一种物联网业务架构以及业务组合方法

摘要

本发明公开了一种物联网业务架构以及业务组合方法，该方法将物联网基于业务分成五层，分别是设备接入层，数据通信层，设备管理层，业务管理层，业务应用层。该架构下，在Qos基础上给出了基于蚁群算法的动态业务组合方法，即将该架构下业务的Qos属性与蚁群算法中的参数做出合理映射，以满足用户需求及最高Qos属性为目的选择参与组合的服务，该组合方法可以很好地满足用户需求以及保证组合服务的服务质量，充分利用了网络中的设备和已有的原子业务，因此本发明具有一定的实际使用价值和经济价值。

说明书

技术领域

本发明涉及应用软件开发与集成技术领域，尤其涉及物联网业务架构方法以及业务组合方法。

背景技术

近年来，人们对于物联网的研究投入越来越大，期望在这前沿领域得重大突破。物联网技术是1999年麻省理工学院Auto-ID中心的Ashton教授在研究RFID技术时所提出的，他设想以互联网为基础，结合射频识别技术、无线数据通信技术等，构造一个实现全球物品信息实时共享的实物互联网的设想，物联网的概念由此正式诞生。在物联网中，物品将成为社会、信息、商业活动中的自主参与者。它们将可以相互间自主交流与沟通自从物联网技术提出以来，人们一直对此寄予厚望，普遍认为这是信息技术领域的又一技术革命，到目前为止它已涉及社会各个领域，包括国防科技、智能交通，物流管理，智能家居，安全监控，环境保护，全球定位、资源管理等等，因此物联网具有广阔的研究和应用前景。

随着物联网范围不断的发展扩大，网络中的设备已经基于这些设备所开发的业务数量也在不断的增大，然而目前物联网还没有一种统一的架构标准，这使得物联网中的设备和业务管理带来了一定难度，物联网中的设备如何接入，接入之后如何让整个网络知道新接入的设备以及功能，新的业务出现后如何发布出来供用户使用，如何组合原子业务（该处的原子业务指不可拆分只具有单一功能的业务）以避免资源的浪费以及各个原子业务之间的组合并且确保组合业务的正确性和可靠性等等这些问题一直没有得到很好的解决，因此有必要给出一个适合物联网环境的业务设备管理架构，以及合适的可确保业务之间组合正确性和可靠性的方法。而本发明能够很好地解决上面的问题。

发明内容

本发明目的在于提供一种物联网环境下的业务架构，以及此架构下的基于蚁群算法的业务组合方法，此架构下将业务的Qos属性值与蚁群算法中的各参数做出映射，使得组合出的业务可以最大限度的满足客户需求并且具有较高的服务质量。

本发明解决其技术问题所采用的技术方案是：本发明首先将整个物联网分成了五层，分别是设备接入层、数据通信层、设备管理层、业务管理层和业务应用层。

设备接入层：设备接入层是整个物联网架构中的最底层，主要是面向各种各样的设备。

数据通信层：整个数据通信层包括以互联网为代表的通信网络，以及使得物理设备可以与这些网络传输数据的中间件或者网关。

设备管理层：该层的主要功能是通过数据通信层来管理接入物联网中的设备，其中包括设备注册模块，设备管理模块和设备监控模块。

业务管理层：该层的主要功能是管理基于接入物联网中设备所开发的业务，包括业务注册模块，业务管理模块，业务组合模块，业务监控模块。

业务应用层：该层主要面对各类型的用户，该层可以是某个企业的处理平台，或者使用物联网的个人pc，通过各种各样的平台可以使用物联网中存在的各种业务或者组合使用各原子业务。

