.

6) 異構性問題.隨著科學技術的發展，新的網絡與設備也在不斷更新迭代，在接入傳感云系統時可能存在設備不兼容、未知數據類型等問題[61].如何將新老設備整合，如何在不同的網絡(3G，4G，WIFI)中接入不同的終端設備(手機、平板)并保持高度的兼容性將是傳感云面臨的挑戰之一.

7) 事件管理問題.當用戶數較多，同一時間內的服務請求激增時，傳感云將面臨非常復雜的事件處理和管理問題[49]：①如何同步處理不同時延導致的異步服務請求?②如何有效處理服務請求而不影響系統穩定性?③如何最優化處理大量的服務請求?若處理不當，則可能導致響應不及時、系統崩潰等問題.

7 基于霧計算的傳感云系統

霧計算(fog computing)模式是云計算模式的延伸，于2011年由思科(Cisco)首次提出[62].相比云計算模式而言，霧計算的特點是更貼近末端節點、具有一定的本地計算能力、更廣的地理分布和支持移動性[63-65].因而能更好地直接管理和控制傳感器網絡節點，并作為聯系云計算服務的橋梁和紐帶，該新型計算模式正好可以彌補云計算模式的部分缺點.

7.1 基于霧計算的傳感云框架

鑒于霧計算的諸多優點，本文探討了基于霧計算的傳感云系統框架，與文獻[66-67]中所提的邊際層(cloud-edge-beneath)架構類似.如圖8所示，最上層是云計算層，提供強大的計算服務和存儲服務.第2層是由少量移動節點組成的霧節點層，霧節點層作為聯系傳感器網絡與云端網絡的紐帶，為上下2層提供服務.其主要任務是進行移動節點之間的協作與配合、橋接傳感器網絡與云、管理機密性數據的存儲.一些本地化的、實時性要求高的計算任務將放在霧節點層處理，同時霧節點也能存儲少量數據[68].霧節點之間構成一個虛擬的網絡，相互之間的通信可能是直接的(對于通信能力較強的節點)，也可能是借助普通傳感器節點進行信息傳遞[69].底層是由普通傳感節點所組成的傳感器網絡層，為上兩層網絡提供數據，并在霧節點層提供的服務下實現容錯性管理.該模式基于傳統的、固定節點組成的傳感網，引入的少量移動式節點不會造成太大的成本開銷[70].

Fig. 8 Fog computing framework based on sensor-cloud圖8 基于霧計算的傳感云框架

7.2 基于霧計算的最大化數據傳輸模式

傳感器網絡的傳輸能力較弱，傳統傳感器節點將數據傳到一個基站(sink)，再由基站傳送至云端.但一方面單個基站的通信能力有限，可能不足以支持整個網絡的大量數據傳輸；另一方面，當大量數據同時到達基站時，會導致數據上傳的延時(超過應用所規定的傳輸時間限制)[71].在霧計算的框架下，可以從2個方面來解決這個問題：1)每個霧節點可以作為移動的基站[72-73]，傳感器中的數據傳送到霧節點時，依靠霧計算的本地計算能力先對數據進行融合和壓縮，這在一定程度上減少需要上傳的數據量；2)通過多個霧節點的相互協作，組成一個移動式的MIMO (multi-input multi-output)網絡結構(與已有的MIMO方法不同之處在于該結構由移動節點組成)，充分利用多個節點的“空間多樣性”(spatial diversity)[74-75].

Fig. 9 Data transmission maximization圖9 最大化數據傳輸示意圖

當某個移動基站數據量過大發生阻塞時，該基站可以將數據轉發至其它負載較輕的基站，從而最大化整個網絡的數據傳輸量并減少數據傳輸延遲.而為了滿足實時性要求，霧節點層之間的轉發根據實際需要不能超過一定的跳數.圖9是該方法思想的示意圖，A與B兩個節點分別需要同時上傳7個和3個資源到云端.此時可在A與B之間進行調度，如從A中調度2個資源至B，接著A與B節點均上傳5個資源至云端，這樣有效減少了總調度時間，并提高了吞吐量.霧節點之間的連接線之所以在圖9中用虛線，指這種轉發可以是通過多跳路由，也可以是該霧節點移動一段距離再借助多跳路由傳輸(如移動時間在可容忍的數據延時之內).

