一种基于物联网终端属性的分簇部署方法与流程

1.本发明涉及物联网通讯技术领域，尤其涉及物联网中分簇的部署方法。


背景技术：

2.簇头节点的部署是物联网设备数据通信的重要一环，若干终端设备的数据通过簇头节点传输至汇聚节点，组网上传云端。物联网终端中的大量的节点具有分布不规律、供电方式不一的特点，因此选择簇头节点的位置十分困难。
3.传统的k
‑
means聚类方法需要预先设定好所分类别簇的个数，且初始值的设定将会影响每一次迭代的结果，导致不稳定因素产生。如果不能准确地选择簇头结点的位置，将对通信速度、能量损耗和维护成本产生影响。如果单节点和簇头节点有很大的距离，对传输时间以及用户的体验感都会有很大的影响；如果靠得太近的话，那么将会造成成本的损失。分簇的数量同时会影响系统的性能，总簇数太少，分簇中节点的压力就会增大；总簇数太多，不宜管理且失去了数据汇集的意义。


技术实现要素：

4.针对上述技术的不足，本发明提供了一种基于物联网终端属性的分簇部署方法，解决难以提前设置适当分簇数量的技术问题。
5.为解决上述技术问题，本发明提供一种基于物联网终端属性的分簇部署方法，包括以下步骤：
6.获取各个物联网终端的包括位置信息在内的属性信息；
7.设置合并条件：单个簇能容许的最高节点数量以及满足传输要求的节点间最短距离；
8.不断合并距离最近的两个节点，直到不满足合并条件，合并完成后自然形成若干簇；在合并过程中，物联网终端作为现实节点，现实节点合并后形成虚拟节点，虚拟节点与虚拟节点或现实节点合并后形成新的虚拟节点；每个分簇中均有一个理想节点，理想节点是形成该分簇时最后一次合并形成的虚拟节点；
9.计算簇中每个现实节点到理想节点的距离，以距离最短的现实节点作为簇头节点，其余现实节点作为普通节点。
10.进一步的，虚拟节点的位置根据合并形成该虚拟节点的两个节点的位置与约束权重进行计算。
11.进一步的，物联网终端的属性信息还包括数据量信息与节点能量信息；约束权重的计算公式如下：
[0012][0013]
式中，θ
i
表示节点i的权重；data(i)表示节点i的数据量，data(j)表示节点j的数据量；e
i
表示节点i的剩余能量，e
j
表示节点j的剩余能量；α
i
表示节点i的数据量权重，β
i
表
示节点i的能量权重，α
i
β
i
＝1；n
i
表示节点i代表的节点数，即总共由n
i
个节点合并形成节点i；r
i
表示供节点i的供电类型，r
i
＝1或0，r
i
＝1表示无持续电源供电，r
i
＝0表示有持续电源供电。
[0014]
进一步的，虚拟节点的位置坐标如下：
[0015][0016]
式中，new(x,y)表示由节点i与节点j合并形成的虚拟节点的位置坐标，(x
i
,y
i
)表示节点i的位置坐标，(x
j
,y
j
)表示节点j的位置坐标，θ
i
表示节点i的权重，θ
j
表示节点j的权重；n
i
表示节点i代表的节点数，n
j
表示节点j代表的节点数。
[0017]
进一步的，还包括进行节点均衡的步骤：
[0018]
设置均衡条件，当不满足均衡条件时，重复以下步骤直到满足均衡条件：为当前数据量最大的分簇选择具有接纳能力的接纳分簇，然后将当前数据量最大的分簇中距离接纳分簇的簇头节点最近的普通节点转入到接纳分簇中。
[0019]
进一步的，均衡条件如下：其中，c
h
表示当前数据量最大的分簇的数据量，c
l
表示当前数据量最小的分簇的数据量；表示衡量均衡情况的比例参数，
[0020]
与现有技术相比，本发明具有的有益效果包括：
[0021]
1、本发明基于各个节点位置的情况，设置节点合并条件，引入虚拟节点，从而通过在满足合并条件下不断进行两两合并，最终确定出若干个数据传输的簇，不仅容易实现，不需要提前设定分簇数量，避免了初始值设定对于最终分簇结果的影响。
[0022]
2、本发明在通过距离理想节点最近的现实节点作为簇头节点既符合实际又最接近理想情况。
[0023]
3、本发明还考虑到了节点数据量与能量(影响到节点的生命周期)对数据传输效率的影响，因此增加数据量权重与能量权重，以对位置需求更高的节点赋予更高的权重，就能够优化汇聚节点的利用率、降低能量的损耗。
[0024]
4、本发明通过节点均衡，缓解数据量大的簇的数据上传压力，同避免了数据量小的分簇能量浪费，提高了数据上传的平衡性。
附图说明
[0025]
图1为本具体实施方式中的基于物联网终端属性的分簇部署方法的流程图；
[0026]
图2为分簇前的物联网终端位置分布图；
[0027]
图3为按供电方式分类后的物联网终端位置分布图；
