李忠成，解 濱，張文祥

（1.浙江萬里學(xué)院 智能控制技術(shù)研究所，浙江 寧波 315100；2.河北師范大學(xué) 計算機與網(wǎng)絡(luò)空間安全學(xué)院，石家莊 050024）

0 概述

隨著《中國制造2025》計劃的持續(xù)推動，第五代移動通信技術(shù)與傳統(tǒng)物聯(lián)網(wǎng)技術(shù)正在實現(xiàn)深度融合，成為國民經(jīng)濟重要的增長極［1］。移動物聯(lián)網(wǎng)（Mobile Internet of Things，MIoT）作為兩種技術(shù)融合過程中的產(chǎn)物，兼具高帶寬低延時傳輸優(yōu)勢及數(shù)據(jù)快速搜集能力，在突發(fā)事態(tài)感知、新冠肺炎防疫、智能化工業(yè)體系部署等方面起到突出作用，且具有部署成本低的特性［2］。考慮到移動物聯(lián)網(wǎng)節(jié)點在拓撲頻繁更迭時通信中斷頻率較高，容易出現(xiàn)較嚴(yán)重的鏈路抖動現(xiàn)象，因此在網(wǎng)絡(luò)部署過程中均需要對傳感區(qū)域進行預(yù)分割處理，以便節(jié)點可進一步采取路由加固等措施，提高通信過程的穩(wěn)定性［3］。

在傳感區(qū)域預(yù)分割研究中，國內(nèi)外研究人員多數(shù)采用分簇模型［4-5］在一定程度上提高區(qū)域分割效果，增強網(wǎng)絡(luò)傳輸質(zhì)量。但是，分簇模型的建立過程往往需要消耗較多的網(wǎng)絡(luò)資源，難以對節(jié)點相遇過程進行充分評估，因此導(dǎo)致網(wǎng)絡(luò)傳輸質(zhì)量不佳，容易出現(xiàn)嚴(yán)重的傳輸抖動現(xiàn)象。為解決現(xiàn)有研究中存在的問題，本文基于多元分層感知機制，設(shè)計一種新的移動物聯(lián)網(wǎng)區(qū)域高效安全分割算法。通過將網(wǎng)絡(luò)拓撲分割為網(wǎng)絡(luò)層、傳輸層、最終匯聚層等3 個層次，用以衡量簇頭節(jié)點與普通節(jié)點的服務(wù)能力，在此基礎(chǔ)上充分評估移動物聯(lián)網(wǎng)節(jié)點相遇過程中的連通特性，并結(jié)合能量與路由兩個因素來設(shè)計關(guān)聯(lián)度指標(biāo)，以提升網(wǎng)絡(luò)傳輸性能。

1 相關(guān)工作

目前，研究人員針對移動物聯(lián)網(wǎng)區(qū)域預(yù)分割過程中的鏈路抖動現(xiàn)象，嘗試在實際部署過程中利用機會路由特性進行網(wǎng)絡(luò)優(yōu)化。例如，SUJANTHI［6］等利用節(jié)點相遇過程中機會路由具有的機會特性，提出一種基于矢量消息廣播算法的移動物聯(lián)網(wǎng)區(qū)域分割方案。該方案根據(jù)拓撲更迭頻繁程度對節(jié)點進行分級處理，將路由信息劃分為頻繁更迭、非頻繁更迭、鄰域更迭等3 個層次并優(yōu)先處理處于非頻繁更迭、鄰域更迭狀態(tài)的節(jié)點，sink 節(jié)點在層次劃分完畢后發(fā)送路由維護矢量消息，可降低因節(jié)點移動而導(dǎo)致區(qū)域初始化失敗的情形，網(wǎng)絡(luò)鏈路抗抖動性能較優(yōu)。但是，該算法需要頻繁在網(wǎng)絡(luò)中采取廣播方式進行信令發(fā)送，導(dǎo)致網(wǎng)絡(luò)擁塞控制能力較差，在節(jié)點處于高速移動狀態(tài)時的網(wǎng)絡(luò)性能下降幅度較大。

