第３９卷 第３期 计算机工程 ２０１３年３月 Ｖ０１．３９ Ｎｏ．３ Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ Ｍａｒｃｈ ２０１３ ・网络与通信・ 文章编号：１０００—－３４２８（２０１３）０３—＿＿０ｌｌ１—一】７ 文献标识码：Ａ 中田分类号：ＴＰ３９３ 物联网海量信息的 按需采集决策问题研究 杨斌，李军军，郝杨杨 （上海海事大学物流研究中心，上海２０１３０６） 摘要：对物联网海量信息按需采集的决策问题进行研究，将该问题转换为网络子网构造问题并建立整数非线性多目 标优化模型。针对特定事件，根据物联网布局和节点传感器配置，确定采集的节点、每个节点上传数据的传感器类型以及 上传数据的时间间隔，利用遗传算法对其进行多目标最优化求解，以均衡采集后所需传输的数据流量和节点信息量。通过 仿真实例验证了该模型及其求解方法的正确性与有效性。 ’ 关健词：物联网；信息采集；决策算法；传感器网络；多目标优化 Ｒｅｓｅａｒｃｈ ０ｎ ｏｎ－ｄｅｍａｎｄ Ａｃｑｕｉｓｉｔｉｏｎ Ｄｅｃｉｓｉｏｎ Ｐｒｏｂｌｅｍ ｆ０ｒ Ｍａｓｓ Ｍｕｌｔｉ—ｄｉｍｅｎｓｉｏｎａｌ Ｉｎｆ０ｒｍａｔｉｏｎ ｉｎ Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ ＹＡＮＧ Ｂｉｎ，ＬＩ Ｊｕｎ－ｊｕｎ，ＨＡＯ Ｙａｎｇ－ｙａｎｇ （Ｌｏｇｉｓｔｉｃｓ Ｒｅｓｅａｒｃｈ Ｃｅｎｔｅｒ，Ｓｈａｎｇｈａｉ Ｍａｒｉｔｉｍｅ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２０１３０６，Ｃｈｉｎａ） ［Ａｂｓｔｒａｃｔ］Ｔｈｉｓ ｐａｐｅｒ ｓｔｕｄｉｅｓ ｏｎ—ｄｅｍａｎｄ ａｃｑｕｉｓｉｔｉｏｎ ｄｅｃｉｓｉｏｎ ｐｒｏｂｌｅｍ ｆｏｒ ｍａｓｓ ｍｕｌｔｉ．ｄｉｍｅｎｓｉｏｎａｌ ｉｎｆｏｒｍａｔｉｏｎ ｉｎ Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ（ＩＯＴｓ）．Ｉｔ ｃｏｎｖｅｒｔｓ ｔｈｉｓ ｐｒｏｂｌｅｍ ｔｏ ｔｈｅ ｎｅｔｗｏｒｋ ｓｕｂｎｅｔ ｃｏｎｓｔｒｕｃｔ ｉｓｓｕｅｓ ａｎｄ ｅｓｔａｂｌｉｓｈｅｓ ａｎ ｉｎｔｅｇｅｒ ｎｏｎｌｉｎｅａｒ ｍｕｌｔｉ—ｏｂｊｅｃｔｉｖｅ ｏｐｔｉｍｉｚａｔｉｏｎ ｍｏｄｅ１．Ｆｏｒ ｓｐｅｃｉｉｆｃ ｅｖｅｎｔ，ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｄｅｐｌｏｙｍｅｎｔ ａｎｄ ｃｏｎｆｉｇｕｒａｔｉｏｎ ｏｆ ｓｅｎｓｏｒｓ，ｄｅｔｅｒｍｉｎｅ ｃｏｌｌｅｃｔｉｏｎ ｏｆ ｎｏｄｅｓ， ｅａｃｈ ｎｏｄｅ ｉｎ ｔｈｅ ｄａｔａ ｕｐｌｏａｄ ｓｅｎｓｏｒ ｔｙｐｅｓ ａｓ ｗｅｌｌ ａｓ ｔｈｅ ｄａｔａ ｕｐｌｏａｄ ｔｉｍｅ ｉｎｔｅｒｖａ１．Ｉｔ ｕｓｅｓ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍｓ ｔｏ ｓｏｌｖｅ ｍｕｌｔｉ—ｏｂｊｅｃｔｉｖｅ ｏｐｔｉｍｉｚａｔｉｏｎ，ａｎｄ ｂａｌａｎｃｅｓ ｄａｔａ ｆｌｏｗ ａｎｄ ｔｈｅ ａｍｏｕｎｔ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ ｔｒａｎｓｍｉｓｓｉｏｎ ｒｅｑｕｉｒｅｍｅｎｔｓ ａｆｔｅｒ ｃｏｌｌｅｃｔｉｏｎ．