CN104135751A - 一种适用于地铁隧道的非均匀分簇路由方法 - Google Patents

Abstract

本发明涉及一种适用于地铁隧道的非均匀分簇路由方法，该方法运行于地铁隧道内壁上设置的汇聚节点和传感器节点，该方法具体包括：隧道三维空间模型的建立步骤；基于固定节点的网络初始化步骤；基于节点剩余能量和节点位置的分簇形成步骤；基于网络服务质量QoS、节点剩余能量、节点位置的簇间多跳路由建立步骤。与现有技术相比，本发明采用基于节点剩余能量和簇半径的簇头竞争算法以完成非均匀分簇，综合考虑簇结构、节点剩余能量和链路误码率以优化超长线状中的多跳路径。

Description

一种适用于地铁隧道的非均匀分簇路由方法

技术领域

本发明涉及一种无线网络路由方法，尤其是涉及一种适用于地铁隧道的非均匀分簇路由方法。

背景技术

在隧道结构监测应用中，传感器节点的位置由监测任务而定，它们布置于长线形隧道内环壁。这些都直接影响了无线传感器网络拓扑结构，使其具有长线形、分布式等特点。

由麻省理工学院的Heinzelman W R等人提出的低功耗自适应分簇路由算法LEACH(Low-Energy Adaptive Clustering Hierarchy)是后续大部分分簇路由算法的基础。LEACH算法引入“轮”的概念，每轮包括初始化阶段和稳定传输阶段。在初始化阶段随机的形成簇头，每个节点会产生一个0～1之间的随机数，如果该值小于阀值T(n)，则成为簇头。

EECS也采用“轮”机制，簇头与汇聚节点间采用单跳通信，其重点主要放在成簇阶段。EECS同时考虑簇内距离因子和簇头到汇聚节点的距离因子，将远离汇聚节点的簇划分得较小。EECS实现非均匀分簇，较远的簇头具有较小的分簇结构，更多的能量用于和汇聚节点间的长距离单跳通信。通过调节加权系数调节节点能耗和簇头能耗之间的平衡。

但现有的无线传感器网路协议都不适用于隧道结构监测应用。由于隧道长线形结构和应用需求，隧道结构监测应用呈现能量异构的特性，且需要一定的QoS保障。为了克服前述并且其它缺陷，需要一种适用于超长线状地铁隧道的路由协议。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种适用于地铁隧道的非均匀分簇路由方法。

本发明的目的可以通过以下技术方案来实现：

一种适用于地铁隧道的非均匀分簇路由方法，该方法运行于地铁隧道内壁上设置的汇聚节点和传感器节点，该方法具体包括：

隧道三维空间模型的建立步骤；

基于固定节点的网络初始化步骤；

基于节点剩余能量和节点位置的分簇形成步骤；

基于网络服务质量QoS、节点剩余能量、节点位置的簇间多跳路由建立步骤。

所述的隧道三维空间模型的建立步骤具体为：

把一定长度的三维柱状隧道摊开成二维矩形平面，将三维空间坐标系转换成二维空间坐标系，计算利用隧道二维距离公式来计算两点间的三维空间距离：

$d_{\mathrm{ij}}=\left\{\begin{array}{c}\sqrt{{(x_i-x_j)}^2+{\left[2R\sin \left(\frac{|y_i-y_j|}{2R}\right)\right]}^2},|y_i-y_j|\≤\mathrm{\πR}\\ \sqrt{{(x_i-x_j)}^2+{\left[2R\sin (\mathrm{\π}-\frac{|y_i-y_j|}{2R})\right]}^2},|y_i-y_j|>\mathrm{\πR}\end{array}\right.$

式中，d_ij为节点n_i与n_j之间的三维空间距离，(x_i，y_i)为节点n_i在二维矩形平面内的坐标，(x_j，y_j)为节点n_j在二维矩形平面内的坐标，R为隧道半径。

所述的网络初始化步骤具体为：

汇聚节点广播“Init_All”信息，所有传感器节点逐级更新其邻居节点表。

所述的传感器节点逐级更新其邻居节点表具体为：

a)接收到“Init_All”信息的传感器节点按一定功率局部广播“Neighbor”信息，此信息包含发射节点的ID；

b)其余任何节点接收到“Neighbor”信息时，将该信息中包含的ID列入本节点的邻居节点表内，同时局部广播“Neighbor”信息；

c)直至所有传感器节点均广播过一次“Neighbor”信息。

所述的邻居节点表保存的信息包括：本节点ID、节点剩余能量和所有邻居节点信息。

所述的分簇形成步骤具体为：

1)选取候选簇头：根据所有传感器节点剩余能量及设定的候选簇头比例系数，选取若干个高剩余能量的节点作为候选簇头节点，并对每个候选簇头节点设置一个簇半径，将非候选簇头节点称为普通节点；

2)选取簇头：

201)所有候选簇头节点根据其邻居节点表和簇半径，计算每个候选簇头节点的DTi，标记最小DTi对应的候选簇头节点为簇头，把簇半径范围内的所有传感器节点标记为候选簇内节点；