由于節(jié)點移動過程中存在緊密接觸現(xiàn)象，因此研究人員在機會路由的基礎(chǔ)上，進一步利用監(jiān)測機制優(yōu)化網(wǎng)絡(luò)區(qū)域成型過程，并降低節(jié)點能量消耗。例如，DWIVEDI［7］等考慮到移動物聯(lián)網(wǎng)節(jié)點因數(shù)據(jù)緊密及坐標(biāo)緊密程度較高而容易出現(xiàn)頻繁鏈接現(xiàn)象，基于代理-緊密度分簇算法提出一種可大規(guī)模部署的移動物聯(lián)網(wǎng)區(qū)域分割方法。該方法利用緊密度檢測機制改進簇頭節(jié)點成型過程，可將數(shù)據(jù)緊密及坐標(biāo)緊密程度較高的節(jié)點納入同一簇頭節(jié)點所形成的聚類，區(qū)域分割效率較高，能顯著降低節(jié)點能量消耗，節(jié)能效果顯著。然而，該算法對物聯(lián)網(wǎng)節(jié)點在移動過程中拓撲變動情形考慮不足，導(dǎo)致簇頭在節(jié)點處于離線狀態(tài)時將頻繁進行數(shù)據(jù)重傳輸，使得網(wǎng)絡(luò)擁塞控制能力較差，難以適應(yīng)拓撲頻繁更迭的應(yīng)用場景。TABATABAEI［8］等基于簇頭節(jié)點能量消耗等級次序，提出一種基于經(jīng)濟效益裁定機制的移動物聯(lián)網(wǎng)區(qū)域分割算法。該算法根據(jù)簇頭節(jié)點在網(wǎng)絡(luò)中處于的能量等級，采用周期機制對能量消耗預(yù)測獲取閾值，隨后根據(jù)該閾值動態(tài)控制簇內(nèi)及簇間傳輸鏈路所隸屬的區(qū)域，可優(yōu)選簇內(nèi)-簇間鏈路并降低傳輸過程中所消耗的能量。但是，該算法對高速運動節(jié)點適應(yīng)性較差，在節(jié)點運動速率較高時將頻繁切換鏈路，區(qū)域分割效果較差，容易出現(xiàn)嚴(yán)重的網(wǎng)絡(luò)擁塞現(xiàn)象。

綜上所述，針對現(xiàn)有研究中的移動物聯(lián)網(wǎng)區(qū)域預(yù)分割問題以及實際部署過程中存在的網(wǎng)絡(luò)擁塞及節(jié)點抖動現(xiàn)象，本文提出一種基于多元分層感知機制的移動物聯(lián)網(wǎng)區(qū)域高效安全分割算法，可在有效降低網(wǎng)絡(luò)節(jié)點抖動的情況下，改善數(shù)據(jù)擁塞現(xiàn)狀。

2 網(wǎng)絡(luò)多元分層感知模型設(shè)計

由于移動物聯(lián)網(wǎng)部署過程中的節(jié)點具有高速移動特性，且拓撲結(jié)構(gòu)更迭速度較快，節(jié)點移動方向存在一定的不可知性［9］，因此在應(yīng)用中一般對于簇頭節(jié)點進行多樣化處理［10］，如圖1 所示?？紤]到移動物聯(lián)網(wǎng)節(jié)點數(shù)據(jù)交換程度要低于固定部署場景［11］，應(yīng)充分利用各節(jié)點信息交互窗口并分析相遇信息，在完成節(jié)點特征提取后進一步予以規(guī)范化處理，從而便于實現(xiàn)網(wǎng)絡(luò)區(qū)域的分割。

圖1 移動物聯(lián)網(wǎng)節(jié)點部署Fig.1 Mobile IoT nodes deployment

令全網(wǎng)拓撲節(jié)點空間為Ω，任意移動物聯(lián)網(wǎng)節(jié)點i均隸屬于該空間。當(dāng)節(jié)點i處于運動狀態(tài)時，處于該節(jié)點覆蓋半徑內(nèi)的節(jié)點總數(shù)為n，則此時的數(shù)據(jù)交互矩陣B為：其中：S(i,n)表示數(shù)據(jù)交互矢量，當(dāng)且僅當(dāng)節(jié)點i與節(jié)點n存在數(shù)據(jù)交換關(guān)系時，將該矢量初始值設(shè)定為1，反之為0。

