鄭 琦

（福建商貿(mào)學(xué)校，福建 福州350007）

一、引言

泛在網(wǎng)絡(luò)（UN）是指一種自組織類型的網(wǎng)絡(luò)，其中包括空間分布的自主傳感器設(shè)備。這些傳感器設(shè)備通過網(wǎng)絡(luò)相互連接，并監(jiān)視目標(biāo)區(qū)域的環(huán)境。信息和通信技術(shù)（ICT）的最新發(fā)展已導(dǎo)致小型化和復(fù)雜的傳感器設(shè)備（例如，低功率廣域網(wǎng)，而UN 是進(jìn)一步高級網(wǎng)絡(luò)系統(tǒng)的基礎(chǔ)，它們在實(shí)現(xiàn)物聯(lián)網(wǎng)和網(wǎng)絡(luò)物理系統(tǒng)時(shí)引起了極大的關(guān)注。在這些情況下，將在Internet上集成和實(shí)施許多ICT應(yīng)用服務(wù)和其他社會基礎(chǔ)設(shè)施。但是，泛在網(wǎng)絡(luò)與物聯(lián)網(wǎng)技術(shù)沒有考慮模塊間鏈接的端點(diǎn)；因此，這項(xiàng)研究考慮了分類性，即被定義為網(wǎng)絡(luò)中節(jié)點(diǎn)度的相關(guān)性。節(jié)點(diǎn)度是最簡單、最常見的集中度度量之一，用于度量網(wǎng)絡(luò)拓?fù)渖系墓?jié)點(diǎn)重要性。在具有高分類性的網(wǎng)絡(luò)中，如果兩個(gè)節(jié)點(diǎn)具有相似的節(jié)點(diǎn)度，則可能會互連一對節(jié)點(diǎn)。相比之下，在具有低分類性的網(wǎng)絡(luò)中，如果兩個(gè)節(jié)點(diǎn)的節(jié)點(diǎn)度不同，則將它們連接起來。至于由多個(gè)模塊組成的泛在網(wǎng)絡(luò)，分類可以表示不同的行為，這取決于焦點(diǎn)是模塊之間還是模塊內(nèi)部的連接，以及模塊之間的連接是強(qiáng)還是弱。腦網(wǎng)絡(luò)的高可靠性可以歸因于拓?fù)溥B通性，它是基于網(wǎng)絡(luò)模塊之間和內(nèi)部的分類性。

這項(xiàng)研究的目的是為職業(yè)院校智慧校園設(shè)計(jì)一種模塊化的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，這種拓?fù)浣Y(jié)構(gòu)可以抵抗環(huán)境變化，并以相對較低的布線成本提供較高的通信效率。對于智慧校園網(wǎng)絡(luò)的構(gòu)建，首先根據(jù)提出的方法分配模塊之間的鏈接；其次，通過考慮分類性，提出了一種在模塊內(nèi)的節(jié)點(diǎn)上分配模塊間鏈接的方法。泛在網(wǎng)絡(luò)與物聯(lián)網(wǎng)技術(shù)和分類性的影響可以通過單個(gè)參數(shù)來控制。

二、泛在網(wǎng)絡(luò)與物聯(lián)網(wǎng)技術(shù)

泛在網(wǎng)絡(luò)可以看作是一個(gè)復(fù)雜的網(wǎng)絡(luò)，包括位于髓鞘絕緣軸突連接的皮質(zhì)灰質(zhì)區(qū)的神經(jīng)元細(xì)胞體。神經(jīng)影像技術(shù)的最新進(jìn)展使得能夠以更高的空間分辨率對泛在網(wǎng)絡(luò)進(jìn)行分析。先前的研究已經(jīng)檢查了以感興趣區(qū)域之間的解剖聯(lián)系為代表的大腦結(jié)構(gòu)網(wǎng)絡(luò)。在此過程中，選擇了空間分布的91個(gè)皮質(zhì)區(qū)域中的29 個(gè)，以便29 個(gè)區(qū)域的子圖可以完全估計(jì)整個(gè)網(wǎng)絡(luò)的連通性。逆向示蹤劑注入到這29 個(gè)區(qū)域中，表明存在6,494,974 個(gè)神經(jīng)鏈接和1615個(gè)區(qū)域間鏈接。分析表明，區(qū)域間連接的存在概率p（d）隨區(qū)域間距離呈指數(shù)衰減，可以表示為：

