符合 SensorML 標準並具資料壓縮能力的物聯網感測節點設計方法

符合 SensorML 標準並具資料壓縮能力的物聯網感測節點設計方法
高敬昕 1 謝欽旭 1 洪盟峰 1,2 杜昆穆 3
國立高雄應用科技
應用科技大學
國立高雄
應用科技
大學 電子工程系
電子工程系 1,
國立成功大學數位生活研究中心 2
丞禹科技公司 3
[email protected]
摘要
為 使 物 聯 網 能 實 現 設 備 間 (Machine to
Machine,M2M) 的資訊互通性, Open Geospatial
Consortium(OGC) 在 2006 年 起 所 訂 定 的 Sensor
Model Language(SensorML) 標準可以提供具互通
性的訊息格式。雖然訊息的可讀性因此提高,但
也引起較大的網路傳輸負載。為改善感測節點的
資料傳輸效率,本文提出一個具有資料壓縮能力
的感測節點設計方法。使感測節點除感測擷取之
外,還有擁有資料壓縮的能力並預計施用於設施
農業的應用情境。本文先參照 OGC 標準制訂可用
於環境溫溼度感測的 SensorML 訊息格式,其格式
長度為252Bytes。利用 LZSS 資料壓縮技術進行資
料壓縮,並探討壓縮參數如滑動視窗 SW 與比較
長度 CL 對傳輸效能的影響。經實驗證實本文提出
的方法確實有效。在原始資料大小為252Bytes 的
狀態下,資料壓縮率可達48.8%,比起利用原始資
料進行資料交換的感測節點提高204%的資訊量。
關鍵詞:物聯網、感測器標記語言、資料壓縮、感
測節點。
Abstract.
M2M (Machine to Machine, M2M) information
interoperability is the key to Internet of Things. In
2006, Open Geospatial Consortium (OGC) released
Sensor Model Language (SensorML) to conduct the
interoperability between sensors. Although SensorML
improves the readability of sensor messages, more
traffic load will occur. In order to improve the
efficiency of data transmission sensor nodes, in this
paper, a design method of sensor nodes is proposed to
enable the data compression capability of nodes.
Sensor nodes with data-compress capability benefit a
variety of applications such as agricultural facilities.
In this paper, a sensor node measuring environmental
temperature and humidity is presented. The designed
nodes use LZSS compression in a format of length
252Bytes. The effect of the compression parameters
such as the length of the sliding window SW CL
compared with the transmission efficacy is explored.
The experimental results show the expected
performance. The proposed design saves data volume
up to 48.8%, compared to the original SensorML and
the delivered information in a constant bit rate is more
than the original by 204%.
Keywords: Internet of Things, sensors markup
language, data compression, sensing nodes.
1. 前言
物聯網的目標是期望藉由網路串連各項設備
或物件,並能在物與物之間實現相互連結溝通與
操作[1]。但現今尚未能實現上述所謂的互通性、
互操性與相容性的主要原因不外乎是缺乏物件間
資訊交換標準。傳統的感測器資訊格式多為封閉
式,缺乏互通性,例如在災害監控的應用上,因
監控儀器之不同,彼此之間無法相容互通,使得
災害監測系統仍需大量的人力協助[2][3]。雖然封
閉式資料傳輸可降低傳輸的頻寬要求,但也大大
降低資料的可讀性。為實現物聯網中所提及物與
物之間的互通性、互操性與相容性,目前已有國
際組織開始制定感測器之資訊交換標準,最著名
與 蓬 勃 發 展 的 即 為 Open Geospatial