综合以上五层的的划分，当有设备或者业务加到物联网中时，首先，设备连入物联网中的设备接入层，此时在设备管理层中对新加入的设备进行信息注册，设备监控模块通过数据通信层向该设备发出检测信息，根据设备返回的信息在设备管理模块中生成该设备的状态并确认注册有效。此时在业务管理层可以依据设备管理层中所提供的设备信息进行业务开发，业务开发完成之后，在业务管理层会对新开发的业务进行注册，同时业务监控模块会检测该业务是否可用，如果检测成功，则确认业务注册有效，该业务将会提供给用户使用。当用户使用物联网中的业务时，设备监控模块和业务监控模块会依次检测用户所需要调用的业务，如果检测失败，则推荐给用户其他可替代的业务，以此来确保使用的业务的可靠性和成功率。

随着物联网业务的不断增长，为了避免业务的重复开发造成对资源的浪费，业务组合逐渐成为研究重点。

根据以上所提架构，当用户在进行业务组合时，首先根据需求将组合划分为固定步骤，每一个步骤都对应一个服务集合，用户在每一步选择时从该集合中选择一个最佳服务来参与组合，在本发明中利用基于蚁群算法的动态组合方法来选择每个服务集合中的具体服务，在该方法中动态是指每一步组合都是实时获得参与组合业务的Qos信息，并且根据Qos信息对蚁群算法中的参数做出映射，由于网络环境的变化，Qos属性值也是动态变化着的，所以根据蚁群算法做出的组合选择也是随着环境变化而变化着的，这样很好的适应了业务使用环境的变化，除了考虑Qos外，在该算法中还考虑了用户期望，用户在组合服务前可以给出一个对组合服务Qos各属性的期望值，在本发明中，利用Qos的实际属性值与期望属性值的差值作为蚁群算法中的重要参数，这样可以最大幅度的满足用户期望，并且。

有益效果：

本发明提供了一种物联网业务架构和基于蚁群算法的业务动态组合方法，首先由用户对根据需求确定组合步骤，每个组合步骤对应一个业务集合，这些业务集合中的业务在所提出的业务架构中可以获得相对应的Qos信息。在动态组合时，将业务的Qos属性的相关信息与蚁群算法中的各参数做出合理映射。通过该方法生成的组合业务能够很好的满足用户需求，使得组合业务具有较高的服务质量和较高的可靠性，因此，具有一定的使用价值和经济价值。

附图说明

图1是本发明的层次结构图。

图2是基于蚁群算法的业务选择步骤图。

图3是业务组合选择示意图。

具体实施方式

以下结合说明书附图对本发明创造作进一步的详细说明。

本发明提出一种物联网业务架构以及业务组合方法，首先将物联网业务架构环境分为五层，分别为：设备接入层，数据通信层，设备管理层，业务管理层，业务应用层。

设备接入层：第一个步骤就是将自己部署在物联网的接入层，以便使得自己可以被整个物联网络所感知，设备接入物联网的接入层之后通过数据通信层向更高层负责；

数据通信层：由于大部分物理设备不具备直接与互联网通信的条件，它们所获得的数据往往要通过一定的转换才能传输到网络，因此在数据通信层中也包括了负责数据转换的网关和中间件，该层的主要任务是连接物理设备和互联网；

设备管理层：该层的主要功能是通过数据通信层来管理接入物联网中的设备，其中包括设备注册模块，设备管理模块和设备监控模块，在设备管理层中记录有已经接入到物联网中各设备的信息，其中包括设备的位置信息（location），设备获取数据的时延（time_delay）使用次数（count）设备可靠性(reliability),在业务组合时，这些注册信息是Qos值的参考值，另外设备管理层还具有对物联网接入设备的监控功能，当某个业务需要调用到某个设备的时候，设备管理层会首先检查该设备是否处于联网状态，设备功能是否正常，由此生成设备状态：正常（yes）不正常（no）未知（unknown）业务的调用过程仅会使用处于正常状态的设备。当整个调用过程完成之后设备管理层会更新与调用流程相关参数，如设备使用次数、成功调用次数等，该层给业务管理层提供单个设备的Qos属性值。