7.3 基于霧計算的移動性容錯方法

傳感網中的故障或錯誤的產生主要源頭分為3個方面：節點錯誤、事件監測錯誤及數據傳輸錯誤.1)從節點錯誤方面看，傳感節點可能由于故障或者能量耗盡而失效，在霧節點框架下移動節點可以及時移動過來填補空缺，從連通和覆蓋2個方面實現網絡拓撲的完整性[76].2)從事件監測錯誤方面看，傳統監測方法一般由事件周圍的多個節點進行信息融合和決策，但是，由于事件周圍的節點所捕獲的事件信息的精度不一樣，可能會導致最終的決策錯誤.分析其原因是因為距離事件較近的節點數量較少，從而導致得出正確判斷的概率不高.在霧計算模式下，可以使用移動節點來配合固定節點進行事件監測，并將監測數據進行局部決策[77].由于移動節點可以近距離靠近事件，從而能以較高的概率作出正確判斷，提高監測的準確度；此外由于霧節點的計算能力較強，能運行普通傳感器節點不能完成的、復雜的決策算法，進一步提高監測準確性.3)從數據傳輸錯誤方面看，數據傳輸錯誤的原因在于無線鏈路的不穩定性，解決的基本思路是減少無線傳輸的機會(跳數).可從2個方面解決：①在數據的時延允許的條件下，盡量用移動節點來幫助數據收集，減少無線多跳傳輸；②受社交網絡中的小世界原理啟發，霧節點層中的移動節點可組成一個小世界網絡[78-79]，利用小世界原理的特征——“通信的平均路徑長度是簡短的”，來構建具有最少轉發節點的多跳通信路徑.

7.4 基于霧計算的數據私密性存儲方案

對于云端數據容易泄露而導致用戶隱私遭到侵犯等問題[80]，可以充分利用霧節點的本地存儲能力如圖10所示，按一定的規則，將數據劃分為2部分：存儲在霧節點層和傳輸至云端存儲，使得使用者只有完全擁有這2部分數據才可以還原出原始數據.其中，存儲在霧節點層的數據量遠小于存儲在云端的數據量，即便是云端數據和密鑰都被泄露，由于缺失了霧節點層的部分數據，竊取者仍然不能還原出原始數據，從而保證數據的私密性.當用戶需要調取數據時，只需要分別從霧節點層和云端調取數據即可完全還原出原始數據，由于從霧節點層所需要傳輸的數據量較小，基本不會帶來延遲.

Fig. 10 Privacy data storage based on fog圖10 基于霧節點的私密性數據存儲示意圖

8 未來的研究方向

1) 霧計算.如第7節所介紹的，傳感器網絡技術與云計算技術相結合是發展的必然趨勢.對于傳感器網絡而言，引入功能較強的移動節點是掃除其利用云計算服務障礙的根本途徑，而這些移動節點天然具有成為霧節點的基因：具有一定的本地計算和存儲能力、通信能力較普通傳感節點強、貼近末端網絡、地理上分布廣泛.因此充分發揮移動節點(霧節點)的本地計算能力，將能以一種新型的計算模式，橋接其與云計算服務的聯系，具有重大的理論與應用價值，值得深入開展研究，這既是對現有的傳感器網絡和云計算技術的重要補充和改進，也是對霧計算這一新型計算模式的實踐和驗證.

2) 服務質量.對用戶而言，好的用戶體驗是選擇一個傳感云平臺必備的條件.當存在大量并發用戶服務請求時，如何滿足不同用戶對不同應用的服務質量要求?這就需要傳感云平臺能對不同的數據流進行處理，對實時性強且重要的數據優先響應，并使用各種轉發策略、擁塞避免等機制為這些數據流提供優先傳輸服務.此外，在保證響應速度的同時，確保數據的可用性也是提高服務質量的一項關鍵指標.

