多源異構(gòu)傳感通信大數(shù)據(jù)的融合調(diào)度算法

王延松，戚 湧，李千目

（1. 中興通訊股份有限公司 南京研發(fā)中心，江蘇 南京 320100；

2. 南京理工大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院，江蘇 南京 210094）

多源異構(gòu)傳感通信大數(shù)據(jù)的融合調(diào)度算法

王延松1，戚 湧2*，李千目2

（1. 中興通訊股份有限公司 南京研發(fā)中心，江蘇 南京 320100；

2. 南京理工大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院，江蘇 南京 210094）

本文研究了在能量受限條件下服務(wù)于多種類型的數(shù)據(jù)處理和傳輸?shù)亩嘣串悩?gòu)通信簇交通傳感器節(jié)點(diǎn)系統(tǒng)的最優(yōu)大數(shù)據(jù)的融合調(diào)度控制問題。傳統(tǒng)方法需要大量關(guān)于系統(tǒng)動(dòng)態(tài)的統(tǒng)計(jì)信息，并且求解效率低。使用針對更新幀的李雅普諾夫優(yōu)化技術(shù)，本文設(shè)計(jì)了一種新的在線多源傳感通信大數(shù)據(jù)融合調(diào)度算法來克服以上困難。仿真實(shí)驗(yàn)表明所設(shè)計(jì)算法穩(wěn)定、魯棒，為后續(xù)利用交通傳感器網(wǎng)絡(luò)傳輸大規(guī)模數(shù)據(jù)奠定基礎(chǔ)。

多源異構(gòu)；交通大數(shù)據(jù)；數(shù)據(jù)融合

0 引言

受傳統(tǒng)交通傳感器系統(tǒng)設(shè)計(jì)機(jī)制的制約，單一傳感器系統(tǒng)的探測覆蓋范圍、通信傳輸能力、抗毀性均不能滿足海量數(shù)據(jù)快速、高效分發(fā)的智能交通大數(shù)據(jù)平臺(tái)實(shí)際需求，因此需建立包含大量微小、低功率和低重量交通傳感器單元的多源異構(gòu)通信簇系統(tǒng)，該系統(tǒng)作為運(yùn)行在大數(shù)據(jù)空間環(huán)境的特殊“大數(shù)據(jù)空間感知網(wǎng)絡(luò)”，其內(nèi)成員交通傳感器在大數(shù)據(jù)空間使用自組織、自管理技術(shù)，網(wǎng)絡(luò)化協(xié)同完成一系列大數(shù)據(jù)空間探測任務(wù)。一個(gè)大的多源異構(gòu)通信簇包含若干子簇，子簇針對某一交通區(qū)域觀測任務(wù)而臨時(shí)靈活組織，其內(nèi)交通傳感器成員分為3類：負(fù)責(zé)指揮協(xié)調(diào)群內(nèi)成員交通傳感器的指揮者（Rulers）、攜帶著專用探測設(shè)備的大量實(shí)施者（Workers）和負(fù)責(zé)協(xié)調(diào)組織指揮者、實(shí)施者和匯聚站之間數(shù)據(jù)通信的信使（Messengers）。盡管這些異構(gòu)的微小交通傳感器有著不同的載荷、角色和職責(zé)，但它們都主要依賴太陽能進(jìn)行數(shù)據(jù)采集、處理和通信，由于交通傳感器的太陽能帆板尺寸的限制，必須在設(shè)計(jì)這樣的多源異構(gòu)通信簇系統(tǒng)時(shí)考慮能量效率問題。因此，對于多源異構(gòu)通信簇來說，選擇合適的交通傳感器工作模式，在保證系統(tǒng)穩(wěn)定和能耗約束的條件下，設(shè)計(jì)交通傳感器工作狀態(tài)的在線大數(shù)據(jù)融合調(diào)度算法以最大化時(shí)均系統(tǒng)的數(shù)據(jù)接納量等均是亟待解決的問題。

圖1 交通傳感器工作大數(shù)據(jù)融合調(diào)度過程示意圖Fig.1 Big data fusion scheduling process for traffic sensors

本文主要針對能量受限約束下交通傳感器工作大數(shù)據(jù)融合調(diào)度技術(shù)開展研究，交通傳感器工作大數(shù)據(jù)融合調(diào)度過程示意圖如圖1所描述。考慮微小交通傳感器能量消耗與供電限制，首先選定交通傳感器工作模式，分別建立多源異構(gòu)通信簇系統(tǒng)模型和虛擬隊(duì)列模型。在此基礎(chǔ)上，采用基于李雅普諾夫優(yōu)化技術(shù)的在線大數(shù)據(jù)融合調(diào)度算法求解能量受限交通傳感器的工作狀態(tài)調(diào)度問題。

