JS 杂志上的传感器 1687-7268 1687-725X 印达维出版公司 10.1155 / 2016/4250746 4250746 研究文章 物联网的多路径负载均衡路由 http://orcid.org/0000-0002-5403-0665 曾 Chinyang亨利 1 Fernandez-Caballero 安东尼奥 计算机科学与信息工程 国立台北大学 新北市237 台湾 ntpu.edu.tw 2016 3. 8 2016 2016 22 05 2016 23 06 2016 27 06 2016 3. 8 2016 2016 版权所有©2016金阳曾亨利。 这是一篇根据知识共享署名许可证发布的开放获取文章，允许在任何媒体中不受限制地使用、分发和复制，前提是原创作品被正确引用。

在新一代技术物联网(IoT)中，数以亿计的智能物体将相互通信，使人类的生活更加方便。物联网基于无线传感器网络(WSN)， Zigbee是目前最流行的无线传感器网络协议之一。成熟的物联网环境中，WSN数据传输量大，存在瓶颈问题。然而，Zigbee的AODV路由堆栈没有处理突发流量的负载平衡机制。因此，我们开发了多路径负载均衡(Multipath Load Balancing, MLB)路由来替代Zigbee的AODV路由。我们提出的MLB包括两个主要设计:LAYER_DESIGN和LOAD_BALANCE。LAYER_DESIGN根据节点到物联网网关的距离将节点划分为不同的层。节点可以有多个下一跳来传递物联网数据。所有相邻层节点交换包含当前负载的流信息，LOAD_BALANCE使用该信息来估计下一跳的未来负载。通过MLB，节点可以选择负载最小的邻居作为下一跳，从而实现负载均衡，避免瓶颈。 Compared with Zigbee’s AODV and multipath version AODV (AOMDV), experiment results demonstrate that MLB achieves better load balance, lower packet loss rate, and better routing connectivity ratio in both grid and random uniform topologies. MLB provides a more convincing routing solution for IoT applications.

 1.介绍

近来，物联网(IoT)的需求[ 1)保持增长。最初，无线传感器网络[ 2使无处不在的传感技术成为可能。随着无线传感器网络技术的发展，这些传感设备的扩散和应用创造了物联网(IoT)。物联网是下一场革命，智能对象之间的互联创造了一个智能环境。预计到2020年，物联网设备将达到240亿台[ 1］.随着越来越多的物联网设备被连接和通信，物联网应用产生了巨大的物联网流量。由于物联网流量是用于对象之间的通信，因此传输可靠性至关重要，特别是在相对不稳定的无线传感器网络中，与有线网络相比。如图 1显示，物联网技术应用于许多领域，包括环境监测、交通运输、汽车、工业[ 3.，医疗技术[ 4、医疗保健、智能家居[ 5和智慧城市[ 6］.

物联网应用程序域。

无线传感器网络是物联网最重要的组成部分，包括无线传感器网络的一切，以及安装在计算设备和云上的一层厚厚的软件。换句话说，物联网是基于无线传感器网络开发的，其中Zigbee是最流行的无线传感器网络协议之一。在物联网中，低端传感器依赖于无线传感器网络，数据通过多跳方式从传感器(物体)传输到汇聚节点(物联网网关)。可以部署更多的静态和移动接收器，从传感器收集数据。多个传感器网络通过Internet连接在一起。因此，执行数据管理非常重要。物联网研究需要找到更高效和有效的数据管理方法，如收集、建模、推理和分发。我们专注于事物和物联网网关之间的数据传输可靠性。