3) 標準統一化.如第4節所言，如今已存在多種傳感云系統，盡管這些傳感云平臺能為用戶提供各種各樣的服務，但其提供的API卻不相同.如Xively云平臺的信息總線支持Rest和Socket等協議；而Nimbits的接入設備需要把json或xml數據轉換成特定的Nimbits數據點才能傳輸信息.因此，設計一個統一的協議標準，規范化各傳感云平臺的接入方式也將是未來研究方向之一.

4) IP分配.未來隨著接入設備的數量增加，IP資源終將耗盡.IPv6作為下一代IP協議，將取代IPv4，提供更多的地址.IPv6的廣泛部署依賴于未來網絡的發展情況，目前基于IPv4的網絡由于IP資源不夠，難以為每個接入用戶配對.因此對于IPv6的研究需要不斷完善，從長遠上看，IPv6將有利于傳感云乃至互聯網的可持續發展[81].

5) 安全與隱私.保護網絡安全與用戶隱私是一個亙古不變的話題，加強不同應用場景下的認證和加密機制，有助于提高傳感云的安全級別[82].網絡安全包含系統安全、網絡自身安全、信息傳播安全以及信息內容安全，其中保護信息內容安全的本質即保護用戶的隱私和利益.在不影響網絡與應用平臺的同時，如何建立一個全面、安全、高效的傳感平臺是未來研究需要考慮的重點之一.

9 結束語

隨著無線傳感器網絡與云計算的發展，兩者的結合已成為必然趨勢，傳感云便是兩者結合的產物.傳感云作為一種新型體系結構，不僅能滿足傳感器網絡在數據處理和存儲能力等方面的需求，還能為用戶提供可用的、便捷的、按需的遠程網絡訪問服務.本文主要介紹了傳感云的產生背景、體系結構和應用領域，在目前傳感云系統的基礎上指出了現有的傳感云系統存在的一些挑戰與不足，并提出了基于霧計算的傳感云框架和解決問題的基本思路，最后探討了未來亟待解決問題的研究方向.

[1]Zhang Zhao. Survey of approximation algorithm on virtual backbone of wiress sensor network[J]. Journal of Computer Research and Development, 2016, 53(1): 15-25 (in Chinese)(張昭. 無線傳感器網絡虛擬骨干近似算法綜述[J]. 計算機研究與發展, 2016, 53(1): 15-25)

[2]Rawat P, Singh K D, Chaouchi H, et al. Wireless sensor networks: A survey on recent developments and potential synergies[J]. The Journal of Supercomputing, 2014, 68(1): 1-48

[4]Lazarescu M T. Design of a WSN platform for long-term environmental monitoring for IoT applications[J]. IEEE Journal on Emerging and Selected Topics in Circuits and Systems, 2013, 3(1): 45-54

[5]Wang Tian, Peng Zhen, Liang Junbin, et al. Detecting targets based on a realistic detection and decision model in wireless sensor networks[G] //Proc of the 10th Conf on Wireless Algorithms, Systems, and Applications. Berlin: Springer, 2015: 836-844

[6]Dash S K, Sahoo J P, Mohapatra S, et al. Sensor-cloud: Assimilation of wireless sensor network and the cloud[C] //Proc of the 5th Int Conf on Computer Science and Information Technology. Berlin: Springer, 2012: 455-464

[7]Yuriyama M, Kushida T. Sensor-cloud infrastructure-physical sensor management with virtualized sensors on cloud computing[C] //Proc of the 13th Int Conf on Network-Based Information Systems. Piscataway, NJ: IEEE, 2010: 1-8

[8]Madria S, Kumar V, Dalvi R. Sensor cloud: A cloud of virtual sensors[J]. IEEE Software, 2014, 31(2): 70-77

[9]Trivedi K, Srivastava A K. An energy efficient framework for detection and monitoring of forest fire using mobile agent in wireless sensor networks[C] //Proc of Int Conf on Computational Intelligence and Computing Research. Piscataway, NJ: IEEE, 2014: 1-4