Consortium(OGC),其持續修改制定之 Sensor Web
Enablement(SWE) 規格標準為能夠進行異質性感
測器整合,包括感測器之資料交換、前處理、後
處理及運算模式等功能,達到封閉的感測器變成
更多人經由網路、應用或平台可以存地理資訊和
服務的世界 [2][3] 。圖 1 為歐盟 ETSI(European
Telecommunications Standards Institute) 對於 M2M
應用實例(Use cases)規畫,目前已發表的應用例有
智慧查表、電子照護、車載電子、智慧城市、智
慧電網、M2M 區域網路等等。每一項應用例也將
分成三階段包括服務需求分析、功能架構設計與
M2M 通訊介面設計等步驟進行研發。其中在 M2M
通訊介面設計,有關訊息格式的標準即受到十分
重視
圖 1 歐盟 M2M 標準應用實例說明
在 SWE 標準中,為實現即插即用 (plug &
,因此制定 Sensor Model Language(SensorML)
作為感測器資料觀測、處理之核心模型與架構。所
定義之 XML 語法,以供感測元件、系統、地理資
訊及資料處理服務間之共同溝通方式[3]。滿足互通
性、互操性與相容性的同時,伴隨著的問題是傳輸
資料量會大為提升,以 OGC 公布的 SensorML 範例
訊息格式來說,每次量測資料大小多達8kB。如用
在 ZigBee 傳輸網路,最高可支援250kbps 的傳輸速
率[4],相當於每秒鐘可支援32KB 的資料量,如此
一來每秒鐘只能同時服務4個節點數。因此,在物
聯網來臨之前,如何用較少的資料傳輸量,來滿足
多元感測器的異質相容性、互操性將會是重要的議
題。
綜合上述,本文提出具資料壓縮的感測節點設
計,將對資料訊息提供一個高效率的方法。本文設
計出一個具有資料壓縮能力的感測節點,使得感測
節點在物聯網中不僅只是感測擷取,透過資料壓縮
還可以提高傳輸網路頻寬使用效率。透過無失真資
料壓縮演算法可使原本要傳送的資料容量減少,並
讓物聯網中的路由器及協調者在進行資料轉傳或
資料匯集時都能利用較少的頻寬,除增加頻寬使用
效率外,對於擴增感測節點數量也有一定的幫助。
work)
2. 文獻探討
從2006年開始,有關談論感測網路資訊交換標
準的論文開始逐漸增加。由於物聯網的相關應用,
使得感測網路佈建數目逐漸成長,而如何整合來自
不同廠商的資訊,將會是未來物聯網技術的一大挑
戰[5][6],因此感測網路資訊標準將會是一個重要議
題。SensorML 標準即是 OGC 所提出的解決方案,
2010年 Ramiro Liscano[7]所發表的論文中,強力推
薦 SensorML 作為感測器的資訊交換標準。主要理
由是利用 SensorML 可詳細的描述感測器的資料交
換、前處理、後處理及運算模式等功能,更佳的是
可以提高互操性,其 Giovanni Aloisio 等人[8] 、Van
Zyl 等人[9]相關發表也證實 SensorML 在感測網路
中將會是較適合的資訊交換標準。此外,目前整合
SensorML 標準的相關應用也逐步在進行中,例如
衛星感測[10]、健康照護[11]及電力系統[12],皆開
始有相關的論文應用。而 SensorML 標準實現在感
測節點上則會有資料量大小的問題,有鑑於上述需
求與問題,本文提出具資料壓縮能力的感測節點。
過去的資料壓縮技術常用於影音資料,以視訊
來說,其實視訊是利用很多張圖像連續撥放,若視
訊資料以原圖儲存則會佔太多空間,且無法連續快
速撥放。為減少儲存空間與快速地撥放,視訊資料
皆會先進行資料壓縮。例如常見的 H.264/MPEG-4[5]
為大量減少資料量,因此資料壓縮的方式都採用失
真資料壓縮演算法,若視訊資料採用無失真資料壓
縮的方式,則壓縮效率不彰,因此不適合作為視訊
的資料壓縮。再者,過去的資料壓縮都是建立在有
作業系統的平台上,例如 PC、NB、嵌入式系統等,
賴學良[14]在2003年提出的嵌入式控制器之即時資
料壓縮方法,主要建立一個嵌入式系統平台用以擷
取綜合電表的數據資料並儲存。為在有限的記憶體
空間內提高資料儲存效率,以及減少網路傳輸的傳
遞時間,因此透過資料壓縮的方法將擷取的數據資
料進行壓縮,除可以減少資料所需的儲存空間、還
提高記憶體的有效容量與減少傳遞的時間。而物聯
網中的感測節點不適用於上述方法之原因,其一為
資料交換格式不符合 SensorML 標準,因此無法符
合物聯網中所提及的互通性。其二為感測節點皆使
用無作業系統的單晶片作為基礎,因此過去使用作
業系統的資料處理方法並不適用簡單的感測節點
上。
基於上述理由,本文設計出一個符合 SensorML
標準並具資料壓縮能力的物聯網感測節點設計方
法,讓感測節點不只是作為資料擷取,還提供資料
壓縮的功能。未來在 SensorML 標準的要求下,物
聯網中的各感測節點資料量勢必將提高,為提高頻
寬的使用效率,在感測節點傳輸資料前先執行資料
壓縮能減少頻寬的使用量。而資料壓縮方法不能與
過去的影音傳輸相比,物聯網中的感測節點並不是
用來傳送影音資訊的,主要是用來傳送感測資訊。
因此,物聯網中的感測節點必須使用無失真壓縮演
算法,才能使得壓縮過後的資料得以還原。
3. 研究方法
研究方法
3.1.
