25、基于云的物联网数据传输定价与ARA协议性能分析

基于云的物联网数据传输定价与ARA协议性能分析

1. ARA协议用例与理论分析

为了展示ARA协议的实用性，我们采用一个在物联网环境中使用异构节点的用例。一个传感节点（源节点）获取了要发送到目标计算机的信息，但源节点和目标节点之间没有直接连接，且中间设备属于不同网络。假设节点a、b、c、d、e和f都愿意中继数据，但a和c已经耗尽能量。接收节点d由电力供电，作为资源丰富的手机b和路由器e之间的中间节点。

ARA会向a、b、c及其当前邻居发送设置消息。由于a和c电池耗尽，它们会终止向目标的设置请求流。而手机b与源节点在通信范围内，会将消息转发给其邻居。最终会建立到目标的最短路径，目标将接收到两条数据流 (S_{b→d→e→D}) 和 (S_{b→d→f→e→D})。由于f和e都是资源丰富的实体，跳数仲裁会倾向于前者路径，该路径会携带确认消息返回源节点。

值得注意的是，互联网链路（包括正向和反向）也会参与路由选择，当设置消息的跳数超过应用和源请求预设的阈值时，会经过该链路。此外，所研究的物联网网络可以使用排队理论进行稳态评估，用图中所示的抽象模型表示，得到的连续时间马尔可夫链是用于多种类型流量的多维链。

其中，(\lambda_d) 和 (\lambda_t) 是到达率，(\mu_d) 和 (\mu_t) 分别是首次出现的数据分组和先前交换的符合预定义物联网特征的可信数据分组因服务完成的离开率，(\mu_{cd}) 是在系统中因找到更好价格而非服务完成导致的离开率。可以采用各种求解方法来计算该系统的稳态概率。得到稳态概率后，可以用于计算服务质量（QoS）指标，如平均队列长度（MQL）、吞吐量（(\gamma)）和响应时间（RT），公式如下：
[
\begin{align }
MQL_t&=\sum_{i = 0}^{L_t}\sum_{j = 0}^{L_t}iP_{ij}&(9.7)\
MQL_d&=\sum_{i = 0}^{L_d}\sum_{j = 0}^{L_d}jP_{ij}&(9.8)\
\gamma_t&=\mu_t\sum_{i = 0}^{L_t}\sum_{j = 0}^{L_t}P_{ij}&(9.9)\
\gamma_d&=\mu_d\sum_{i = 0}^{L_d}\sum_{j = 0}^{L_d}P_{ij}&(9.10)\
RT_t&=\frac{MQL_t}{\gamma_t}&(9.11)\
RT_d&=\frac{MQL_d}{\gamma_d}&(9.12)
\end{align }
]
其中 (P_{ij}) 是处于图中状态 (ij) 的概率。同样，也可以使用稳态概率来计算基于价格的物联网系统的预期能耗值。

2. 性能评估

2.1 仿真设置和基线方法

使用MATLAB R2016a和Simulink 8.7模拟随机生成的异构网络，这些网络的节点位置和密度是随机的。为了在这些随机生成的网络中路由数据，我们应用ARA方案，并将其输出与其他四种基线方法的输出进行比较。这四种基线方法分别是：
- 最小生成树（MST）方法：通过选定的多跳路径建立最小生成树，先为给定的源节点和目标节点计算最小生成树，然后在最小树模型上转发消息，以找到最少的跳数以维持最佳路径成本。
- 斯坦纳树（ST）方法：解决具有最少斯坦纳点的斯坦纳树问题，先将能直接相互到达的节点组合成一个连通图，然后为每三个连通图识别一个距离最多为r（m）的节点x，将这三个连通图合并为一个，重复此步骤直到无法识别出这样的x。
- 动态路由方法（DRA）：用于自适应数据传输，考虑节点的坐标，将移动节点发出的更新限制在局部区域。
- LinGO方法：一种基于链路质量和地理无信标路由协议，采用不同的进度计算方法，考虑给定转发节点相对于上一跳向目标的进度以及无线电范围，从而减少所需的跳数。