其中c 表示歸一化常數(shù)，d 是區(qū)域間距離，而λ是參數(shù)。為了近似大腦的連通性，在泛在網(wǎng)絡(luò)與物聯(lián)網(wǎng)技術(shù)中使用了λ=0.180mm-1。應(yīng)當(dāng)注意，在結(jié)果拓?fù)渲械逆溄颖环峙淞伺c區(qū)域之間的多個(gè)神經(jīng)連接相對應(yīng)的權(quán)重?？紤]到代謝成本和性能之間的折衷，緊鄰的神經(jīng)元往往具有更多的連接；此外，還提供了一些長距離連接來加速信息集成。即使泛在網(wǎng)絡(luò)與物聯(lián)網(wǎng)技術(shù)是僅由單個(gè)參數(shù)λ控制的相對簡單的模型，它仍可以充分再現(xiàn)泛在網(wǎng)絡(luò)中拓?fù)溥B接的各種屬性，例如通信效率、派系分布、特征向量譜及存在核心結(jié)構(gòu)。

基于剩余度分布q（k）計(jì)算全局分類系數(shù)，如下所示：

其中稱為度數(shù)分布，它表示隨機(jī)選擇的節(jié)點(diǎn)具有節(jié)點(diǎn)度數(shù)k的概率；稱為剩余度分布，它表示隨機(jī)選擇的鏈接的任一端點(diǎn)節(jié)點(diǎn)具有剩余度k 的概率。在此，節(jié)點(diǎn)的剩余度是指普通節(jié)點(diǎn)度減去節(jié)點(diǎn)本身。全局分類系數(shù)r定義如下：

其中J 和K 表示剩余程度的變量；兩者具有相同的期望值。項(xiàng)表示剩余度分布的方差。r的正值和負(fù)值分別表示網(wǎng)絡(luò)是分類的和分解的。當(dāng)r趨于零時(shí)，網(wǎng)絡(luò)變?yōu)榉欠诸惥W(wǎng)絡(luò)；網(wǎng)絡(luò)的形狀變得類似于隨機(jī)網(wǎng)絡(luò)的形狀。從理論上講，r 的可行值范圍是[-1，1]；但是，由于度分布，其范圍變小。

然后，在給定的情況下，可以引入鏈路l上的通用分類系數(shù)。該系數(shù)對應(yīng)于單個(gè)鏈接對全局分類系數(shù)r的貢獻(xiàn)。因此，定義如下：

其中j和k表示鏈接l的兩個(gè)端點(diǎn)的剩余度。此處，M表示網(wǎng)絡(luò)中的鏈路總數(shù)。

三、構(gòu)造職業(yè)院校智慧校園網(wǎng)絡(luò)方法

物理層上的模塊通過網(wǎng)關(guān)（邊緣服務(wù)器）之間的模塊間鏈接的無線連接泛在地彼此連接，并形成泛在層。關(guān)于模塊間鏈路的端點(diǎn)的分配，在實(shí)際意義上，物理層上的所有節(jié)點(diǎn)都不能充當(dāng)端點(diǎn)，因?yàn)樵O(shè)備的性能或角色彼此不同。但是，在此評估中，假設(shè)所有節(jié)點(diǎn)都有能力充當(dāng)端點(diǎn)節(jié)點(diǎn)。因此，的目標(biāo)是從拓?fù)涞慕嵌冉沂緫?yīng)表示為端點(diǎn)節(jié)點(diǎn)的節(jié)點(diǎn)類型。如圖1所示。

圖1泛在化泛在網(wǎng)絡(luò)的架構(gòu)

