一种面向物联网移动感知的服务节点选择方法

摘要

本发明公开了一种面向物联网移动感知的服务节点选择方法，具体包括以下步骤：(1)针对移动节点的感知区域的热度计算；(2)面向目标感知区域的移动感知服务节点的发现；(3)感知服务请求链路因子计算；(4)移动感知服务节点的服务因子计算；(5)基于移动节点服务因子和链路因子的候选节点选择；本发明方法可以在移动、异构、动态环境下快速发现和选择合适的服务节点，为用户提供有效、可靠的感知服务，进而提高移动感知服务效率，弥补物联网环境下的感知空洞。

说明书

技术领域

本发明属于物联网技术领域，涉及一种针对目标区域的移动感知服 务候选节点选择方法，适合于社会计算、普适计算、Adhoc(移动自组织 网络)和以移动为特性，面向物联网的各种大规模开放分布式应用。

背景技术

随着传感技术、嵌入式技术、无线通信技术、高性能计算等相关领 域的迅猛发展，物联网（Internet ofThings）作为新一代的智能互联网络 应运而生。它以RFID架构和无线传感器网络为感知基础，通过融合互 联网实现数据传递和共享，利用高性能计算技术实现信息的管理和决策。 物联网的提出受到了各国政府的政策支持、业界的积极响应，具备了新 技术迅猛发展所需要的基本条件，又因其在国防军事、物流运输、工业 生产、智能家居、医疗监护、城市交通管理、环境监测等众多领域的巨 大应用价值，必将会带来继计算机、互联网与移动通信网络之后的世界 信息产业的第三次浪潮。

人在数据感知中的辅助作用必然引起物联网感知技术发展的新变 革。人不仅是信息数据的消费者，同样是感知数据的参与者，是提供服 务的对象。人所携带的移动设备组成的网络将是未来物联网应用的主要 平台，它利用人的移动特性各种信息感知、探测、识别、定位、跟踪和 监控等设备和手段向物理世界的延伸，将实现包括物理世界在内的更大 范围的信息联通。人作为新的感知节点的出现，其移动性、随机性和时 空复杂性将给数据感知、数据传递带来技术挑战，如何在移动、动态和 异构分布式环境下，研究移动感知服务相关机制，以面向服务为理念， 在服务提供者和服务请求者之间建立桥梁，为有不同应用需求的用户提 供各种服务，这在过去很少涉及，需要我们以全新的方式开展。

面向物联网的移动感知服务选择是根据节点的移动性、社会性以及 相关历史服务参数和链路信息，综合多方面因素的决策过程。在已有相 关研究中，Cui等人考虑在电子商务环境下，利用前期用户的评价信息 作为数据来源，通过分析、比对来为用户提供判断和选择依据；Kalepu 等人分析总结了Web服务选择中的相关Qos(Quality of Service)，例如， 用户的可用性、可靠性、性能和代价等服务参数；Sreenath等人在服务 选择中考虑了用户的观点，通过形式化的方法来评估服务提供者；Lin 等人分析了社会网络中的信任关系，通过环境建模，提出了基于信任关 系的服务推荐算法；Groba等人以城市街头为服务背景，通过随身携带 的智能设备实现各种共享服务，例如公交服务、步行服务等；Shim等人 研究了在移动自组织网络环境下节点的移动特性，从移动速度、方向、 连通性等出发，提出了一种混合的服务发现机制；Artail等人在则提出 了在移动自组织网络中一种分布式Web服务响应机制，通过设置缓存来 减少服务请求和响应过程中的延迟；Zyba等人则根据预测移动节点的活 动规律来提高信息的方法效率；Gao等人根据用户兴趣和社会交互模式 选择服务分发机制，将服务有目的传递给其他兴趣节点；Wang等人则 在移动社交网络中将用户上下文分为三维协作的过滤模型，以此为评价 维度来提高服务选择的准确性。

根据以上分析，我们发现：(1)现有服务发现都是基于陌生节点， 没有考虑到节点间的社会关系和信任关系，通常都是简单的将其设为固 定节点，忽略其自身属性；(2)在已有的移动自组织网络中，考虑到通 信半径受限，节点间的交互都是通过多跳完成，而随着手机等智能设备 的不断普及，任意节点之间都可实现互联互通，大大超越了节点间的通 信半径。此外，在服务节点选择过程中，通常注重的都是节点本身，没 有考虑到节点之间的服务关联性和节点的历史服务属性。(3)随着移动 服务和普适服务的不断普及，传统服务模式已经发生了很大改变，服务 的使用者和提供者往往表现出移动性、间断性，其拓扑结构随时间变化 呈现出极强的动态性。如何在移动、异构的网络环境下研究高效的服务 发现机制，并最终为用户提供可靠、稳定的服务是迫切需要解决的。