[10]Yan Ruqiang, Sun Hanghang, Qian Yuning. Energy-aware sensor node design with its application in wireless sensor networks[J]. IEEE Trans on Instrumentation and Measurement, 2013, 62(5): 1183-1191

[11]Dinh H T, Lee C, Niyato D, et al. A survey of mobile cloud computing: Architecture, applications, and approaches[J]. Wireless Communications and Mobile Computing, 2013, 13(18): 1587-1611

[12]Coady Y, Hohlfeld O, Kempf J, et al. Distributed cloud computing: Applications, status quo, and challenges[J]. ACM SIGCOMM Computer Communication Review, 2015, 45(2): 38-43

[13]Wang Tian, Jia Weijia, Xing Guoliang, et al. Exploiting statistical mobility models for efficient Wi-Fi deployment[J]. IEEE Trans on Vehicular Technology, 2013, 62(1): 360-373

[14]Wang Tian, Peng Zhen, Chen Yonghong, et al. Continuous tracking for mobile targets with mobility nodes in wsns[C] //Proc of Int Conf on Smart Computing. Piscataway, NJ: IEEE, 2014: 261-268

[15]Wang Wenhua, Wang Tian, Wu Qun, et al. Survey of delay-constrained data collection with mobile elements in WSNs[J]. Journal of Computer Research and Development, 2017, 54(3): 474-492 (in Chinese)(王文華, 王田, 吳群, 等. 傳感網中時延受限的移動數據收集研究綜述[J]. 計算機研究與發展, 2017, 54(3): 474-492)

[16]Misra S, Chatterjee S, Obaidat M S. On theoretical modeling of sensor cloud: A paradigm shift from wireless sensor network[J/OL]. IEEE Systems Journal, 2014, PP(99): 1-10

[17]Zhu Chunsheng, Leung V C M, Yang L T, et al. Trust assistance in sensor-cloud[C] //Proc of the 24th Int Conf on Computer Communications Workshops. Piscataway, NJ: IEEE, 2015: 342-347

[18]Yang Chi, Liu Chang, Zhang Xuyun, et al. A time efficient approach for detecting errors in big sensor data on cloud[J]. IEEE Trans on Parallel and Distributed Systems, 2015, 26(2): 329-339

[19]Abbasi A Z, Islam N, Shaikh Z A. A review of wireless sensors and networks’ applications in agriculture[J]. Computer Standards & Interfaces, 2014, 36(2): 263-270

[20]Misra S, Singh A, Chatterjee S, et al. QoS-aware sensor allocation for target tracking in sensor-cloud[J]. Ad Hoc Networks, 2015, 33: 140-153

[21]Wang Tian, Peng Zhen, Liang Junbin, et al. Following targets for mobile tracking in wireless sensor networks[J]. ACM Trans on Sensor Networks, 2016, 12(4): Article 31

[22]Kim K H, Lee S J, Congdon P. On cloud-centric network architecture for multi-dimensional mobility[J]. ACM SIGCOMM Computer Communication Review, 2012, 42(4): 509-514

[23]Chandra A A, Lee Y, Kim B M, et al. Review on sensor cloud and its integration with arduino based sensor network[C] //Proc of 2013 Int Conf on IT Convergence and Security. Piscataway, NJ: IEEE, 2013: 1-4

[24]ITU. ITU Internet reports 2005: The Internet of things[EB/OL]. [2016-10-30]. http://itu.int/osg/spu/publications/internetofthings

[25]Gubbi J, Buyya R, Marusic S, et al. Internet of things (IoT): A vision, architectural elements, and future directions[J]. Future Generation Computer Systems, 2013, 29(7): 1645-1660

[26]Chen Haiming, Cui Li. Design and model checking of service oriented software architecture for Internet of things: A Survey[J]. Chinese Journal of Computers, 2016, 39(5): 853-871 (in Chinese)(陳海明, 崔莉. 面對服務的物聯網軟件體系結構設計與模型檢測[J]. 計算機學報, 2016, 39(5): 853-871)

