CN103079270A - 一种基于无线定位的移动节点聚集感知方法 - Google Patents
一种基于无线定位的移动节点聚集感知方法 Download PDFInfo
- Publication number
- CN103079270A CN103079270A CN2013100459427A CN201310045942A CN103079270A CN 103079270 A CN103079270 A CN 103079270A CN 2013100459427 A CN2013100459427 A CN 2013100459427A CN 201310045942 A CN201310045942 A CN 201310045942A CN 103079270 A CN103079270 A CN 103079270A
- Authority
- CN
- China
- Prior art keywords
- node
- bunch
- mobile
- grid
- core point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于无线定位的移动节点聚集感知方法,包括以下步骤:步骤一、初始化无线定位系统;步骤二、信标节点测量自身到自身感知范围内所有移动节点的距离,并将测距信息发送到中心节点;步骤三、中心节点集中式计算目标区域内所有移动节点的位置坐标;步骤四、中心节点对目标区域进行网格划分;步骤五、中心节点通过密度聚类方式搜索每个子网格中的节点聚集簇;步骤六、中心节点对相邻的节点聚集簇进行合并;步骤七、输出所有移动节点聚集簇的区域信息及相应节点ID。本发明计算复杂度低,通信消耗少,节点聚集簇搜索速度快且准确度高,可适用于任意场景下移动节点聚集状态的自动感知,因此本发明具有广阔的应用前景。
Description
技术领域
本发明涉及一种基于无线定位的移动节点聚集感知方法,属于无线通讯节点聚集感知技术领域。
背景技术
随着无线通讯、微机电系统、数字电子等技术的发展,各种移动无线网络的研究和应用呈现出高速增长的态势,目前最广泛应用的有手机网络(如GSM、CDMA、WCDMA、CDMA2000、TD-SCDMA、TD-LTE等)、WLAN和各类Ad hoc网络。这些网络除了提供最基本的无线通信和网络接入功能外,还衍生出多种典型应用,例如无线定位、空中支付、目标跟踪、智能家居、环境监测、交通管理、物流调配、工业控制、安全警戒等。
移动节点聚集感知技术作为无线网络研究的一项新内容,对于无线网络应用的丰富和扩展有着重要的意义。例如,在公共安全领域,利用手机与使用者普遍存在的“人机一体”现象,基于手机聚集感知技术,可实现对重要场所人群的实时监测和有效管理,自动判断人群聚集情况并及早发现人群行为异常的预兆,从而及时采取解决措施,避免灾祸的发生;在城市交通管理领域,结合车联网技术,道路上行驶的每辆车可以看做是一个移动节点,这样车联网移动节点聚集感知技术可用于道路交通流量的实时监测,及时发现拥堵路段,协助交通管理部门进行交通疏导,并可为驾驶员提供合理行车路线;在生物习性研究中,研究人员将特定的传感器节点安装在研究对象上,通过节点间的相互协作组成移动传感网(一种特殊的Ad hoc网络),这样通过判定传感网节点的聚集状态可以迅速确定生物种群的栖息地点,并实时监测种群的运动状态和各种生理信息。上述应用中,行人、车辆和动物本质上都是无线节点的移动载体,它们聚集状态的确定和评估可通过移动节点聚集感知技术来实现。
目前,关于移动节点聚集状态感知的传统方法主要有人工统计、机械统计、电子计数、射频识别等,但这些方法普遍存在应用范围受限、实时性较差、系统建设成本高等问题,尤其不适用于移动节点数目较多和目标区域开放的情况。近年来,基于图像识别的群体密度识别方法逐渐兴起,理论上这种方法可以实现群体密度全天时和全覆盖统计,但这种方法受环境条件的影响较大(例如晚间判定效果较差甚至误判),且存在选点布控复杂、设施投资较大、实时性差、计算复杂度高等问题,这种方法的工程化应用前景尚不明朗。因此,亟需寻找一种实时的、高效的且成本较低的移动节点聚集感知方法,满足各种应用领域对群体聚集状态监控的需求。
发明内容
1、目的:本发明的目的是为了解决现有技术的不足,提供一种基于无线定位的移动节点聚集感知方法,通过中心节点集中式估计所有移动节点的位置坐标,并采用网格划分和密度聚类方式搜索目标区域内的节点聚集簇,从而实现移动节点聚集状态的自动感知。