我们专注于Zigbee而不是Wifi，因为Zigbee更健康。由于物联网使人们被无线连接的物体包围，因此让所有无线传输功率低的智能物体成为环境更健康的重要因素。Zigbee传输功率低，为1mw，是物联网的合适选择。无线个域网堆栈( 7]采用Ad Hoc按需距离矢量(AODV) [ 8]在需要路由时自动构建自组织网络。AODV将路由路径优化为最短路径，但不支持多路径路由。当网络流量较大时，多径路由对于通过选择不太忙的信道作为下一跳来执行负载平衡非常重要。此外，一旦出现流量瓶颈，不成功的传递将触发AODV路由错误（RERR）消息，这可能会生成更多的REER消息以阻塞网络。在最坏的情况下，过多的AODV RERR消息会使网络瘫痪，尤其是靠近Zigbee接收器的链路。因此，我们打算用我们提出的路由协议，多路径负载平衡，MLB，路由取代AODV来增强Zigbee路由。

为了为数据密集型物联网应用提供可靠的路由服务，我们提出了多路径负载平衡（MLB）路由。我们使用分布式体系结构代替集群设计，以避免集群头成为瓶颈的情况。MLB以流量负载为代价函数，自适应地更新邻居的负载信息，计算出最不繁忙的路由。MLB为下一跳选项提供多条路径，以提高可靠性，同时均匀分布流量。MLB的主要比较目标是Ad Hoc按需多径距离向量（AOMDV）[ 9，这是AODV的多路径版本，通过提供到物联网网关的相同跳数的等价路径。AOMDV的缺点是它的等效路径必须是完全不相交的，不能在不同的路径上共享节点。这限制了可用的替代方案的数量。AOMDV在选择发送路径时没有考虑流量负载，因为它是简单的多路径设计，没有考虑负载均衡问题。为了成为比AOMDV更好的多路径负载均衡解决方案，以支持数据密集型物联网服务，MLB拥有可靠的分层架构，并利用流量负载作为成本函数。分层结构允许路由计算在本地进行，以流量负载为代价比AOMDV更直接地解决了负载不平衡问题。因此，MLB可以提供多个下一跳，保证选择的最短路径，从而提高网络的可靠性。

MLB由两个主要部分组成: LAYER_DESIGN和 LOAD_BALANCE．在LAYER_DESIGN中，物联网网关是顶层，我们定义该节点 更接近到物联网网关都在 内心的层和节点 更远的从物联网网关 外面的层。每个传感器节点根据与相邻节点之间的相对距离，可以同时扮演外部节点和内部节点的角色。每个外层节点只需要知道 当地的直接内层下一跳节点到物联网网关的信息，逐跳构建物联网网关从源节点到物联网网关的路径。这种结构化和归纳的两层关系建立了可靠的路由服务。此外，LOAD_BALANCE允许每个外层节点计算哪个内层节点的流量负载最小。因此，选择流量较小的内层节点作为物联网网关的下一跳。通过LAYER_DESIGN和LOAD_BALANCE的协作，实现了负载均衡优化。在MLB路由表中，会记录多条路径，当某些下一跳出现故障时，会有更多的容错能力。MLB允许在任何节点无法正常运行的情况下，外部节点向物联网网关重新计算其最佳内层节点，而不广播路由错误消息。因此，MLB能够快速适应传感器节点对动态流量变化和故障链路的适应。

MLB的主要贡献是具有负载均衡、鲁棒性和可靠性的多路径路由。首先，通过选择流量负载最小的最佳内层节点来实现负载均衡。其次，由于LAYER_DESIGN和LOAD_BALANCE的协同为每个外部节点提供了多个到物联网网关的内层下一跳，并且ROUTE_RECOVERY可以检测到链路故障，实现快速链路切换，实现了鲁棒性。由于MLB通过负载均衡设计消除了瓶颈，并提供了多路径路由，MLB提供了比目前Zigbee AODV相关解决方案更可靠的路由服务。