在以下小節(jié)中，將描述為職業(yè)院校智慧校園網(wǎng)絡(luò)體系結(jié)構(gòu)構(gòu)建泛在層拓?fù)涞慕ㄗh方法。首先，泛在網(wǎng)絡(luò)與物聯(lián)網(wǎng)技術(shù)被修改并用于職業(yè)院校智慧校園間鏈路的部署。然后，應(yīng)用分類性來確定模塊中節(jié)點(diǎn)上模塊間鏈接的端點(diǎn)的分配。

為了創(chuàng)建模塊間鏈接，將等式（1）重新定義為等式（6），以使泛在網(wǎng)絡(luò)與物聯(lián)網(wǎng)技術(shù)中的變量和參數(shù)可以適應(yīng)除皮質(zhì)區(qū)域間連通性以外的任何規(guī)模的網(wǎng)絡(luò)拓?fù)洌?/p>

其中dn表示兩個(gè)模塊之間的相對距離。也就是說，dn=d/dmax，其中實(shí)際歐幾里德距離dmax除以所有模塊對中的最大距離。

本文從節(jié)點(diǎn)分類的角度討論將模塊間鏈接的端點(diǎn)分配給節(jié)點(diǎn)的過程。即，選擇端點(diǎn)節(jié)點(diǎn)，以使得在每對模塊的模塊間連接性上獲得等式（5）中的分類性ρ 的指定值。通過使用這種分配方案，排除了已經(jīng)存在模塊間鏈接的端點(diǎn)對。為了獲得合適的模塊間連接性，以實(shí)現(xiàn)指定的分類值，模塊間鏈路進(jìn)行了重新布線。圖2顯示了根據(jù)上述過程生成的兩個(gè)示例網(wǎng)絡(luò)，其中每個(gè)鏈路都是未加權(quán)和未定向的。

圖2 職業(yè)院校智慧校園網(wǎng)絡(luò)互連性

四、仿真結(jié)果與分析

本文介紹了除泛在網(wǎng)絡(luò)與物聯(lián)網(wǎng)技術(shù)以外的用于在模塊內(nèi)部和模塊之間分配鏈接的網(wǎng)絡(luò)模型。此外，還定義了評估通信效率，智慧校園網(wǎng)絡(luò)穩(wěn)定性性和網(wǎng)絡(luò)建設(shè)成本的指標(biāo)。還將解釋用于為計(jì)算機(jī)仿真構(gòu)建職業(yè)院校智慧校園網(wǎng)絡(luò)的特定參數(shù)設(shè)置。

在計(jì)算機(jī)仿真中，假設(shè)職業(yè)院校智慧校園網(wǎng)絡(luò)構(gòu)造在E×Em2的正方形區(qū)域上，并且將N 個(gè)節(jié)點(diǎn)部署為物理節(jié)點(diǎn)。該區(qū)域以網(wǎng)格圖案劃分為M 個(gè)較小的區(qū)域，每個(gè)區(qū)域包含相等數(shù)量的N'=N/M 個(gè)節(jié)點(diǎn)。分別基于SL 模型和LL 模型構(gòu)造職業(yè)院校智慧校園網(wǎng)絡(luò)時(shí)，Rshort和Rlong限制了鏈接的長度。

?

參數(shù)設(shè)置如表1所示。職業(yè)院校智慧校園網(wǎng)絡(luò)由M=4 個(gè)模塊組成，如圖3 所示。每對模塊均被平均分配5 個(gè)模塊間鏈接，而職業(yè)院校智慧校園網(wǎng)絡(luò)的Linter=5×6=假設(shè)有4C2=6 種可能的組合，則有30 個(gè)模塊間鏈接用于連接四個(gè)模塊中的兩個(gè)。當(dāng)比較ER 模型和BA 模型的結(jié)果時(shí)，對于任何給定的分類價(jià)值，后者顯示出更強(qiáng)大的功能。這可以歸因于節(jié)點(diǎn)度分布的差異。在基于BA 模型的拓?fù)渲?，集線器節(jié)點(diǎn)的密集中心核心緊密連接所有節(jié)點(diǎn)并增強(qiáng)了連通性。這樣可以減小直徑并縮小網(wǎng)絡(luò)的拓?fù)湫螤?。因此，一些故障不會分裂BA 模型的拓?fù)?。相反，基于ER 模型的拓?fù)溥B接稀疏且統(tǒng)一，并且可以輕松拆分為較小的群集。這些特征導(dǎo)致ER 模型和BA 模型之間的代數(shù)連通性不同。