在網(wǎng)絡(luò)區(qū)域分割時，若節(jié)點i與節(jié)點n之間不存在數(shù)據(jù)交換關(guān)系，則數(shù)據(jù)交換矩陣B中的各元素均為0。本文將節(jié)點i設(shè)定為簇頭節(jié)點，覆蓋范圍內(nèi)的節(jié)點每次與其發(fā)生數(shù)據(jù)交換時，數(shù)據(jù)交互矢量S(i,n)的數(shù)值將增加1。顯然，S(i,n)的數(shù)值越高，說明簇頭節(jié)點i與節(jié)點n之間的關(guān)系越緊密。

由于數(shù)據(jù)交換矩陣B可以反映簇頭節(jié)點i與節(jié)點n之間的緊密程度，因此在網(wǎng)絡(luò)初始分割過程中需要對全網(wǎng)節(jié)點進行區(qū)域初始化，提取出足夠數(shù)量的簇頭節(jié)點。考慮到簇頭節(jié)點間的數(shù)據(jù)傳輸情況，且sink 節(jié)點只有確認(rèn)接收后才能保證簇間鏈路的暢通性。本文多元分層感知模型由網(wǎng)絡(luò)層、傳輸層、最終匯聚層構(gòu)成，如圖2 所示。

圖2 多元分層感知模型Fig.2 Multi-layered perception model

在多元分層感知模型中，網(wǎng)絡(luò)層元素數(shù)為全網(wǎng)節(jié)點數(shù)，經(jīng)過初始化后得到m個簇頭節(jié)點。傳輸層的維數(shù)為i，規(guī)定網(wǎng)絡(luò)間路由最長跳數(shù)不超過傳輸層維度。最終匯聚層中的路由信息為sink 節(jié)點所獨享，其中最終匯聚層、網(wǎng)絡(luò)層及傳輸層均保持全連接狀態(tài)，但各層次間內(nèi)部元素均不存在數(shù)據(jù)交互連接，以便降低層次串?dāng)_而導(dǎo)致節(jié)點出現(xiàn)失效現(xiàn)象，提升網(wǎng)絡(luò)分割效率。

假設(shè)網(wǎng)絡(luò)中簇頭節(jié)點個數(shù)為i，則網(wǎng)絡(luò)層元素狀態(tài)矢量Ni和傳輸層元素狀態(tài)矢量Ti滿足如下模型：

其中：S(i,n)表示簇頭節(jié)點i與分區(qū)區(qū)域內(nèi)第n個節(jié)點間的數(shù)據(jù)交互矢量；T(i,m)表示簇頭節(jié)點i與第m個簇頭節(jié)點間的數(shù)據(jù)交互矢量。

NDL 模型中網(wǎng)絡(luò)層與傳輸層的狀態(tài)矩陣[Ni,Ti]所具有的動量如式（4）所示：

其中：αi表示第i個分割區(qū)域內(nèi)的簇頭節(jié)點；βi表示網(wǎng)絡(luò)中可用路由表內(nèi)所查詢到的簇頭節(jié)點；wij表示簇頭節(jié)點αi與簇頭節(jié)點βi之間的數(shù)據(jù)交換權(quán)值。wij計算公式如下：

其中：S(αn,βm)表示簇頭節(jié)點αn和簇頭節(jié)點βm之間的數(shù)據(jù)交互矢量。

當(dāng)網(wǎng)絡(luò)處于穩(wěn)定傳輸狀態(tài)時，式（5）所確定的全網(wǎng)拓撲節(jié)點空間Ω將保持穩(wěn)定不變，此時全網(wǎng)被分割為i個區(qū)域，且各區(qū)域間簇頭節(jié)點均存在可達鏈路，此時狀態(tài)矩陣[Ni,Ti]的二維分布P[Ni,Ti|Ω]設(shè)置如下：

