2. 国网天津市电力公司, 天津 300010
聚合多终端完成个性化业务是未来用户对泛在业务的必然要求, 然而移动的异构终端无法持续地支撑高质量的泛在业务.为此提出了多终端协同(MTS)机制, 以分层模型和业务质量标准模型为基础建立协同实现流程, 主要包含业务的注册与发起、MTS选择和维护3个模块.在MTS选择核心算法中加入基于时间戳的探路机制和时间控制窗口, 以提高业务性能.仿真结果表明, MTS机制能较快聚合高质量执行终端, 保证业务持续性和平滑性, 与其他方法比较, 在业务重调和时延方面有更好的性能.
2. State Grid TianJin Electric Power Company, Tianjin 300010, China
Collaboration for a ubiquitous service is an inevitable demand of users in the future. This paper put forward the multi-terminal synergy (MTS) mechanism for ubiquitous service. With a hierarchical model and a service quality model adopted, MTS is composed of three modules. Pathfinding mechanism based on time stamp and time control window are added to the core algorithm. The result shows that MTS can quickly choose high quality executive nodes, ensure the service continuity and smoothness. Compared with others, it improves the performance in readjustment and delay.
越来越多的智能终端分布于用户周边形成了智能空间即泛在末梢环境，用户往往是通过分布式的异构终端来获取随时随地的个性化业务.在具有移动自组织网特性的泛在末梢网络中，由于终端能力有限、动态性、资源不均衡等因素，导致用户无法持续获取高质量的个性化泛在业务.目前，文献[1]建立了一套基于中断次数最小的终端选择和修复框架，但没有考虑其他服务质量(QoS, quality of service)参数；文献[2]采用了多目标进化遗传算法选择最佳终端集合，缺少对网络动态性和业务失效的考虑；动态嵌入式业务任播(DTA, dynamic task-based anycasting)和面向业务的终端任播[3](SDA, service-oriented device anycasting)均注重从业务的角度保障业务质量，重构执行终端频繁.为此，笔者提出了图形结构泛在业务的多终端协同(MTS, multi-terminal synergy)机制.
1 MTS模型1.1 MTS问题模型首先建立以MANET为背景的泛在末梢环境下的业务映射模型，如图 1所示.
|
图 1 MTS问题模型场景示意图 |
泛在业务层：该层中由多种不同结构的泛在业务Uk(k=1, 2, 3…)组成.
系统业务层：将泛在业务映射为许多原子业务构成的系统结构图记为G(S, T, L).
1) S={Si, i=1, 2, …, n}，Si为具体的系统业务，n为组成泛在业务的系统业务数目；
2) T表示2个系统业务间的关联关系；
3) L={Lv, i}为2个存在业务交互的系统业务之间的资源需求量集合；
4) Ai为Si的邻接业务祖先集合，与Si具有邻接祖先连接关系的业务数目为ai.
网络层：网络中终端同时具备发送与路由功能.
1) 终端节点Di, j(i=1, 2，…, n; j=1, 2…)能提供系统业务Si，网络中能提供业务的终端称为候选节点，Di, j为第j个候选节点；
2) Di为选出的为Si提供业务的执行节点；
3) 与节点Di, j有邻接业务Ai关系的终端节点集记为Fi, ja(a=1, 2，…, ai)；
4) N(ij, i′j′)为Di, j与Di′, j′间的可达路径，存在当且仅当Di′, j′在Di, j的辐射内；
5) C(ij, i′j′)为终端间的通信路径；
6) S(ij, i′j′)为Di, j与Di′, j′间的戳信息.
以图 1为例，网络中某用户实时需求监测服务U1，其主要由心跳监视器、状态识别、数据提供中心、诊断分析、打印机5个系统业务组成.根节点(D1)载入U1的系统业务结构G(S, T, L)信息，当监测到病人异常时触发机制，MTS机制从候选节点中快速选择出高业务质量的执行终端节点D2、D3、D4、D5执行S2~S5为病人提供泛在业务.