Ｔｈｅ ｒｅｓｕｌｔｓ ｏｆ ｓｉｍｕｌａｔｉｏｎ ｃａｓｅ ｐｒｏｖｅ ｔｈｅ ｃｏｒｒｅｃｔｎｅｓｓ ａｎｄ ｖａｌｉｄｉｔｙ ｏｆ ｔｈｅ ｍｏｄｅｌ ａｎｄ ｉｔｓ ｓｏｌｕｔｉｏｎ． ［Ｋｅｙ ｗｏｒｄｓ］Ｉｎｔｅｒｎｅｔ ｏｆＴｈｉｎｇｓ（１ＯＴｓ）；ｉｎｆｏｒｍａｔｉｏｎ ａｃｑｕｉｓｉｔｉｏｎ；ｄｅｃｉｓｉｏｎ ａｌｇｏｒｉｔｈｍ；ｓｅｎｓｏｒ ｎｅｔｗｏｒｋ；ｍｕｌｔｉ—ｏｂｊｅｃｔｉｖｅ ｏｐｔｉｍｉｚａｔｉｏｎ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００—３４２８．２０１３．０３．０２２ １概述 目前，最具代表性的物联网架构是欧美支持的ＥＰＣ— 随着嵌入式系统的发展，物联网（Ｉｎｔｅｍｅｔ＆Ｔｈｉｎｇｓ，ｌＯＴｓ） Ｇｌｏｂａｌ“物联网”体系架构和日本的ＵＩＤ（Ｕｂｉｑｕｉｔｏｕｓ ＩＤ）物 节点大多设计为具有较强处理能力的模块，其中包括存储 联网系统¨ Ｊ。物联网物理结构的构建与基础协议设计等方 能力、信息过滤能力、采集周期设置能力和传输能力。因 面尚处于萌芽阶段，现有的研究主要涉及了ＲＦＩＤ信息服 此，物联网节点能够根据特定的信息需求向服务器提供数 务Ｌ３ Ｊ、寻址服务＿４Ｊ以及发现服务、识别与控制终端设计、问 据。另一方面，物联网节点可以设计为数据采集器， 责制度 等方面。在信息收集方向的界定与处理方法方面， 节点具有多种状态反应，完成具有互补性和校验性的数据 文献［６】对德国国家环境健康组织提供的信息与信息需求者 采集，从而提高物联网数据采集的可靠性 但是，这种方 进行了分析，在一个侧面上反映被采集信息的价值与采集 式同时也增加了物联网节点的存储压力和传输压力。本文 子集的选定。文献［７］对离散时间下马尔科夫跳跃线性系统 称这种物联网的数据采集问题为物联网海量信息采集 的信息过滤与排列提出了方案。文献［８】对信息检索、采集、 制约问题。 注释的智能系统观念与发展进行了综述。此外，多目标优 基金项目：国家自然科学基金资助项目（７１】７１１２９）；上海市科委科研计划基金资助项目（１０１９０５０２５００，１１５１０５０１９００）；上海市 教委科研计划基金资助项目（１１ＹＺ１３７，１１ＣＸＹ４７） 作者简介：杨斌（１９７５－－），男，副教授、博士，主研方向：物联网，航运物流信息系统；李军军，讲师、博士；郝杨杨，讲 师、硕士 收稿日期：２０１２—０７—０５ 修回日期：２０１２—０９．２１ Ｅ－ｍａｉｌ：ｂｉｎｙａｎｇ＠ｓｈｍｔｕ．ｅｄｕ．ｃａ ｌ１２ 计算机工程 ２０１３年３月１５日 化问题是一个经典问题。文献［９］在多目标遗传算法求解方 面对Ｐａｒｅｔｏ集的影响进行了分析。文献［１０］在算法方面对大 规模多目标规划进行分析。 本文将海量信息的按需采集决策问题还原为网络 子网构造问题建立数学模型，提出在特定事件情况下均衡 采集后所需传输的数据流量和信息量的方法。 本文的主要问题是控制器（Ｃｏｎｔｒｏｌｌｅｒ）根据事件触发器 （Ｔｒｉｇｇｅｒ）提供的事件信息确定什么样的采集方案，所需建立 的模型主要完成物联网中针对特定事件选择节点和传感器 采集数据的决策。本文通过以下条件进一步界定研究的 问题： （１）传感器节点之间的地理关系采用２点之间的欧氏距 离表示。 （２）研究的时间分段划分为离散的时间单位序列，且时 ２ 问题定义与分析 物联网中的物体具有唯一的标识，该物体的状态能够 被传感器采集，通过无线网络、有线网络或它们混合的网 络，将这些物体连接成为一个类似于互联网的虚拟网络。 物体、物体的标识和传感器，可以统称为物联网的节点， 他们作为一个整体通过通信网络进行互联。物联网及物联 网数据采集具有以下特征： （１）节点具有在地理空间中的位置，因此，节点之间的 地理距离表征了它们之间的地理相关性。 （２）节点的传感器形成在地理空间上的辐射范围，因此， 节点具有地理范围上的覆盖性。 （３）节点的不同传感器采集不同的信号，信号之间具有 相互强化或互补的特征，从而提高节点数据采集的稳定性 和可靠性。 （４）节点本身是嵌入式系统，具有一定的处理能力，能 够接收数据需求指令，按需将节点数据上传到服务器，以 降低通信量。 （５）数据需求由“事件”触发，事件与节点集合、节点 的传感器类型，以及时间有关，根据节点与它们的相关性 确定上传的数据量的大小。 （６）上传的数据量越大，进行处理后获得信息量就越大， 采集的价值就越大。 物联网数据采集的概念视图如图１所示。 ０ Ｘ 图１物联网数据采集的板冶：视图 间在物联网节点之间完全同步。 （３）每个节点的每种传感器，在每个时间单位产生相同 的数据量。 （４）子网的传输代价仅与传送总量相关，与距离无关。 （５）事件与传感器之间的相关性采用０￣１之间的数表 示，越大则相关性越大。 （６）事件与物联网节点之间的关系，通过物联网节点集 合表示，本文仅考虑与全部节点相关的情况。 （７）仅对物联网节点设置上传数据的间隔。 （８）人对未知信息需求的绝对贪婪，对自身认知信息需 求的绝对理性。 （９）每个传感器节点对其周围实行全方向探测，其覆盖 范围是一个半径为ｒ的圆形区域。 （１ ０）探测区域所有传感器节点在同一平面内。 ３整数非线性多目标优化模型 ３．１符号说明 符号说明如下： （１）Ｔ＝｛１，２，…， ｝表示单位时间序列。 （２）ＳＴ＝｛１，２，…， ｝表示传感器类型集合，Ｒｃ≥０表 示传感器的覆盖范围。 （３）物联网由４个部分参数构成：，０ ＝ｆＮ，Ｄ， ，ｔ１， 其中，Ⅳ表示节点集合；Ｄ表示节点之间的距离矩阵；Ｓ表 示节点的各个传感器单位时间内采集的数据；ｆ表示节点上 传数据的时间间隔。 （４）Ｎ＝｛ｌ，２，…，ＮＮ｝表示物联网节点集合。 （５）Ｄａ．６≥０表示物联网节点口和６之间的距离。 （６）ＳＯ．。≥０表示物联网节点口上传感器 在单位时间 内采集的数据， ， ∈｛０，１），如果ｓｏ， ＝０，则ＳＩ ＝０； 否则ＳＩ ＝１。 （７）ｔａ≥１表示节点ａ∈Ｎ上传数据的时间间隔。 （８），０ ＝（Ｎｓ，Ｄｓ，Ｓｓ，ｔ）表示物联网的子网，其中， ∈Ｎ；Ｄｓ × ；Ｓｓｏ≤ＳａａＥ Ｎｓ，ＣＥ ＳＴ，，ｃ，ｃ， 口∈ 第３９卷第３期 杨斌，李军军，郝杨杨：物联网海量信息的按需采集决策问题研究 １１３ ｛０，１），如果ａＥ Ｎｓ，贝０ ｎ。＝１；否贝０，２。＝０。 ． ∈｛０，１）， ｓｉ．． ２）Ｃ∈ＳＴ表示传感器。 （３）参数 ＝１表示节点口∈Ｎｓ的传感器ＣＥ ＳＴ选择用于上传数 ．据，显然： 。≤ＳＩａ－ｃ＇ ≥０， 表示节点ａＥ Ｎｓ的 １）Ｄａ．６≥０表示物联网节点ｏＥ Ｎ和６∈Ⅳ之间的 距离。 ２）Ｒｃ≥０表示传感器Ｃ的覆盖范围。 传感器ＣＥ ＳＴ上传的数据，显然：Ｓ ≤Ｓａ－ｃｏ （９）Ｎ（１ｏＴｓ）表示子网规模，即Ｎ（ＩｏＴｓ）＝ｌＮｓＩ。 （１０）Ｄ（１ｏＴｓ）表示物联网子网的数据总量。 （１１）ＣＮ（，０ ）表示子网的节点覆盖性。 （１２）ＣＳ（，０ ，Ｓ）表示子网状态Ｓ∈ＳＴ的覆盖性。 ３）Ｓａ． ≥０表示物联网节点ａ∈Ｎ上传感器ｃ∈ＳＴ在 单位时间内采集的数据。 ４）Ｓ／ａ。。∈｛０，１）表示物联网节点ａＥ Ｎ上传感器ＣＥ （１３）ＣＵｏｒｓ）表示子网的综合覆盖性。 （１４）ＣＯＤ＝｛１，２，…，ＮＮ．ＮＳ）表示状态相关性集合。 （１５）Ｆ（ＣＯＤ，Ｓ）表示状态需求度。 （１６）Ｆ（ＣＯＤｓ，Ｓｓ）表示子网状态需求度。 ３．２予网的评价指标设计 子网的评价指标如下： （１）子网规模 子网规模越大则上传的数据量越大，同时通信代价也 越大，如式（１）所示： Ｎ（ＩｏＴｓ）＝ｌＮｓｌ （１） （２）子网数据总量 子网数据总量由选入子网的节点及其选择的传感器数 据构成，如式（２）所示： Ｄ（ ）：圣 ： 堡望 ：！： ：！ ．．ｆ （２） Ⅳ ’ （３）子网的状态覆盖性 子网的状态覆盖性由式（３）定义，覆盖率采用 。／ ∑。 。计算，而覆盖程度通过 Ｒｓ ／Ｒｓ进行计算。 （ ）＂￣ａＥ Ｎ，ｃＥＳＴ８ａ，ｃ （３） 厶口∈Ｎ．ｃ∈ＳＴ ａｉｎ．ｃ （４）子网的综合覆盖性 子网的综合覆盖性通过式（４）定义： Ｃ（／ｏＴｓ）： ２） ．．，ａＧＮ，ｃＥ ｒ＾）口粤 （４，ｃ ３．３模型描述 模型描述具体如下： （１）集合 １）Ｔ＝｛ｌ，２，…，Ⅳ丁）表示单位时间序列。 ２）ＳＴ＝｛１，２，…，ＮＳ）表示传感器类型集合。 ３）Ｎ＝｛１，２，…，ＮＮ）表示物联网节点集合。 ４）ＣＯＤ＝｛１，２，…，ＮＮ・ＮＳ）表示状态相关性集合。 （２）下标 １）ａ∈Ｎ，ｂ∈Ｎ表示物联网节点。 在单位时间内是否上传数据。 （４）决策变量 １）ｔａ≥１表示节点ａ∈Ｎ上传数据的时间间隔。 ２） ∈｛ｏ，１）：如果ｏＥ Ｎｓ，则ｎ。＝１；否则ｎ ＝０。 ３） ，。∈｛０，１）： ，。＝１表示节点ｃ∈ＳＴ的传感器 ＣＥ ＳＴ选择用于上传数据，显然： ≤ＳＩａ。 ． ． ４）Ｓ ≥０：Ｓ 表示节点ａ∈Ｎｓ的传感器Ｃ∈ＳＴ上 传的数据，显然：Ｓ ≤Ｓａ。。 ．５） ， ， ，五表示目标函数的权重。 （５）模型 在目标函数式（５）中，通过加权聚集了４个子目标。其 中，式（６）定义子网的规模ＺⅣ；式（７）定义子网数据总量ＺＤ； 式（８）定义子网传感器数据均衡性ＺＢ；式（９）定义子网的综 合覆盖性ｚ 。而式（１０）定义相关度；式（１１）和式０２）定义权 重变量的约束。 Ｆ＝ ＋ ＺＤ＋。去 ＋老ｚｃ ㈣ ｍａｘｚＮ＝ｍｉｎｃｅＳＴ（Ｎ（ＩｏＴｓ，ｃ）／Ｒｃ） （６） ｍ觚 。： ｍａＸｚＤ＝—— 一．。 Ｌ，Ｊ（７） ｍａ）ｍ觚（ ：ｍｉ洲ｎｃ∈ｎ ＳＴ——Ｄ（ ＩｏＴｓ，ｃ） （８） ｍａｘ ｚｃ＝ｍｉｎｃ∈Ｒ（ｍａｘａ，６∈艇 （ 乃，ｃ），ｄ＜６ Ｄｄ，６／ Ⅳ）（９） ＲＮ，Ｄ 一＿ ｏ） ＋ ＋ ＋ ＝１ （１１） ０≤Ａ， ， ，五≤１ （１２） ４物联网海量信息按需采集的决策算法 如上文所述，该模型是一个整数非线性多目标优化模 珏！Ｊ．其算法罄体框架设计如以下算法所示。 １１４ 计算机工程 ２０１３年３月１５日 算法物联网海量信息按需采集的决策算法 输入 （１）物联网节点数Ⅳ； 综合覆盖性ｚｒ，输出ｚｒ。 Ｓｔｅｐ４分别计算ｚⅣ、ｚＤ、ｚＢ、ｚｃ的两两之间的相 关度，输出两两之间的相关度。 （２）物联网ＮＮ个节点每个的横纵坐标； （３）传感器类型数ＮＳ以及每个传感器类型的覆盖范围 Ｓｔｅｐ５计算给定权值下，多目标最优化值Ｆ，输出Ｆ。 Ｓｔｅｐ６用衡量式衡量多目标相对于单目标的敏感度， 以及与事件的相关性； （４）每个节点单位时间采集的数据量； （５）多目标最优中每个单目标所占的权值比重； （６）每个节点对应的传感器类型 输出 （１）物联网子网的规模； （２）物联网子网数据总量； （３）物联网子网传感器数据均衡性； （４）物联网子网的综合覆盖性； （５）任意两单目标问的相关度； （６）给定单目标权值比重下的多目标最优值； （７）每个单目标相对于多目标最优化条件下的敏感度 步骤： Ｓｔｅｐｌ接收用户输入信息： （１）物联网节点数ＮＮ用数据类型ｎｅｌ存储。 （２）物联网节点ＮＮ个节点的横纵坐标数值用浮点类型 二维数组ａｒｒａｙｌ【ｎ ］［２］存储。 （３）传感器类型数ＮＳ用数据类型ｅｌＳ存储。 （４）传感器数据类型与事件之间的关系用浮点一维数组 ａｒｒａｙ２［ｎｓ］存储。 （５）每个节点单位时间采集的数据量用浮点数组ａｒｒａｙ３ ［ｎｎ］存储。 （６）多目标最优化分析中，每个单目标所占比重用数组 ａｒｒａｙ４［４］存储。 （７）每个节点对应的传感器类型由ａｒｒａｙ５［ｎｎ］［ｎｓ］存储。 （８）每种传感器覆盖范围ａｒｒａｙ６［ｎｓ］存储。 Ｓｔｅｐ２输入数据标准化处理： （１）ｎｎ，ｅｌＳ，ａｒｒａｙ１，ａｒｒａｙ２，ａｒｒａｙ３，ａｒｒａｙ４，ａｒｒａｙ５，ａｒｒａｙ６ 的类型检查。 （２）ａｒｒａｙ４中数据是否均在０－１之间。 （３）ａｒｒａｙ４中数据和是否为１。 上述３项标准化处理均成功进入Ｓｔｅｐ３，否则返回 Ｓｔｅｐｌ。 Ｓｔｅｐ３计算单目标下最优值，包括：物联网子网的规模 ｚⅣ，输出ＺⅣ；物联网子网数据总量ＺＤ，输出ＺＤ；物 联网子网传感器数据均衡性Ｚ８，输出ＺＢ；物联网子网的 输出敏感度结果。 ５仿真实验 ５．１实验步骤 实验步骤具体如下： （１）获取数据：预先指定传感器类型数，随机产生物联 网，自动生成物联网节点的数量，每个物联网节点的横纵 坐标，每个节点具有的一定维度以及各节点不同传感器单 位时间内产生的数据量。 （２）预处理：以决策变量Ｓ构成的ＮＮｘＮＳ二进制矩阵作 为总决策变量，如式（１３）所示： Ｓ１，１ Ｓ２，１ ： ● ２ ＳＮＮＪ ．１ ２ 若某节点不具有某些传感器，则对应维始终为０。决策 变量，２可由Ｓ确定：若∑ｃＥＳＴＳ ＝０，则，ｚ ０ 否则 ： ＝ｄ１。 ．， （３）建模与计算：首先，建立子网指标评价体系，本文 子网评价体系包括４个方面：子网的规模ｚⅣ，子网数据总 量ｚＤ，子网传感器数据均衡性 Ｂ，子网的综合覆盖性 ； 然后，建立针对子网评价体系４个方面的单目标模型，以 及综合考虑４个指标的多目标模型；之后，根据子网评价 体系，聚合４个单目标求解最优值；设置多目标偏好权重， 求解不同权重下多目标最优值。 （４）获得输出和结果分析：由仿真中随机生成的数据， 采用第４节提到的算法，可以获得输出数据结果，包括最 大子网规模、最大子网数据量、最佳子网传感器数据均衡 性、最大子网综合覆盖性、各权值比重下子网指标多目标 最优解。由上述结果可以进行以下数据分析，包括４项子 网指标中各目标函数之间的相关度、多目标分析中４个单 目标对于权重分配的敏感度。 ５．２评价指标 该问题究其本质是子网的构建问题，因此，本文针对 子网构建问题的建立模型，并设定４个评价指标，包括子 网规模、子网总数据量、子网的节点覆盖性、子网的状态 覆盖性。 第３９卷第３期 杨斌，李军军，郝杨杨：物联网海量信息的按需采集决策问题研究 １１５ ∞ ∞ ∞ 们 该模型认为，综合考虑４个单目标最优所求得的值即 （１）子网规模ｚⅣ Ｖａ，Ｃ，３ｓ ＝Ｓｌａ， 为子网构建的最优解，因此，模型的评价指标应从以下方 面考虑：模型的数据获取是否具有随机性和普遍性；模型 中所建立的子网４项评价指标是否可以反映子网数据采集 的基本需求；子网４项评价指标之间有什么相关性；物联 网节点数目对子网４项评价指标有什么影响；综合考虑了 ４项指标的多目标分析对哪项子网指标比较敏感。 只考虑目标函数ｚⅣ时，目标函数调整为式（１４）。若 ，则ｍａｘ ＝７２．６３。若部分Ｓ ≠ ＳＩａ。．，只要ｍｉｎ ｒ（Ｎ（１ｏＴｓ，ｃ）／ ）不变，子网的规模 也不会变。在本例中，各类传感器最多可分别去掉２个、 ２０个、４个、０、３２个仍不影响ｚⅣ的大小。对各类传感器 随机去掉２个、２０个、４个、０、３２个之后，子网节点分布 ５．３仿真实例 为验证本文模型，随机产生一个物联网，物联网节点 数ＮＮ＝１００，每个节点的横纵坐标在［０，１００］内随机生成，则 节点之间的距离矩阵Ｄ可由各节点坐标求得。传感器类型 数ＮＳ＝５，各传感器与事件的相关度如表１所示。 裹１各传囊器与事件的相关度 传感器类型 相关度 Ｏ．７３２ ０．６２４ ０．８６６ ０．８９５ ０．３３３ 每个节点各自具有一定维度（随机产生）。各节点不同传 感器单位时间内采集的数据量在［０，５］内随机生成。