由于移動物聯(lián)網(wǎng)節(jié)點具有的高密度分布特性［12-13］，因此直接求解式（8）需要遍歷全部節(jié)點并在足夠長時間內(nèi)進行樣本訓(xùn)練，成本較高。為提高求解效率，考慮到網(wǎng)絡(luò)層與傳輸層之間的全連接特性，且層次內(nèi)元素均無數(shù)據(jù)交換關(guān)系，當(dāng)網(wǎng)絡(luò)層元素狀態(tài)矢量Ni處于確定狀態(tài)時，傳輸層元素狀態(tài)矢量Ti也將處于確定狀態(tài)，因此可根據(jù)網(wǎng)絡(luò)層和傳輸層處于的確定狀態(tài)將式（7）改寫為如下兩種形式：

據(jù)此，可通過式（9）、式（10）對網(wǎng)絡(luò)層及傳輸層狀態(tài)進行估計：首先將式（2）設(shè)定的網(wǎng)絡(luò)層元素狀態(tài)矢量Ni進行輸入操作，然后代入式（9）中進行穩(wěn)態(tài)化處理，如圖3 所示。在網(wǎng)絡(luò)處于穩(wěn)定狀態(tài)后，將該結(jié)果作為傳輸層元素狀態(tài)矢量Ti的初始結(jié)果進行再處理，直到如式（10）所示的網(wǎng)絡(luò)狀態(tài)處于穩(wěn)態(tài)為止。最終輸出層狀態(tài)矢量Gi可以唯一確定網(wǎng)絡(luò)穩(wěn)態(tài)特征：其中：gim表示sink 節(jié)點接收到的第i個簇頭節(jié)點與第m個簇頭節(jié)點間的數(shù)據(jù)交換次數(shù)。當(dāng)gim數(shù)值為0時，說明第i個簇頭節(jié)點與第m個簇頭節(jié)點之間不存在可達鏈路；當(dāng)gim數(shù)值為k時，說明兩者間至少存在k次數(shù)據(jù)交換關(guān)系。

圖3 模型分層訓(xùn)練過程Fig.3 Model layered training process

3 移動物聯(lián)網(wǎng)區(qū)域分割算法設(shè)計

由網(wǎng)絡(luò)多元分層感知模型可知，當(dāng)式（9）和式（10）達到穩(wěn)定狀態(tài)條件時，可獲得最終輸出層狀態(tài)矢量Gi，通過解析該矢量對應(yīng)的各分量，即能獲取任意兩個簇頭節(jié)點間的數(shù)據(jù)交互信息。本文算法由基于機會碰撞信息提取機制的區(qū)域分割子算法和基于能量-路由雙因子裁決的路由穩(wěn)定子算法構(gòu)成。

3.1 基于機會碰撞信息提取機制的區(qū)域分割算法

當(dāng)網(wǎng)絡(luò)處于穩(wěn)態(tài)時，最終輸出層狀態(tài)矢量Gi中可解析出分量，不妨設(shè)其中不為0 的分量個數(shù)為k，對應(yīng)的分量為gik，對應(yīng)的簇頭節(jié)點為gk。將gik重新排序得到區(qū)域分割矢量：

不妨設(shè)全網(wǎng)中除簇頭節(jié)點外的普通節(jié)點個數(shù)為D，定義Hij為普通節(jié)點i與簇頭節(jié)點gj的機會碰撞度，定義ωij為冗余因子，該因子可用于動態(tài)調(diào)節(jié)普通節(jié)點與簇頭節(jié)點的碰撞概率。因此，機會碰撞信息提取問題可歸結(jié)為目標(biāo)函數(shù)L的拉格朗日函數(shù)優(yōu)化問題：

另外，式（13）應(yīng)滿足式（14）～式（16）設(shè)定的限制條件：

按照式（14）～式（16）的限制條件，對式（13）采用拉格朗日優(yōu)化算法，可獲取移動傳感網(wǎng)普通節(jié)點與各簇頭的機會碰撞度Hij及相應(yīng)簇頭節(jié)點對應(yīng)的分量gjk如式（17）和式（18）所示：

