多设备协作物联网的信息更新方法、装置、设备及介质与流程

1.本技术涉及物联网技术领域，尤其涉及一种多设备协作物联网的信息更新方法、装置、设备及存储介质。


背景技术：

2.随着5g商用网络部署范围不断扩大，物联网络发展进入了新的发展阶段。相关报告显示，到2023年，全球将有147亿互联网设备，平均全球每个人将会有1.8个物联网设备。到2026年，将有269亿的互联网设备接入。与海量设备接入伴随而来的是海量的数据处理。面向b5g和6g，为了应对更加复杂的业务需求，物联网中不同类型的设备需要协同进行环境感知及数据采集，同时为了保证数据的时效性，需要在数据采集后的第一时间对数据进行传输和处理，得到数据中的有效信息。例如在远程工厂控制系统中，工厂的控制中心需要根据工业设备的温度、震动，以及流水线上的视频探头等多个传感器共同做出工业指令。在车联网中，多个车辆的设备信息以及道路监控信息需要同时传输到路边处理数据节点来对车辆能否安全行驶做出判断，特别是针对自动驾驶车辆的控制，对数据收集和处理时间提出了更高的要求。从数据的产生到最后数据处理的过程中，包含了数据的无线链路传输以及数据处理，同时不同数据之间的传输与处理如何进行协调，直接影响了最后系统决策的即时性和准确性。
3.传统网络中衡量信息传输效率往往采用传输时延指标进行刻画，通信网络中的时延又可以细分为传输时延、排队时延、数据处理时延等多个时延。然而考虑到信息的产生过程，单独考虑信息产生后的时延并不能对信息的有效性进行全面衡量。因此信息新鲜度(aoi，age of information)作为物联网设备中的信息时效性指标。aoi定义为自传感器源节点采集到最新的环境等信息数据包到服务器节点处理数据得到信息以来所消耗的时间，从目标端考虑，其内涵比传统的通信延迟意义更丰富。例如，在信息获取节点，aoi可以反映数据更新策略的影响，较低的更新频率可以保持设备缓冲区队列长度，但可能导致aoi较大，信息时效性差，因此两次更新的时间差较大。针对aoi的刻画，一般采用队列模型，当业务数据的到达和数据处理按照特定分布式，系统能够处于稳定状态，然而考虑到实际系统中，业务在一定时间段的分布特性，往往由当前网络状态以及数据处理能力共同制约，因此需要考虑在长时间统计特性优化的情况下，对数据传输的实际调度问题。在设备处理器性能不断强化以及数据处理算法不断发展的情况下，终端设备数据处理能力有了质的飞跃，设备可以在在传输数据前依靠自身处理器提前对数据进行处理，从而提升数据处理效率。同时，在设备处理数据的过程中，设备也具有能够将数据拆分发送到边缘处理终端处理数据，这样灵活的数据处理能力能够避免在网络不可用时数据处理发生停滞。为了满足优化aoi的目标，目前通过对多个时隙中的用户计算卸载策略以及传输通信资源进行联合优化，是实现非统计分布特性下提升系统性能的关键方法。
4.当前，针对aoi的优化主要集中在数据采集和传输联合优化的场景，研究的目标往往是网络中多个传感器设备的独立aoi，难以优化多个传感器设备协同处理时的aoi。


技术实现要素：

5.本发明实施例提供了一种多设备协作物联网的信息更新方法、装置、设备及介质，用以解决多设备协作物联网的信息更新的问题。
6.因此，本技术第一方面提供一种多设备协作物联网的信息更新方法，包括：
7.建立多设备协作物联网的信息更新系统模型，所述多设备协作物联网包括边缘服务器和多个相关联的物联网设备；
8.获取每个所述物联网设备的设备aoi，并根据每个所述设备aoi得到所述信息更新系统模型的系统aoi；
9.构建所述系统aoi对应的系统目标函数，所述系统目标函数用于在多种约束下求系统峰值aoi的最小值；
10.根据所述系统目标函数确定所述系统aoi更新策略以及所述物联网设备的数据采集策略；
11.根据所述系统aoi更新策略以及所述物联网设备的数据采集策略进行信息更新。
12.在一种可能的实现方式中，在本技术提供的上述方法中，所述根据所述系统目标函数确定所述系统aoi更新策略以及所述物联网设备的数据采集策略，包括：
13.利用预先建立的系统aoi优化模型，将所述系统目标函数转换为可解的参数优化问题；
14.利用预设迭代算法对所述参数优化问题求解，得到求解结果，该求解结果为所述系统aoi更新策略以及所述物联网设备的数据采集策略。
15.在一种可能的实现方式中，在本技术提供的上述方法中，所述系统aoi优化模型对所述系统目标函数的优化过程如下：
16.将所述系统目标函数作为原问题p1；
17.将原问题p1转化为在多个调度周期求平均最大系统aoi的问题p2；