为了评估负载均衡性能和可靠性，仿真结果基于负载均衡度(load Balance Degree, LBD)、丢包率(packet loss rate, PLR)和连通性比(connectivity ratio, CR)三个评估指标进行验证。LBD说明了路由拓扑中每一层的负载均衡性能，表明MLB比AODV和AOMDV更有效地平衡网络流量，特别是在第一层。PLR直接反映了数据传输的可靠性，CR反映了整个路由拓扑的可靠性。由于负载均衡的有效性，MLB的PLR大大低于AODV的PLR，略低于AOMDV的PLR。CR表明MLB中的路由业务非常稳定，具有良好的连通性，且数据流量较大。另一方面，CR显示了AODV和AOMDV中的路由服务由于不平衡的流量负载而受到不同程度的断开。因此，仿真结果表明，MLB与Zigbee的AODV和AOMDV相比，能够提供更好的负载均衡和更可靠的分组传递。

本文的其余部分组织如下。部分 2讨论相关工作。部分 3.说明Zigbee-MLB如何协助物联网通信。部分 4MLB的礼物。部分 5证明了仿真结果。最后,部分 6本文总结道。

 2.相关的工作

为了避免在某些瓶颈点发生拥塞，提出了许多负载均衡的无线路由。纯集群解决方案[ 10， 11]的目标是构建尽可能一致的小型集群，以实现集群负载平衡。最小半径聚类算法[ 10，每个簇头提取并发送本地信息给sink。汇聚所有集群头的信息后，SINK生成一个均衡模块，实现集群的负载均衡。张和杨[ 11]提出了一种分布式算法，以确保每个集群内节点数量的均方差值尽可能小。

高级集群解决方案[ 12， 13均衡各节点的能耗，间接实现负载均衡。廖等人[ 12]提出了一种用于无线传感器网络的负载均衡聚类算法DSBCA。为了构建更加均衡的集群结构，避免形成大集群，DSBCA考虑了节点与基站之间的连接密度和距离。在每个簇中，选择权重最高的节点作为簇头。权重计算包括节点剩余能量、初始能量节点和节点被选为簇首的次数。在数据传输过程中，每个簇头需要将来自其簇成员的所有数据汇总并发送到基站。然而，数据是通过簇头发送到基站的，这可能成为另一个潜在的瓶颈。吴及刘[ 13]提出了一种用于能量采集的无线传感器网络的集中式功率高效路由算法EHGUC-OARP。基站使用EHGUC算法形成大小不等的簇，并从所有形成的簇中选择簇头。当应用EHGUC时，尺寸较小的簇更接近BS。随后，基站使用OAPR在所有簇头之间构建最优路由。

多路径能量感知AODV (ME-AODV)路由[ 14]利用网络拓扑结构将网络划分为一个或多个逻辑集群，并限制向集群外发送路由请求。ME-AODV采用节点剩余电池电量作为代价函数，而不是传统AODV中使用的跳数，并增加了多路径的概念。节点以轮循的方式使用所有可用路径，以便在整个网络中均匀分配能量消耗。ME-AODV的缺点是集群头和集群网关的负载较重，成为瓶颈候选。邻居感知自适应负载均衡算法[ 15]利用父节点和子节点的信息以及概率因素来平衡流量，延长网络生命周期。所有节点向网关发送流量负载信息，网关随后计算并广播整个网络使用的确定概率因子。

与上述解决方案不同的是，MLB采用流量负载作为代价函数，非集群结构可以防止集群头出现潜在的瓶颈。MLB在设计中没有考虑能量，因为我们专注于物联网应用，其中传感器包含更多的能量和更高的计算能力，以发送大量网络数据。因此，对MLB来说，可靠的路由服务比节能更为重要。

 3.MLB如何协助物联网通信

如图所示 2，无线传感器网络是物联网最重要的组成部分。物联网包括WSN以及安装在计算设备和云上的一层厚厚的软件。因此，物联网可以被解释为一个通用的WSN。换句话说，WSN是物联网的一部分，而物联网不是SN的一部分。在物联网通信方面，物联网采用三层WSN架构。数据通过多跳方式从第一阶段传感器(事物)传输到第二阶段汇聚节点(物联网网关)。可以部署更多的静态和移动接收器，从传感器收集数据。然后，WSN数据被发送到第三阶段计算设备，用于进一步的数据分析和物联网应用。多个传感器网络可以通过PHASE-IV-Internet连接在一起。