1.2 数学模型综合系统业务层与网络层，总结基于图GDC(D, C, L)和GDN(D, N, S)的问题模型，其关键为找到与G(S, T, L)同构的GDC(D, C, L)的子图GDC*.
建立MTS问题的数学模型需要基于GDC(D, C, L)和GDN(D, N, S)，为n种系统业务分别选择一个候选节点，组合成业务执行集.为解决该问题，建立以以全局业务质量为目标函数的数学模型，即
|
(1) |
其中：
为保证用户体验，选择出能提供高业务质量的终端节点去完成用户所需个性化泛在业务，计算φi, j，建立业务质量标准模型，如式(2)~式(4) 所示.
|
(2) |
其中
|
(3) |
其中
|
(4) |
影响φi, j的各个因素用ρk(i, j)表示，ρk(Di, j)为每个节点各因素的业务初始值，Ck为因素k的调节因子，依据因子不同的情况对业务初始值进行归一化处理.依据各影响因素的重要性设置权重因子ωk，m为评价业务质量影响因素个数.
依据问题模型GDC(D, C, L)和GDN(D, N, S)网络拓扑信息、资源需求量、戳信息，基于QoS的解决模型确立为
|
(5) |
其中：k1为与网络路径不相关因子数，h通信终端间的跳数，Δ(ihjh，ih+1jh+1)为两节点间的戳信息.
2 MTS机制MTS的工作流程主要包含3个关键环节：业务注册与发起、MTS选择、业务维护，如图 2所示.
|
图 2 MTS机制工作流程 |
当终端用户需求泛在业务时，根节点进行业务发起. 1) 建立系统业务结构表，记录每种系统业务Si的邻接业务、资源需求量信息. 2) 初始化执行节点信息表. 3) 依据节点自身需求，设置质量因素权重比配，设置时间控制窗口. 4) 源数据包发起，其包域主要包含包类型、业务类型、时间参数、节点ID、业务质量值.
2.2 MTS选择模块根节点对所在的泛在末梢网络进行搜索.该模块按照1.2节中的数学模型选择系统业务的执行节点.通过对末梢环境中的每个终端X广播业务请求包，依据业务紧迫程度设置的时间窗口与计时器对搜索进行整体控制，利用戳信息计算业务质量，选择高质量终端录入执行节点信息表，其伪码如下.
CoreAlg-MTS(G(Si, Lt, i), ωk)
for i←2
do τ←para_timeWin;
timer=timer + unit_interval;
doforeach node X in 
if S(Dx)=Si //if node can provide Si
do for j←num_SubServiceof Si
do sendpktj←timetag1, rcvpktj←timetag2
flag++; temp=temp+
if (flag==ai)
do φ← 
φx←φ+
if φx>φSi then φSi←φx
Update(list_ExecuNode); φx←0φ←0
if Δtimerτ=level_urgency then break
return list_ExecuNode
2.3 业务维护模块节点的移动性导致业务质量下降，影响业务的连续性与可靠性.维护模块对泛在业务的质量进行监控.根节点周期性地向各执行节点发送监测信息，若执行终端质量下降程度大于容忍阈值时，向根节点反馈告警信息.根节点一旦接收到告警信息，则重新执行MTS选择模块进行构造重调.
3 实验分析3.1 仿真环境在仿真网络中，设置了3个主要因素[4]来衡量移动终端在该环境下的业务质量.
1) 移动性ρ1. ρ1(Dx)为网络中移动节点Dx的实时速率.试验中Vmax 上限为15 m/s. ρ1的表达式为
|
(6) |
2) 个体能力ρ2.考虑实时的系统平均负载、CPU使用率以及内存容量存取速度等. ρ2的表达式为
|
(7) |
其中：ρA1(Dx)为CPU使用率，CA1为当前节点最大运算速率与网络节点最大运算速率之比，ρA2(Dx)/CA2反映节点的内存特性.