18.以减小最后完成数据处理的物联网设备所需要的调度周期为目标，得到问题p3；
19.通过变量代换、拟凸函数性质以及取整函数性质，将问题p3转化为问题p4。
20.在一种可能的实现方式中，在本技术提供的上述方法中，所述系统目标函数为min-max函数；所述问题p4如下：
[0021][0022]
[0023]
其中，α表示物联网设备卸载决定变量，β表示边缘服务器对物联网设备的计算资源分配系数，ω表示物联网设备带宽分配因子，c
bs
表示边缘服务器的计算资源，t1、t2、t3是为了将问题p3转化为问题p4所引入的辅助变量，约束c1至c6、c7b和c8b分别对多设备协作物联网中的资源进行限制。
[0024]
在一种可能的实现方式中，在本技术提供的上述方法中，所述预设迭代算法为贪婪算法。
[0025]
本技术第二方面提供一种多设备协作物联网的信息更新装置，包括：
[0026]
建立模块，用于建立多设备协作物联网的信息更新系统模型，所述多设备协作物联网包括边缘服务器和多个相关联的物联网设备；
[0027]
获取模块，用于获取每个所述物联网设备的设备aoi，并根据每个所述设备aoi得到所述信息更新系统模型的系统aoi；
[0028]
构建模块，用于构建所述系统aoi对应的系统目标函数，所述系统目标函数用于在多种约束下求系统峰值aoi的最小值；
[0029]
确定模块，用于根据所述系统目标函数确定所述系统aoi更新策略以及所述物联网设备的数据采集策略；
[0030]
更新模块，用于根据所述系统aoi更新策略以及所述物联网设备的数据采集策略进行信息更新。
[0031]
在一种可能的实现方式中，在本技术提供的上述装置中，所述确定模块，具体用于：
[0032]
利用预先建立的系统aoi优化模型，将所述系统目标函数转换为可解的参数优化问题；
[0033]
利用预设迭代算法对所述参数优化问题求解，得到求解结果，该求解结果为所述系统aoi更新策略以及所述物联网设备的数据采集策略。
[0034]
在一种可能的实现方式中，在本技术提供的上述装置中，所述预设迭代算法为贪婪算法。
[0035]
本技术第三方面提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行以实现本技术第一方面所述的方法。
[0036]
本技术第四方面提供一种计算机可读存储介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现本技术第一方面所述的方法。
[0037]
本技术的有益效果如下：
[0038]
本技术提供的多设备协作物联网的信息更新方法、装置、设备及介质，建立多设备协作物联网的信息更新系统模型，所述多设备协作物联网包括边缘服务器和多个相关联的物联网设备；获取每个所述物联网设备的设备aoi，并根据每个所述设备aoi得到所述信息更新系统模型的系统aoi；构建所述系统aoi对应的系统目标函数，所述系统目标函数用于在多种约束下求系统峰值aoi的最小值；根据所述系统目标函数确定所述系统aoi更新策略以及所述物联网设备的数据采集策略；根据所述系统aoi更新策略以及所述物联网设备的数据采集策略进行信息更新。相较于现有技术，本技术解决了多个设备协作的物联网中，联合设备的通信调度和计算任务卸载以及边缘服务器计算资源分配的物联网系统的信息新
鲜度最小化问题，可以有效提升多设备协作的信息更新效率。
附图说明
[0039]
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选事实方案的目的，而并不认为是对本技术的限制。而且在整个附图中，用同样的参考符号表示相同的部件。在附图中：
[0040]
图1是本技术提供的一种多设备协作物联网的信息更新方法的流程图；
[0041]
图2是本技术提供的一种多设备协作物联网的架构图；
[0042]
图3是本技术提供的采用贪婪算法迭代求解问题p4的过程图；
[0043]
图4是本技术提供的一种多设备协作物联网的信息更新装置的示意图。
具体实施方式
[0044]
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0045]
本技术实施例提供一种多设备协作物联网的信息更新方法、装置、设备及存储介质，下面结合附图进行说明。
[0046]
请参考图1，其示出了本技术所提供的一种多设备协作物联网的信息更新方法的流程图，如图1所示，所述方法可以包括以下步骤s101至s105：
[0047]