[27]Sehgal V K, Patrick A, Rajpoot L. A comparative study of cyber physical cloud, cloud of sensors and Internet of things: Their ideology, similarities and differences[C] //Proc of the 6th Int Conf on Advance Computing. Piscataway, NJ: IEEE, 2014: 708-716

[28]Guinard D, Trifa V, Mattern F, et al. From the Internet of things to the Web of things: Resource-oriented architecture and best practices[G] //Architecting the Internet of Things. Berlin: Springer, 2011: 97-129

[29]Kurschl W, Beer W. Combining cloud computing and wireless sensor networks[C] //Proc of the 11th Int Conf on Information Integration and Web-based Applications & Services. New York: ACM, 2009: 512-518

[30]Tan K L. What’s NExT?: Sensor+cloud!?[C] //Proc of the 7th ACM Int Workshop on Data Management for Sensor Networks. New York: ACM, 2010

[31]Alamri A, Ansari W S, Hassan M M, et al. A survey on sensor-cloud: Architecture, applications, and approaches[J]. International Journal of Distributed Sensor Networks, 2013, 9(2): Article 917923

[32]LogMeIn Inc. Xively by LogMeIn[EB/OL]. [2016-06-22]. http://xively.com

[33]GitHub. Nimbit—promote yourself[EB/OL]. [2016-06-22]. http://nimbits.com

[34]Zhou Jiehan, Lepp?nen T, Harjula E, et al. Cloudthings: A common architecture for integrating the Internet of things with cloud computing[C] //Proc of the 17th Int Conf on Computer Supported Cooperative Work in Design. Piscataway, NJ: IEEE, 2013: 651-657

[35]The MathWorks Inc. Internet of things-ThingSpeak[EB/OL]. [2016-06-22]. http://thingspeak.com

[36]Arrayent Inc. Arrayent|The IoT platform for trusted brands[EB/OL]. [2016-06-22]. http://arrayent.com

[37]Fluidinfo Inc. Fluidinfo[EB/OL]. [2016-06-22]. http://fluidinfo.com

[38]Jalali S. M2M solutions—Design challenges and considerations[C] //Proc of 2013 IEEE Recent Advances in Intelligent Computational Systems. Piscataway, NJ: IEEE, 2013: 210-214

[39]Digi International Inc. M2M communications, remote monitoring & management—Digi[EB/OL]. [2016-06-22]. http://idigi.com

[40]Qingdao Yeelink Information Technology Co, LTD. YeeLink[EB/OL]. [2016-06-22]. http://yeelink.net

[41]Chatterjee S, Misra S. Dynamic and adaptive data caching mechanism for virtualization within sensor-cloud[C] //Proc of the 8th Int Conf on Advanced Networks and Telecommuncations Systems. Piscataway, NJ: IEEE, 2014: 1-6

[42]Lim Y, Park J. Sensor resource sharing approaches in sensor-cloud infrastructure[J]. International Journal of Distributed Sensor Networks, 2014, 10(4): 1-8

[43]Doukas C, Maglogiannis I. Bringing IoT and cloud computing towards pervasive healthcare[C] //Proc of the 6th Int Conf on Innovative Mobile and Internet Services in Ubiquitous Computing. Piscataway, NJ: IEEE, 2012: 922-926

[44]Phan D H, Suzuki J, Omura S, et al. Multiobjective communication optimization for cloud-integrated body sensor networks[C] //Proc of the 14th IEEE/ACM Int Symp on Cluster, Cloud and Grid Computing. Piscataway, NJ: IEEE, 2014: 685-693

[45]Amdouni I, Adjih C, Plesse T. Network coding in military wireless ad hoc and sensor networks: Experimentation with gardinet[C] //Proc of the 17th Int Conf on Military Communications and Information Systems. Piscataway, NJ: IEEE, 2015: 1-9

[46]Misra S, Singh A, Chatterjee S, et al. Mils-cloud: A sensor-cloud-based architecture for the integration of military tri-services operations and decision making[J]. IEEE Systems Journal, 2016, 10(2): 628-636

[47]Xu Enyang, Ding Zhi, Dasgupta S. Target tracking and mobile sensor navigation in wireless sensor networks[J]. IEEE Trans on Mobile Computing, 2013, 12(1): 177-186