在分簇過程中，首先隨機對分量gjk進行賦值，然后將隨機分量gjk代入式（17）、式（18）進行更新，最后任意普通節(jié)點i可獲取D個冗余因子ω ij，其中機會碰撞度最高的簇頭節(jié)點gdk為節(jié)點i所隸屬的簇頭節(jié)點，至此區(qū)域分割結(jié)束?；跈C會碰撞信息提取機制的區(qū)域分割過程如圖4 所示。

圖4 基于機會碰撞信息提取機制的區(qū)域分割過程Fig.4 Region segmentation process based on opportunity collision information extraction mechanism

當(dāng)網(wǎng)絡(luò)處于穩(wěn)態(tài)時，根據(jù)機會碰撞信息提取機制解析最終輸出層的狀態(tài)矢量，可以高效地提取出分量對應(yīng)的簇頭節(jié)點，考慮到普通節(jié)點與簇頭節(jié)點在運動過程中可能出現(xiàn)碰撞現(xiàn)象，可先通過式（12）得到區(qū)域分割矢量，再按照式（13）選取機會碰撞度最高的節(jié)點作為簇頭節(jié)點，以提升網(wǎng)絡(luò)對簇頭節(jié)點的篩選效率，從而達到高效更新網(wǎng)絡(luò)簇頭節(jié)點的目的。此外，由于區(qū)域分割過程中將機會碰撞度最高的節(jié)點設(shè)置為簇頭節(jié)點，設(shè)定簇頭節(jié)點后輸出層狀態(tài)矢量Gi將保持穩(wěn)定狀態(tài)，規(guī)避了區(qū)域分割過程中多個節(jié)點同時競爭簇頭節(jié)點所引發(fā)的物理碰撞，從而提高了網(wǎng)絡(luò)運行的安全性能，防止因節(jié)點失效而出現(xiàn)網(wǎng)絡(luò)癱瘓現(xiàn)象。

3.2 基于能量-路由雙因子裁決的路由穩(wěn)定算法

在完成基于機會碰撞信息提取機制的區(qū)域分割后，簇頭節(jié)點將被唯一確定，且移動物聯(lián)網(wǎng)中全部普通節(jié)點均已被納入簇頭節(jié)點所確定的區(qū)域內(nèi)。然而由于移動物聯(lián)網(wǎng)節(jié)點均具有移動特性，容易出現(xiàn)數(shù)據(jù)洪泛現(xiàn)象，導(dǎo)致安全傳輸?shù)姆€(wěn)定性能下降［14］，因此需要采取更換機制以便能夠穩(wěn)定簇內(nèi)數(shù)據(jù)傳輸［15］，據(jù)此本文設(shè)計基于能量-路由雙因子裁決的路由穩(wěn)定算法，具體步驟如下：

步驟1在執(zhí)行完基于機會碰撞信息提取機制的區(qū)域分割算法后，將確定的簇頭節(jié)點Jc設(shè)定為該區(qū)域內(nèi)初始簇頭節(jié)點，該區(qū)域內(nèi)節(jié)點個數(shù)設(shè)定為o，簇內(nèi)任意成員節(jié)點設(shè)定為Jo，得到關(guān)聯(lián)度T[Jo]：

其中：S(i,j)表示任意簇內(nèi)任意成員節(jié)點i和j之間存在數(shù)據(jù)交互的次數(shù)。

步驟2由于簇頭節(jié)點需要消耗較高的能量，當(dāng)初始簇頭節(jié)點Jc按照式（19）獲取的關(guān)聯(lián)度不再具有優(yōu)勢時，需要考慮對簇頭節(jié)點Jc進行更換處理，新的簇頭節(jié)點Jd將按照式（20）選出：

其中：μ表示權(quán)重因子，可隨機選取0～1 的任意數(shù)；E[Jc]表示待更換簇頭節(jié)點的剩余能量；E[Jd]表示待選簇頭節(jié)點的剩余能量。