[0028]
图4为均衡前的分簇情况部署图；
[0029]
图5是均衡后的分簇情况部署图。
具体实施方式
[0030]
本发明的基本思想是：以物联网终端属性为依据，建立分簇均衡部署模型。这是一种通过合并相邻节点，聚类寻找簇头节点，并根据簇头节点汇聚总的数据量平衡节点分配，
从而确定分簇数量、并得出数据上传路径的方法。
[0031]
一)整体流程
[0032]
下面结合程图1对本发明各步骤进行具体说明。
[0033]
(1)获取各个物联网终端的属性信息
[0034]
本发明首先需要获得现实节点(物联网终端)的位置信息，即处于地图中的坐标值，参考图2所示。同时需要获取某时刻不同数据节点需要上传的数据量信息和节点能量信息。坐标值按照实际情况部署，数据量和节点能量信息(包括供电类型和剩余能量)情况可以感知得到。本发明根据实际经验规定，处理数据量在100
‑
1000kb之间，节点的剩余能量值在5
‑
20个标准单位之间。
[0035]
(2)寻找距离相近的点
[0036]
距离最近的两点是最可能分为一簇的点，由地图中所含坐标信息，遍历计算两点a(x1,y1),b(x2,y2)的距离。
[0037][0038]
l表示两点间的距离，通过上式计算两节点之间的直线距离。
[0039]
比较这些点之间的距离，寻找到距离最近的两个点，此时设为i点和j点。为保证传输的距离最短，新合并得出的节点必落在i，j两点之间的连线上。
[0040]
(3)判断满足条件并合并节点
[0041]
找到距离最近的i，j两个点后，判断是否满足合并的条件；判断条件包括是否超出单个簇能容许的最高节点数量及满足传输要求的节点间最短距离。若满足，按数据量及剩余能量值的约束权重确定新生成点(虚拟节点)的位置，求和得出此虚拟节点代表的节点个数。根据权重值的大小，判断虚拟节点在i，j两点连线上的位置，即哪一个节点对于最终分簇节点形成的位置需求更高。
[0042][0043]
式中，new(x,y)表示由节点i与节点j合并形成的虚拟节点的位置坐标，(x
i
,y
i
)表示节点i的位置坐标，(x
j
,y
j
)表示节点j的位置坐标，θ
i
表示节点i的约束权重，θ
j
表示节点j的约束权重；n
i
表示节点i代表的节点数，n
j
表示节点j代表的节点数。
[0044]
约束权重的计算公式如下：
[0045][0046]
式中，θ
i
表示节点i的约束权重；data(i)表示节点i的数据量，data(j)表示节点j的数据量；e
i
表示节点i的剩余能量，e
j
表示节点j的剩余能量；α
i
表示节点i的数据量权重，β
i
表示节点i的能量权重，α
i
β
i
＝1；n
i
表示节点i代表的节点数，即总共由n
i
个节点合并形成节点i；r
i
表示节点i的供电类型，r
i
＝1或0，r
i
＝1表示无持续电源供电，r
i
＝0表示有持续电源供电。
[0047]
同理计算θ
j
：
[0048]
参考图3所示，考虑终端设备的供电类型：γ
i
＝0，i或j点有持续可靠电源供电，表示剩余能量的值不会影响理想节点的位置，如市电供电。γ
i
＝1，i、j点无持续可靠电源供电，如电池供电。
[0049]
节点可代表的节点数量为：n
i
′
＝n
i
n
j
；
[0050]
节点可代表的无持续可靠电源供电的个数：γ
i
′
＝γ
i
γ
j
；
[0051]
节点可代表的节点数据量为：data(i)
′
＝data(i) data(j)；
[0052]
节点可代表的剩余能量值为e
i
′
＝e
i
e
j
；
[0053]
多次重复合并直到不能满足合并条件，合并完成后自然形成若干簇；在合并过程中，物联网终端作为现实节点，现实节点合并后形成虚拟节点，虚拟节点与虚拟节点或现实节点合并后形成新的虚拟节点；每个分簇中均有一个理想节点，理想节点是形成该分簇时最后一次合并形成的虚拟节点。
[0054]
(4)得出簇头节点位置
[0055]
参考图4所示，通过计算得出的理想节点仅为理想中的数据汇集中心，此时需要找到地图中存在的和理想节点最近的现实节点作为簇头节点，此时的分簇结果是最接近理想情况，最合理的。通过距离计算即可找出簇头节点的位置。
[0056]
(5)均衡部署节点
[0057]
如果某些分簇中的节点汇总的数据量太多，数据上传压力太大；有些分簇中的节点较少，待机造成能量浪费，两者必然导致数据上传的不平衡。此时需要依据节点的位置情况，对某些节点进行再次分配。
[0058]