圖3 模塊網(wǎng)絡(luò)的仿真結(jié)果

如表1所示，因?yàn)槁殬I(yè)院校智慧校園網(wǎng)絡(luò)已在正方形區(qū)域中移至更大的比例，所以N'和Lintra 使用相等的值。確定模塊間鏈接Linter 的數(shù)量為Linter=3×M=300，以便每個(gè)模塊添加三個(gè)模塊間鏈接。因?yàn)樵谇懊娴奈恼轮幸呀?jīng)研究了分類能力ρ對性能的詳細(xì)影響，

圖4 顯示了代數(shù)連通性，泛在網(wǎng)絡(luò)與物聯(lián)網(wǎng)技術(shù)中的參數(shù)α和模間分類之間的關(guān)系。y軸表示代數(shù)連通性，而x軸表示參數(shù)α。這兩個(gè)子圖包含三個(gè)曲線，每個(gè)曲線分別對應(yīng)于模塊之間的分類，分類和非分類連通性。關(guān)于分類性，應(yīng)該注意的是，在ER模型和BA模型中，分類拓?fù)涠颊宫F(xiàn)出最高的代數(shù)連通性，即最魯棒的特征。但是，在4 模塊網(wǎng)絡(luò)的ER模型中，證實(shí)了非分類或略分類的連通性可實(shí)現(xiàn)最高的魯棒性。這可能歸因于模塊數(shù)量的差異。在4模塊網(wǎng)絡(luò)中，每個(gè)模塊通過一跳連接到所有其他模塊。但是，在這種情況下，職業(yè)院校智慧校園網(wǎng)絡(luò)由100 個(gè)模塊組成，因此，大多數(shù)模塊對是間接連接的。從該結(jié)果可以推測，當(dāng)兩個(gè)節(jié)點(diǎn)之間的路徑經(jīng)過多個(gè)模塊時(shí)，由兩個(gè)高級節(jié)點(diǎn)組成的模塊間鏈路會導(dǎo)致不連續(xù)路徑數(shù)量的增加。這導(dǎo)致代數(shù)連接性，即魯棒性的增加。在BA模型中，高階節(jié)點(diǎn)之間的連接影響較大，而分類拓?fù)淇蓪?shí)現(xiàn)更高的魯棒性。

圖4 智慧校園網(wǎng)絡(luò)穩(wěn)定性性

五、結(jié)論

本文提出并評估了一種構(gòu)建職業(yè)院校智慧校園網(wǎng)絡(luò)的方法。由于未來的職業(yè)院校智慧校園上存在大量的物聯(lián)網(wǎng)技術(shù)設(shè)備和無數(shù)類型的應(yīng)用程序服務(wù)，為了滿足所需的性能。在現(xiàn)實(shí)世界的物聯(lián)網(wǎng)網(wǎng)絡(luò)中，供應(yīng)商對環(huán)境或服務(wù)需求的各種限制可能會影響邊緣計(jì)算系統(tǒng)和UN 上職業(yè)院校智慧校園網(wǎng)絡(luò)的構(gòu)建?？梢钥偨Y(jié)為，相互連接的高級節(jié)點(diǎn)既增強(qiáng)了魯棒性，又提高了通信效率。同時(shí)，提出的方法可以幫助設(shè)計(jì)職業(yè)院校智慧校園架構(gòu)，以應(yīng)對實(shí)際物聯(lián)網(wǎng)場景中可能出現(xiàn)的各種需求。