步驟3若按式（20）選取出新的簇頭節(jié)點Jd，則將該節(jié)點的ID 進行全網(wǎng)廣播，如圖5 所示。

圖5 基于能量-路由雙因子裁決的路由穩(wěn)定過程Fig.5 Routing stability process based on energy-routing two-factor adjudication

步驟4按步驟1～步驟3 更新網(wǎng)絡(luò)中各分區(qū)的簇頭節(jié)點，同時更新傳輸層的元素狀態(tài)矢量Ti，算法結(jié)束。

在實現(xiàn)基于能量-路由雙因子裁決的路由穩(wěn)定算法后，整個網(wǎng)絡(luò)將處于穩(wěn)定狀態(tài)，若持續(xù)更新傳輸層元素狀態(tài)矢量Ti，則將確保網(wǎng)絡(luò)中簇頭節(jié)點發(fā)生更換時，網(wǎng)絡(luò)能及時維護所分割的區(qū)域，防止因網(wǎng)絡(luò)拓撲結(jié)構(gòu)更迭而導(dǎo)致分簇區(qū)域崩潰。此外，考慮到網(wǎng)絡(luò)拓撲結(jié)構(gòu)更迭容易導(dǎo)致節(jié)點出現(xiàn)離散化現(xiàn)象，需要網(wǎng)絡(luò)頻繁篩選簇頭節(jié)點，因此采取能量-路由雙因子裁決機制可顯著提高節(jié)點及網(wǎng)絡(luò)傳輸過程的安全系數(shù)，有效規(guī)避因路由崩潰而導(dǎo)致網(wǎng)絡(luò)出現(xiàn)癱瘓現(xiàn)象，進一步提高網(wǎng)絡(luò)運行的安全穩(wěn)定性能。

4 實驗與結(jié)果分析

在NS2 仿真實驗環(huán)境［16-17］下驗證本文算法性能。網(wǎng)絡(luò)采用5G 節(jié)點且移動速率可調(diào)節(jié)，信號調(diào)制方式為128PSK，網(wǎng)絡(luò)部署區(qū)域為1 024 m×1 024 m，節(jié)點覆蓋半徑不低于20 m［18］。對比算法為基于改進移動中繼的區(qū)域分割算法MR［19］和基于楔形合并-能量空洞消除的區(qū)域分割算法WM-EHP［20］。性能評價指標(biāo)為網(wǎng)絡(luò)節(jié)點抖動率、網(wǎng)絡(luò)擁塞累計次數(shù)、網(wǎng)絡(luò)數(shù)據(jù)投遞成功率。實驗參數(shù)設(shè)置如表1 所示。

表1 實驗參數(shù)設(shè)置Table 1 Setting of experimental parameters

4.1 網(wǎng)絡(luò)節(jié)點抖動率分析

圖6 給出了本文算法、MR 算法和WM-EHP 算法的網(wǎng)絡(luò)節(jié)點抖動率測試結(jié)果。可以看出，本文算法在網(wǎng)絡(luò)運行時間增加時的節(jié)點抖動率升高幅度較緩和，具有較好的節(jié)點抗抖性能，能夠有效抑制節(jié)點抖動現(xiàn)象的發(fā)生。這是由于本文算法設(shè)計了多元分層感知模型，能夠采用遍歷的方式對網(wǎng)絡(luò)節(jié)點進行初步篩選，并根據(jù)輸出層、網(wǎng)絡(luò)層參量進行簇頭節(jié)點的更新，當(dāng)簇頭節(jié)點因能量受限等因素處于非穩(wěn)定狀態(tài)時，可根據(jù)權(quán)值進行簇內(nèi)最優(yōu)篩選，網(wǎng)絡(luò)表現(xiàn)出較好的節(jié)點抖動抑制能力，可規(guī)避因簇頭節(jié)點抖動而出現(xiàn)的網(wǎng)絡(luò)擁塞現(xiàn)象，因此網(wǎng)絡(luò)節(jié)點抖動率增長較慢。MR 算法主要基于節(jié)點連通特性對區(qū)域進行初次分割，僅采取預(yù)設(shè)簇頭節(jié)點的方式對處于抖動狀態(tài)的簇頭節(jié)點進行更換，難以達到最優(yōu)篩選的目的，因此網(wǎng)絡(luò)節(jié)點抖動率增長較快。WM-EHP 算法采取等角楔形方案對網(wǎng)絡(luò)區(qū)域進行分割，當(dāng)成員節(jié)點的單個剩余能量低于某個閾值時，動態(tài)地將一個楔形與其相鄰楔形進行合并，從而降低簇頭節(jié)點受限概率，但是該算法僅從拓撲層面對網(wǎng)絡(luò)區(qū)域進行分割，未同時針對網(wǎng)絡(luò)層及傳輸層動態(tài)調(diào)整網(wǎng)絡(luò)區(qū)域并更換簇頭節(jié)點，存在節(jié)點更換效率較低的問題，導(dǎo)致WM-EHP 算法對節(jié)點抖動抑制效果不明顯，因此網(wǎng)絡(luò)節(jié)點抖動率要明顯高于本文算法。