物联网 节点分布如图２所示，其中， 表示节点。 卡¨ ＋ ＋ ．＋ ＋睾 。 ．，． ≥ 毒卡 干． ， 毒。 牛 －＋ 耋－牛 辛 ＿ ．， 乏 ０ ２０ ４０ ６０ ８Ｕ ｌ００ Ｘ｜ｃｍ 图２物联舟节点分布 由上文可知，该问题要求确定决策变量 和 。因此， 本文以决策变量 构成的ＮＮ￣ＮＳ二进制矩阵作为总决策变 量。若某节点不具有某些传感器，则对应维始终为０。决策 变量 可由 确定：若∑ ＝０，则ｎ ＝０，否则 ＝ｄ１。 ５．３．１单目标分析 单目标分析具体如下： 如图３所示，其中，。表示非子网节点。 ｍａｘｚⅣ＝ｍｉｎ （Ｎ（ＩｏＴｓ，ｃ）／Ｒ。） ｉｆ Ｖａ，ｃ，３ｓ ：￥１ａ， （１４） １Ｏ０ ８０ ＋¨ ｝． ＋ 卡卡 ＋ ’≥卡 ６０ 卡 卡二 丰 ． 卡 ４０ ．＋苄 辜卡卞 －＋ ，毒 妻－卡 睾 特－，－ ．２０ 。睾 图３子网节点分布１ （２）子网数据总量 当只考虑目标函数 时，目标函数调整为式（１５）。本 例中若Ｖａ，Ｃ，３ｓ ＝ＳＩａ－ｃ，则ｍａｘｚⅣ＝９５３。 ｍａｘ Ｚｎ＝： 一．‘ｆ Ｎ ｉ ｉｆ ，ｃ，３ｓ ＝Ｓｌａ．。 （１５） （３）子网传感器数据均衡性 当只考虑目标函数ｚⅣ时，与子网的规模ＺⅣ类似，得 到新的Ｅｌ标表达式式（１６）。假若Ｖａ，Ｃ，３ｓ ＝ＳＩ ，那 么ｉＴｌａｘｚⅣ＝２００。同样，假若部分Ｓ ≠ ，只要 ｍｉｎ 警 不变， 也不会变。各类传感器最多 可去掉３１．６个、８１．２个、４３．８个、０、１０６．４个数据单位仍 不影响 的大小。在不影响 大小的前提下，随机令部分 节点传感器的Ｓ ≠ＳＩａＩｃ，使得这４类传感器去掉３１个、 ８１个、４３个、０、１０６个数据单位，子网节点分布如图４ 所示。 ． Ｄｆ 乃，Ｃ１ ｍ 叫 盯— 一 ｉｆ Ｖａ，Ｃ，３ｓ ＝ ． （１６） １１６ 计算机工程 ２０１３年３月１５日 １ＯＯ ８０ 幸 ≥“ ６０ 手 ≠≯ ． ． ＋． ４０ －． ≥ ＋卡辜卡卞 拳． 牛 卡 ． 牛 ２０ ‘＋ ０ ２０ ４０ ６０ ８０ １００ Ｘ／ｃｍ 图４子网节点分布２ （４）子网的综合覆盖性 当只考虑目标函数Ｚｒ时，目标表达式如式（１７）。本例 中ｍａｘ ｃ＝１３４．０８。为了使得 达到ｍａｘ ｃ，必须令部 分节点传感器的ｓ ≠Ｓ／ 。极端情况，子网中只有２个 节点，这２个节点分别只有２个传感器，此时节点分布如 图５所示。或是每种传感器类型只有２个节点，此时节点 分布如图６所示。当然，再增加部分节点传感器，可能也 不会影响ｍａｘｚｒ。 ｍａｘｚｃ ｒａｉｎ Ｒ【ｍａｘ口，ｂ￣ＳＥＴ（ＩｏＴｓ，ｃ）， ，６／Ｒｃ Ｊ ｉｆ Ｖａ，Ｃ，３ｓ ＝ ．。 （１７） ０ ８Ｏ 。６０ ４０ 掌 。 ‘ ２０ ． ｍ ｏ Ｕｏ ０ ２０ ４０ ６０ ８０ １ＯＯ Ｘ／ｃｍ 图５子两节点分布３ １Ｏ０ ０ ８０ 。０ ６０ ｏｏ ０ ｏ ｎ ｎ ｕ１ ４０ ． 。ｏ ０ ８ｏ ｕ ＠ Ｉ ０２Ｏ ．＋ 。Ｏ。（５ｊ ｌ Ｏ 图６子网节点分布４ ５．３．２ 目标函数的相关度分析 在５．１节中分别以ｚＮ、ＺＤ、ＺＢ、ＺＣ为单目标求解，求解 结果分别用 、ＺＤ、 、 表示，对应 矩阵分别用 、 ｙＤ、 、ｙｃ表示。由５．１节可知，在本文例子中，ＺＮ＝７２．６３、 ＺＤ＝９５３、ＺＢ＝２００、Ｚｃ＝１３４．０８。以ｙⅣ、ｙＤ、 、ｙｃ的相关 度来衡量４个目标函数之间的相关度。具体而言，式（１０） 作为计算方法。衡量ＺＮ、ＺＤ的相关度。其中， Ｎ、Ｓ Ｄ分 别为ｙⅣ、 的元素。ＲⅣＤ＝１表示完全一致，相关度最 高；ＲⅣ．Ｄ＝０表示完全不同，相关度最低。以此类推，求 得４个目标函数两两之间的相关度： ：１一 ！＝兰 ！二 ！！ （１８） ” ∑ Ⅳ∑ｃ∈ ７＿ 。．。 