在所有这些基线方法中，假设数据包大小为512位，每个S节点初始能量为50J，每轮生成150个数据包。为了得到统计稳定的结果，在600个随机生成的无线异构网络拓扑上执行DRA、MST、ST和ARA路由方案。平均结果在95%的置信水平下置信区间不超过平均值的2%。根据在密集异构节点站点的实验测量，设置通信模型变量和其他仿真参数，如下表所示：
| 参数 | 值 |
| ---- | ---- |
| (\tau) | 70% |
| (n_c) | 110 |
| (\psi) | 0.001 (msec) |
| (D_{max}) | 500 (msec) |
| (\omega) | 200,000 (km/s) |
| (P_l) | 4.8 |
| (\delta^2) | 10 |
| (P_r) | -104 (dB) |
| (K_0) | 42.152 |
| (r) | 100 (m) |

2.2 性能参数和指标

为了比较这些方案的性能，使用以下四个性能指标：
1. 平均延迟 ：以毫秒为单位，定义为将数据单元传输到目标所需的平均时间。
2. 空闲时间 ：反映每个节点等待转发消息的空闲时间比例，以微秒为单位。
3. 吞吐量 ：作为质量指标，是成功到达目标的传输数据包的平均百分比，反映了节点异构性和延迟对物联网数据传输方法的影响。
4. 平均价格 ：用于观察所采用的数据传输方法对从源到目标传输数据单元的总体平均价格的影响。

同时，使用以下三个参数评估数据传输性能：
1. 网络规模（总节点数） ：反映应用的复杂性和所采用路由方案的可扩展性。
2. 每个数据单元的平均能耗率 ：作为网络节能的指标。
3. 成本（(\gamma_i)） ：观察收费价格率对所采用的数据传输方法的影响。

2.3 仿真结果

• 数据传输延迟 ：对于不同数量的异构节点（50 - 350个）和部署空间（1200 (km^2)），ARA方法在不同网络规模下的延迟表现优于其他方法。与其他方法不同，使用ARA交换的消息在网络规模增长时，端到端延迟不会快速增加，这得益于ARA方法所使用的效用函数。当网络规模大于或等于300时，ARA在延迟方面无法进一步改善，但显然它在不同网络规模下实现了最低延迟。
• 网络吞吐量 ：ARA实现的整体网络吞吐量水平优于其他方法，因为它在转发消息之前会考虑下一跳的状态。一般来说，所有方法的网络吞吐量随着网络规模的增加而单调增加，但ST方法由于在消息转发前忽略节点的当前状态，表现最差。
• 能量消耗与吞吐量 ：在固定网络规模为150个节点且平均 (\gamma_i) 率为0.002 $/byte的情况下，比较不同可用能量预算对网络吞吐量的影响。所有方法的吞吐量随着可用能量预算的变化而单调增加，ARA和LinGO方法在节能方面表现更好，而ARA在能量利用方面实现了最高的吞吐量。当能量预算大于或等于60（千焦）时，由于其他设计因素（如 (\gamma_i)、网络规模和容量），网络吞吐量达到饱和。
• 延迟与成本率 ：当 (\gamma_i) 小于或等于初始率的50%时，所有方法的网络端到端延迟线性下降，这是因为这些方法的主要目标是在考虑成本因素的同时提供最佳的QoS。ARA在延迟性能方面再次优于其他方法，这是由于效用函数对选择下一跳的直接影响。当 (\gamma_i) 大于或等于50%时，所有方法在端到端延迟方面无法进一步改善，这对网络QoS有很大影响。
• 空闲时间 ：随着网络规模的增加，所有方法的平均空闲时间单调增加，这是由于有多个路由选项和资源可用，以及固定部署空间内网络节点的密集分布提供了更多空闲资源。然而，ARA在平均空闲时间方面表现最低，这得益于效用函数对资源的更好管理和利用。
• 平均价格 ：ARA在节点数量增加时始终优于MST、ST、LinGO和DRA。ST和DRA在平均价格方面表现最差，因为它们定位下一跳的复杂度较高。MST和LinGO方法与ARA接近，但ARA仍然更优，因为LinGO和MST在链路错误期间会添加冗余数据包以增加数据包传输概率，导致总体价格显著增加。一般来说，ARA更好是因为它根据每个节点 (n_i) 的当前资源状态 (\Psi_i) 计算价格因素。随着网络规模的增加，平均价格也会增加，但随着节点数量的增加，ARA实现的总价格与其他方法相比变得更加一致且最低。