資料壓縮演算法比較與選用
資料壓縮演算法比較與選用
本文利用 OGC 提供的 SensorML 範例訊息格式
進行資料壓縮,並比較包括霍夫曼 Huff、適應性霍
夫曼 AHuff、算術編碼 Arith 及 LZSS 4種字典型無
失真資料壓縮演算法的壓縮率,其比較結果如0所
示。從圖中可以明顯知道隨著原始資料量的增加,
壓縮效率會趨向較佳的壓縮率,LZSS 在原始資料
只有207Bytes 時還能保有50%以下的資料壓縮率,
而其它三項資料壓縮法則都超過 60% ,在比較
7956Bytes 的原始資料壓縮時,LZSS 更遠勝於其他
三者壓縮法,最好的表現有到近30%的資料壓縮率
[15]。此外,這四種字典型壓縮演算法在進行資料
壓縮時,皆會產生字典表,字典表除可以使資料壓
縮率變好,亦為使解壓縮端能依循字典表進行正確
的解壓縮,而 LZSS 與其他三者不同的地方是在於
進行資料壓縮時,字典表就隱藏在壓縮資料中,因
此不需要利用額外的傳輸頻寬來同步壓縮端與解
壓縮端的字典表。
圖2. 字典型無失真壓縮演算法效能比較
綜合上述原因,LZSS 資料壓縮演算法將較於
霍夫曼 Huff、適應性霍夫曼 AHuff、算術編碼 Arith
等資料壓縮演算法更適合用於感測節點的資料壓
縮。因此本文亦採用 LZSS 資料壓縮演算法作為感
測節點的資料壓縮演算法,而 LZSS 的資料壓縮效
能則會在第四節作介紹與分析。
3.2.
硬體架構及流程
為實現低耗能、高計算效率並且有充足周邊介
面的感測節點,在本文所提出的節點設計方法中,
採用 MSP430F247作為感測擷取及資料壓縮的硬體
處理核心。在無線傳輸方面,採用 TI CC2530 ZigBee
模組[16],利用上述模組構成感測節點有利於本文
的實作驗證。其本實驗用的 MSP430F247內部功能
方塊如0所示[17]。
設為60字元。
終端節點
ZigBee
感測模組
處理核心
電源
USB
Dongle
圖3. MSP430F24x 內部功能方塊圖
MSP430 具有極低功率消耗優勢,其一系列微
處理器的電源電壓採用的是1.8~3.6V,因而可使其
在1MHZ 的時脈條件下執行時,晶片組的電流會在
200~400 µA 左右,在省電模式下(保存 RAM 的資料)
電流只需0.1 µA,待機模式(VLO)只需0.3 µA。此
外,MSP430其內部頻率可達16MHz。因為 MSP430
低功耗的特性,所以較適合當作感測節點。本實驗
採用的 MSP430F247擁有32KB Flash ROM 與4KB
RAM,內部 ADC 解析度高達12-bit 在介面上擁有
兩組 USCI,其中一組 USCI 介面用來連結 ZigBee
通訊模組 CC2530的 UART ,因此核心處理模組
MSP430與通訊處理模組之間的通訊是採用 UART
的方式0。
本文採用丞禹科技公司的感測網路開發模組
如04所示。協調者透過 USB Dongle 及 USB 介面連
結監控電腦,因此可以透過電腦對感測網路傳送命
令。感測節點由下至上分別是電源、處理核心、感
測模組及通訊模組。感測節點採用9V 電池供電再
透過穩壓 IC 降壓成3.3V。處理核心定時向感測模
組進行感測資料的擷取,並等待協調者向感測節點
要求資料交換。當協調者要求資料交換時,處理核
心將會把擷取到的資料封裝成 SensorML 的訊息格
式,並進行資料壓縮與分割為傳輸封包,最後透過
ZigBee 通訊模組傳送給協調者,便完成一次的資料
交換。
為實現本文提出的方法,其感測節點運作流程
如5所示。感測節點啟動之後會先進行初始化,並
啟動定時器以及外部中斷。外部中斷主要檢查是否
被要求資料交換,若有被要求資料交換,則會將感
測資訊封裝成 SensorML 訊息格式,並將封裝後的
資料進行資料壓縮。本文的封包傳送頻率為20Hz,
相當於50ms 傳送一筆封包,且每筆封包的最大長度
預設不能大於為60個字元,所以本文的封包長度預
感測節點
協調者
圖4. 感測網路開發模組實體圖(丞禹科技)
基於上述理由,壓縮封裝後的資料必須再經過
分割為傳輸封包,其封包的筆數將取決於資料總長
度與封包長度,封包產生後,將會啟動資料傳輸機
制,透過資料傳輸機制能保證將封包完全送出,因
此每一次的資料交換單晶片都會經過此流程。另外