此外，在物联网移动感知服务中，由于到节点的移动性，随机性和 复杂性，服务模式将有本质的改变。服务的成功与否不仅要考虑到服务 提供者的服务能力，同时也要关注服务交互链路的可信度，可靠的链路 服务请求将更加有助于服务的最终成功。因此，在选择合适服务节点时， 需要同时考虑服务提供者本身和服务请求链路，故本发明综合这两种因 素，通过加权计算移动节点的最终服务信誉度，为在普适移动环境下选 择满足用户特点需求的服务节点提供有效决策依据。

发明人在前期研究中提出了面向物联网移动感知的服务概念，并做 了以下研究：(1)实现了对移动节点社会关系的动态认知建模；(2)研究 并提出了基于社会关系的有向加权凝重子群的构造；(3)利用子群间节 点的互联互通，构建服务提供者到服务请求者之间的信任链路。这些研 究成果都为本发明提供了有效支持。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种面向物联网 移动感知的服务节点选择方法，该方法是当移动节点在时刻t提出针对 某一目标区域L_k的感知服务请求时，能够发现并选择满足服务需求的移 动感知服务节点集SR和相应的转发链路集FR。本发明方法可以在移动、 异构、动态环境下快速发现和选择合适的服务节点，为用户提供有效、 可靠的感知服务，进而提高移动感知服务效率，弥补物联网环境下的感 知空洞。

本发明的目的是通过以下技术方案来解决的：

这种面向物联网移动感知的服务节点选择方法，使在移动感知网络 中，M_i表示移动节点，其中，i∈N，N为移动节点集；L_k表示不同的感 知区域，其中k∈U，U为感知区域集；具体包括下列步骤：

步骤一：感知区域热度计算：计算网内所以移动节点在时间周期T 内到达不同感知区域的热度其中i∈N，k∈U；

步骤二：目标服务节点的发现：当某一移动节点在时刻t发起服务 请求时，选择处于目标区域L_k或者在时间域之内能够到达目标区域的节 点集，并对其进行筛选，将结果记为TS；

步骤三：服务请求链路可信度因子计算：记移动节点M_i在L_k的每一 次服务记录为h_j，其中，计算TS集中节点M_i在位置L_k的每 一次服务过程中的链路可信度因子

步骤四：根据TS集中节点M_i的历史参数，包括服务成功率，服务 延迟和服务满意度来计算节点的服务因子

步骤五：目标服务节点的选择：根据服务节点的可信度因子和服务 因子，计算处于候选服务节点集TS中的所有候选节点的服务信誉度 Ψ(M_i)，并根据值的大小选择服务节点和相应的转发节点，将结果计入 SR和FR中。

进一步，上述步骤1）中，热度的计算公式如下：

$G_{M_i}\left(L_k\right)=\underset{T}{\Sigma }{\mathrm{DT}}_{M_i}\left(L_k\right)\times {\mathrm{FR}}_{M_i}\left(L_k\right);$

其中，是时间周期内移动节点M_i在位置L_k的持续时间； 则是时间周期内移动节点M_i在到达位置L_k的频率。

进一步，上述步骤5）中，所述$\Psi \left(M_i\right)=\frac{1}{2}(Y_{M_i}\left(L_k\right)+R_{M_i}\left(L_k\right)).$

本发明具有以下有益效果：

本发明部署在原型系统上完成，原型系统采用Java语言编写，主要 分为服务器端和手机端。其中，服务端实时收集手机端上传的各种信息， 实现本发明；手机端则采用Android操作系统，实现对移动节点社会信 息的自动采集和上传。实验的主要目的是考察本发明对物联网环境下移 动感知服务的影响。因此评估主要从两个方面出发：(1)有效性分析， 检测本发明与其他已有算法在感知服务节点发现成功率SSR的不同；(2) 动态适应性分析，考查本发明在各种不确定因素的动态变化过程中能够 提供可靠感知服务的能力。作为参照，对本发明的算法和HGSM和AM 算法进行比较。通过对实验分析可知，随着节点个数的增加，本发明所 述方法与HGSM和AM算法的SSR都有所提高，但是本发明的SSR增 长幅度明显优于其他两者，说明了发明的有效性。同样，动态适应性分 析主要通过定义感知服务请求频度SRF和移动节点活跃度MAF来反映。 其中SRF反映了感知网络的繁忙程度，SRF越大，说明感知服务请求越 频繁；MAF反映了感知网络的稳定程度。动态适应性分析是通过改变这 两种参数大小，测试三种方法的服务节点发现成功率。从实验结果可以 看出，在动态网络环境下，随着SRF和MAF的动态改变，三种方法的 SSR都会发生改变，例如在网络繁忙不稳定下，三种方法的SSR都会下 降，但是本发明方法的降幅要明显低于后两者，说明本发明依然表现出 较好的稳健性和动态适应性。