物联网架构。

我们的工作重点是第一阶段数据传输的可靠性到第二阶段数据采集的成功。例如，医院可以让患者佩戴心电图传感器，实时监测患者的心脏健康状况。大量的心电图数据通过无线传感器网络连续传输，不会丢失，因为它涉及到人的生命。只有通过I、II阶段成功的数据传输和采集，才能为计算设备提供完整的数据，从而进行正确的数据分析和应用。为了找到更高效和有效的数据传输方式，我们专注于物联网网关(传感器和接收器)之间的数据传输可靠性。

MLB是一种可以与大规模无线Zigbee网络合作的网络。当物联网对象数量较多，流量负荷显著增加时，邻居较多的路由器可能会承受更大的流量负荷，成为瓶颈，特别是靠近物联网网关的路由器。为了避免出现瓶颈，MLB引导Zigbee路由器选择流量负载最小的下一跳。Zigbee网络中的每个MLB路由器以同等的可能性为网络流量服务，以防止自身成为潜在的瓶颈。

仔细看看图中的MLB 3.．MLB为Zigbee网络提供了一种替代路由服务，无需修改现有的Zigbee堆栈。一旦Zigbee路由器转发物联网数据，MLB将引导Zigbee网络层选择一个负载最小的下一跳至物联网网关。MLB还确保当前路由器的下一跳距离物联网网关比路由器本身更近，防止路由环路。因此，MLB设计可以很容易地与现有的Zigbee堆栈合作。

Zigbee堆栈中的MLB路由。

 4.MLB:多路径负载均衡路由

随着物联网应用的快速发展，物联网传感器可能向物联网网关提供大量关键数据，因此需要可靠的物联网路由服务。目前的解决方案，如Zigbee和相关工作在本节 1，无法避免瓶颈，如果网络流量增长且物联网网关附近发生拥塞，可能会导致整个网络瘫痪。为了解决这个问题，我们提出了多路径负载平衡（MLB）路由，为物联网应用，特别是数据密集型应用提供可靠的路由服务。与AODV改进的多径版本相比，AOMDV、MLB具有与多径相同的优势，但具有更好的流量负载分布和网络可靠性，MLB主要包括两个设计：层设计和负载平衡。下面从这三个方面介绍MLB。

4．1.LAYER_DESIGN

当节点将数据包转发到网关时，它需要路由服务为数据转发生成最佳下一跳选择。如果选择的下一跳无法运行，传统的单跳路由服务需要很长的响应时间来计算新的下一跳。多路径路由服务提供多个下一跳选择，因此这些服务可以在当前下一跳失败的情况下快速提供新的下一跳。因此，多路径路由服务提供了比传统单跳路由服务更灵活、更可靠的数据转发服务。

对于物联网应用，传感器需要可靠的路由服务，将传感器数据转发到物联网网关。在MLB中，LAYER_DESIGN通过简单的分层路由设计提供可靠的多路径数据转发服务。在LAYER_DESIGN中，层值表示每个节点到物联网网关的跳数。距离物联网网关1跳的第1层节点与物联网网关通过有线直接连接，避免网关成为瓶颈。如果所有的1层节点都通过Zigbee无线链路向网关发送数据包一段时间，网关就会因为无线链路之间共享媒体而遇到流量阻塞。此外，数据流量通常在第1层节点上积累，因此需要有线链路。然后，第1层节点可以通过Zigbee无线链路从其他节点收集数据。物联网网关可以有多个第1层节点同时从Zigbee链路收集数据，而本身不会成为瓶颈。