业务管理层：该层的主要功能是管理基于接入物联网中设备所开发的业务。包括业务注册模块，业务管理模块，业务组合模块，业务监控模块。其中业务注册模块主要功能是对加入到物联网的业务进行注册，以方便用户对已有业务的查找和组合；业务管理模块主要记录业务的信息。在物联网的环境下，完成同一个特定的功能，会有不同的业务供用户选择，使用不同业务来完成同一个功能必然会有不同的效果，业务管理模块会记录每个业务流程执行完之后，业务执行的代价（price）业务执行的总时延（time_delay）、业务执行所占用的带宽（Bandwidth）等信息以备下次执行所参考。业务组合模块是业务管理层的重要模块，该模块主要负责原子业务之间的组合，该模块首先根据用户请求从业务注册模块获取可能用于组合的各原子业务，然后根据业务管理模块中的业务信息获得最佳的业务组合供用户使用。业务监控模块，主要是在使用各原子业务前对该原子业务进行检查，这种检查包括获取设备管理层中的设备信息等相关消息而决定该业务是否处于可用状态，该层在业务的动态选择时给业务应用层提供业务的Qos属性值，业务在执行时，业务管理层根据业务的执行情况记录业务每次执行的参数，包括业务执行代价，业务执行时延，业务执行时所需要的带宽和对于该业务的可靠性评价，在业务管理层中记录记录该业务最近n次的执行结果，当用户第n+1次执行时，其Qos属性值就由前n次执行结果得出。

业务应用层：该层主要面对各类型的用户，该层可以是某个企业的处理平台，或者使用物联网的个人电脑，通过各种各样的平台可以使用物联网中存在的各种业务或者组合使用各原子业务。

根据此架构的特点，分别在设备管理层和业务管理层中记录设备和业务的Qos，其中设备管理层中主要针对单个设备的Qos，业务管理层中主要针对单个业务和组合业务的Qos。

在上面所提出的架构下利用蚁群算法给出了一种基于业务的Qos的组合方法来指导业务的组合。在上述架构中可以获得业务的相关Qos信息，根据物联网环境的特殊性将服务质量的属性设定为Q（q1,q2,q3,q4）q1为使用业务所付出的代价，q2为业务的响应时延（ms），q3为服务执行所占用的带宽（Hz），q4为业务的可靠性。

对于业务中所涉及到的响应时延和占用带宽可以直接获得，对执行该服务所付出的代价，比如使用费用、消耗带宽等，在该框架下，该函数由业务开发者定义。

因此在服务质量的属性值中，业务的可靠性需要通过一定的计算得出，下面给出可靠性的计算方法，业务的可靠性是一个比较重要的属性，在该架构中对于可靠性的计算主要基于两点1.用户评价2.与该业务交互的其他业务对该业务的评价。设可靠性函数为f（a,s），其中a为用户评价参数（assessment_personal），s为其他服务对该服务的评价参数（assessment_service）；由于服务每执行一次服务业务的Qos属性就会更改，而用户评价和其他服务的评价属于客观评价，前后之间的评价应该具有一致性，所以第n+1次执行该业务时可靠性由前n次执行时的结果得出。设前n次执行的可靠性分别为：

所以对于最终第n次执行时所参考的可靠性属性：

为了保持值的一致性有：

$>\underset{i}{\Sigma }{\phi }_i=1;---\left(3\right)$>

考虑实际情况中执行时间越靠后的可靠性的值所获得的权重应该越大所以有：

φ_i＜φ_i+1；   (4)

在此给出符合以上条件的权重函数，当执行总次数n为偶数时有：

$>{\phi }_i=\{\left(\begin{array}{cc}\frac{1}{n}-\frac{1}{(i+1)n}& i\le \frac{n}{2}\\ \frac{1}{n}+\frac{1}{(n+2-i)n}& i>\frac{n}{2}\end{array}\right)---\left(5\right)$>

当执行总次数n为奇数时有：

$>{\phi }_i=\left(\begin{array}{cc}\frac{1}{n}-\frac{1}{(i+1n)}& i<\frac{n+1}{2}\\ \frac{1}{n}& i=\frac{n+1}{2}\\ \frac{1}{n}+\frac{1}{(n+2-i)n}& i>\frac{n+1}{2}\end{array}\right)---\left(6\right)$>