1 能量受限微小交通傳感器工作模式分析

考慮到微小交通傳感器特別是信使星的能耗限制、準(zhǔn)實(shí)時(shí)數(shù)據(jù)處理和傳輸能力要求，本文引入占空比（Duty-Cycled）工作模式。該模式已被廣泛應(yīng)用于無線傳感器網(wǎng)絡(luò)和下一代移動(dòng)通信網(wǎng)絡(luò)的非實(shí)時(shí)數(shù)據(jù)通信。該方式具體操作模式如下：多源異構(gòu)通信簇系統(tǒng)內(nèi)共有N類數(shù)據(jù)流（如負(fù)責(zé)多個(gè)Workers信息傳輸?shù)腗essenger），每類數(shù)據(jù)隨機(jī)到來并按其類別被分別存儲(chǔ)，等待處理和傳輸。如圖2所示，多源異構(gòu)通信簇按照“幀（Frame）”（或稱更新幀，Renewal Frame）為單位的周期運(yùn)行，每個(gè)幀r開始于一段固定長度的活動(dòng)周期D，結(jié)束于一段非固定長度的休眠周期 []Ir。

圖2 更新幀活動(dòng)階段、休眠階段時(shí)間線示意圖Fig.2 Updating frame activity phase and sleep phase time line

在第r幀的開始，多源異構(gòu)通信簇系統(tǒng)從多個(gè)可選項(xiàng)中選擇一個(gè)服務(wù)模式 []mr，該服務(wù)模式?jīng)Q定在第r幀中服務(wù)哪個(gè)數(shù)據(jù)流及其數(shù)量，以及帶來的相應(yīng)能耗。完成數(shù)據(jù)處理和傳輸后，多源異構(gòu)通信簇系統(tǒng)將選擇一段時(shí)間 []Ir進(jìn)行休眠，當(dāng)休眠結(jié)束后，系統(tǒng)恢復(fù)工作，新的幀開始。

2 能量受限微小交通傳感器工作大數(shù)據(jù)融合調(diào)度模型構(gòu)建

為了方便問題的分析，需要做以下幾點(diǎn)假設(shè)，分別如下：

1. N個(gè)交通傳感器節(jié)點(diǎn)按照設(shè)計(jì)協(xié)議的要求布置在某個(gè)交通區(qū)域內(nèi)。如果協(xié)議需要，位于事件區(qū)域的交通傳感器節(jié)點(diǎn)可以形成簇。

2. 交通傳感器節(jié)點(diǎn)保持靜止不動(dòng)或者按照仿真場景里設(shè)計(jì)好的軌跡（移動(dòng)式傳感系統(tǒng)）進(jìn)行運(yùn)動(dòng)。

3. 所有交通傳感器節(jié)點(diǎn)能量有限，電池?zé)o法更替，電池消耗完，節(jié)點(diǎn)也隨之死亡。

4. 交通傳感器節(jié)點(diǎn)能夠借助于全球定位系統(tǒng)(GPS)的設(shè)備來獲取自己的大數(shù)據(jù)空間位置。

5. 通信是雙向的。

6. 地面匯聚節(jié)點(diǎn)的能量無限大。

7. 對于需要進(jìn)行時(shí)間判斷的協(xié)議，要求所有的節(jié)點(diǎn)時(shí)間大致同步。

圖3 隨機(jī)流量、流量控制和服務(wù)調(diào)度下的一個(gè)多源異構(gòu)通信簇系統(tǒng)Fig.3 A multi-source heterogeneous communication cluster system with random traffic, traffic control and service scheduling

如圖3所示，考慮一個(gè)有著N類數(shù)據(jù)流的多源異構(gòu)通信簇系統(tǒng)。每一類數(shù)據(jù)按照一種獨(dú)立同分布的隨機(jī)過程到達(dá)每個(gè)交通傳感器，速率分別為λ1,… ,λN。假設(shè)存在有限常量λmax，使得對所有類型數(shù)據(jù)有這些數(shù)據(jù)按照類別分別存放在不同的隊(duì)列。使用 Qn(t)表示t時(shí)刻隊(duì)列中累計(jì)的第n類數(shù)據(jù)。多源異構(gòu)通信簇系統(tǒng)在連續(xù)時(shí)間內(nèi)運(yùn)行，因此時(shí)間索引t從非負(fù)實(shí)數(shù)的集合里取值。對于所有的 n ∈ { 1,… ,N }和所有的 t ≥ 0 ，Qn(t)的值都是非負(fù)實(shí)數(shù)。假設(shè)系統(tǒng)開始于 t = 0 時(shí)刻，隊(duì)列為空，即對于所有 n ∈ { 1,… ,N }有 Qn( 0) = 0。