2、技术方案:本发明一种基于无线定位的移动节点聚集感知方法,它通过以下步骤来实现:
步骤一、初始化无线定位系统;
无线定位初始阶段,中心节点向目标区域内的所有信标节点发送定位命令数据帧,此命令数据帧中包含校准时间t0和测距允许时间Δt,Δt取大于0的实数;
步骤二、信标节点测量自身到自身感知范围内所有移动节点的距离,并将测距信息发送到中心节点;
信标节点接收到中心节点发送的定位命令数据帧后,将自身系统时间设为t0,并向网络中广播包含自身ID的请求应答数据帧;在信标节点感知范围内的移动节点收到请求应答数据帧后发送应答数据帧进行应答,每个信标节点在t0+Δt时间段内接收移动节点发送的应答数据帧,并根据自身收到的应答数据帧测量自身到相应移动节点的距离;当测距过程结束之后,每个信标节点将其收集到的测距信息发送给中心节点;所述信标节点是指自身位置坐标已知并能测量自身到相邻节点距离的无线节点;
步骤三、中心节点集中式计算目标区域内所有移动节点的位置坐标;
中心节点根据信标节点发送的测距信息,集中式计算出目标区域内所有移动节点的位置坐标;
具体步骤为:
①对于移动节点Ma,a为移动节点的ID,a=1,2,…,A,A为目标区域内的移动节点总数量,取自然数,中心节点根据信标节点Ni(i=1,2,…n)到移动节点Na的测量距离dai(i=1,2,…n),n为自然数,建立如下有偏最小二乘模型:
其中,未知向量Xa为移动节点Na的待估坐标,已知向量Xi(i=1,2,…n)为信标节点Ni(i=1,2,…n)的位置坐标,标量b为信标节点的测距偏差;当测距偏差已知时b为常数,当测距偏差未知时b为待估未知数;求解式(1)即可得出移动节点Na的估计坐标
步骤四、中心节点对目标区域进行网格划分;
设定长方形子网格的长度l和宽度w,l和w取正实数,中心节点将目标区域均匀划分为K子网格Gk(k=1,2,…,K),K取自然数;在网格划分过程中,将不规则或者不足一个网格面积的子区域当作一个网格;
步骤五、中心节点通过密度聚类方式搜索每个子网格中的节点聚集簇;
中心节点首先统计每个子网格中所有移动节点的密度信息,找出移动节点中的核心点和次核心点;然后从任意核心点开始,通过密度聚类的方式找出一个完整的节点聚集簇;当所有核心点都被遍历完成后,输出子网格中所有节点聚集簇的信息;所述节点密度是指节点ε邻域内包含的其他节点数目,ε为节点邻域的半径;所述核心点是指自身密度大于等于阈值T的移动节点;所述次核心点是指处在核心点的邻域内但自身的密度小于阈值T的移动节点;所述节点聚集簇是指一组高密度节点的集合;
具体步骤为:
①设定邻域半径ε和密度阈值T,ε取正实数,T取自然数;
②判断移动节点是否为核心点;取a=1,2,…,A,计算目标区域内所有移动节点Ma的密度ζa;如果ζa≥T,则Ma为核心点,且将Ma标记为未处理的核心点;同时,设定迭代次数k=1;
③对于子网格Gk,取Gk中节点聚集簇数目为Fk=0;
④判断子网格Gk中是否存在未处理的核心点;如果Gk中存在未处理的核心点,取Fk=Fk+1,转到下一步;如果不存在未处理的核心点,转到步骤⑨;
⑨完成子网格Gk的搜索;如果Fk>0,输出Gk的节点聚集簇数目Fk和Gk中所有的节点聚集簇;
⑩取k=k+1,如果k≤K,转到步骤③;否则,结束子网格中节点聚集簇的搜索;
步骤六、中心节点对相邻的节点聚集簇进行合并;
中心节点统计出每个子网格中的节点聚集簇之后,根据簇边界中核心点的连通度关系确定相邻子网格中的节点相邻聚集簇,并对其进行合并;所述节点相邻聚集簇是指存在连通核心点的一对节点聚集簇;所述连通核心点是自身邻域包含对方且自身又处在对方邻域内的一对核心点;
步骤七、输出所有移动节点聚集簇的区域信息及相应节点ID。
中心节点完成所有节点相邻聚集簇的合并之后,输出所有聚集簇C(j)(j=1,2,…,J)的区域信息(j=1,2,…,J)和每个簇中的节点ID;其中,J为目标区域中节点聚集簇的数目,取大于等于0的正整数;为第j个移动节点聚集簇所在的长方形区域的中心坐标,和分别表示第j个移动节点聚集簇所在的长方形区域的长度和宽度。
3、优点及功效:本发明的优点在于:
(1)本发明提出一种基于无线定位的移动节点聚集感知方法,通过中心节点集中式计算所有移动节点的位置坐标,定位结果准确性较高,且可有效降低移动节点的通讯和计算消耗;