为了允许其他传感器节点加入LAYER service, LAYER 1节点广播它们的信标消息来呈现LAYER 1 routing service。从第1层节点听到这些信标消息的其他节点可以声明它们的层号为2，并通过信标消息宣布它们的层号，以呈现第2层路由服务。然后第三层路由服务可以以同样的方式表示，以此类推。信标消息由它的地址、层值和网络加载组成。网络加载的用法在LOAD_BALANCE中定义。每个节点在接收邻居发送的信标时，更新邻居表，记录邻居的地址、层值、网络加载等信息。通过信标消息和邻居表，节点可以快速建立面向物联网网关的LAYER服务。

图形 4展示了用于表示LAYER服务的拓扑示例。对于第2层节点，由于第1层节点更接近网关，因此第1层对于第2层成为内层，第2层对于第1层成为外层。同样，第2层可以是第3层的内层，因此一个节点可以在不同的关系中同时扮演外层和内层节点的角色。节点可以将包转发给相邻的内层节点作为下一跳，直到包到达网关。

MLB中的多路径层路由(LAYER_DESIGN)。

由于每个节点可能有几个相邻的内层节点，它可以有多个下一跳来转发数据包。同样，这些下一跳可能从其内层节点有多个转发选择，因此建立了多路径路由。例如，第3层节点可能有3个相邻的第2层节点，每个第2层节点可能有3个相邻的第1层节点，因此第3层节点存在9个可能路径。如果其中一条路径不可用，则可以使用其余8条路径。对于传统的单路径路由协议，如AODV，节点一次只能有一条路径，当这条路径不可用时，节点必须生成另一条路径。因此，LAYER_DESIGN可以提供比AODV多得多的路径，提供更可靠的路由服务。此外，AOMDV要求它的多路径必须是不相交的路径。换句话说，这些路径不能共享相同的节点，因此根据网络拓扑，AOMDV的可用路径可能比LAYER_DESIGN的可用路径少。

在LAYER_DESIGN中，给定一个节点 X ，如果其中一个内部节点变得不可用，节点 X 仍然可以使用其他内部节点作为它的下一跳，因此LAYER_DESIGN可以在本地快速调整它的路径。如果所有内部节点都不可用，节点 X 在其邻居表中搜索其他节点的图层值。此时，具有最高层值的节点通常是节点的对等节点 X 和节点 X 用它们作为新的内层。然后节点 X 更新其层值(通常比旧值大1)，并立即在新的信标消息中宣布它。

 4．2．LOAD_BALANCE

为了实现负载均衡，每个节点在转发数据包时选择网络负载最低的内层下一跳节点。每个节点在其信标消息中宣布其网络加载值，以允许其外层节点检索其网络加载值。当一个节点转发一个数据包时，该节点在内层的相邻节点中选择网络负载最低的下一跳。由于每个数据包都被转发到网络负载最低的节点，所以LOAD_BALANCE是基于LAYER_DESIGN服务完成的。

如果网络负载是根据某个节点短时间内的当前网络负载来确定的，则节点的下一跳变化过于频繁。这可能会极大地触发网络加载，并导致潜在的瓶颈。因此LOAD_BALANCE通过基于指数加权移动平均公式的估计网络负荷来确定网络负荷[ 16]，新数据的权重较大，对下一次估计值的影响较大，数据的影响随时间呈指数递减。因此，估计的负载可以反映长期的网络负载情况，使节点能够平滑地切换下一跳。

给一个时间段 x ，其估计网络负载(ENL)记为 E N l x ，当前样本网络加载(SNL)记为 年代 N l x . 如果 年代 N l x 不是0, E N l x 就变成了 （ 1 - w ） ∗ E N l x - 1 + w ∗ 年代 N l x ,在那里 w 为SNL的权重，用于确定当前流量负荷对长期流量估计的影响。如果 年代 N l x 是0, E N l x 设为1/2 E N l x - 1 为了防止 E N l x 在这种情况下从0变为0 w 是1。ENL0最初是在周六夜现场吗0. 如果 w 是大的，SNL对ENL影响大，因此ENL变化快，而ENL变化慢，如果 w 很小。Section实验结果 5．1能显示的影响 w 确定LOAD_BALANCE的最佳实践。通过在LAYER_DESIGN上使用LOAD_BALANCE，流量将通过长期流量最低的节点动态加载。因此，MLB通过可靠的多路径分层路由实现了负载均衡。