首先要确定是否需要进行均衡部署节点，设共生成了k个分簇。按现有的几个簇的数据汇总情况排序，数据量最大的分簇的数据量为c
h
，它是需要减少节点数量的簇；同时数据量最小的分簇的数据量为c
l
。各分簇的数据量等于各分簇中各普通节点与簇头节点的数据量的总和。需要进行均衡部署节点的标准是：
[0059][0060]
其中为衡量均衡情况的比例参数,不同物联网系统的位置范围，设备性能不同，取值相应发生变化。在本次实验中取值0.9。
[0061]
表明分簇已经均衡，不需进行再次节点分配。
[0062]
计算其他簇头节点与数据量最大分簇的簇头节点之间的距离，并由小到大排序。为提高容错率，选择距离较小的三个簇中数据量最少的一簇，此分簇为接受节点的准接纳分簇s。
[0063]
此时需要判断选择的准接纳分簇s(数据量为c
s
)，是否有足够的剩余资源接纳其他节点。标准是：
[0064]
εc
h
>c
s
[0065]
其中ε为衡量均衡情况的比例参数,ε∈(0,1)。当εc
h
<c
s
表明s簇没有能力负担多余的数据量传输，不再进行节点均衡。按照分簇设备的性能确定ε的具体取值，具体性能包括：
设备产生数据量的多少、cpu处理能力，在本次实验中取值0.8。
[0066]
当εc
h
>c
s
时，计算数据量最大分簇中所有普通节点到此接纳分簇的簇头节点的距离，找出距离最小的普通节点，并完成这个节点簇的转换。
[0067]
多次循环直到分簇达到均衡，均衡效果参考图5所示。
[0068]
(6)规划数据上传路径
[0069]
按照分簇情况规划数据上传的路径，建立簇内簇头节点和其他普通节点的传输网络。终端的数据由普通节点上传至每个分簇内的簇头节点，统一汇总处理后由4g网络上传云端。
[0070]
二)仿真验证
[0071]
基于物联网终端属性聚类的边缘节点部署方法使用matlab编程设计仿真。下面是实施例的编程思路。
[0072]
(1).确定节点基础参数
[0073]
设置本次的终端处于100
×
100单位的地图中，随机分布终端设备，在实验开始时即可感知每个节点上传的数据量大小及自身节点剩余的能量值，基础的限制参数包括：
[0074]
表1参数设置
[0075][0076][0077]
(2).寻找距离相近的点
[0078]
伪代码为：
[0079]
for每个节点
[0080]
选中顺次的其他节点
[0081]
if(i，j节点数和<l1)
[0082]
计算两点的距离
[0083]
如果距离是当前最小值，取代旧的距离值
[0084]
end
[0085]
end
[0086]
最终得到了最近的两个点。
[0087]
(3).判断满足条件并合并节点
[0088]
找到最近的两个点i，j后，伪代码为：
[0089]
if(两点距离<d)
[0090]
利用i’代替i与j的结合
[0091]
计算合并后虚拟节点位置
[0092][0093]
计算组合后虚拟节点位置代表的总数据量
[0094]
data(i)
′
＝data(i) data(j)计算组合后虚拟节点位置代表的总剩余能量
[0095]
e
i
′
＝e
i
e
j
[0096]
计算组合后虚拟节点位置代表的节点数量
[0097]
n
i
′
＝n
i
n
j
[0098]
总的簇数
‑1[0099]
end
[0100]
重复以上步骤，直到所有合并之后得到的点之间距离都大于d(满足传输要求的节点间最短距离)。
[0101]
(4).得出簇头节点位置
[0102]
for每个理想节点
[0103]
计算理想节点与其所在簇中所有现实节点的距离
[0104]
找到最小的距离
[0105]
将此点选为簇头节点
[0106]
end
[0107]
(5).均衡部署节点
[0108]
将簇按数据量由小到大排列，找到数据量最大的分簇h，最小的l。
[0109][0110]
计算此簇分的簇头节点与其他簇头节点的距离
[0111]
将这些节点按距离由小到大排序
[0112]
选择距离h最近的三个簇头节点x，y，z中数据量最少的一个,假设为z节点
[0113]
计算h簇中节点与z簇的簇头节点的距离，并选出距离最小的点u
[0114]
将此点的簇由h改为z所在的簇
[0115]
h处理的数据量需
‑
data(u)
[0116]
z所在簇处理的数据量需 data(u)
[0117]
end
[0118]
仿真得到6簇实验的数据量表格如下：
[0119]
表2均衡前后经过排序的6簇数据量数据
[0120][0121]
均衡后数据量的标准差降低了64.46％，说明实验很好地起到了平衡数据量传输，减缓簇头节点压力的作用。