3) 通信路径状况ρ3.当节点间距离较近通信链路上无阻塞时则被优先考虑，该质量因子通过对数据包的接收时间进行统计获得.
仿真实验中，业务下降的容忍阈值设置为0.1. φx的各质量因子权重设置如表 1所示.
|
表 1 泛在环境参数设置 |
从数据包数目、时延、重调业务次数和业务平滑性对网络运作状况、服务效率、切换损耗以及用户体验方面进行评价.
平均发包数即协同终端完成MTS机制的平均发包数，评价协同过程所需承担的数据量，为
|
(8) |
重调业务次数：重新调用选择模块的次数.
协同时延E:
|
(9) |
其中
|
(10) |
业务平滑性：用泛在业务QoS指数U表示，则
|
(11) |
其中BSi为业务Si的分支数.
3.2.1 实验1实验参数：业务数分别为n=5、6，节点移动最大速度见表 1(平均速度分别为0.9、1.8、2.7、3.6、4.5、5.4 m/s).
如图 3所示，当泛在业务的系统业务数增加时，MTS机制重新调用MTS模块约为4次(n=5)、5次(n=6)，泛在末梢网络中的发包数约为30~40包/s，节点移动速度增加网络中每秒发包数基本稳定，时延与丢包率较小，在高峰期均小于0.3.
|
图 3 MTS机制性能 |
为了将MTS机制与DTA和SDA进行比较，设置终端参数相同，实验结果如图 4所示.在重调次数方面，随着终端节点速度的增加MTS与DTA和SDA相较分别减少28.6%~31.3%和14%~16.7%；在时延方面，MTS将性能分别提高29.9%~69.3%和8.9%~69.7%. MTS机制中的基于时间戳的探路机制和时间控制窗口较好地改善了MTS选择时的重调和时延方面的性能.
|
图 4 重调与时延对比 |
获取大量实验的前6次MTS选择过程的业务质量参数，比较了泛在业务QoS指数变化幅度.由图 5可知，业务的重调QoS指数抖动较小且变化平缓.系统业务数n越小，QoS指数整体越大，在自己的值域范围内变化幅度较小，平滑性较好.
|
图 5 MTS机制业务平滑性 |
笔者以泛在末梢网络环境为背景，为终端协同完成泛在业务设计了MTS机制，通过在OPNET平台模拟真实环境，实验表明MTS机制能较快找到具有高业务质量的执行节点，并能保证业务的持续性与平滑性.增加的探路机制和时间控制窗口较好提升了重调次数和时延方面的性能.在以后的研究中，将完善MTS机制，提高用户对业务的无缝感受，建立业务后备机制，缩短业务建立时间，进一步实现在泛在末梢环境下个性化业务的用户感受.
| [1] | Jiang Shanshan, Yuan Xue, Douglas C S. Minimum disruption service composition and recovery in mobile ad hoc networks[J].Computer Networks, 2009, 53(10): 1649–1665. doi: 10.1016/j.comnet.2008.10.017 |
| [2] |
王灿如, 田辉, 苗杰. 基于多目标进化的终端聚合选择算法研究[J]. 电子与信息学报, 2011, 33(10): 2340–2346.
Wang Canru, Tian Hui, Miao Jie. Research on terminal aggregative selection algorithm based on multi-objective evollutionary[J].Journal of Electronics and Information Technology, 2011, 33(10): 2340–2346. |
| [3] | Su W T, Kuo Y H, Huang P C. A QoS-driven approach for service-oriented device anycasting in ubiquitous environments[J].Computer Networks, 2008, 52(18): 3342–3357. doi: 10.1016/j.comnet.2008.09.001 |
| [4] | Chen C L, Lee J W, Su W T. Noise-referred energy-proportional routing with packet length adaptation for clustered sensor networks[J].International Journal of Ad Hoc and Ubiquitous Computing, 2008, 3(4): 224–235. doi: 10.1504/IJAHUC.2008.018908 |