(2)本发明根据移动节点的密度信息进行聚类搜索,可实现任意形状(例如圆形、多边形等)节点聚集簇的准确感知,因此其应用范围较为广泛;
(3)本发明采用子网格划分和相邻聚集簇合并的密度感知方式,降低了中心节点的计算复杂度,提高了节点聚集状态感知的速度,本发明在目标区域过大或移动节点数量较多的应用场景下具有更加明显的优势。
附图说明
图1为本发明基于无线定位的移动节点聚集感知方法的流程图;
图2为本发明实施例中移动节点聚集状态感知结果示意图。
具体实施方式
下面将结合附图对本发明作进一步的详细说明。
本发明一种基于无线定位的移动节点聚集感知方法,流程如图1所示,通过以下步骤来实现:
步骤一、初始化无线定位系统;
无线定位初始阶段,中心节点向目标区域内的所有信标节点发送定位命令数据帧,此命令数据帧中包含校准时间t0和测距允许时间Δt,Δt取大于0的实数;
步骤二、信标节点测量自身到自身感知范围内所有移动节点的距离,并将测距信息发送到中心节点;
信标节点接收到中心节点发送的定位命令数据帧后,将自身系统时间设为t0,并向网络中广播包含自身ID的请求应答数据帧;在信标节点感知范围内的移动节点收到请求应答数据帧后发送应答数据帧进行应答,每个信标节点在t0+Δt时间段内接收移动节点发送的应答数据帧,并根据自身收到的应答数据帧测量自身到相应移动节点的距离;当测距过程结束之后,每个信标节点将其收集到的测距信息发送给中心节点;所述信标节点是指自身位置坐标已知并能测量自身到相邻节点距离的无线节点;
步骤三、中心节点集中式计算目标区域内所有移动节点的位置坐标;
中心节点根据信标节点发送的测距信息,集中式计算出目标区域内所有移动节点的位置坐标;
具体步骤为:
①对于移动节点Ma,a为移动节点的ID,a=1,2,…,A,A为目标区域内的移动节点总数量,取自然数,中心节点根据信标节点Ni(i=1,2,…n)到移动节点Na的测量距离dai(i=1,2,…n),n为自然数,建立如下有偏最小二乘模型:
其中,未知向量Xa为移动节点Na的待估坐标,已知向量Xi(i=1,2,…n)为信标节点Ni(i=1,2,…n)的位置坐标,标量b为信标节点的测距偏差;当测距偏差已知时b为常数,当测距偏差未知时b为待估未知数;求解式(1)即可得出移动节点Na的估计坐标
步骤四、中心节点对目标区域进行网格划分;
设定长方形子网格的长度l和宽度w,l和w取正实数,中心节点将目标区域均匀划分为K子网格Gk(k=1,2,…,K),K取自然数;在网格划分过程中,将不规则或者不足一个网格面积的子区域当作一个网格;
步骤五、中心节点通过密度聚类方式搜索每个子网格中的节点聚集簇;
中心节点首先统计每个子网格中所有移动节点的密度信息,找出移动节点中的核心点和次核心点;然后从任意核心点开始,通过密度聚类的方式找出一个完整的节点聚集簇;当所有核心点都被遍历完成后,输出子网格中所有节点聚集簇的信息;所述节点密度是指节点ε邻域内包含的其他节点数目,ε为节点邻域的半径;所述核心点是指自身密度大于等于阈值T的移动节点;所述次核心点是指处在核心点的邻域内但自身的密度小于阈值T的移动节点;所述节点聚集簇是指一组高密度节点的集合;
具体步骤为:
①设定邻域半径ε和密度阈值T,ε取正实数,T取自然数;
②判断移动节点是否为核心点;取a=1,2,…,A,计算目标区域内所有移动节点Ma的密度ζa;如果ζa≥T,则Ma为核心点,且将Ma标记为未处理的核心点;同时,设定迭代次数k=1;
③对于子网格Gk,取Gk中节点聚集簇数目为Fk=0;
④判断子网格Gk中是否存在未处理的核心点;如果Gk中存在未处理的核心点,取Fk=Fk+1,转到下一步;如果不存在未处理的核心点,转到步骤⑨;
⑨完成子网格Gk的搜索;如果Fk>0,输出Gk的节点聚集簇数目Fk和Gk中所有的节点聚集簇;
⑩取k=k+1,如果k≤K,转到步骤③;否则,结束子网格中节点聚集簇的搜索;
步骤六、中心节点对相邻的节点聚集簇进行合并;
中心节点统计出每个子网格中的节点聚集簇之后,根据簇边界中核心点的连通度关系确定相邻子网格中的节点相邻聚集簇,并对其进行合并;所述节点相邻聚集簇是指存在连通核心点的一对节点聚集簇;所述连通核心点是自身邻域包含对方且自身又处在对方邻域内的一对核心点;
步骤七、输出所有移动节点聚集簇的区域信息及相应节点ID;
实施例:
如图2所示,在1000m×1000m的目标区域内有5个基站(即本发明中的信标节点)和200个携带手机的行人(即本发明中的移动节点);图中,空心五角星代表基站,实心圆点代表手机,所有手机的ID分别为1-200;网格划分时,取长方形子网格的长度l和宽度w分别为200m,将目标区域划分为25个子网格;密度聚类时,取节点邻域半径ε=15和密度阈值T=4。
采用本发明方法对图2所示的目标区域内的人群聚集状态进行感知判断,得到的1个密度较大的人群聚集簇(图2中粗直线标注的长方形区域),这个区域的中心坐标为(582.8,583.0),长度和宽度分别为53.5米和50.2米,聚集簇中手机数量为51个,ID分别为(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,75,176,177,178,179,180,181,182,183,184,185,186,187,188,189,190,191,192,193,194,195,196,197,198,199,200)。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围。
Claims (1)
1.一种基于无线定位的移动节点聚集感知方法,其特征在于:它通过以下步骤来实现:
步骤一、初始化无线定位系统;
无线定位初始阶段,中心节点向目标区域内的所有信标节点发送定位命令数据帧,此命令数据帧中包含校准时间t0和测距允许时间Δt,Δt取大于0的实数;
步骤二、信标节点测量自身到自身感知范围内所有移动节点的距离,并将测距信息发送到中心节点;信标节点接收到中心节点发送的定位命令数据帧后,将自身系统时间设为t0,并向网络中广播包含自身ID的请求应答数据帧;在信标节点感知范围内的移动节点收到请求应答数据帧后发送应答数据帧进行应答,每个信标节点在t0+Δt时间段内接收移动节点发送的应答数据帧,并根据自身收到的应答数据帧测量自身到相应移动节点的距离;当测距过程结束之后,每个信标节点将其收集到的测距信息发送给中心节点;所述信标节点是指自身位置坐标已知并能测量自身到相邻节点距离的无线节点;
步骤三、中心节点集中式计算目标区域内所有移动节点的位置坐标;中心节点根据信标节点发送的测距信息,集中式计算出目标区域内所有移动节点的位置坐标;
具体步骤为:
①对于移动节点Ma,a为移动节点的ID,a=1,2,…,A,A为目标区域内的移动节点总数量,取自然数,中心节点根据信标节点Ni(i=1,2,…n)到移动节点Na的测量距离dai(i=1,2,…n),n为自然数,建立如下有偏最小二乘模型:
其中,未知向量Xa为移动节点Na的待估坐标,已知向量Xi(i=1,2,…n)为信标节点Ni(i=1,2,…n)的位置坐标,标量b为信标节点的测距偏差;当测距偏差已知时b为常数,当测距偏差未知时b为待估未知数;求解式(1)即可得出移动节点Na的估计坐标
步骤四、中心节点对目标区域进行网格划分;
设定长方形子网格的长度l和宽度w,l和w取正实数,中心节点将目标区域均匀划分为K子网格Gk(k=1,2,…,K),K取自然数;在网格划分过程中,将不规则或者不足一个网格面积的子区域当作一个网格;
步骤五、中心节点通过密度聚类方式搜索每个子网格中的节点聚集簇;
中心节点首先统计每个子网格中所有移动节点的密度信息,找出移动节点中的核心点和次核心点;然后从任意核心点开始,通过密度聚类的方式找出一个完整的节点聚集簇;当所有核心点都被遍历完成后,输出子网格中所有节点聚集簇的信息;所述节点密度是指节点ε邻域内包含的其他节点数目,ε为节点邻域的半径;所述核心点是指自身密度大于等于阈值T的移动节点;所述次核心点是指处在核心点的邻域内但自身的密度小于阈值T的移动节点;所述节点聚集簇是指一组高密度节点的集合;
具体步骤为:
①设定邻域半径ε和密度阈值T,ε取正实数,T取自然数;
②判断移动节点是否为核心点;取a=1,2,…,A,计算目标区域内所有移动节点Ma的密度ζa;如果ζa≥T,则Ma为核心点,且将Ma标记为未处理的核心点;同时,设定迭代次数k=1;
③对于子网格Gk,取Gk中节点聚集簇数目为Fk=0;
④判断子网格Gk中是否存在未处理的核心点;如果Gk中存在未处理的核心点,取Fk=Fk+1,转到下一步;如果不存在未处理的核心点,转到步骤⑨;
⑤取子网格Gk中的任意未处理的核心点Ma,将Ma和其邻域内的所有移动节点归于同一个簇并将Ma标记为已处理的核心点;
⑨完成子网格Gk的搜索;如果Fk>0,输出Gk的节点聚集簇数目Fk和Gk中所有的节点聚集簇;
⑩取k=k+1,如果k≤K,转到步骤③;否则,结束子网格中节点聚集簇的搜索;