附图说明

图1为本发明面向物联网移动感知的服务节点选择方法的框架图。

具体实施方式

下面结合附图对本发明进行详细说明：

图1为本发明面向物联网移动感知的服务节点选择方法的框架图；该 图详细说明了本发明的具体实施过程。首选，通过分析移动节点的活动 轨迹可以计算不同感知区域热度；其次，通过不同参数分别计算服务节 点的链路可信度因子和服务因子；最后通过加权计算感知服务节点的服 务信誉度，并根据值的大小选择合适的服务节点集和链路转发节点集。

本发明在移动感知网络中，M_i表示移动节点，其中，i∈N，N为 移动节点集。L_k表示不同的感知区域，其中k∈U，U为感知区域集。本 发明方法的目的是当移动节点在时刻t提出针对某一目标区域L_k的感知 服务请求时，能够发现并选择满足服务需求的移动感知服务节点集SR 和相应的转发链路集FR。具体包括下列步骤：

步骤一：感知区域热度计算。移动节点M_i在时间周期T内到达不 同感知区域的热度其中i∈N，k∈U；

感知区域是对移动节点在时间周期内活动规律的提取的凝聚，是宏 观上对移动节点活动范围的有效划分。在物联网移动感知服务中，服务 请求的提出和最终实现都是基于不同感知区域的，感知区域的热度计算 则是在时间周期内，统计移动节点到达不同区域的频繁度。考虑到移动 节点的活动轨迹具有时空特性，一个区域的热度不仅与到达次数有关， 同样与在该区域的持续时间有关。具体的计算公式如下：

$G_{M_i}\left(L_k\right)=\underset{T}{\Sigma }{\mathrm{DT}}_{M_i}\left(L_k\right)\times {\mathrm{FR}}_{M_i}\left(L_k\right)---\left(1\right)$

其中，是时间周期内移动节点M_i在位置L_k的持续时间； 则是时间周期内移动节点M_i在到达位置L_k的频率。

${\mathrm{DT}}_{M_i}\left(L_k\right)=\exp \left(\frac{\underset{L_x=L_k}{\Sigma }{\mathrm{ET}}_{M_i}\left(L_x\right)-{\mathrm{ST}}_{M_i}\left(L_x\right)}{T}\right)---\left(2\right)$

是统计时间周期内移动节点M_i在同一感知区域L_k的持续 时间。其中，表示节点M_i到达位置L_x的时间，表示节点 M_i离开位置L_x的时间。

${\mathrm{FR}}_{M_i}\left(L_k\right)=1+P_{M_i}\left(L_k\right){\log }_2{P}_{M_i}\left(L_k\right)$

$P_{M_i}\left(L_k\right)=\frac{{\mathrm{TN}}_{M_i}\left(L_k\right)}{\underset{L_x\in U}{\Sigma }\mathrm{TN}\left(L_x\right)}---\left(3\right)$

是统计时间周期内移动节点M_i在到达同一感知区域L_k的 频率。其中，是移动节点M_i到达位置L_k的概率；则是统 计时间周期内移动节点M_i到达位置L_k的次数。

步骤二：目标服务节点的发现。当某一移动节点在时刻t发起服务 请求时，选择处于目标区域L_k或者在时间域之内能够到达目标区域的节 点集，并对其进行筛选，将结果记为TS；

选择在时间范围[t,t+α]内，将处于目标区域L_k并满足下列条件的移 动节点集记为TS；

${\forall M}_i\in \mathrm{TS},G_{M_i}\left(L_k\right)\ge \beta$

其中：α为服务请求时效因子，用于控制服务请求的时效性, 0≤α≤T；β是概率因子，用于服务节点的筛选,0≤β≤1。

步骤三：服务请求链路可信度因子计算。记移动节点M_i在L_k的每一 次服务记录为h_j，其中，h_j∈H。计算TS集中节点M_i在位置L_k的链路 可信度因子

移动感知服务是依靠在服务请求和提供者之间建立可信链路来实现 的，链路构造的质量将直接影响最终服务的成果与否。考虑到在物联网 移动感知服务中，网络拓扑结构具有动态性、异构性和复杂性等特点， 维系网络中节点之间联系的纽带是社会关系。因此，服务请求链路的质 量主要由社会关系强度决定，故本发明通过定义链路可信因子来 体现，具体计算公式如下：

$Y_{M_i}\left(L_k\right)=\underset{h_j\in H}{\Sigma }{\delta }_{h_j}\times E_{M_i,L_k}\left(h_j\right)---\left(4\right)$

其中，表示移动节点M_i在位置L_k的历史服务h_j中，感知 服务请求链路的强度，它是基于转发节点个数和彼此之间的社会关系。 可通过下式得出：

$E_{M_i,L_k}\left(h_j\right)=\frac{\underset{i=1}{\overset{\mathrm{FN}}{\Pi }}V(x_i,x_{\mathrm{succ}})}{\mathrm{FN}}---\left(5\right)$