由ＺⅣ、ＺＤ、ＺＢ、ｚｃ的定义及５．１节的分析可知，ＺⅣ、ＺＤ 相关度小于等于１，一般来说会较接近于１；ＺＤ、ｚ８相关度 小于等于１，一般来说也会较接近于１；ＺＮ、ＺＤ相关度一般 也不会太小。而ＺⅣ、ＺＤ、 与Ｚｃ的相关度会比较小。若按 ５－３．１节得到的数据（ｚⅣ、 、Ｚｃ分别有２组数据，ＺＤ有一组 数据），可计算这几种情况下的相关度，见表２。 表２各目标函数之间的相关度 目标函数 ＺＤ ＺＢ ｚｃ Ｏ．７７１ ７．０．００６ ４． Ｏ．８１３ ５， Ｏ．７９１ ０， Ｏ．１９２ ９， １ ０．８１３ ５．０．０３２ ２． １ ０．１９９４ ， ０．７９１ ０， ０．００６４， １ ０．０３２ ２ ０．００６ ４， ，０．２１５ ４， ０．０３２ ２． 、０．２１５ ４ ５．３．３多目标分析 综合考虑４个目标函数，以线性加权法求解，以￣．Ｉ／Ｉ＇Ｎ、 ，ｈ／ＹＤ、 、 作为各目标函数的系数，即以式（１９）为 目标函数， 、 ｚ、 、 ４的大小决定各目标函数的权重。 ｍａｘＦ＝ ＺⅣ＋ ｚＤ＋ ＋ ｚｃ （１９） Ｚ，Ｎ Ｚ，Ｄ ＬＢ Ｚ，Ｃ 按取４种不同的权重组合，如表３所示。第１种组合 表示对４个目标函数均等重视，第２种组合表示重视数据 总量及其均衡性，第３种组合表示重视数据均衡性及综合 覆盖率，第４种组合表示重视子网规模及综合覆盖率。运 用遗传算法对其进行求解。以决策变量ｓ构成的ＮＮｘＮＳ二 进制矩阵作为染色体编码，采用轮盘赌选择、均匀交叉、 均匀变异。交叉率为０．７，变异率为０．０１，种群规模为２０， 迭代４０代。求解结果写入表３。由表３可知，这４种组合 第３９卷第３期 杨斌，李军军，郝杨杨：物联网海量信息的按需采集决策问题研究 ｌ１７ 的优化结果差异不是太大。每种组合下ＺⅣ、 、 都得到 了相对较多的重视，被重视程度都是按ＺＤ、ＺＮ、 顺序依 次升高，ｚｃ几乎没有得到重视，且被重视程度一直保持 不变。 表３不同权重下的多目标优化结果 引入式（２０）衡量ＺⅣ的权重敏感度 Ⅳ，结果为０．９５３。 Ⅳ：研究［Ｊ］．仪器仪表学报，２００６，２７（９）：１ １０７－１１ １１． ［３］ＥＰＣｇｌｏｂａｌ，ｌｎｃ．．ＥＰＣ Ｉｎｆｏｒｍａｔｉｏｎ ＳｅｒＶｉｃｅｓ（ＥＰＣＩＳ） Ｖ１．０．１１［ ＥＢ／ＯＬ］．（２００７—０７—１５）．ｈｔｔｐ：／／ｗｗｗ．ｇｓＩｔｗ．ｏｒｇ／ｔｗｃｔ／ ｗｅｂ／ＥＰＣ／ｅｐｃ １ １．ｈｔｍ１． 圭 Ｉ ｉ＝１， ，ｉ一 ， （２０） 其中，＾．ｆ、 ，，分别为表３中第ｉ、 中组合中的 值， ｆ≠ ，．，；（ ／ｚⅣ）ｆ、（ｚⅣ／ＺⅣ），分别为表３第ｆ、 个 ＺＣ的权重 ［４ ＥＰＣｇｌ４］ｏｂａｌ，Ｉｎｃ．．Ｏｂｊｅｃｔ Ｎａｍｅ Ｓｅｒｖｉｃｅ（ＯＮＳ）［ＥＢ／ＯＬ］． （２００５—１０—２５）．ｈｔｔｐ：／／ｗｗｗ．ｇｓｌｔｗ．ｏｒｇ／ｗｃｔｔ／ｗｅｂ／ＥＰＣ／ｅｐｃ１２． ｈｔｍ１． 组合中的ｚⅣ／ｚⅣ值。以此类推，可获得ＺＤ、 敏感度ＳＤ（０．３４９）、 （０．７２５）、Ｓｃ（０）。可见在这几种组合 中， 对权重最为敏感， 次之， 敏感程度更低，而ｚｃ 对权重完全不敏感。 ［５］Ｗｅｂｅｒ Ｒ Ｆ．Ａｃｃｏｕｎｔａｂｉｌｉｔｙ ｉｎ ｔｈｅ Ｉｎｔｅｍｅｔ ｏｆ Ｔｈｉｎｇｓ［Ｊ］． Ｃｏｍｐｕｔｅｒ Ｌａｗ＆Ｓｅｃｕｒｉｔｙ Ｒｅｖｉｅｗ，２０１ｌ，２７（２）：１３３－１３８． ６结束语 本文从数据相关性分析的角度提出物联网中的决策问 题，即对节点、节点传感器和采集时间间隔的选择。由于 ［６］Ｋｏｅｈｌｅｒ Ｊ，Ｄｒｅｉｊｅｒｉｎｋ Ｌ，ｖａｎ Ｐｏｌｌ Ｒ．Ｅｘｐｌｏｒｉｎｇ ｔｈｅ Ｒｉｓｋ Ｉｎｆｏｒｍａｔｉｏｎ Ｇａｐ．