为了展示上述参数对效用函数的影响，分别绘制了延迟、网络质量（即吞吐量）和信任T的效用参数图。
- 延迟函数 ：延迟函数用一个常数 (\alpha) 来确定指数效用的下降率，通过改变 (\alpha) 的值可以实现不同的延迟容忍度。对于延迟敏感的数据请求，需要实现非常低的延迟才能提供高延迟效用分量。
- 质量函数 ：采用Sigmoid函数，通过固定 (\epsilon) 的值（此处设为10）和改变拐点 (\beta) 的值来表示对数据质量变化的容忍度。如果请求的数据对质量敏感，函数在效用增加之前需要更高的值；而对质量约束较低的情况，效用在较低的质量值时就会快速增加。
- 信任函数 ：信任函数 (T\in[0,1])，中间节点可以通过因子 (\sigma) 更强调该参数，以惩罚服务记录不佳的接收节点。将信任组件与效用函数的其余部分相乘，以平衡可能提供低价格但传递虚假质量承诺的“欺骗性”中间节点的影响。同时，将效用函数除以中间节点价格 (P_{intermediate})，以保护客户端免受多个中间节点效用得分相近但收费差异较大的情况。

评估结果表明，基于价格的路由方案在大多数情况下表现更好。与最短路由方案相比，基于价格的路由方案路径更长，但在成本、延迟、空闲时间和可扩展性方面有更好的结果。ARA避免使用繁忙的中心节点，数据通过更多节点传输，通过可用节点到达目标，而不是在繁忙节点等待队列。

3. 总结与展望

ARA协议作为一种基于价格的路由方案，旨在为异构物联网网络提供高效的数据传输解决方案。通过对其进行用例分析和性能评估，我们可以看到ARA在多个方面展现出了显著的优势。

ARA协议在建立路由时，能够根据节点的能量状态、网络状况等因素，动态选择最优路径。在上述用例中，尽管源节点和目标节点之间没有直接连接，且中间设备属于不同网络，但ARA通过向周围节点发送设置消息，成功找到了最短路径，体现了其在复杂网络环境下的适应性。

在性能评估方面，ARA在多个指标上表现出色。与其他基线方法相比，ARA在平均延迟、网络吞吐量、能量消耗与吞吐量的平衡、延迟与成本率的关系、平均空闲时间以及平均价格等方面都具有明显优势。例如，在网络规模不断增加的情况下，ARA的延迟增长较为缓慢，能够保持较低的延迟水平；在吞吐量方面，ARA通过考虑下一跳的状态，实现了更高的数据包传输成功率。

总的来说，基于价格的路由方案在物联网数据传输中具有重要的应用价值。ARA协议通过综合考虑多种因素，实现了对网络资源的有效利用，为物联网的发展提供了一种可行的解决方案。

未来，我们可以进一步探索ARA协议在更多场景下的应用。例如，在智能城市环境中，将物联网节点作为移动数据收集器，利用其半确定性的移动轨迹进行数据传输。这需要研究如何更好地利用节点的移动性，提高数据传输的效率和可靠性。

还可以研究在不同技术的传感器之间应用定位方法，以及这些方法对ARA协议性能和数据传输率的影响。通过更精确的定位，可以更有效地选择路由节点，进一步优化数据传输路径。

综上所述，ARA协议在物联网数据传输领域具有广阔的应用前景，未来的研究将有助于进一步挖掘其潜力，推动物联网技术的发展。

相关图表与流程总结

1. 性能评估指标总结

性能指标	描述	ARA表现
平均延迟	将数据单元传输到目标所需的平均时间	不同网络规模下实现最低延迟，延迟增长缓慢
网络吞吐量	成功到达目标的传输数据包的平均百分比	优于其他方法，考虑下一跳状态
能量消耗与吞吐量	可用能量预算与吞吐量的关系	节能且能量利用实现最高吞吐量
延迟与成本率	成本率对延迟的影响	(\gamma_i) 低时延迟线性下降，表现优于其他方法
平均空闲时间	节点等待转发消息的空闲时间比例	最低，效用函数实现更好资源管理
平均价格	传输数据单元的总体平均价格	优于其他方法，根据节点资源状态计算价格

2. ARA协议路由流程 mermaid 流程图

graph LR
    A[源节点获取数据] --> B[ARA发送设置消息]
    B --> C{a、c能量耗尽?}
    C -- 是 --> D{a、c终止请求流}
    C -- 否 --> E{继续消息转发}
    D --> F{b转发消息}
    E --> F
    F --> G{建立最短路径}
    G --> H{目标节点接收数据流}
    H --> I{选择最优路径返回Ack消息}

通过以上的总结和图表，我们可以更清晰地了解ARA协议的工作原理和性能优势，为其在实际应用中的推广和优化提供参考。