当得出可靠性的计算方法时，Qos属性的q4可靠性值即可求得，因此，此时可得在第j次调用该业务的时，所获得的该业务的服务质量

$>Q_j=\underset{i=0}{\overset{4}{\Sigma }}\alpha \left(i\right)q_i---\left(7\right)$>

其中q_i对应Qos四个不同的属性值，α(i)为Qos中各个属性的权重，且对于α(i)有：每次执行完一个业务之后，业务的属性值根据自身变化予以更新，由于业务的执行在一定环境下存在一定范围内的随机性，为了确保得出的业务的服务质量的可靠性，在计算Qos时，将该业务前一次执行时的Qos也纳入考虑范围：

设该次执行时的Qos属性值为Q_j上次执行该业务时的Qos为Q_j-1，则本次执行认定该业务Qos为：

在服务组合中，最终目的是使用户的满意度和组合服务的服务质量最高，即在众多的服务集中找到能满足用户需求并且最符合Qos要求的一组组合来完成用户操作。在本架构中使用基于蚁群算法的Qos最优化组合方法。其基本思想是：首先根据用户的需求，由用户自己将整个组合分为n步，每一步中都有一个服务集合S与之对应，从集合S中选出一个服务s∈S来完成用户操作，因此从集合S_m到集合S_n就有多条路径，那么就可以基于蚁群算法选择最佳组合。

在本发明中，用户充当着蚂蚁的角色，当在业务组合的初始阶段，在每个集合中选择参加组合的业务是随机的，当一个业务组合执行之后，用户会从以上所提的分层架构中动态获取该组合的Qos信息，并在该条组合路径上依据所选择业务的Qos留下一定的信息素，之后的用户会按照信息素所决定的概率来选择组合路径，当组合业务运行后，用户所选择的的组合便会趋向于最优组合，从而达到想要的结果，根据蚁群算法设计的动态选择机制还能够适应实时的环境变化，使用环境发生变化，使得Qos发生变化，选择的组合路径也会依据这些信息发生变化。

在开始选择服务时，使得所有服务路径上的信息素（τ_ij表示从i到j路径上的信息素）相同为一固定值τ₀，即组合的开始阶段假设每一个参加组合业务的Qos属性值相等，此时选择一个参加组合业务的概率是随机的。

当在许多用户执行了一定数量的组合服务之后，每条选择路径上的信息素就会依据Qos属性值发生变化，此时在服务集S_n和S_m中由服务s_i∈S_n到s_j∈S_m来完成从第m步到第n步的组合，根据蚁群算法选择从s_i到s_j的转移概率为：

其中S代表在该步组合中可以选择的所有服务的集合，α为信息启发式因子表示积累的信息素对于蚂蚁选择路径的重要性，即当α越大，则路径遗留的信息素对蚂蚁选择路径的影响越大，其值一般情况下取1或2，β为期望启发因子，表示能见度的重要性，反应了蚂蚁在选择路径时启发信息对选择的影响程度，其值越大，则越接近于贪心规则，其值一般情况下也取1或2，τ_ij(t)表示在t时刻，路径i到j上的信息素。启发信息表示当蚂蚁在选择路径的时候依据启发信息选择自己的路径，在本发明的路径选择中，为了使选择路径时，选择Qos值最高的组合，启发信息由启发函η_ij(t)表示，在此使得启发函数与业务的Qos值相同即：

从上式可知，将启发函数定义为下一个服务的Qos值，显然Qos的值越高，则启发函数越大，而启发函数的值越大则p_ij(t)越大，即会以较大概率选择Qos值较高的服务，在动态选择时，每一次执行业务的Qos属性值都有可能不同，在以上所提架构的业务管理层中记录了Qos值前n次执行的结果即（q1,q2,q3,q4）的属性值，当在第n+1次执行该业务时，业务的四个属性值由前n次执行结果获得，即第n+1次执行则该次业务的Qos属性值q1,q2,q3即是第n次执行完后所获得的结果，q4则是根据以上可靠性公式综合前n次的结果得来，由此获得了该次执行时的Qos值，当第n+1次执行完之后，把该次执行业务时的（q1,q2,q3,q4）记录到业务管理层，供第n+2次时调用该业务时计算Qos属性值，同时删除最早的一个记录，保持记录的数量不变。