 5.用于评估MLB的实验结果

部分 5给出了基于LBD、PLR和CR三个评价指标评价MLB与AOMDV和AODV的实验结果，这些指标将在以下小节中介绍。实验平台为ns2，参数如下:仿真时间为300秒，MAC层为802.15.4，场大小为250米 × 250米，传输距离为50米。数据流量类型为恒定比特率，数据包大小为100字节，数据发送间隔为1秒。为了显示不同类型网络拓扑中的数据流量模式，在85个节点的网格拓扑和100个节点的随机均匀分布拓扑中进行了实验。第1层节点具有与物联网网关的直接有线链路。为了演示作为压力测试的极端情况，本实验从两种拓扑中的一半节点启动数据通信。数据发送节点的层数大于其他节点的层数，这些节点只转发数据流量。每个拓扑分别使用MLB、AOMDV和AODV来评估它们在LBD、PLR和CR方面的性能。

5.1.负载平衡度

实验中，第1层节点直接接入物联网网关，其他层节点通过Zigbee连接向第1层节点传输数据。因此，第一层的数据流量积累量要比其他层大得多，因此第一层的负载均衡至关重要。

为了评估负载均衡的性能，我们提出了负载均衡(LBD)，它由流量负载的标准差(SD)和一层所有节点的负载平均(LA)计算得出: （1） l B D Y ＝ 1 - 年代 D Y l 一个 Y × One hundred. ％ ， 的时间和地点 l B D Y ,   年代 D Y ， l 一个 Y 表示层中的LBD、SD和LA Y ．

如果 年代 D Y 为0，表示层中所有节点 Y 具有相同的流量负载。在这种情况下，负载平衡性能是最好的 l B D Y 是100%。如果 l B D Y 显示的是0%吗 年代 D Y = l D Y ．换句话说，就是流量负载在层中的偏差 Y 等于平均负载，所以这一层的负载均衡很差。如果 l B D Y 为负时，说明该层的负载均衡更差，说明部分节点的流量负载甚至大于平均值+标准差。

图形 5使用AODV、AOMDV和MLB两种不同拓扑显示LBD w （ w ＝ 0.125 ， w ＝ ０．５ ， w ＝ 0.875 , w ＝ 1 ）.由于第1层的负载平衡是至关重要的，所以LBD1是关键的观察点。在网格拓扑和随机拓扑中，MLB具有 w ＝ 0.125 提供了最好的LBD，特别是内层，层1，层2和层3。

两种拓扑的负载均衡程度。

网格拓扑结构

随机拓扑

在网格拓扑中，LBD1在MLB情况下是100%，所以MLB可以提供最好的负载平衡性能在最关键的层，层1，这通常积累所有的数据流量。此外，MLB与 w ＝ 0.125 可以通过第1层到第3层保持最佳的负载均衡性能。另一方面，AOMDV病例的LBD约为40%，比MLB严重得多。在AODV病例中LBD甚至迅速下降到负值。

在随机拓扑中，与网格拓扑相比，节点分布不均匀，负载均衡任务难度较大。网格拓扑的连接数是固定的，流量更容易预测和优化。一般情况下，随机拓扑中的LBD值比网格拓扑中的LBD值差。LBD在MLB w ＝ 0.125 情况仍然是最好的和它的LBD1为75%左右，远好于AOMDV和AODV的情况。因此，MLB的负载均衡性能明显优于AOMDV和AODV。AOMDV为数据传输提供了多种路径，因此其LBD比Zigbee堆栈中的AODV要好得多。MLB甚至可以提供比AOMDV更好的负载均衡性能。在网格拓扑中，MLB甚至可以在内层提供最优的负载平衡性能。在最外层，两种拓扑下所有MLB情况的LBD值均为100%。这表明MLB在数据流量初始化时可以实现最优的负载均衡性能。当数据流量汇聚到第1层时，MLB仍能发挥良好的负载均衡性能。