多源異構(gòu)通信簇系統(tǒng)在每個(gè)幀的開始時(shí)刻進(jìn)行控制決策。第一幀被定義為幀0，開始于時(shí)刻0。在每一個(gè)幀 r ∈ { 0,1,2,…} 開始，系統(tǒng)選擇控制決策變量c[r]、 m [r]，其中 c[r]∈ { 0,1,… ,N }，表征哪一類數(shù)據(jù)流將會(huì)被服務(wù)， c[r]= 0 表明沒有數(shù)據(jù)流被服務(wù)且?guī)矸浅Ｉ俚哪芰肯模?m [r]∈M，M為服務(wù)模式集合?？刂茮Q策決定了所有 μn[r],n ∈ { 1,… ,N}，μn[r]表示在幀r的活動(dòng)階段中可以被處理的第n類數(shù)據(jù)流量，同時(shí)也決定了系統(tǒng)能耗 e[ r]。處理結(jié)束后，多源異構(gòu)通信簇系統(tǒng)從區(qū)間 [ 0,Imax]中選擇一段休眠時(shí)間 I[r]，其中 Imax為某個(gè)給定的非負(fù)值。休眠狀態(tài)下的能耗非常低，甚至可以被忽略。定義T[r] ∈ [ D,D + Imax]為總幀長，上述變量可以使用泛化函數(shù)定義如下：

其中，式（4）（5）在任何控制策略下均成立。

對于任一類數(shù)據(jù)流 n ∈ { 1,… ,N }，流程控制變量γn[ r]∈ [ 0,1]，該變量表示在幀r內(nèi)新隨機(jī)到達(dá)的第n類數(shù)據(jù)的接納概率。這使得系統(tǒng)能在 Qn無法在數(shù)據(jù)到達(dá)速率λn條件下正常處理數(shù)據(jù)時(shí)，拒絕第n類數(shù)據(jù)進(jìn)入隊(duì)列。拒絕接納新數(shù)據(jù)時(shí)一種常見的情況，無法立即接納的到達(dá)數(shù)據(jù)被緩存起來等待之后的接納決策。

最后，對于每一類數(shù)據(jù)流 n ∈ { 1,… ,N }，我們定義 An[r]為第r幀中接納的新到達(dá)數(shù)據(jù)，這些數(shù)據(jù)取決于幀的全長(D + I [r])和接納概率 γn[ r]。假設(shè)到達(dá)向量 ( A1[ r] ,… ,AN[r ])與過去條件獨(dú)立，且數(shù)學(xué)期望為：

3 工作大數(shù)據(jù)融合調(diào)度模型

能量受限的微小交通傳感器工作大數(shù)據(jù)融合調(diào)度問題的決策變量分別為其為整數(shù)決策變量， c[r]∈ { 0,1,… ,N }，m[r]∈M，用以決定多源異構(gòu)通信簇系統(tǒng)在第r幀內(nèi)服務(wù)的數(shù)據(jù)流類型、數(shù)量及相應(yīng)的系統(tǒng)能耗。為連續(xù)決策變量，表示多源異構(gòu)通信簇系統(tǒng)在第r幀內(nèi)的休眠時(shí)間， γn[ r]∈[0,1]表示r幀內(nèi)系統(tǒng)接納第n類新到達(dá)數(shù)據(jù)的概率，為簡化計(jì)算，本文采用接納/拒絕布爾控制決策，即

多源異構(gòu)通信簇系統(tǒng)中第n類數(shù)據(jù)幀平均數(shù)據(jù)處理速度為：

多源異構(gòu)通信簇系統(tǒng)中幀平均新到達(dá)第n類數(shù)據(jù)流量為：

平均幀長為：

多源異構(gòu)通信簇系統(tǒng)中第n類數(shù)據(jù)時(shí)均處理速度為：

多源異構(gòu)通信簇系統(tǒng)接納第n類數(shù)據(jù)的時(shí)均速率為：

為使多源異構(gòu)通信簇系統(tǒng)中所有數(shù)據(jù)隊(duì)列保持穩(wěn)定，則每個(gè)隊(duì)列接納第n類數(shù)據(jù)的時(shí)均速率不可超出系統(tǒng)對該類數(shù)據(jù)的服務(wù)速率，即：