Ｒｅｓｅａｒｃｈ ｉｎｔｏ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｕｐｐｌｙ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｄｅｍａｎｄ ｏｆ Ｄｉｆｆｅｒｅｎｔ Ｐａｒｔｉｅｓ Ｃｏｎｃｅｒｎｅｄ［Ｊ］． Ｓａｆｅｔｙ Ｓｃｉｅｎｃｅ，２００９，４７（４）：５５４—５６０． 物联网受网络的，产生了降低传输流量和提高节点信 息量的矛盾，本文将该问题转化为多重状态的网络子网构 ［７］Ｔｅｒｒａ Ｍ Ｈ，Ｉｓｈｉｈａｒａ Ｊ Ｊｅｓｕｓ Ｇ Ｉｎｆｏｒｍ￣ｉｏｎ Ｆｉｌｔｅｒｉｎｇ ａｎｄ Ａｒｒａｙ Ａｌｇｏｒｉｔｈｍｓ ｆｏｒ Ｄｉｓｃｒｅｔｅ—ｔｉｍｅ Ｍａｒｋｏｖｉａｎ Ｊｕｍｐ 造问题，并在此基础上对物联网中传感器网络子网性能建 立４项评价指标：子网的规模，子网的数据总量，子网的 数据均衡性和子网数据的覆盖性。将该４项指标进行综合 的分析和考虑，由遗传算法将４项指标进行多目标最优化 求解。通过仿真案例，得出子网几项指标之间的相关度以 及决策结果与子网指标之间的相关度情况，验证所建立的 Ｌｉｎｅａｒ Ｓｙｓｔｅｍｓ［Ｃ］／／Ｐｒｏｃ．ｏｆ ＡＣＣ’０７－【Ｓ．１．】：ＩＥＥＥ Ｐｒｅｓｓ， ２００７：１５８－１６３． ［８］Ｘｕ Ｍ，Ｏｎｇ Ｄｕａｎ Ｙａｎｑｉｎｇ，ｅｔ ａ１．Ｉｎｔｅｌｌｉｇｅｎｔ Ａｇｅｎｔ Ｓｙｓｔｅｍｓ ｆｏｒ Ｅｘｅｃｕｔｉｖｅ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃａｎｎｉｎｇ，Ｆｉｌｔｅｒｉｎｇ ａｎｄ Ｉｎｔｅｒｐｒｅｔａｔｉｏｎ：Ｐｅｒｃｅｐｔｉｏｎｓ ａｎｄ Ｃｈａｌｌｅｎｇｅｓ［Ｊ］．Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ＆Ｍａｎａｇｅｍｅｎｔ，２０１ １，４７（２）：１ ８６－２０１． 模型及其求解方法可应用于物联网中传感器网络的部署、 节点采集数据的时间间隔，以便于均衡节点采集海量数据 与传感器网络传输的矛盾。在此基础上，将所有采集数据 存储到数据仓库中，进行以数据为中心的挖掘，通过知识 ［９］Ｌｉ Ｈｕｉ，Ｚｈａｎｇ Ｑｉｎｇｆｕ．Ｍｕｌｔｉｏｂｊｅｃｔｉｖｅ Ｏｐｔｉｍｉｚａｔｉｏｎ Ｐｒｏｂｌｅｍｓ ｗｉｈ Ｃｏｍｐｌｉｔｃａｔｅｄ Ｐａｒｅｔｏ Ｓｅｔｓ，ＭＯＥＡ／Ｄ ａｎｄ ＮＳＧＡ—ｉｉ［Ｊ］． ＩＥＥＥ Ｔｒｎｓａｃｔａｉｏｎｓ ｏｎ Ｅｖｏｌｕｔｉｏｎａｒｙ Ｃｏｍｐｕｔａｔｉｏｎ，２００９，ｌ ３（２）：２８４－３０２． ［１ ０］Ｋｎｏｗｌｅｓ Ｊ．ＰａｒＥＧＯ：Ａ Ｈｙｂｒｉｄ Ａｌｇｏｒｉｔｈｍ ｗｉｔｈ Ｏｎｌｉｎｅ 发现机制进一步优化采集决策是今后需要研究的课题。 参考文献 ［１］Ａｋｙｉｌｄｉｚ Ｌ Ｅ Ｗｉｒｅｌｅｓｓ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋｓ：Ａ Ｓｕｒｖｅｙ［Ｊ］． Ｃｏｍｐｕｔｅｒ Ｎｅｔｗｏｒｋｓ，２００２，３８（４）：３９３－４２２． Ｌａｎｄｓｃａｐｅ Ａｐｐｒｏｘｉｍｍｉｏｎ ｆｏｒ Ｅｘｐｅｎｓｉｖｅ Ｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅ Ｏｐｔｉｍｉｚａｔｉｏｎ Ｐｒｏｂｌｅｍｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｅｖｏｌｕ－ ｔｉｏｎａｒｙ Ｃｏｍｐｕｔａｔｉｏｎ，２００６，１０（１）：５０－６６． ［２】 陈积明，林瑞仲，孙优贤：无线传感器网络的信息处理 编辑陆燕菲