s101、建立多设备协作物联网的信息更新系统模型，所述多设备协作物联网包括边缘服务器和多个相关联的物联网设备；
[0048]
图2所示为本技术所提供的一种多设备协作物联网的架构图，如图2所示，该物联网包括多个物联网设备，以及靠近基站设置的边缘服务器，物联网设备通过物联网信息传输链路与基站和边缘服务器通信连接。
[0049]
s102、获取每个所述物联网设备的设备aoi，并根据每个所述设备aoi得到所述信息更新系统模型的系统aoi；
[0050]
s103、构建所述系统aoi对应的系统目标函数，所述系统目标函数用于在多种约束下求系统峰值aoi的最小值；
[0051]
s104、根据所述系统目标函数确定所述系统aoi更新策略以及所述物联网设备的数据采集策略；
[0052]
s105、根据所述系统aoi更新策略以及所述物联网设备的数据采集策略进行信息更新。
[0053]
本技术实施例提供的上述多设备协作物联网的信息更新方法中，上述步骤s104可以实现为：
[0054]
利用预先建立的系统aoi优化模型，将所述系统目标函数转换为可解的参数优化问题；
[0055]
利用预设迭代算法对所述参数优化问题求解，得到求解结果，该求解结果为所述系统aoi更新策略以及所述物联网设备的数据采集策略。
[0056]
本技术实施例提供的上述多设备协作物联网的信息更新方法中，所述系统aoi优化模型对所述系统目标函数的优化过程如下：
[0057]
将所述系统目标函数作为原问题p1；
[0058]
将原问题p1转化为在多个调度周期求平均最大系统aoi的问题p2；
[0059]
以减小最后完成数据处理的物联网设备所需要的调度周期为目标，得到问题p3；
[0060]
通过变量代换、拟凸函数性质以及取整函数性质，将问题p3转化为问题p4。
[0061]
下面基于图2所示的多设备协作物联网对上述系统aoi优化模型对系统目标函数的优化过程进行详细介绍。
[0062]
本技术的目标是通过优化多设备协作物联网中的系统aoi，从而得到系统aoi更新策略以及物联网设备的数据采集策略，其中物联网设备例如为智能传感器。如图2所示，本技术构建一个地面基站和多个物联网设备组成的安全警报系统，分析数据采集和处理过程中的信息时效性问题。在ofdm(正交频分复用技术)接入模式下，在其中有n个需要状态更新的物联网设备，假设iot n∈{1,2,3,...,n}所采集的信息表示为信息量和计算量的二元组(dn,τn)，因为不同物联网设备所采集的数据量不同。一般而言，数据量越大，对信息处理所需要消耗的计算资源越大，假设数据和计算量为正线性相关，相关系数为λn。每个物联网设备拥有信息处理能力为cn，同时基站侧部署有处理能力为c
bs
的服务器，用来加速数据处理。本实施例中定义设备卸载决定变量为αn∈[0,1]。在长时间的信息采集过程中，每次物联网设备需要在把上一次信息处理完成之后才将最近采集的数据进行处理。
[0063]
定义每个物联网设备上行速率可以为rn，则通过如下公式计算：
[0064][0065]
其中，σ2是接收端噪声功率，所有物联网设备共享总带宽为b，同时ωn用来表示物联网设备带宽分配因子。对于物联网设备n来说，数据量大小为dn数据包，需要占用个调度周期完成传输。表示所有物联网设备带宽分配因子相加不超过1。因此，物联网设备需要在本地计算的任务所需要占用的调度周期为个，同时假设边缘服务器具有并行处理能力，定义每个物联网设备可以分到的计算资源为β
ncbs
，那么可以计算出边缘服务器处理时延为为了保证计算资源不超出边缘服务器负载，定义约束
[0066]
假设调度周期初始时间为t0，调度周期为δtms，定义表示物联网设备n的在第j个调度周期需要处理的数据量，判断当前时刻的数据包存量的计算任务，如果当前时刻的计算任务为0，表示数据处理完毕，则此时在当前调度周期，物联网设备产生新的数据包。
[0067]
表示tj时刻物联网设备n中等待处理的数据包大小，表示tj时刻边缘服务器中物联网设备n等待处理的数据包大小。定义每个物联网设备的第i个数据包在tj个调度周期开始时的aoi为因为在一个数据结束时另一个数据才产生，所以当为0时，会变为0，单个物联网设备aoi用如下式子表示：
[0068][0069]
定义同一信息收集中心即基站及配套信息处理设备所覆盖下的相关联的物联网设备aoi为a(tj)，当同一个调度周期的不同物联网设备数据都处理完之后，才能更新aoi，更新的aoi是由上一个调度周期最早产生的数据包决定。因此本实施例定义每个物联网设备周期更新时候所在的调度时刻为ai(tj)表示第i个更新周期的系统aoi：