1. 系統(tǒng)能耗約束

多源異構(gòu)通信簇系統(tǒng)的幀平均能耗為：

由于多源異構(gòu)通信簇系統(tǒng)內(nèi)交通傳感器成員能量受限，因此系統(tǒng)時(shí)均能耗速率應(yīng)維持在給定常量P內(nèi)，即：

2. 工作大數(shù)據(jù)融合調(diào)度模型

能量受限交通傳感器的工作狀態(tài)調(diào)度問題的優(yōu)化目標(biāo)為最大化時(shí)均接納數(shù)據(jù)流量加權(quán)和，綜上，能量受限交通傳感器工作大數(shù)據(jù)融合調(diào)度模型為：

由于在每幀內(nèi)對能量受限交通傳感器集群系統(tǒng)的控制決策需兼顧系統(tǒng)穩(wěn)定性和系統(tǒng)性能優(yōu)化兩個(gè)方面，因此利用李雅普諾夫優(yōu)化中的“漂移加懲罰”（Drift-plus-Penalty）技術(shù)將模型[15]的優(yōu)化目標(biāo)等效替換為：

其中，[]rΔ為能量受限交通傳感器集群系統(tǒng)的李雅普諾夫漂移，用以表征系統(tǒng)內(nèi)數(shù)據(jù)隊(duì)列的擁塞程度，即系統(tǒng)穩(wěn)定性； []Fr為能量受限交通傳感器集群系統(tǒng)的李雅普諾夫懲罰，表征要優(yōu)化的目標(biāo)函數(shù)；V是非負(fù)權(quán)值，用以控制系統(tǒng)穩(wěn)定性和系統(tǒng)性能優(yōu)化的相對重要程度。

定義虛擬隊(duì)列 Qn[r] ,Z[r]， Qn[r]為第r幀時(shí)，系統(tǒng)中存儲(chǔ)第n類數(shù)據(jù)虛擬隊(duì)列，其更新原則及初始條件如下：

Z[]r為第r幀時(shí)系統(tǒng)的總能耗虛擬隊(duì)列，其更新原則及初始條件如下：

4 能量受限微小交通傳感器工作大數(shù)據(jù)融合調(diào)度算法設(shè)計(jì)

4.1 基本輸入要素

4.1.1 交通傳感器工作狀態(tài)調(diào)度周期

交通傳感器工作狀態(tài)調(diào)度周期描述了進(jìn)行能量受限交通傳感器的工作狀態(tài)調(diào)度需考慮的時(shí)間范圍，它有兩層含義：

1. 所有多源異構(gòu)通信簇系統(tǒng)的數(shù)據(jù)傳輸與處理必須在調(diào)度周期內(nèi)執(zhí)行；

2. 必須在調(diào)度周期內(nèi)最大化系統(tǒng)的時(shí)均數(shù)據(jù)接納數(shù)量，盡可能地延遲交通傳感器工作壽命，同時(shí)處理和傳輸盡可能多的數(shù)據(jù)。

4.1.2 數(shù)據(jù)流信息

數(shù)據(jù)流信息包括多源異構(gòu)通信簇系統(tǒng)將接收和處理的數(shù)據(jù)流類型、到達(dá)過程描述及交通傳感器對每類數(shù)據(jù)的處理速度等。本文假設(shè)每類數(shù)據(jù)按照獨(dú)立同分布的伯努利過程隨機(jī)到達(dá)。

4.1.3 交通傳感器工作狀態(tài)

交通傳感器的工作狀態(tài)可以由如下一些基本屬性來描述：

1. 工作模式

由于在交通區(qū)域探測應(yīng)用場景中并不需要非常實(shí)時(shí)的數(shù)據(jù)傳輸和處理能力，考慮到交通傳感器的能量消耗與供電限制，交通傳感器不需要一直處于工作狀態(tài)，本文采用占空比工作模式，多源異構(gòu)通信簇系統(tǒng)按照“幀”為單位周期運(yùn)行，幀由固定長度的活動(dòng)周期和可變長度的休眠周期組成。因此，交通傳感器工作狀態(tài)調(diào)度周期可由幀數(shù)量定義。