其中FN表示服务请求链路中源节点到目标节点的个数；V(x_i,x_succ) 表示从源节点到目的节点的社会关系传递路径上移动节点x_i与他的后继 节点的社会关系值。

历史服务记录是对服务节点过去相关服务参数的一个记录，同时也 是在未来节点选择过程中一个重要决策依据。考虑到服务记录的实效性， 它是一种随时间变化而动态衰减的量，即所隔时间越久，以前记录的参 考价值对现在服务决策的贡献越小，所以通过定义来表示历史服务记 录衰减因子。计算公式如下：

${\delta }_{h_j}=\left(\begin{array}{cc}1& h_j=H\\ 1-\frac{h_{j+1}-h_j}{T}& 1\le h_j\le H\end{array}\right)---\left(6\right)$

其中，h_j表示节点M_i在位置L_k的历史服务记录，h_j∈H；是历史 服务记录衰减因子，用于表示历史记录信息的可信性。

步骤四：根据TS集中节点M_i的历史参数，包括节点服务成功率， 服务延迟和服务满意度来计算节点的服务因子

服务因子是服务过程中对移动节点相关历史服务参数的客观评价， 在物联网移动感知中，服务因子的计算体现了服务提供者的服务质量， 即服务因子越低，用户对服务提供者的服务体验越差，也就意味者服务 提供者提供可靠服务的能力越差。服务因子的计算公式如下：

$Q_{M_i}\left(L_k\right)=\underset{i=1}{\overset{3}{\Sigma }}{w}_i\exp \left(\frac{|P{m_i}^{\prime }-{\mathrm{Pm}}_i|}{{\mathrm{Pm}}_i}\right)---\left(7\right)$

其中，表示移动节点M_i在位置L_k的历史服务中，感知服务 节点的服务评量，它是基于移动节点的历史服务参数的；Pm_i表示服务 评价参数i的实际质量，0≤Pm_i≤1；Pm_i'则表示用户对服务评价参数i 的期望质量，由用户在服务初始时设定，0≤Pm_i'≤1；w_i是相关参数的权 值，用于表示不同服务评价参数在整个评价体系中所占的比重。可通过 下式获得：

$w_i=\frac{P{m_i}^{\prime }}{\underset{i=1}{\overset{3}{\Sigma }}{{\mathrm{Pm}}_i}^{\prime }}---\left(9\right)$

与传统固定的参数权重不同，这个权值是根据用户的期望参数实时 计算得到的，是动态变化的。例如，在一次服务中，用户期望服务得到 更高的成功率，那么相应的成功率权值则会赋予更高的比重，这样做的 好处是将服务节点的决策更加偏向于用户的选择，根据用户对服务过程 中不同因子的期望有目的、有条件的选择合适的节点。

本发明中移动感知服务节点的历史服务参数具体包括服务节点成 功率Pm₁、服务延迟Pm₂、服务满意度Pm₃表示。计算公式分别如下：

${\mathrm{Pm}}_1=\frac{N_{\mathrm{succ}}}{N_{\mathrm{total}}}$

${\mathrm{Pm}}_2=\frac{\mathrm{du}\left(h_j\right)}{\underset{h_j\in H}{\Sigma }\mathrm{du}\left(h_j\right)}---\left(10\right)$

${\mathrm{Pm}}_3=\underset{h_j\in H}{\Sigma }{\delta }_{h_j}\times \mathrm{sat}\left(h_j\right)$

其中，N_succ表示历史服务成功次数，N_total表示历史服务总数；du(h_j) 表示历史服务h_j的持续时间；sat(h_j)表示历史服务h_j的用户满意度， 0≤sat(h_j)≤1，由用户给出。是历史服务记录衰减因子，由公式（6） 计算得出。

步骤五：目标服务节点的选择。根据服务节点的可信度因子和服务 因子，计算处于候选服务节点集TS中的所有候选节点的服务信誉度 Ψ(M_i)，并根据值的大小选择服务节点和相应的转发节点，将结果计入 SR和FR中。

$\Psi \left(M_i\right)=\frac{1}{2}(Y_{M_i}\left(L_k\right)+R_{M_i}\left(L_k\right))---\left(11\right)$

在物联网移动感知服务中，由于到节点的移动性，随机性和复杂性， 服务模式将有本质的改变。服务的成功与否不仅要考虑到服务提供者的 服务能力，同时也要关注服务交互链路的可信度，可靠的链路服务请求 将更加有助于服务的最终成功。因此，在选择合适服务节点时，需要同 时考虑服务提供者本身和服务请求链路，故本发明综合这两种因素，通 过加权计算移动节点的最终服务信誉度，为在普适移动环境下选择满足 用户特点需求的服务节点提供有效决策依据。