圖6 3 種算法的網(wǎng)絡(luò)節(jié)點抖動率測試結(jié)果Fig.6 Test results of network node jitter rate for three algorithms

4.2 網(wǎng)絡(luò)擁塞累計次數(shù)分析

圖7 給出了本文算法、MR 算法和WM-EHP 算法的網(wǎng)絡(luò)擁塞累計次數(shù)測試結(jié)果?？梢钥闯?，本文算法具有較強的網(wǎng)絡(luò)擁塞控制能力，網(wǎng)絡(luò)擁塞累計次數(shù)較低。這是由于本文算法設(shè)計的多元分層感知模型能夠在網(wǎng)絡(luò)區(qū)域分割過程中優(yōu)選具有較好性能的簇頭節(jié)點，并能通過監(jiān)測簇內(nèi)節(jié)點關(guān)聯(lián)度的方式及時發(fā)現(xiàn)性能較低的簇頭節(jié)點，有效規(guī)避了簇頭節(jié)點受限所導(dǎo)致的網(wǎng)絡(luò)擁塞問題，因此具有較好的擁塞疏導(dǎo)性能，網(wǎng)絡(luò)擁塞累計次數(shù)較低。MR 算法針對網(wǎng)絡(luò)擁塞問題，采取鏈路切換及數(shù)據(jù)重傳模型進行流量疏導(dǎo)，由于該方式單純用于緩解簇間擁塞現(xiàn)象，發(fā)生簇內(nèi)擁塞現(xiàn)象時均采用數(shù)據(jù)重傳模型進行多次傳輸，因此難以抑制網(wǎng)絡(luò)中出現(xiàn)的數(shù)據(jù)擁塞現(xiàn)象，數(shù)據(jù)擁塞控制能力較弱。WM-EHP 算法在發(fā)生網(wǎng)絡(luò)擁塞時，需要頻繁進行楔形區(qū)域分割，難以迅速篩選出性能較好的簇頭節(jié)點，因此網(wǎng)絡(luò)擁塞控制能力也差于本文算法，網(wǎng)絡(luò)擁塞累計次數(shù)較高。

圖7 3 種算法的網(wǎng)絡(luò)擁塞累計次數(shù)測試結(jié)果Fig.7 Test results of accumulated times of network congestion for three algorithms