 5.2。丢包率

PLR直接反映物联网应用的网络性能。随着数据流量源的增加，整个网络的网络负载也会增加。由于数据流量通常在第一层积累，在负载均衡性能较差的情况下，第一层的网络负载会显著增加。因此PLR可以直接反映物联网应用负载均衡性能的影响。

图形 6显示了MLB、AOMDV和AODV对不同数量数据流量源的PLR。由于AODV的负载均衡性能较差，PDR随着数据流量源的增加而显著增加。由于节点部署策略的限制，随机拓扑中的数据传递比网格拓扑更具挑战性，因此随机拓扑中的PLR增加更多，而这种拓扑实际上比网格拓扑更真实。从图 6， AODV的PLR急剧增加，因此AODV不是物联网应用的可扩展选择。在网格拓扑中，AOMDV和MLB均具有较低的PLR，但在随机拓扑中只有MLB仍能保持较低的PLR。AOMDV的PLR在随机拓扑下可以达到60%，而MLB的PLR为40%。在具有挑战性的随机拓扑中，MLB与AOMDV相比是一种可扩展的解决方案。因此，根据图中的结果 6， MLB是一种比AOMDV和AODV更可靠和可扩展的物联网应用路由解决方案。

丢包率。

网格拓扑结构

随机拓扑

 5.3. 连通率

CR是所有传感器节点上通往物联网网关的路由的节点比例。CR实时展示了节点与网关之间的路由连通性，从而展示了物联网应用路由协议的路由可靠性。随着网络流量的增加，流量阻塞可能会引发路由错误。如果路由协议不能立即修复错误，这些路由错误就会传播并触发更多的路由错误消息，从而导致更多节点无法连接网关。CR跟踪这些无法连接到网关的节点的比例，并实时监控路由错误的影响。

图形 7显示MLB、AOMDV、AODV在300秒内的CR。开始时，MLB比AOMDV和AODV建立节点到网关的路由所需的时间更短。与AODV和AOMDV不同，MLB中的节点只需要连接上层节点，而无需通过泛洪路由消息建立到网关的路径，因此MLB中的路由建立时间比AOMDV和AODV短。当路由拓扑稳定后，由于半数节点发送数据流量，且节点数量达到100个，MLB在两种拓扑下的CR均为100%。这表明MLB在高流量条件下具有较高的路由可靠性。

连接比率。

网格拓扑结构

随机拓扑

另一方面，AOMDV中的CR约为80%，这可能是由于AOMDV多路径路由的调节造成的:AOMDV中的路由必须有不相交的节点。该规则可能会限制AOMDV中的路由恢复能力，导致路由漏洞的产生。AODV中的CR更差，因为流量大导致路由错误。由于AODV对每条路由只支持一个下一跳，路由恢复能力最差，因此路由可靠性最差。因此，CR结果表明，MLB是三种路由协议中最可靠的路由协议。

 6.结论

随着物联网应用的快速增长，可靠的路由是非常必要的，以允许物联网传感器通过多跳传输准确地将数据包发送到物联网网关。为了防止Zigbee AODV路由服务中的瓶颈问题，MLB被提出为物联网应用提供负载均衡、健壮可靠的路由服务。为了实现这些目标，MLB由LAYER_DESIGN和LOAD_BALANCE组成。LAYER_DESIGN为物联网应用提供通往物联网网关的多路径层路由服务，LOAD_BALANCE为数据发送方评估负载信息，选择网络负载最小的内层下一跳。LAYER_DESIGN和LOAD_BALANCE的协同消除了瓶颈，提供了负载均衡和可靠的路由服务。实验结果表明，根据LBD值，MLB比AODV和AOMDV实现了更好的负载均衡。MLB基于PLR和CR，比AODV和AOMDV提供更可靠的路由。综上所述，MLB基于负载均衡设计，与目前著名的在用路由解决方案Zigbee的AODV及其改进的多路径版本AOMDV相比，为物联网应用提供了最可靠的路由服务。