2. 服務(wù)模式集合

交通傳感器有多個(gè)可選服務(wù)模式，用以決定在一個(gè)幀周期內(nèi)該交通傳感器服務(wù)的數(shù)據(jù)流數(shù)量及帶來系統(tǒng)能耗。在每幀開始時(shí)刻，系統(tǒng)為交通傳感器選擇一個(gè)特定的服務(wù)模式，在整個(gè)幀周期內(nèi)，該交通傳感器均按照此服務(wù)模式接收和處理數(shù)據(jù)，在幀切換時(shí)，系統(tǒng)為交通傳感器重新選擇服務(wù)模式。

3. 服務(wù)數(shù)據(jù)流類型集合

服務(wù)數(shù)據(jù)流類型決定了交通傳感器按照系統(tǒng)為其選定的服務(wù)模式服務(wù)哪類數(shù)據(jù)流，可服務(wù)數(shù)據(jù)流類型集合為系統(tǒng)中所有數(shù)據(jù)流類型集合。

4. 新數(shù)據(jù)流接納控制決策

4.1.4 交通傳感器平臺(tái)

1. 數(shù)據(jù)存儲(chǔ)容量

有效載荷獲取的觀測數(shù)據(jù)首先保存于交通傳感器存儲(chǔ)器中，當(dāng)交通傳感器獲得數(shù)傳資源后將數(shù)據(jù)下傳至地面。交通傳感器的數(shù)據(jù)存儲(chǔ)容量是制約工作狀態(tài)調(diào)度結(jié)果的一個(gè)重要因素。

2. 交通傳感器平臺(tái)的名稱

交通傳感器平臺(tái)的名稱主要指星載遙感器所在交通傳感器的名稱。

3. 交通傳感器的軌跡（移動(dòng)式傳感系統(tǒng)）參數(shù)

交通傳感器的運(yùn)行軌跡（移動(dòng)式傳感系統(tǒng)）一般通過6個(gè)參數(shù)來描述，即：升交點(diǎn)赤經(jīng)Ω（RAAN，Right Ascension of the Ascending Node），軌跡（移動(dòng)式傳感系統(tǒng)）傾角i（Inclination），近地點(diǎn)角w（Argument of Perigee），軌跡（移動(dòng)式傳感系統(tǒng)）長半軸a（Semi-major Axis），軌跡（移動(dòng)式傳感系統(tǒng)）偏心率e（Eccentricity），及交通傳感器飛過近地點(diǎn)的時(shí)刻τ。交通傳感器的軌跡（移動(dòng)式傳感系統(tǒng)）參數(shù)決定了其在軌運(yùn)動(dòng)過程中，與地球之間的相互幾何關(guān)系，是計(jì)算交通傳感器與地面目標(biāo)可見時(shí)間窗口的直接依據(jù)。

4. 交通傳感器可用電源容量

需要考慮交通傳感器完成交通區(qū)域觀測任務(wù)時(shí)進(jìn)行姿態(tài)和軌跡（移動(dòng)式傳感系統(tǒng)）機(jī)動(dòng)、有效載荷工作等所消耗的電量。

5. 交通傳感器可用燃料

需要考慮交通傳感器完成交通區(qū)域觀測任務(wù)時(shí)進(jìn)行姿態(tài)和軌跡（移動(dòng)式傳感系統(tǒng)）機(jī)動(dòng)所消耗的燃料。

4.2 基本輸出要素

工作狀態(tài)調(diào)度的最終輸出結(jié)果主要是工作狀態(tài)調(diào)度方案，主要包括交通傳感器將接納何種類型的數(shù)據(jù)，服務(wù)數(shù)據(jù)的類型、數(shù)量及所耗能源，該交通傳感器的休眠時(shí)長。對某顆交通傳感器來說，其分配結(jié)果具體可以表示為如下的一個(gè)4元組：

4.3 大數(shù)據(jù)融合調(diào)度算法

本文采用下述算法求解交通傳感器工作大數(shù)據(jù)融合調(diào)度問題。

交通傳感器工作大數(shù)據(jù)融合調(diào)度算法在第r幀時(shí)，觀察系統(tǒng)當(dāng)前隊(duì)列向量[]rΘ并執(zhí)行如下步驟：1. 數(shù)據(jù)流控制：對于每類數(shù)據(jù)流 {1, ,}n N= … ，按照如下原則選擇流量控制變量 []nr γ ■n ≤ ωn n γ ：1, [] V[] 0, otherwise ifQ r r =■■2. 服務(wù)調(diào)度：選擇控制行為 [],[],[]crmrIr，以最小化漂移加懲罰比率-∑D+I 3. 更新隊(duì)列：對于每類數(shù)據(jù)流 {1, ,}ZrecrmrIr Q r crmrIr r[]([],[],[]) [] ([],[],[])[]? N n n n=1μ? μ 和 []er帶入式（17）（19）來更新虛擬隊(duì)列向量 [] ([],[])。n N= … ，使用獲得的流量控制變量 []γ , []nr nr Θr QrZr=