[48]Chatterjee S, Misra S. Target tracking using sensor-cloud: Sensor-target mapping in presence of overlapping coverage[J]. IEEE Communications Letters, 2014, 18(8): 1435-1438

[49]Dash S K, Mohapatra S, Pattnaik P K. A survey on applications of wireless sensor network using cloud computing[J]. International Journal of Computer science & Engineering Technologies, 2010, 1(4): 50-55

[50]Zhou Jin, Chen C P, Chen Long, et al. A user-customizable urban traffic information collection method based on wireless sensor networks[J]. IEEE Trans on Intelligent Transportation Systems, 2013, 14(3): 1119-1128

[51]Zhu Chunsheng, Leung V, Yang L T, et al. Collaborative location-based sleep scheduling for wireless sensor networks integratedwith mobile cloud computing[J]. IEEE Trans on Computers, 2015, 64(7): 1844-1856

[52]Hu Chuli, Chen Nengcheng, Guan Qingfeng, et al. An integration and sharing method for heterogeneous sensors oriented response in smart city[J]. Journal of Computer Research and Development, 2014, 51(2): 260-277 (in Chinese)(胡楚麗, 陳能成, 關慶鋒, 等. 面向智慧城市應急響應的異構傳感器集成共享方法[J]. 計算機研究與發展, 2014, 51(2): 260-277)

[53]Zhuo Li, Zhang Jing, Zhao Yingdi, et al. A QoS-guaranteed muli-path routing protocol for WVSNs[J]. Acta Electronica Sinica, 2013, 41(6): 1122-1129 (in Chinese)(卓力, 張菁, 趙霙頔, 等. 一種面向無線視頻傳感器網絡的多徑 QoS 保障路由協議[J]. 電子學報, 2013, 41(6): 1122-1129)

[54]Zhu C, Nicanfar H, Leung V, et al. An authenticated trust and reputation calculation and management system for cloud and sensor networks integration[J]. IEEE Trans on Information Forensics and Security, 2015, 10(1): 118-131

[55]Mazo M, Tabuada P. Decentralized event-triggered control over wireless sensor/actuator networks[J]. IEEE Trans on Automatic Control, 2011, 56(10): 2456-2461

[56]Su Jinshu, Guo Wenzhong, Yu Chaolong, et al. Fault-tolerance clustering algorithm with load-balance aware in wireless sensor network[J]. Chinese Journal of Computers, 2014, 37(2): 445-456 (in Chinese)(蘇金樹, 郭文忠, 余朝龍, 等. 負載均衡感知的無線傳感器網絡容錯分簇算法[J]. 計算機學報, 2014, 37(2): 445-456)

[57]Chen Hongsheng, Shi Ke. Quadrilateral steiner tree based connectivity restoration for wireless sensor networks[J]. Chinese Journal of Computers, 2014, 37(2): 457-469 (in Chinese)(陳洪生, 石柯. 基于四邊形斯坦納樹的無線傳感器網絡連通恢復[J]. 計算機學報, 2014, 37(2): 457-469)

[58]Poolsappasit N, Kumar V, Madria S, et al. Challenges in secure sensor-cloud computing[G] //Workshop on Secure Data Management. Berlin: Springer, 2011: 70-84

[59]Cao Zhenfu, Dong Xiaolei, Zhou Jun, et al. Research advances on big data security and privacy preserving[J]. Journal of Computer Research and Development, 2016, 53(10): 2137-2151 (in Chinese)(曹珍富, 董曉蕾, 周俊, 等. 大數據安全與隱私保護研究進展[J]. 計算機研究與發展, 2016, 53(10): 2137-2151)

[60]Zhu Chunsheng, Sheng Zhengguo, Leung V, et al. Toward offering more useful data reliably to mobile cloud from wireless sensor network[J]. IEEE Trans on Emerging Topics in Computing, 2015, 3(1): 84-94