[0070][0071]
系统峰值aoi可以对物联网系统的最差性能进行有效衡量，因此可以考虑优化小区的峰值aoi，定义aj为第j个aoi的最大值，本技术建立如下优化问题来优化信息更新策略，定义为问题p1：
[0072][0073][0074]
约束c1-c5都是线性约束，分别对系统中的资源进行限制。其中，约束c1是对需要卸载处理数据量比例的限制，而c2-c3对上行链路带宽分配资源进行了限制。c4、c5是对服务器计算资源分配进行了限制。
[0075]
考虑到问题p1中的峰值aoi实际上受到每个调度周期设备信息更新策略以及设备计算卸载策略以及通信计算资源分配策略的影响，问题紧耦合，无法直接求解，因此需要对长时间优化问题细化到若干个调度周期。对原问题转化为在t个调度周期求平均最大aoi的问题p2如下：
[0076][0077]
在对多个峰值aoi求加权平均时，考虑到在单个调度周期，每次调度决策都是在最小的调度周期内能够处理完当前的数据，同时由于设备之间的相关性，由(3)式可知，当有一个物联网设备的当前数据周期的数据未处理完时，系统的aoi会不断增加，因此本实施例考虑减小最后完成数据处理的设备所需要的调度周期，得到问题p3如下：
[0078][0079]
观察问题p3，这个问题的难点主要存在于目标函数obj1，因为约束均为线性函数，而目标函数包含了max函数，以及取整函数，属于不连续非凸函数。考虑使用cvxpy中的dqcp解决优化问题，所以需要对问题p3进行转化，考虑对目标函数改写为obj2：
[0080][0081]
为了进一步分离目标函数中的max函数，考虑到min-max函数是对系统中问题的最差情况进行优化，所以转化后的目标函数值obj2需要比原目标函数大，所以需要满足obj1≤obj2，并根据下面的不等式，
[0082][0083]
将原目标函数转化为obj2：
[0084][0085]
进一步考虑到所以对原问题进行变量代换并添加约束c6,c7,c8：
[0086][0087]
此时原目标函数变为obj3：
[0088][0089]
利用取整函数特性，将(7)式转化为：
[0090][0091]
针对约束c7-c8，两边同时取对数后结合泰勒展开公式可以得到凸约束c7b：
[0092]
利用相同特性，对c8约束也进行处理，得到c8b:
[0093][0094]
此时原问题p3已经转化为问题p4：
[0095]
[0096]
问题p4是一个拟凸规划问题，分析如下：
[0097]
目标函数中外层上取整函数是拟凸函数，同时|t
1-t
2-t3|是凸函数，根据dcp(disciplined convex programming)原则，凸问题的复合函数需要满足一定条件才能被凸优化工具包识别，而其中目标函数可以是拟凸函数。而约束条件都是凸集合，因此整个问题可以借助凸优化工具包cvxpy来求解，具体原理是对外层的取整函数采用二项搜索，而对内部需要在循环中对α进行迭代。
[0098]
根据问题p4求解系统aoi更新策略及物联网设备数据采集策略的过程如下：
[0099]
对于问题p1来讲，本实施例依靠对问题p4的求解结果，采用贪婪算法，每个信息采集周期最小化物联网设备数据处理时延，在每个调度周期更新系统aoi，考虑是否更新调度策略。公式(3)中的计算公式如下：
[0100][0101]
其中：
[0102][0103]
本实施例中物联网设备数据采集策略为：当时，采集新的数据。
[0104]
图3示出了采用贪婪算法迭代求解问题p4的过程，具体包括如下步骤：
[0105]
s201、建立贪婪算法仿真模型，输入基本仿真参数p
ul
,b,h
ul
,d,λ,cn,c
bs
,δ；
[0106]
s202、初始化设备aoi为0，初始化系统aoi为0；
[0107]
s203、给定卸载比例初始值α
(t)
,v
(t)
,β
(t)
，解决调度选择子问题；
[0108]
s204、固定α，解决局部aoi最优化问题；迭代公式如下：
[0109][0110]
s205、判断是否收敛，若否跳转s203，若是跳转s206，判断条件如下：
[0111][0112]
s206、输出当前信息更新周期最佳策略{t1,t2,t3}
(itr)
＝{t1,t2,t3}
*
；
[0113]
s207、检查设备剩余任务，更新设备aoi以及系统aoi；
[0114]
s208、判断系统aoi是否降低，若否跳转s206，若是跳转s209；
[0115]
s209、进行设备信息更新以及调度策略更新。
[0116]