5 算法驗(yàn)證與分析

本文考慮一個(gè)城市隧道交通傳感器節(jié)點(diǎn)系統(tǒng)，根據(jù)多源載荷，共處理10類不同的數(shù)據(jù)，并具有2種不同的處理方式。對于每種類型 n ∈ { 1,2,… ,1 0}，數(shù)據(jù)流量按照獨(dú)立的伯努利過程到達(dá)。對所有類型的數(shù)據(jù)設(shè)置權(quán)值 wn= 1 ，即能量受限交通傳感器的工作狀態(tài)調(diào)度問題的優(yōu)化目標(biāo)為最大化總體吞吐。假設(shè) P = 0 .5W，更新幀內(nèi)活動(dòng)周期 D = 5 0s，休眠周期為 I ∈ [ 0,10]s，交通傳感器系統(tǒng)在休眠狀態(tài)下的能耗忽略不計(jì)，即e?(c [ r],m[r],I[r] ) = e?(c[r],m[r ])。對每類數(shù)據(jù)的到達(dá)速率λn(Mbps)、處理數(shù)據(jù)流量μn(Mb)、能耗e?n(J)的設(shè)置如下表所示：

表1 參數(shù)設(shè)置Tab.1 Parameter setting

首先，在1000幀范圍內(nèi)針對不同的控制參數(shù)V對大數(shù)據(jù)融合調(diào)度算法進(jìn)行了仿真。在圖4中，我們給出了系統(tǒng)所達(dá)到的平均接納速率。從圖中可知，接納速率隨著V的增長，收斂于最優(yōu)值（實(shí)際總體到達(dá)速率）1.56212Mbps，并呈現(xiàn)出 o ( 1/V )的變化差距。為了對比，同時(shí)仿真了另外一種隨機(jī)調(diào)度算法，該算法隨機(jī)選擇可行的控制決策，并使用簡單的接納策略，在An＞μn時(shí)迫使An[r]= 0 ，以保證隊(duì)列 Qn的穩(wěn)定。隨機(jī)調(diào)度算法10000次，最終發(fā)現(xiàn)其作用下的接納速率范圍在1.1978Mbps到1.4574Mbps范圍之間，當(dāng)V>210時(shí)，大數(shù)據(jù)融合調(diào)度總體吞吐率大于隨機(jī)調(diào)度總體吞吐率上界。結(jié)果表明，當(dāng)V足夠大時(shí)，我們設(shè)計(jì)的基于李雅普諾夫優(yōu)化技術(shù)的大數(shù)據(jù)融合調(diào)度算法能確保更好的數(shù)據(jù)接納率。

圖5給出了1000幀內(nèi)的平均隊(duì)列長度及理論平均隊(duì)列長度。由圖中可以看出，當(dāng)V<570時(shí)，平均隊(duì)列長度呈線性增長趨勢；當(dāng)V≥570時(shí)，隊(duì)列長度達(dá)到飽和，飽和值即為直接接納所有到達(dá)數(shù)據(jù)時(shí)的平均隊(duì)列長度。

綜上，調(diào)節(jié)參數(shù)V可以達(dá)到接納數(shù)據(jù)量與隊(duì)列長度之間的折中。

圖4 不同V條件下的總體吞吐率Fig.4 Overall throughput under different V conditions

圖5 不同V條件下的平均隊(duì)列長度Fig.5 Average queue length under different V conditions

圖6給出了不同V條件下的交通傳感器系統(tǒng)平均能耗速率，可以看出，圖中6種情況下系統(tǒng)均能滿足能耗約束，即平均能耗速率小于能耗門限0.5Watt。隨著V的增加，系統(tǒng)的平均能耗速率減少，這是因?yàn)槲覀冊O(shè)計(jì)的交通傳感器狀態(tài)大數(shù)據(jù)融合調(diào)度算法通過使虛擬隊(duì)列 []Zr穩(wěn)定而保證了整個(gè)系統(tǒng)的能耗限制。當(dāng)V較大時(shí)，虛擬隊(duì)列變得不太穩(wěn)定，算法將會(huì)更頻繁的選擇較長時(shí)間休眠周期而降低能耗，因?yàn)橄到y(tǒng)在休眠周期內(nèi)的能耗計(jì)算忽略不計(jì)。綜上，系統(tǒng)的平均能耗速率將隨著 V和 []Ir的增大而下降。