[61]Viani F, Robol F, Polo A, et al. Wireless architectures for heterogeneous sensing in smart home applications: Concepts and real implementation[J]. Proceedings of the IEEE, 2013, 101(11): 2381-2396

[62]Bonomi F. Connected vehicles, the Internet of things, and fog computing[C] //Proc of the 8th ACM Int Workshop on Vehicular Inter-Networking. New York: ACM, 2011: 13-15

[63]Bonomi F, Milito R, Zhu J, et al. Fog computing and its role in the Internet of things[C] //Proc of the 1st Conf of the MCC Workshop on Mobile Cloud Computing. New York: ACM, 2012: 13-16

[64]Vaquero L M, Rodero-Merino L. Finding your way in the fog: Towards a comprehensive definition of fog computing[J]. ACM SIGCOMM Computer Communication Review, 2014, 44(5): 27-32

[65]Hong K, Lillethun D, Ramachandran U, et al. Mobile fog: A programming model for large-scale applications on the Internet of things[C] //Proc of the 2nd ACM SIGCOMM Workshop on Mobile Cloud Computing. New York: ACM, 2013: 15-20

[66]Shi Weisong, Cao Jie, Zhang Quan, et al. Edge computing: Vision and challenges[J]. IEEE Internet of Things Journal, 2016, 3(5): 637-646

[67]Xu Yi, Helal A. Scalable cloud-sensor architecture for the Internet of things[J]. IEEE Internet of Things Journal, 2016, 3(3): 285-298

[68]Wang Tian, Peng Zhen, Wen Shen, et al. Reliable wireless connections for fast-moving rall users based on a chained fog structure[J] Information Sciences, 2017, 379: 160-176

[69]Bonomi F, Milito R, Natarajan P, et al. Fog computing: A platform for Internet of things and analytics[G] //Big Data and Internet of Things: A Roadmap for Smart Environments. Berlin: Springer, 2014: 169-186

[70]Wang Tian, Peng Zhen, Hong Xiaohua, et al. Mobility-assisted target tracking in wireless sensor networks[J]. Journal of Huaqiao University: Natural Science, 2016, 37(6): 737-742 (in Chinese)(王田, 彭臻, 洪曉華, 等. 無線傳感器網絡中的移動式目標跟蹤[J]. 華僑大學學報: 自然科學版, 2016, 37(6): 737-742)

[71]Wang Tian, Cai Yiqiao, Jia Weijia, et al. Maximizing real-time streaming services based on a multi-servers networking framework[J]. Computer Networks, 2015, 93(1): 199-212

[72]Zeng Jiandian, Wang Tian, Lai Yongxuan, et al. Data delivery from WSNs to cloud based on a fog structure[C] //Proc of the 4th Int Conf on Advanced Cloud and Big Data. Piscataway, NJ: IEEE, 2016: 104-109

[73]Li Yang, Wang Tian, Liang Junbin, et al. Efficient data collection in sensor-cloud system with multiple mobile sinks[C] //Proc of the 10th Asia-Pacific Services Computing Conf on Advances in Services Computing. Berlin: Springer, 2016: 130-143

[74]Brante G, Souza R D, Garcia-Frias J. Spatial diversity using analog joint source channel coding in wireless channels[J]. IEEE Trans on Communications, 2013, 61(1): 301-311

[75]Mikki S M, Antar Y M. On cross correlation in antenna arrays with applications to spatial diversity and MIMO systems[J]. IEEE Trans on Antennas and Propagation, 2015, 63(4): 1798-1810

[76]Yannuzzi M, Milito R, Serral-Gracià R, et al. Key ingredients in an IoT recipe: Fog computing, cloud computing, and more fog computing[C] //Proc of the 19th Int Workshop on Computer Aided Modeling and Design of Communication Links and Networks. Piscataway, NJ: IEEE, 2014: 325-329

[77]Madsen H, Burtschy B, Albeanu G, et al. Reliability in the utility computing era: Towards reliable fog computing[C] //Proc of the 20th IEEE Int Conf on Systems, Signals and Image Processing. Piscataway, NJ: IEEE, 2013: 43-46