在主程式部分,主程式會重複檢查定時旗標,當定
時旗標成立時,代表50ms 的時間到,則會先截取一
次的感測資訊並儲存,並檢查傳送資料機制是否啟
動,若啟動則會開始傳送封包,每一次傳送封包最
大長度為60個字元,且每傳送一筆封包則會判斷一
次是否傳送完畢,若傳送完畢則關閉傳送機制,並
等到下次要求資料交換時才會啟動,若尚未傳送完
畢,則會等下一個50ms 時間到才會進行資料傳送,
直到傳送完畢為止。
ZigBee
圖5 感測節點運作流程
4. 實驗分析
實驗分析與
分析與結果
4.1. 資料壓縮效能分析
資料壓縮效能分析
為分析 LZSS 壓縮參數滑動視窗 SW 及比較長
度 CL 在不同的原始資料大小時的資料壓縮率,因
此本文先利用 PC 進行 LZSS 資料壓縮的效能比
較,再利用感測節點來驗證本文方法的效能。其滑
動視窗 SW 用以暫存編碼過的原始資料,即是匹配
資料暫存空間、比較長度 CL 用以暫存欲比較的原
始資料即為新進欲匹配的原始資料暫存空間。在
效能比較上,同樣利用 OGC 所提供的
範例訊息格式做為資料壓縮的資料,並
比較原始資料在207Bytes、897Bytes、1156Bytes、
3018Bytes、 5507Bytes 及 7956Bytes 時,滑動視窗
SW、比較長度 CL 與資料壓縮率的關係,其效能比
較如06所示。
LZSS
SensorML
的,其使用的資料壓縮演算法 LZSS 在預設滑動視
窗 SW 為256Bytes、比較長度 CL 為18Bytes,原始
資料大小為252Bytes 的狀態下,資料壓縮率可達
48.8%,比起利用原始資料進行資料交換的感測節
點提高204%的資訊量。
誌謝
感謝資策會虛實整合智慧商務關鍵技術與平台研
發計畫(計畫編號:103-EC-17-A-24-0802) 及科技部
專題研究計畫 MOST 103-2221-E-151 -041 -補助
參考文獻
[1]
馬建,機械工業出版社,物聯網的起源和發展,
。
2012
[2] Sensor Model Language (SensorML).Available:
http://www.opengeospatial.org/standards/sensorm
l, retrieved 2012.
[3]
2012
[4] ZigBee
Alliance,
Available:
http://www.zigbee.org/, retrieved 2013.
[5] Xingchen Chu, Tom Kobialka, Bohdan Durnota,
and Rajkumar Buyya, “Open Sensor Web
Architecture: Core Services”, Proceeding of 4th
International Conference on Intelligent Sensing
and Information Processing, pp. 98-103, 2006.
[6] Perlepes Leonidas, Prof. John Soldatos, Christos
Smailis, Dr. Dimitris Dres and Dr. Dimitris
Drakoulis, “PLATO - Intelligent Middleware
Platform for the Collection, Analysis, Processing
of Data from Multiple Heterogeneous Sensor
Systems and Application Development for
Business Intelligence”, Proceeding of 16th
Panhellenic Conference on Informatics , pp.
266-270, 2012.
[7] Ramiro Liscano, Kimia Kazemi, “Integration of
component-based frameworks with sensor
modelling languages for the sensor web”,
Proceeding of IEEE GLOBECOM Workshops, pp.
235-240, 2010.