為驗(yàn)證大數(shù)據(jù)融合調(diào)度算法對突發(fā)到達(dá)速率變化的魯棒性。本文設(shè)計(jì)了兩組到達(dá)速率突變的仿真場景，分別為在第350幀至700幀之間將所有類型數(shù)據(jù)的到達(dá)速率增加為原值的2倍和4倍。圖7、圖8分別給出了到達(dá)速率突變時(shí)系統(tǒng)平均吞吐率與平均隊(duì)列長度變化示意圖。從圖7，圖8可以看出，當(dāng)r < 350幀時(shí)，所有類型數(shù)據(jù)均可被系統(tǒng)接納，當(dāng)數(shù)據(jù)到達(dá)速率突變時(shí)，系統(tǒng)平均隊(duì)列長度迅速增加，因此系統(tǒng)頻繁的拒絕接納進(jìn)入低服務(wù)速率的隊(duì)列數(shù)據(jù)。當(dāng) r=700幀時(shí)，數(shù)據(jù)到達(dá)速率恢復(fù)原值，一些擁塞嚴(yán)重的隊(duì)列仍在一段時(shí)間內(nèi)拒絕接納新的數(shù)據(jù)到達(dá)，因此系統(tǒng)平均吞吐率持續(xù)低于原來的值約114幀（數(shù)據(jù)到達(dá)速率突變2倍）、125幀（數(shù)據(jù)到達(dá)速率突變4倍）后才恢復(fù)原值。另外可以得到系統(tǒng)的理論平均隊(duì)列長度為579.373 Mb，和數(shù)據(jù)到達(dá)速率突變無關(guān)。

圖6 不同V條件下的平均能耗速率Fig.6 Average energy consumption rate under different V conditions

為探究權(quán)值變化對控制決策與優(yōu)化結(jié)果的影響?？紤]兩種數(shù)據(jù)類型，其權(quán)重設(shè)置為 w1= 1 ,w2=2。從圖9可以看出，當(dāng)V相對較大時(shí)，權(quán)值將會(huì)對控制決策和個(gè)體隊(duì)列數(shù)據(jù)吞吐率有影響，并且隊(duì)列將會(huì)按照權(quán)值設(shè)置分別得到服務(wù)，這是因?yàn)閂表征著系統(tǒng)穩(wěn)定性與優(yōu)化目標(biāo)的相對重視程度，只有當(dāng) V達(dá)到一定程度時(shí)，優(yōu)化目標(biāo)才會(huì)在算法執(zhí)行中得到明確體現(xiàn)。

6 結(jié)束語

本文研究了在能量受限條件下服務(wù)于多種類型的數(shù)據(jù)處理和傳輸?shù)亩嘣串悩?gòu)通信簇交通傳感器節(jié)點(diǎn)系統(tǒng)的最優(yōu)大數(shù)據(jù)的融合調(diào)度控制問題。傳統(tǒng)方法需要大量關(guān)于系統(tǒng)動(dòng)態(tài)的統(tǒng)計(jì)信息，并且求解效率低。使用針對更新幀的李雅普諾夫優(yōu)化技術(shù)，本文設(shè)計(jì)了一種新的在線多源傳感通信大數(shù)據(jù)融合調(diào)度算法來克服以上困難。仿真實(shí)驗(yàn)表明所設(shè)計(jì)算法穩(wěn)定、魯棒，為后續(xù)利用交通傳感器網(wǎng)絡(luò)傳輸大規(guī)模數(shù)據(jù)奠定基礎(chǔ)。

圖7 到達(dá)速率突變時(shí)系統(tǒng)平均吞吐率Fig.7 Average throughput of system when the rate of arrival is abrupt

圖8 到達(dá)速率突變時(shí)系統(tǒng)平均隊(duì)列長度Fig.8 Average queue length of system with abrupt change of arrival rate

圖9 當(dāng)權(quán)值變化時(shí)個(gè)體隊(duì)列數(shù)據(jù)吞吐率Fig.9 Throughput of individual queue data when power values change

[1] LIU Lixia, LING Ren, BEI Xiaomeng, GUO Rongwei, et al.coexistence of synchronization and anti-synchronization of a novel hyperchaotic finance system[C]. IEEE Proceeding of the 34thChinese Control conference, Hangzhou, 2015: 8585-8589.

