基于M2M業(yè)務的網(wǎng)絡流量特性分析研究

引言

在物聯(lián)網(wǎng)中，物聯(lián)網(wǎng)將大量的“物”的信息融入網(wǎng)絡的信息之中，使網(wǎng)絡交換和傳遞的數(shù)據(jù)流在類別和數(shù)量上較之傳統(tǒng)的互聯(lián)網(wǎng)的數(shù)據(jù)流都有了較大的變化，可以預見在不遠的將來，通信網(wǎng)絡中用于連接物體的部分將會大大超過用于連接人的部分，成為下一代網(wǎng)絡的主要組成部分。

物聯(lián)網(wǎng)的聯(lián)網(wǎng)對象多樣化以及通信方式與現(xiàn)有的網(wǎng)絡通信方式較大差別，對物聯(lián)網(wǎng)的流量特性分析、流量建模及性能評價提出了新的挑戰(zhàn)。本文以典型M2M業(yè)務為例，對其中業(yè)務進行分析，進而得到對應業(yè)務流量特征參數(shù)。在此基礎上進行不同業(yè)務流量合成，以及不同業(yè)務的流量聚合,M2M/H2H流量聚合并以此分析其各自流量特性。

1網(wǎng)絡的自相似性

眾多的研究表明在互聯(lián)網(wǎng)通信中，網(wǎng)絡通信流量普遍具有自相似性，通常我們用Hurst參數(shù)來衡量網(wǎng)絡自相似性的程度。當0.5<H<1時，說明流量具有自相似性，H的值越大,自相似性越強。若0<H<0.5,則流量缺乏或不具有自相似性,因此對Hurst參數(shù)準確的測量對于網(wǎng)絡的自相似特性及變化的研究具有十分重要的意義。

目前估計Hurst參數(shù)的方法，可大致分為時域算法和頻域算法兩類。時域算法主要包括：R/S法、留數(shù)法、方差時間圖法、絕對值法等，頻域算法主要包括：whittle法和小波法。在本文中采用較為常用的R/S法來測量網(wǎng)絡的Hurst參數(shù)。

2M2M典型業(yè)務特性分析與建模

物聯(lián)網(wǎng)包含了了機器與機器、機器與人以及人與機器的通信，由3GPP文檔可知，物聯(lián)網(wǎng)應用主要包括七大類：安全、追蹤、付費、健康、遠程維護、計量/測量、消費設備國。而MTC終端擁有其獨有的特征，如小數(shù)據(jù)傳輸、低移動性、時間控制、時間容忍等。本文以應用最為典型三類業(yè)務為例進行分析仿真。

2.1智能電網(wǎng)業(yè)務分析與建模

傳統(tǒng)電網(wǎng)耗用了大量的人力財力，電網(wǎng)的智能化將是電網(wǎng)發(fā)展的必然。在我國智能電網(wǎng)建設中依據(jù)現(xiàn)場用電與計量的實際應用情況，用戶一般可分為六大類：大型專變用戶（A）、中小型專變用戶（B）、三相一般工商業(yè)用戶（C）、單相一般工商業(yè)用戶（D）、居民用戶（E）、公用配變考核計量點（F）［4］。目前電能信息采集系統(tǒng)中，各類業(yè)務應用關注不同的數(shù)據(jù)，按時效性質主要分為三種類型：一類數(shù)據(jù)，為實時或準實時性質的數(shù)據(jù)，如當前工況數(shù)據(jù)、15min間隔密度凍結的電壓、電流、負荷、電量等;二類數(shù)據(jù)，為終端保存的歷史性質的數(shù)據(jù),如指定某日（月）的全日（月）范圍內的凍結數(shù)據(jù)和統(tǒng)計數(shù)據(jù),如上日電量、供電合格率統(tǒng)計等；三類數(shù)據(jù)：為特殊事件發(fā)生時的記錄性數(shù)據(jù)，如停電記錄等，這類事件發(fā)生的偶然性和隨機性，決定了該類數(shù)據(jù)在系統(tǒng)中所占比重很低，對系統(tǒng)流量規(guī)模影響不大。

我們以業(yè)務上傳最頻繁也是數(shù)據(jù)量最大的一類數(shù)據(jù)進行仿真。按照六類用戶的不同業(yè)務需求，根據(jù)國家電力行業(yè)標準中各終端特殊要求，可歸類出六類用戶典型一類數(shù)據(jù)大小，其終端數(shù)量如表1所列。

表1智能電網(wǎng)用戶特征

由業(yè)務的時間特性可知：一類數(shù)據(jù)由整點開始每15min采集一次，并在開始后5min之內采集完成并完成上傳。其中單個節(jié)點流量產(chǎn)生時間距采集開始時間服從均值為50的指數(shù)分布。由此，我們Matlab進行仿真，仿真時間為3600s,以得其流量。再將流量處理為0.01ms時間尺度的Packet級并保存到文本文件中。以R/S法測得流量的Hurst指數(shù)為0.901。在此基礎上進行不同終端規(guī)模的仿真，并測量不同規(guī)模下業(yè)務流的自相似特性，圖1所示是智能電網(wǎng)不同規(guī)模下的Hurst值。從仿真結果來看，智能電網(wǎng)業(yè)務流具有很強的自相似特性。