步骤六、中心节点对相邻的节点聚集簇进行合并;
中心节点统计出每个子网格中的节点聚集簇之后,根据簇边界中核心点的连通度关系确定相邻子网格中的节点相邻聚集簇,并对其进行合并;所述节点相邻聚集簇是指存在连通核心点的一对节点聚集簇;所述连通核心点是自身邻域包含对方且自身又处在对方邻域内的一对核心点;
步骤七、输出所有移动节点聚集簇的区域信息及相应节点ID;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310045942.7A CN103079270B (zh) | 2013-02-05 | 2013-02-05 | 一种基于无线定位的移动节点聚集感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310045942.7A CN103079270B (zh) | 2013-02-05 | 2013-02-05 | 一种基于无线定位的移动节点聚集感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103079270A true CN103079270A (zh) | 2013-05-01 |
CN103079270B CN103079270B (zh) | 2015-08-05 |
Family
ID=48155649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310045942.7A Expired - Fee Related CN103079270B (zh) | 2013-02-05 | 2013-02-05 | 一种基于无线定位的移动节点聚集感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103079270B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103686605A (zh) * | 2013-12-30 | 2014-03-26 | 无锡清华信息科学与技术国家实验室物联网技术中心 | 基于群智感知的数据对齐方法 |
CN104239453A (zh) * | 2014-09-02 | 2014-12-24 | 百度在线网络技术(北京)有限公司 | 数据处理方法及装置 |
WO2017000169A1 (zh) * | 2015-06-30 | 2017-01-05 | 深圳市银信网银科技有限公司 | 一种移动终端的搜索方法及装置 |
CN108040338A (zh) * | 2017-11-27 | 2018-05-15 | 华南理工大学 | 监控目标不规则分布环境下无线传感器网络的部署方法 |
CN108716918A (zh) * | 2018-04-24 | 2018-10-30 | 合肥工业大学 | 一种基于网格聚类的rssi室内定位算法 |
CN109389172A (zh) * | 2018-10-11 | 2019-02-26 | 中南大学 | 一种基于无参数网格的无线电信号数据聚类方法 |
CN109862536A (zh) * | 2019-03-07 | 2019-06-07 | 同济大学 | 大规模车联网多社区间通达性方法 |
CN110161464A (zh) * | 2019-06-14 | 2019-08-23 | 成都纳雷科技有限公司 | 一种雷达多目标聚类方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101493518A (zh) * | 2009-02-16 | 2009-07-29 | 中国科学院计算技术研究所 | 无线传感器网络节点定位方法及装置 |
US20100074133A1 (en) * | 2008-09-24 | 2010-03-25 | Yeon-Soo Kim | Method on localization message process for supporting mobility of wireless nodes |
CN102244892A (zh) * | 2011-07-04 | 2011-11-16 | 南京邮电大学 | 一种基于免疫算法的移动传感网分簇方法 |