[2] 楊淙鈞, 艾中良, 劉忠麟, 等. 基于多級(jí)列式索引的海量數(shù)據(jù)高效查詢設(shè)計(jì)[J]. 軟件, 2016, 37(3): 79-83

[3] Luis M L, Sara F, Clara G. Complete synchronization and delayed synchronization in couplings[J]. Nonlinear Dynamics.2015, 79(02): 1615-161624.

[4] 鄒積凱. 公安系統(tǒng)應(yīng)急平臺(tái)建設(shè)及資源應(yīng)用研究[J]. 軟件,2016, 37(4): 122-125

[5] GUO Peilin, WANG Yuzhen. Matrix expression and vaccination control for epidemic dynamics over dynamic networks [J]. Control Theory and Technology, 2016, 14(01):39-48.

[6] 李沛然, 蘇衛(wèi)東, 段振華等. 國家電網(wǎng)運(yùn)營診斷關(guān)鍵技術(shù)研究與實(shí)證分析[J]. 軟件, 2016, 37(01): 127-131

[7] Li QM. Multiple QoS Constraints Finding Paths Algorithm in TMN. INFORMATION. 2011, 14(3): 731-737.

[8] Li QM, Zhang H. Information Security Risk Assessment Technology of Cyberspace: a Review. INFORMATION.2012, 15(11): 677-683.

[9] Li QM, LiJ . Rough Outlier Detection Based Security Risk Analysis Methodology. CHINA COMMUNICATIONS. 2012,9(7): 14-21.

[10] Li, QM; Hou, J; Qi, Y; Zhang, H. The Rule Engineer Model on the high-speed processing of Disaster Warning Information.DISASTER ADVANCES. 2012, 5(4): 1196-1201.

[11] Qianmu Li *, Tao Li, Bin Xia. FIRST: Face Identity Recognition in SmarT Bank. International Journal of Semantic Computing. 2016, 31(2): 1-24.

[12] Jing Zhang, Qianmu Li, & Wei Zhou. HDCache: A Distributed Cache System for Real-Time Cloud Services. Journal of Grid Computing, 2016, 14(3): 407–428.

A Fusion Scheduling Algorithm for Big Data Communication in Multi-source Heterogeneous Sensing Communication

WANG Yan-song1, QI Yong2, LI Qian-mu2

(1. ZhongXing Telecommunication Equipment Corporation, Nanjing R & D Center, Nanjing, 320100;2. School of Computer science and Engineering, Nanjing University of Science and Technology, Nanjing 210094)

This paper studies the scheduling problem of optimal big data fusion for a traffic sensor node system with multi-source heterogeneous communication cluster, which serves various data processing and transmission under the condition of energy constraint. Traditional methods require a large amount of statistical information about system dynamics, and their efficiency is low. Using the Lyapunov optimization technique for updating frames, a new data fusion scheduling algorithm for on-line multi-source sensing communication is designed to overcome the above difficulties. Simulation results show that the proposed algorithm is stable and robust, and lays the foundation for subsequent transmission of large-scale data using traffic sensor networks.

: Multi-source heterogeneous; Traffic big data; Data fusion

TP391

A

10.3969/j.issn.1003-6970.2017.10.006

本文著錄格式：王延松，戚湧，李千目. 多源異構(gòu)傳感通信大數(shù)據(jù)的融合調(diào)度算法[J]. 軟件，2017，38（10）：29-38

國家重點(diǎn)研發(fā)計(jì)劃政府間國際科技創(chuàng)新合作重點(diǎn)專項(xiàng)(S2016G9070)；江蘇省重大研發(fā)計(jì)劃社會(huì)發(fā)展項(xiàng)目(BE2017739)；賽爾下一代互聯(lián)網(wǎng)創(chuàng)新項(xiàng)目(NGII20160122)；中興通訊產(chǎn)學(xué)研合作論壇合作項(xiàng)目(2016ZTE04-11)

王延松(1970-)，總工，研究方向：通信網(wǎng)絡(luò)；戚湧(1970-)，教授，研究方向：大數(shù)據(jù)處理；李千目(1979-)，教授，研究方向：數(shù)據(jù)挖掘。