圖1智能電網(wǎng)不同規(guī)模下Hurst值

2.2智能家居業(yè)務分析與建模

智能家居是物聯(lián)網(wǎng)的又一重要應用，文中采用基于ZigBee的智能家居為例進行業(yè)務分析。在智能家居中傳感器通信主要分為：心跳通信和觸發(fā)通信兩種［5］。大多數(shù)情況下,傳感器定期采集參數(shù)傳送給網(wǎng)關，網(wǎng)關經(jīng)過整理轉發(fā)給云端,主人可以通過電腦端或者手機端實時了解家庭內的情況，以上稱為心跳通信。另一方面如遇突發(fā)狀況則立即報告信息中心和手持移動終端進行示警這成為觸發(fā)通信。一個典型家庭用戶的網(wǎng)絡心跳通信業(yè)務特性如表2所列。

表2智能家居業(yè)務特征

由于觸發(fā)通信的概率非常低，這里不做模擬。根據(jù)業(yè)務特性，以3000戶居民為例進行仿真，設定每個家庭業(yè)務起始時間服從（0,1800）的均勻分布，在每個家庭內部，傳感器的起始時間服從均值為50的指數(shù)分布。

由仿真結果可知Hurst=0.559,因此智能家居產(chǎn)生流量具有弱自相似性。同理，進行不同終端規(guī)模的流量仿真得到Hurst指數(shù)隨終端變化的曲線如圖2所示，可以看出，其Hurst指數(shù)隨著終端規(guī)模呈減小趨勢。

2.3自動駕駛業(yè)務分析與建模

自動導航駕駛系統(tǒng)主要包括汽車的追蹤、事故的檢測與避免?？梢蕴峁┢嚨亩ㄎ蛔粉?，方便車隊管理并可以通過一系列的檢測反饋幫助駕駛員提前預警，避免事故的發(fā)生［6］。汽車與系統(tǒng)交互主要包括兩種：一種是傳送長期規(guī)律性、低比特率的信息（GPS位置，速度，時刻）以告訴系統(tǒng)汽車的實時狀態(tài)。在自動導航駕駛中，在高速行駛時汽車每一米（導航定位的分辨率）向服務器傳送一個數(shù)據(jù)包，例如，汽車在100km/h速度時，汽車發(fā)送數(shù)據(jù)包的數(shù)量將是每秒約28個,發(fā)送間隔為36ms。由此可知自動駕駛業(yè)務模型如表。在建模中,假設終端數(shù)量100,每個終端通信起始時間服從（0,5）的均勻分布。通過對流量進行自相似性分析，Hurst=0.208,不具有自相似特性。在此基礎上對不同終端規(guī)模下的業(yè)務流Hurst值如圖3所示，表3所列是智能電網(wǎng)的業(yè)務特征。

2.4不同M2M業(yè)務的自相似特性

由以上結果可以看出，不同的M2M業(yè)務表現(xiàn)出不同的自相似特性，同時Hurst值隨著終端規(guī)模的變化而具有不同的變化規(guī)律。由此可見M2M業(yè)務數(shù)據(jù)流的自相似性，與具體的業(yè)務特性有直接關系關。

3流量聚合

以物聯(lián)網(wǎng)為特征的下一代網(wǎng)絡采用M2M通信方式，既包含傳統(tǒng)的人與人或人與計算機之間的通信，但更主要的是物與物之間的通信。因此十分必要研究研究物聯(lián)網(wǎng)業(yè)務流之間以及他們與傳統(tǒng)網(wǎng)絡流的聚合特性。

3.1M2M業(yè)務之間的相互聚合

首先，將三種物聯(lián)網(wǎng)業(yè)務流量聚合，再把上面得到的三種不同業(yè)務流量按照終端規(guī)模大小順序依次分為10組進行聚合，再次測量聚合后流量的自相似特性，其Hurst隨終端規(guī)模變化曲線如圖 4 所示。

3.2 M2M 業(yè)務流與互聯(lián)網(wǎng)流量聚合

仿真中采用的實際互聯(lián)網(wǎng)流量采用貝爾實驗室采集的經(jīng)典數(shù)據(jù) pAug.TL，其流量 Hurst=0.774，三種 M2M 業(yè)務流按照規(guī)模大小與互聯(lián)網(wǎng)流量同時進行聚合的結果曲線如圖 5 所示?？梢娋酆虾蟮牧髁咳跃哂凶韵嗨铺匦?，且自相似特性隨著終端的增加而減小。

4 結 語

本文分析了 M2M 三種典型業(yè)務，并依據(jù)業(yè)務特性進行了分析建模、流量產(chǎn)生。利用 R/S 分析法對業(yè)務流的自相似特性進行了分析，可以看出不同 M2M 具有不用的自相似特性。將三類 M2M 業(yè)務聚合流量分析后發(fā)現(xiàn)，聚合流自相似特性隨著規(guī)模的增加而呈現(xiàn)遞減規(guī)律，到達一定規(guī)模后將不具有自相似性。在此基礎上將 M2M 流量與實際互聯(lián)網(wǎng)流量進行聚合，可以看出聚合流量仍具有自相似特性，但同樣具有遞減特性。

20211221_61c1b0f8c6d3b__基于M2M業(yè)務的網(wǎng)絡流量特性分析研究