其中，调度策略更新是指重新执行上面的算法，如果算法计算出的资源分配参数改变，那么资源重新分配；如果算法输出的资源分配参数未改变，那么仍执行原来的资源分配策略。
[0117]
本技术实施例的上述多设备协作物联网的信息更新方法中，建立系统目标函数；通过变量代换、拟凸函数性质以及取整函数性质，将系统目标函数转换为可解的参数优化问题；对在多设备协作物联网中信息更新过程中涉及的信息更新时间、用户数据卸载与传输决策，以及边缘服务器计算资源分配，通过一个迭代算法求出最佳调度参数；对上述资源
分配策略下的设备aoi及系统aoi进行计算，判断是否需要更新资源调度策略。
[0118]
本技术实施例的上述多设备协作物联网的信息更新方法中，包括了多个设备协作信息采集与处理时的无线通信资源、设备与服务器计算资源分配，以及设备数据分割的联合调度优化，还包括了多个设备协作时的信息更新策略。
[0119]
本技术考虑了多个设备协作的信息新鲜度，不同于现有的单设备信息新鲜度优先资源分配策略。考虑了通信与计算资源协同调度，不同于现有主要对通信资源的调度；还考虑了设备信息更新时的延迟策略，提升了信息更新策略。
[0120]
在上述的实施例中，提供了一种多设备协作物联网的信息更新方法，与之相对应的，本技术还提供一种多设备协作物联网的信息更新装置。
[0121]
如图4所示，本技术提供的一种多设备协作物联网的信息更新装置10，包括：
[0122]
建立模块101，用于建立多设备协作物联网的信息更新系统模型，所述多设备协作物联网包括边缘服务器和多个相关联的物联网设备；
[0123]
获取模块102，用于获取每个所述物联网设备的设备aoi，并根据每个所述设备aoi得到所述信息更新系统模型的系统aoi；
[0124]
构建模块103，用于构建所述系统aoi对应的系统目标函数，所述系统目标函数用于在多种约束下求系统峰值aoi的最小值；
[0125]
确定模块104，用于根据所述系统目标函数确定所述系统aoi更新策略以及所述物联网设备的数据采集策略；
[0126]
更新模块105，用于根据所述系统aoi更新策略以及所述物联网设备的数据采集策略进行信息更新。
[0127]
在本技术一些实施方式中，所述确定模块104，具体用于：
[0128]
利用预先建立的系统aoi优化模型，将所述系统目标函数转换为可解的参数优化问题；
[0129]
利用预设迭代算法对所述参数优化问题求解，得到求解结果，该求解结果为所述系统aoi更新策略以及所述物联网设备的数据采集策略。
[0130]
具体的，所述系统aoi优化模型对所述系统目标函数的优化过程如下：
[0131]
将所述系统目标函数作为原问题p1；
[0132]
将原问题p1转化为在多个调度周期求平均最大系统aoi的问题p2；
[0133]
以减小最后完成数据处理的物联网设备所需要的调度周期为目标，得到问题p3；
[0134]
通过变量代换、拟凸函数性质以及取整函数性质，将问题p3转化为问题p4。
[0135]
具体的，所述系统目标函数为min-max函数；所述问题p4如下：
[0136]
[0137][0138]
其中，约束c1至c6、c7b和c8b分别对多设备协作物联网中的资源进行限制。
[0139]
在本技术一些实施方式中，所述预设迭代算法为贪婪算法。
[0140]
本技术实施例提供的多设备协作物联网的信息更新装置，与本技术前述实施例提供的多设备协作物联网的信息更新方法出于相同的发明构思，具有相同的有益效果。
[0141]
本技术实施方式还提供一种与前述实施方式所提供的多设备协作物联网的信息更新方法对应的电子设备，该电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行以实现上述多设备协作物联网的信息更新方法。所述电子设备可以是手机、笔记本电脑、平板电脑、台式机电脑等。
[0142]
本技术实施方式还提供一种与前述实施方式所提供的多设备协作物联网的信息更新方法对应的计算机可读存储介质，例如光盘、u盘等，其上存储有计算机程序(即程序产品)，所述计算机程序在被处理器运行时，会执行前述任意实施方式所提供的多设备协作物联网的信息更新方法。
[0143]
需要说明的是，所述计算机可读存储介质的例子还可以包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。
[0144]
以上所述，仅为本技术较佳的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。