 相互竞争的利益

提交人声明没有相互竞争的利益。

 菲基 m·A。 Kawsar F。 Boussard M。 拖鞋 l 物联网:下一个技术革命 电脑 2013 46 2 24 25 10.1109 / mc.2013.63 的活跃 J。 穆克吉 B。 戈萨尔 D。 无线传感器网络测量 计算机网络 2008 52 12 2292 2330 10.1016 / j.comnet.2008.04.002 2-s2.0-46449122114 徐 l D。 他 W。 李 s 工业物联网:调查 工业信息学学报 2014 10 4 2233 2243 10.1109 / tii.2014.2300753 2 - s2.0 - 84906834039 王 Y.-W。 余 H.-L。 李 Y。 物联网技术在医学信息中的应用 IEEE消费电子、通信和网络国际会议论文集 2011年4月 430 433 庄 G。 王志浩 l 翳风 Y。 基于物联网的智能家居系统研究与实现 国际电子、通信和控制会议论文集(ICECC’11) 2011年9月 浙江,中国 IEEE 2944 2947 10.1109 / icecc.2011.6066672 2 - s2.0 - 81455140920 弗拉基亚斯 P。 贾弗雷达 R Stavroulaki v Kelaidonis D。 Foteinos v Poulios G。 Demestichas P。 Somov 一个。 Biswas 一个。 Moessner K。 通过物联网认知管理框架实现智慧城市 IEEE通讯杂志 2013 51 6 102 111 10.1109 / mcom.2013.6525602 2 - s2.0 - 84879097737 无线个域网联盟 ZigBee规范版本1.0 2004 http://www.zigbee.org 珀金斯 C。 Belding-Royer E。 达斯 S.R。 Ad hoc按需距离矢量(AODV)路由 IEEE RFC 2003 3561 玛丽娜 m·K。 达斯 S.R。 自组织按需多路径距离矢量路由 无线通信和移动计算 2006 6 7 969 988 10.1002/wcm.432 2 - s2.0 - 33751167188 哈穆德 M。 Aldabbas O。 山 s Abuzor s Alfawair M。 Alratrout s 无线传感器网络中最优和负载均衡簇的算法构建 第七届国际系统信号与器件多会议论文集(SSD’10) 2003 约旦安曼 IEEE 1 5 张 J。 杨 T 基于节点局部密度负载均衡的无线传感器网络聚类模型 第四届新兴智能数据与Web技术国际会议论文集(EIDWT’13) 2013年9月 西安,中国 273 276 10.1109 / eidwt.2013.52 2 - s2.0 - 84889607885 廖 Y。 气 H。 李 W。 无线传感器网络分布式自组织负载均衡分簇算法 IEEE传感器杂志 2013 13 5 1498 1506 10.1109/JSEN.2012.2227704 2 - s2.0 - 84875749929 吴 Y。 线路接口单元 W。 基于遗传算法的能量采集路由协议——无线传感器网络 无线传感器系统 2013 3. 2 112 118 10.1049 / iet-wss.2012.0117 2-s2.0-84879400511 巴蒂亚 一个。 Kaushik P。 一种基于簇的ZigBee多路径最小电池消耗AODV路由 IEEE第16届国际网络会议论文集(ICON '08) 2008年12月 新德里,印度 1 7 10.1109 / icon.2008.4772594 2 - s2.0 - 66649095332 金 K。 赵 K。 Bahk s 密集无线传感器网络的邻居感知自适应负载均衡算法 IEEE VTS亚太无线通信研讨会论文集(APWCS '09) 2009 卢卡斯 j . M。 Saccucci m . S。 指数加权移动平均控制方案：特性和改进 技术计量学 1990 32 1 1 12 10.1080 / 00401706.1990.10484583 2-s2.0-002587954