[78]Kost G J. Theory, principles, and practice of optimizing point-of-care small-world networks[J]. Point of Care, 2012, 11(2): 96-101

[79]Larsson E G, Edfors O, Tufvesson F, et al. Massive MIMO for next generation wireless systems[J]. IEEE Communications Magazine, 2014, 52(2): 186-195

[80]Chen Deyan, Zhao Hong. Data security and privacy protection issues in cloud computing[C] //Proc of Int Conf on Computer Science and Electronics Engineering. Piscataway, NJ: IEEE, 2012: 647-651

[81]Liu Xiao, Zhao Hai, Li Shaofeng, et al. Vital signs of IPv4/IPv6 macroscopic Internet topologies[J]. Journal of Computer Research and Development, 2016, 53(4): 824-833 (in Chinese)(劉曉, 趙海, 李少峰 等. 互聯網(IPv4/IPv6)宏觀拓撲結構生命特征[J]. 計算機研究與發展, 2016, 53(4): 824-833)

[82]Liu Wentao. Research on cloud computing security problem and strategy[C] //Proc of the 2nd IEEE Int Conf on Consumer Electronics, Communications and Networks. Piscataway, NJ: IEEE, 2012: 1216-1219

A Survey on Sensor-Cloud

Zeng Jiandian1, Wang Tian1, Jia Weijia2, Peng Shaoliang3, and Wang Guojun4

1(College of Computer Science, Huaqiao University, Xiamen, Fujian 361021)2(School of Electronic, Information and Electrical Engineering, Shanghai Jiao Tong University, Shanghai 200240)3(College of Computer, National University of Defense Technology, Changsha 410073)4(School of Computer Science and Educational Software, Guangzhou University, Guangzhou 510006)

Wireless sensor network (WSN) has extended people’s ability of gathering information and integrated physical world with information world. In recent years, the emerging cloud computing has made remarkable development, which has injected new vitality into WSN. It leads to new applications and services, expands the ability of data processing and storage in WSN and even produces the sensor-cloud system. Sensor-cloud can deal with the information generated by underlying sensor network, and provide remote services for upper users, which enables users to gather, process, analyze, store and share sensed data according to their demands. In this paper, we investigate the existing sensor-cloud system in detail. We firstly introduce the background, system architecture and applications of the sensor-cloud, then summarize the characteristics of the existing sensor-cloud systems. We reveal the main problems of the existing sensor-cloud systems, such as poor bandwidth, high latency and high failure rate, et al. Moreover, we study the sensor-cloud structure based on fog computing, design the basic methods of solving the before-mentioned problems and discuss the future research directions.

sensor-cloud; wireless sensor network (WSN); cloud computing; fog computing; on-demand service

Zeng Jiandian, born in 1992. Master candidate. His main research interests include wireless sensor networks and mobile computing.

Wang Tian, born in 1982. PhD, associate professor. Member of CCF. His main research interests include wireless sensor networks, cloud computing, social network, Internet of things and mobile computing.

Jia Weijia, born in 1957. PhD, professor and PhD supervisor. Senior member of the IEEE and member of the ACM and CCF. His main research interests include next generation wireless communication,protocols, heterogeneous networks.

Peng Shaoliang, born in 1979. PhD. Assistant professor at National University of Defense Technology. Member of the IEEE and the ACM. His main research interests include distributed system, high performance computing, cloud computing, and wireless networks.

Wang Guojun, born in 1970. PhD, professor and PhD supervisor. Distinguished member of CCF, and member of the IEEE, ACM, and IEICE. His main research interests include network and information security, Internet of things and cloud computing.

2016-06-28；

2016-12-28

國家“九七三”重點基礎研究發展計劃基金項目(2015CB352401)；國家自然科學基金項目(61532013，61672441，61572206)；華僑大學研究生科研創新培育項目(1511414002) This work was supported by the National Basic Research Program of China (973 Program) (2015CB352401), the National Natural Science Foundation of China (61532013，61672441，61572206), and the Foster Project for Graduate Student in Research and Innovation of Huaqiao University (1511414002).

王田(cs_tianwang@163.com)

TP393