CN102695237A (zh) * | 2012-01-10 | 2012-09-26 | 南京邮电大学 | 一种支持随机移动的移动传感网路由方法 |
-
2013
- 2013-02-05 CN CN201310045942.7A patent/CN103079270B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100074133A1 (en) * | 2008-09-24 | 2010-03-25 | Yeon-Soo Kim | Method on localization message process for supporting mobility of wireless nodes |
CN101493518A (zh) * | 2009-02-16 | 2009-07-29 | 中国科学院计算技术研究所 | 无线传感器网络节点定位方法及装置 |
CN102244892A (zh) * | 2011-07-04 | 2011-11-16 | 南京邮电大学 | 一种基于免疫算法的移动传感网分簇方法 |
CN102695237A (zh) * | 2012-01-10 | 2012-09-26 | 南京邮电大学 | 一种支持随机移动的移动传感网路由方法 |
Non-Patent Citations (1)
Title |
---|
陈洁洁: "无线传感器网络中基于减法聚类的定位算法", 《计算机技术与发展》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103686605B (zh) * | 2013-12-30 | 2017-02-15 | 无锡清华信息科学与技术国家实验室物联网技术中心 | 基于群智感知的数据对齐方法 |
CN103686605A (zh) * | 2013-12-30 | 2014-03-26 | 无锡清华信息科学与技术国家实验室物联网技术中心 | 基于群智感知的数据对齐方法 |
CN104239453A (zh) * | 2014-09-02 | 2014-12-24 | 百度在线网络技术(北京)有限公司 | 数据处理方法及装置 |
CN104239453B (zh) * | 2014-09-02 | 2018-10-16 | 百度在线网络技术(北京)有限公司 | 数据处理方法及装置 |
WO2017000169A1 (zh) * | 2015-06-30 | 2017-01-05 | 深圳市银信网银科技有限公司 | 一种移动终端的搜索方法及装置 |
CN108040338B (zh) * | 2017-11-27 | 2019-12-10 | 华南理工大学 | 监控目标不规则分布环境下无线传感器网络的部署方法 |
CN108040338A (zh) * | 2017-11-27 | 2018-05-15 | 华南理工大学 | 监控目标不规则分布环境下无线传感器网络的部署方法 |
CN108716918A (zh) * | 2018-04-24 | 2018-10-30 | 合肥工业大学 | 一种基于网格聚类的rssi室内定位算法 |
CN108716918B (zh) * | 2018-04-24 | 2021-08-24 | 合肥工业大学 | 一种基于网格聚类的rssi室内定位算法 |
CN109389172A (zh) * | 2018-10-11 | 2019-02-26 | 中南大学 | 一种基于无参数网格的无线电信号数据聚类方法 |
CN109389172B (zh) * | 2018-10-11 | 2022-05-20 | 中南大学 | 一种基于无参数网格的无线电信号数据聚类方法 |
CN109862536A (zh) * | 2019-03-07 | 2019-06-07 | 同济大学 | 大规模车联网多社区间通达性方法 |
CN109862536B (zh) * | 2019-03-07 | 2020-06-16 | 同济大学 | 大规模车联网多社区间通达性方法 |
CN110161464A (zh) * | 2019-06-14 | 2019-08-23 | 成都纳雷科技有限公司 | 一种雷达多目标聚类方法及装置 |
