[发明专利]一种应用于智慧城市的异构网络拓扑设计方法

说明书

技术领域

本发明涉及异构网络拓扑领域，具体涉及一种应用于智慧城市的异构网络拓扑设计领域。

背景技术

智慧城市是指运用信息和通信技术手段感测、分析、整合城市运行核心系统的各项关键信息，从而对包括民生、环保、公共安全、城市服务、工商业活动在内的各种需求做出智能响应。在建设“智慧城市”的进程中，要借助当今信息通信技术发展的新进展,运用诸如物联网、传感网、移动互联网、宽带光网络、云计算、自组织网络SON、智能运营管道等一系列新技术。物联网作为实现智慧城市的必要条件之一，是智慧城市建设中非常重要的一个部分。物联网指的是物与物间互相通信的网络，第三代合作伙伴计划（3GPP）也针对基于云服务的物联网通信发起了专门的会话。然而现有的组织网络拓扑如点对点自组织网络在大规模网络情况下延迟严重。因此基于大规模物联网设计一种能够实现高鲁棒性并能节约带宽和能源的异构网络拓扑结构就显得至关重要。

在大型的机器（传感器）群落中，单个机器的能量是有限的，传输距离和速度会受到极大的限制，信息传递采用自组织、多跳或点对点的方式。因此这种单一层次点对点自组织的网络结构是物联网最基本的形态，整个网络没有固定的基础设施，每个节点都是移动的，并且都能以任意方式动态地保持与其他节点的联系。在这种网络中，由于终端无线覆盖取值范围的有限性，两个无法直接进行通信的用户终端可以借助其他节点进行分组转发，同时每个终端的传输半径比较狭小，因而需要多次传递才能从发起端将信息传递到目标端，并且每个终端都被赋予了各自的功能，仅有少量能量是用于传输信息，因而传输的速率也受到了限制。

根据这些微观特性，这种单一层次的点对点自组织网络模型可以描述为：在单位平面上均匀分布n个机器，其分布服从泊松生成过程；每个机器能和半径r以内的机器相连，近似的泊松生成过程的每个点都和距离r以内的点有边相连；所构成的点和边的集合就是所对应的点对点自组织网络模型，这个模型也被称为随机几何图（GRG）。需要注意这里顶点的生成和空间的分布都是随机的，因此所对应图也是随机的。最新的研究结果表明，当机器数量时，点对点自组织网络模型的最大延迟和平均延迟都是。特别当物联网满足，则最大延迟和平均延迟都是)。因此这种网络拓扑在传输速度和传输范围上的缺陷就会造成在利用人工智能和云计算的协作上出现故障。

发明内容

为了克服传统网络架构所带来的延迟缺陷，可以利用数据采集器（DA）进行网络优化。机器所产生的数据在局部被DA所收集，并且连接到基础设施网络和云端。这种多层次和多类型通信设备的网络结构就是多层次立体异构网络，如图1所示。多层次立体异构网络的底层是一些具有短距离通信能力的机器，上层是基础设施和云端，而中间层则是均匀分布在空间中的DA，这种多层次立体异构网络拓扑的物联网能够将机器的数据和云端的人工智能完美地结合在一起。

鉴于上述不足之处，本发明的目的在于提供一种应用于智慧城市的异构网络拓扑设计方法,以缩短超大规模物联网中的时间延迟，该方法包括以下步骤：

（1）在底层单位平面上均匀分布n个具有短距离通信能力的机器，其分布服从泊松生成过程；

（2）将每个机器和半径r以内的机器相连，近似的泊松生成过程的每个点都和距离r以内的点有边相连，构成点对点自组织网络模型GRG；

（3）在GRG中，将，单位平面平分为块，每一块中央都放置数据采集器；

（4）在中间层均匀分布数据采集器DA，每个数据采集器随机连接对应机器群落块中的k个机器，利用数据采集器DA对机器群落进行数据采集（注：参数m用于度量数据采集器数量和密度，而参数k则代表单个数据采集器容量）；

（5）数据采集器与基站相互通讯，基站与服务云通过网关进行通讯；

（6）当k=1，多层次立体异构网络模型的平均延迟都是；

（7）当k>1，多层次立体异构网络模型的平均网络延迟是，表示的是平均延迟；

（8）由于机器之间的传输距离是r而且单位平面平分为m×m块，每块的大小是，可以得到机器到DA的时间延迟是，并由于机器到机器的延迟可以分解为机器到DA、DA到DA和DA到机器，而DA到DA之间的平均延迟是2m/3，可得到网络平均延迟的上界估计为，O表示的是延迟的上界。