4.3 網(wǎng)絡(luò)數(shù)據(jù)成功投遞率分析

圖8 給出了本文算法、MR 算法和WM-EHP 算法的網(wǎng)絡(luò)數(shù)據(jù)成功投遞率測試結(jié)果?？梢钥闯?，本文算法的網(wǎng)絡(luò)數(shù)據(jù)成功投遞率始終處于較高水平，具有較好的數(shù)據(jù)傳輸能力。這是由于本文算法在基于機會碰撞信息提取機制的區(qū)域分割過程中充分利用了多元分層感知模型，優(yōu)化網(wǎng)絡(luò)分區(qū)結(jié)構(gòu)與路由傳輸質(zhì)量，特別是考慮到移動物聯(lián)網(wǎng)節(jié)點具有的高速移動特性，通過基于能量-路由雙因子裁決的路由穩(wěn)定算法優(yōu)化簇內(nèi)傳輸架構(gòu)，并及時更換網(wǎng)絡(luò)數(shù)據(jù)傳輸性能不佳的簇頭節(jié)點，因此具有較高的網(wǎng)絡(luò)數(shù)據(jù)成功投遞率。MR 算法在出現(xiàn)網(wǎng)絡(luò)數(shù)據(jù)擁塞現(xiàn)象時，僅采取鏈路切換及數(shù)據(jù)重傳方式進行投遞，數(shù)據(jù)擁塞抑制能力較差，網(wǎng)絡(luò)數(shù)據(jù)成功投遞率較低。WM-EHP 算法主要通過楔形優(yōu)化方式進行區(qū)域重分割，在出現(xiàn)大面積數(shù)據(jù)擁塞現(xiàn)象時將對整個網(wǎng)絡(luò)區(qū)域進行再次分割，存在針對性不強的問題，因此該算法網(wǎng)絡(luò)數(shù)據(jù)成功投遞率也低于本文算法。

4.4 結(jié)果分析

與已有研究相比，本文算法具有以下優(yōu)勢：1）網(wǎng)絡(luò)節(jié)點抖動抑制效果較好，引入遍歷的方式篩選網(wǎng)絡(luò)節(jié)點，并根據(jù)輸出層、網(wǎng)絡(luò)層參量更新簇頭節(jié)點，所選節(jié)點傳輸性能較好，大幅降低了網(wǎng)絡(luò)節(jié)點抖動率；2）網(wǎng)絡(luò)擁塞控制能力較強，優(yōu)選性能優(yōu)越的節(jié)點并將其設(shè)置為簇頭節(jié)點，采取監(jiān)測簇內(nèi)節(jié)點關(guān)聯(lián)度的方式觀察簇頭節(jié)點性能，可有效改善因簇頭節(jié)點受限所導(dǎo)致的網(wǎng)絡(luò)擁塞現(xiàn)象；3）網(wǎng)絡(luò)數(shù)據(jù)成功投遞率較高，將節(jié)點高速移動特性納入傳輸架構(gòu)的評估過程中，通過能量-路由雙因子對傳輸路由進行優(yōu)化，及時更換傳輸性能受限的簇頭節(jié)點，因此擁塞疏導(dǎo)能力較強，網(wǎng)絡(luò)數(shù)據(jù)成功投遞率較高。

5 結(jié)束語

針對現(xiàn)有移動物聯(lián)網(wǎng)區(qū)域分割算法存在的節(jié)點抖動抑制效果、網(wǎng)絡(luò)擁塞控制能力較差等問題，本文提出一種基于多元分層感知機制的移動物聯(lián)網(wǎng)區(qū)域高效安全分割算法。根據(jù)節(jié)點間數(shù)據(jù)交換的緊密程度設(shè)計多元分層感知模型，優(yōu)化區(qū)域分割過程中的簇頭節(jié)點篩選。構(gòu)建基于機會碰撞信息提取機制的區(qū)域分割子算法和基于能量-路由雙因子裁決機制的路由穩(wěn)定子算法，利用節(jié)點機會路由連通特性提取相關(guān)碰撞信息，采用拉格朗日模型挖掘節(jié)點核心特征、密切交互區(qū)域信息與簇頭節(jié)點數(shù)據(jù)，保證傳輸鏈路的穩(wěn)定性，解決了簇頭節(jié)點受限而導(dǎo)致的網(wǎng)絡(luò)擁塞問題。實驗結(jié)果表明，與主流區(qū)域分割算法相比，該算法具有更好的網(wǎng)絡(luò)擁塞控制能力和數(shù)據(jù)成功投遞率。后續(xù)可將本文算法應(yīng)用于高速移動場景，通過引入立體傳感拓撲改善因節(jié)點高速移動而產(chǎn)生的數(shù)據(jù)報文丟失問題，進一步提升其對于各種復(fù)雜環(huán)境的應(yīng)對能力。