CN110161464B (zh) * | 2019-06-14 | 2023-03-10 | 成都纳雷科技有限公司 | 一种雷达多目标聚类方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103079270B (zh) | 2015-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103079270B (zh) | 一种基于无线定位的移动节点聚集感知方法 | |
Hu et al. | UAVs joint vehicles as data mules for fast codes dissemination for edge networking in smart city | |
KR101493360B1 (ko) | 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법 및 시스템 | |
Maglaras et al. | Distributed clustering in vehicular networks | |
CN109272170B (zh) | 一种基于Louvain算法的交通小区划分系统 | |
Mohanty et al. | Traffic congestion detection in a city using clustering techniques in VANETs | |
CN102779410B (zh) | 一种多源异类海量交通数据融合的并行实现方法 | |
CN102997928A (zh) | 一种城际路网索引和匹配方法 | |
CN106297252B (zh) | 一种工业园区大气污染监测系统 | |
CN103298107B (zh) | 一种基于加权无向图的室内无线定位ap快速部署方法 | |
Tang et al. | Exploring urban travel patterns using density-based clustering with multi-attributes from large-scaled vehicle trajectories | |
Ibrahim et al. | Enabling wide deployment of GSM localization over heterogeneous phones | |
CN102665253B (zh) | 一种基于无线传感网络的事件检测方法 | |
CN103533647A (zh) | 一种基于分簇机制及稳健回归的射频地图自适应定位方法 | |
CN104202816A (zh) | 大规模3d无线传感器网络基于凸划分的节点定位方法 | |
Rui et al. | A new traffic congestion detection and quantification method based on comprehensive fuzzy assessment in VANET | |
CN113569977B (zh) | 一种基于手机信令数据的出行目的识别方法 | |
CN103517338B (zh) | 面向三维无线传感网的采用移动锚节点的定位方法 | |
CN110472999A (zh) | 基于地铁和共享单车数据的客流模式分析方法及装置 | |
Lu et al. | Collaborative target tracking of IoT heterogeneous nodes | |
CN103746752B (zh) | 一种基于分层狄利克雷过程的智能频谱感知方法 | |
Ghosh et al. | Sensor network design for smart highways | |
Li et al. | Modified parallel tunicate swarm algorithm and application in 3D WSNs coverage optimization | |
Li et al. | Outdoor location estimation using received signal strength feedback | |
CN102917385A (zh) | 基于统计移动尺度的移动感知分簇方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150805 Termination date: 20170205 |