对于每条路径上的信息素采用如下的更新规则：

其中γ∈(0,1)表示信息素挥发系数。加入该挥发系数的原因是要满足整个环境的动态变化，之前环境下遗留下来的信息素会只剩下(1-γ)倍，而且加入挥发系数可以防止信息素的无限积累。表示第k个蚂蚁在本次循环中留在路径上的信息素增量。对于信息素增量采用Ant-Cycle模型即：

其中Q为信息素强度，L_k为第k个蚂蚁在本次循环中走的路径长度。在本发明中将蚂蚁从i到j所走的路径与从i服务选择j服务时的Qos属性值联系起来，在此令Q=1，根据之前定义的Qos属性，将L_k定义为：

$>L_k=\underset{i=1}{\overset{4}{\Sigma }}|f_i-p_i|---\left(14\right)$>

则：

其中f_i为所选择的下一个业务j的Qos属性中的第i个属性值的函数，通过f_i可得出当前选择的业务j的Qos的第i个属性值，p_i为用户对于该业务第i个属性值的期望值，用户可以给出部分或全部属性的期望值，当用户不给出期望的属性值时，p_i则是在以上架构下对每个属性设定一个的默认期望值。由以上信息素增量函数的定义可知，当实际值与期望值的差的绝对值越小则留下的信息量越大，那么选择差值小的服务的可能性就越大。

至此，蚁群算法的主要函数及参数都已经给定，综上所述按照蚁群算法用户选择最佳业务组合方法分为如下步骤：

步骤1：参数初始化。使得初始执行时间t以及循环次数N为0，设置一个最大循环次数N_max，将m只蚂蚁放到起始服务上，令每一条执行路径上的信息素初始值为τ_ij(t)＝常数，Δτ_ij(0)＝0。在此步骤中，蚂蚁个数为即为用户数目，用户在蚁群算法中充当蚂蚁的角色，为了保证选择的最佳组合业务的正确性，在m个用户针对该组合业务进行了N_max次的选择后才得出最终的最佳的选择路径。

步骤2：N←N+1。即每做一次循环，使得循环次N加1，此处的一次循环是指，所有的m个用户完成了从服务集合C1到服务集合Cn的选择，而N则是记录这样的循环有多少次，N_max则是N的上限；

步骤3：k←k+1。这里的k是指在步骤2中的单次循环中m个用户里有多少用户执行完了组合业务，每当一个用户执行完了该组合业务的完整流程，即从最初的服务集合C1选到最终的服务集合Cn则使得k增加1，直到k=m时一次循环结束此时使步骤2中的N增加1，否则令k=k+1未完成组合服务的用户继续执行组合服务。

步骤4：单个用户根据以上公式（9）中的状态转移概率公式的计算结果来选择下一个服务集中的应该由哪一个服务参加组合。

步骤5：更新禁忌表，此处设置的禁忌表是对于用户m，在单次循环中在服务集合C_i中不再选择参加组合的业务：①将已经选择的服务加入禁忌表，②将服务集合中执行失败的服务加入禁忌表。

步骤6：如果k<m,即完成组合服务的用户数目小于初始值m则跳转到步骤3继续执行，如果遍历完成k=m则执行步骤7。

步骤7：根据以上公式（11）和（12）中τ_ij(t+n)计算方法更新每条遍历路径上的信息量。

步骤8：如果循环次数达到了设置最大值则执行步骤9，即当循环次数N=N_max时执行步骤9，否则清空禁忌表跳转至步骤2继续往下执行。

步骤9：根据最终留在选择路径上的信息素，在每步选择下一个业务时的概率即公式（9）给出的(t)都会有一个最大值，在每步选择下一个参加组合的业务都按照最大的概率来选择，则得出了最佳选择路径，程序结束。