基于物联网云计算的海上调度系统研究

王晓燕，赵建峰

(河南职业技术学院 信息工程系，河南 郑州450046)

0 引 言

在现代海洋运输领域，如何构建基于物联网及云计算［1］的船联网是现代海洋运输业研究的热点。其关键技术是通过传感器采集各船只动态的运行参数，通过统一的云平台进行数据存储、计算及消息传递，进行统一的任务调度。一个高效的海上船舶调度系统不仅事关船舶运行的安全，同时能够极大地节省航运公司的运输成本。

物联网技术是通过各种类型的传感器采集目标物的各种动态及静态物理数据，并在网络中进行数据的采集、传输及处理，随着物联网规模的扩展，其要求的数据计算、分析及存储能力也成指数级提升。而云计算是基于分布式存储［2］及网格并行计算的一种全新计算体系结构，其在存储量及计算效率上都有飞跃式提升。所以基于物联网及云计算的海上调度系统成为现代海洋运输业的关键组成部件之一。

本文在研究现有物联网及云计算技术的基础上，优化了蚁群算法在海上调度系统中的实现，最后给出了算法在基于物联网云计算中的实现，并进行仿真实验。

1 物联网及云计算原理及技术

1.1 物联网技术及架构

物联网技术是对现有互联网体系的拓展，不仅实现了人与人、人与物之间的联系，同时能建立物与物之间的互联。其本质是通过各种类型的传感器，采集目标物的物理数据，通过无线传感网络实现数据的采集、传输及处理。

基于物联网的架构如图1 所示。

图1 物联网分层模型Fig.1 The hierarchical model of the internet of things

现有的物联网体系结构一般分为应用层、传输层及感知层。相对于互联网，其数据的采集、传输及处理都有数量级的提升，所以必需要求构建海量存储及高性能处理平台。

1.2 云计算及存储技术

随着信息技术的发展，云计算及云存储成为现代电子及信息科学最重要的研究方向。其原理是通过虚拟化技术，将不同硬件不同地区的计算资源及存储资源进行统一划分及管理，各种应用能够根据实际的应用分配到合理的存储资源及计算资源。它结合了分布式计算、虚拟化及并行网格计算等先进技术。

云平台按照提供的服务类型不同，可以分为私有云、共有云及混合云。顾名思义，公有云对用户和企业开放自己的云平台，而用户无需对资源进行管理，只需在平台运行自身的应用及存储数据。而私有云是对特性用户提供一个安全、保密的云环境，其安全性是平台中关键组成之一。

按照提供服务的类型不同，可以分为IaaS (计算资源及存储资源服务)、PaaS (平台服务)及SaaS (软件即用服务)。

按照提供服务类型不同，云计算对应关系如图2 所示。

图2 云计算分类模型Fig.2 The cloud classification model

构建云计算平台的主流技术有:

1)虚拟化技术

虚拟化技术是利用智能化技术将所有的计算机整体硬件资源按照一定逻辑划分为更小一级的计算资源，其特点是有利于资源的有效利用及资源调度。

2)分布式技术

分布式计算是一种全新的计算模式，它通过互联共享技术将不同服务之间的公用信息进行共享，从而减少信息交互过程。

3)高性能并行计算

通过任务划分，将一个大型计算服务划分为更小的计算，然后在云平台中分配给不同的计算资源，极大地提升了计算效率。

2 海上船舶调度算法

2.1 船舶调度的数学模型

假设待调度的船舶总数为V，其中v∊V 为单一船只;需要运送的产品总数为N，其中i∊N 为单一产品号。并且待调度船只v 作为备用的集为Rv，r 为特需产品的备用，cvr为船只v 的运输成本。设:

则对船舶调度的最优数学模型为:

式(1)为海上船舶调度系统的最终目标，本文是经济最优化，即以运输成本最低为目标函数;式(2)为需要运完所有的产品，是式(1)的约束条件;式(3)为每只船只所选择的调度模型［3］。

2.2 蚁群算法在多目标船舶调度系统中的应用

本文利用蚁群算法来解决海上船舶多任务多目标调度模型，核心是将多任务模型进行解析，降为单任务模型。

假设整个海上调度任务有N 条规划的航海路径，每个路径待调度的运货船只数为M，建立搜索矩阵，每条航海路径作为空间矩阵的1 个数值成为1 条单独路径。构建的搜索空间［4］如图3所示。

图3 搜索空间模型Fig.3 The search space model

蚁群算法开始阶段，设共有A 只蚂蚁均匀散布在第1 条海航路径的M 个节点处，且单独一只蚂蚁在第j 条海航路径中经过第i 个节点的变化几率有如下公式:

式中matrix 表示不同往返的海上路径在时间上有没有冲突，如matrixjk= 1 表示第j 条海航路径与第k条海航路径往返时间存在冲突［5］;反之，matrixjk=0 表示不冲突。

对蚂蚁在爬行过程中散发的信息浓度进行更新:

式中:Q 为根据实际情况确定常量数据;fvalk为第k只蚂蚁的目标函数。

算法的本质是通过蚂蚁构建在航海不同路径﹑不同节点所释放的信息浓度，并通过一定的规则进行更新，所有蚂蚁选择信息素浓度最高的路径进行目标函数的最优求解过程，并且最终求解结果达到全局最优。

2.3 算法流程

基于蚁群算法的多目标船舶调度系统流程如图4 所示。

图4 调度算法流程图Fig.4 The flow chart of algorithm

3 算法仿真

本文利用物联网云计算构建了基于蚁群算法的海上调度系统，系统框架如图5 所示。

图5 基于物联网云计算的调度算法架构Fig.5 The architecture of scheduling algorithm based on internet of things and cloud computing

蚁群算法中，不同的Q，p，fval 值对结果的误差及收敛性影响不同，本文设计了如下3 种不同的值进行试验，每组试验进行10 次运算。

1)p = 0.7，Q = 100，NCmax=500

2)p = 0.6，Q = 100，NCmax=800

3)p = 0.8，Q = 150，NCmax=1000

表1 仿真结果Tab.1 Simulation result

4 结 语

在海洋运输业中，一个高效的海上船舶调度系统不仅关系到整个船队行驶的安全，而且能够提高航运公司的运送效率，是现代航运业务中必不可少的组成部分。同时调度系统需要高效的计算速率及海量存储空间及数据交互，物联网及云计算技术平台能够很好的解决这些问题。

本文在研究现有的物联网及云计算技术的基础上，优化了蚁群算法在海上调度系统中的步骤，最后给出了算法在基于物联网云计算中的实现，并进行仿真实验。

［1］MAROZZO F，TALIA D，TRUNFIO P．P2P－MapReduce:parallel data processing in dynamic Cloud environments［J］．Journal of Computer and System Sciences，2012，78(5):1382－1402．

［2］International Telecommunication Union，Internet Reports 2005:The Internet of Things［R］．Geneva:ITU，2005．

［3］CHRISTIANSEN M，FAGERHOLT K．Robust ship seheduling wit hmultiple time windows［J］．Naval Researeh Logisties，2002，49(6):61－625．

［4］张建华．物联网技术在海面作战统一调度系统中的应用［J］．舰船科学技术，2015，37(2):228 －231．ZHANG Jian-hua．Research on battle command system based on internet of things ［J］．Ship Science and Technology，2015，37(2):228 －231．

［5］赵德福．基于云计算的船舶动态监控系统设计［J］．舰船科学技术，2014，36(12):120 －124．ZHAO De-fu．Ship dynamic monitoring system design based on cloud computing［J］．Ship Science and Technology，2014，36(12):120 －124．