[8] Giovanni Aloisio, Dario Conte, Cosimo Elefante,
Gian Paolo Marra, Giangiuseppe Mastrantonio
and Gianvito Quarta, “Globus Monitoring and
Discovery Service and SensorML for Grid Sensor
Networks”,
Proceeding
of
15th
IEEE
International
Workshops
on
Enabling
Technologies: Infrastructure for Collaborative
Enterprises, pp. 201-206, 2006.
[9] Van Zyl and Anwar Vahed, “Using sensorml to
describe scientific workflows in distributed Web
Service environments”, Proceeding of IEEE
International Geoscience and Remote Sensing
Symposium, vol. 5, pp. V-375 - V-377, 2009
[10] Nengcheng Chen and Chuli Hu, “A Sharable and
Interoperable Meta-Model for Atmospheric
Satellite Sensors and Observations”, IEEE Journal
of Selected Topics in Applied Earth Observations
and Remote Sensing, vol. 5, no. 5, pp. 1519-1530,
財團法人工業技術論文院,車載資通訊網路國
際標準制定方向論文報告, 。
圖6. 壓縮效能關係圖
從圖中可知道,比較長度 CL 不變的情況下,
滑動視窗 SW 大於原始資料時,資料壓縮率將不會
因為滑動視窗 SW 變大而更好,例如原始資料為
207Bytes、比較長度 CL 為18Bytes 時,滑動視窗 SW
為1024Bytes、2048Bytes 及4096Bytes 時,資料壓縮
率不會改變,但改變比較長度 CL 為32Bytes 時能提
高壓縮效能。此外,在滑動視窗 SW 與比較長度 CL
不變時,原始資料越大,則資料壓縮率可以越小即
壓縮效能越好,例如,滑動視窗 SW 為4096Bytes、
比較長度 CL 為18Bytes 時,原始資料越大,則資料
壓縮率會越小,若將比較長度 CL 提高至32Bytes,
則可再提高壓縮效能。
4.2. 實驗結果
本文先參照 OGC 標準制訂可用於環境溫溼度
感 測 的 SensorML 訊 息 格 式 , 其 格 式 長 度 為
252Bytes ,並在感測節點實驗無失真壓縮演算法
LZSS,其預設滑動視窗 SW 為256Bytes、比較長度
CL 為18Bytes。本文先行在感測節點上建立兩種命
令 格 式 , 主 要 命 令 格 式 為 "AT+TXT D=MAC
P=Command" ,其中 MAC 為感測節點的位址,
Command 為命令。如"AT+TXT D=MAC P=EEE"是
要求感測節點進行原始資料的資料交換。"AT+TXT
D=MAC P=EDD"則是要求感測節點進行壓縮資料
的資料交換。若要求感測節點進行原始資料進行資
料交換,則需要利用252Bytes。若採壓縮資料進行
資料交換,則只需要利用123Bytes,其資料壓縮率
為48.8%。進而可以推論,在使用相同的傳輸量下,
若採用壓縮資料進行傳輸會比使用原始資料進行
資料傳輸提高204%的資訊量。
5. 結論
為了兼顧資料互通性與網路效益,因此本文提
出「符合 SensorML 標準並具資料壓縮能力的物聯
網感測節點設計方法」,並成功驗證其方法是有效
2012.
[11] Nischal Dahal, Surya S. Durbha, Roger L. King,
N.H. Younan, “Geo-enabled synchrophasor data
exchange framework based on Sensor Web”,
Proceeding of IEEE Power and Energy Society
General Meeting, pp. 1-6, 2012.
[12] A. Triantafyllidis, V. Koutkias, I. Chouvarda and
N. Maglaveras, “An open and reconfigurable
Wireless Sensor Network for pervasive health
monitoring”, Proceeding of 2nd International
Conference
on
Pervasive
Computing
Technologies for Healthcare, pp. 112-115, 2008.
[13] H.264/MPEG-4,
Available:
http://zh.wikipedia.org/wiki/H.264/MPEG-4_AV
C, retrieved 2013.
[14]
"
"
2003
[15]
2009
11
[16] Texas Instruments, Available: http://www.ti.com/,
retrieved 2012.
[17] MSP430 Hardware Tools User's Guide, Available:
http://www.ti.com/cn/litv/pdf/slau278m, 2012.
賴學良, 嵌入式控制器之即時資料壓縮 ,國
立中興大學電機工程學系碩士論文, 。
戴顯權,資料壓縮,旗標出版股份有限公司,
年 月。
許永和,無線感測網路設計與應用實務 ,台灣
優奎士有限公司,2009 年 9 月。