所述的DTi指候选簇头节点与其簇半径范围内所有传感器节点的距离平方和的平均值；

202)剩余候选簇头计算DTi，并确定簇头和候选簇内节点；

203)直到计算到设定簇头数为止；

3)成簇：簇头在其簇半径内广播本节点的ID，接收到ID的传感器节点按先后顺序记录ID，并从中选择信号强度最大的ID，向此ID对应的簇头发送请求成为簇内成员信息和自己的ID；

未收到簇头ID的传感器节点自动变为簇头。

所述的簇间多跳路由建立步骤具体为：

某个簇头读取邻居节点表，获取自身节点当前剩余能量和邻居节点信息；计算当前簇头与邻居节点表中的所有邻居簇头间的代价函数；选取代价函数最小的邻居簇头作为当前簇头的中继节点。

所述的代价函数为某簇头i与其某一邻居簇头j间的关系函数，具体计算如下：

$C(i,j)=\left\{\begin{array}{cc}{b}_1\frac{E_n\left(n_i\right)}{E\left(n_j\right)}+b_2\frac{d_{\mathrm{ij}}+d_{\mathrm{jS}}}{d_{\mathrm{iS}}}+b_3{L}_{\mathrm{ij}},& d_{\mathrm{iS}}\≤d_0\\ +\∞,& d_{\mathrm{iS}}>d_0\end{array}\right.$

式中，E_N(n_i)为簇头i的n个邻居簇头的平均剩余能量，E(n_j)为邻居簇头j的剩余能量，d_ij为簇头i与邻居簇头j间的距离，d_jS为簇头i与汇聚节点之间的距离，L_ij为簇头i与邻居簇头j之间的链路误码率，b₁、b₂、b₃分别为能量项、距离项和链路质量项的权重系数，其值为0～1。

与现有技术相比，本发明具有以下优点：

1)分簇的非均匀性

本发明引入簇半径，簇半径与节点离汇聚节点的距离成正比，即离汇聚节点的距离越近，分簇的半径越小，分簇的数量越多。

超长线状不同于其余场景的无线传感器网络最明显的一点就是：靠近汇聚节点的簇头需要转发更多的数据，使其消耗更多能量，成为网络能耗的瓶颈。因此，本发明实现了距离汇聚节点越近，簇半径越小，簇头数量越多，更能承担较大的数据转发压力。

2)能耗均衡化

本发明加入了候选簇头阶段，在候选簇头阶段节点计算节点当选为候选簇头的可能性CH_prop，选择剩余能量较多的节点成为候选簇头竞选簇头，从而均衡能量消耗。

面向结构监测的无线传感器网络，特别是像隧道这种难以维护节点的情景下，实现能耗均衡化，使节点在同一时间段内衰亡，是有利于稳定监测的。

3)分簇的向心性

本发明取节点与其簇半径范围内所有传感器节点的距离平方和的平均值最小的候选簇头作为簇头，分簇结构明显具有良好的向心性。一个具有良好向心性的分簇结构可明显降低簇内传输路径，有效降低传感器节点能量消耗。

4)簇间的多跳特性

本发明的簇间多跳是考虑隧道结构的特点设计的。以下从四个角度分别展现本发明用于超长线状无线传感器网络的优势。

第一，降低了低能量节点当选中继节点的可能性。簇头节点剩余能量值与代价函数成反比。

第二，平衡了网络通信量。邻居簇头拥有的簇内成员数与代价函数成正比，说明了拥有较少簇内成员数的邻居簇头更可能成为中继节点。这类簇头节点拥有较多空余内存和较少的网络通信量，适合成为中继节点去转发更多的数据。

第三，体现了簇间多跳的直线性和方向性。簇头节点与邻居簇头之间的距离与代价函数成正比。选择较近的节点作为中继节点，减少传输路径，降低转发数据能耗。这在超长线状结构中会体现簇间多跳的直线性。另外一方面，簇头节点与汇聚节点之间的距离与代价函数成正比，代表选择中继节点的区域在汇聚节点与当前簇头之间，不会选择相反方向。

第四，减少了簇间过长距离传输的可能性。本发明加入距离限定值d₀，当邻居簇头与汇聚节点大于限定值d₀时，代价函数为无穷大，必须在限定值d₀范围内选择一个簇头节点当中继节点进行多跳传输。这样的做法主要就是为了减少过长距离传输带来的高能耗和高丢包率。

第五，降低了簇间传输的丢包率。链路误码率与代价函数成正比，簇间多跳会选择链路误码率较低的路径，从路由算法层面一定程度地有效降低了簇间传输的丢包率。

附图说明

图1为本发明隧道三维空间转换二维空间示意图；

图2为本发明“轮”循机制示意图；

图3为本发明分簇流程示意图；

图4为本发明簇间多跳机制流程示意图；

图5为本发明地铁隧道结构健康监测系统应用总体示意图；

图6为本发明应用于地铁隧道结构健康监测系统的拓扑结构示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

一种适用于地铁隧道的非均匀分簇路由方法(称为LEQUC)，该方法具体包括：

隧道三维空间模型的建立步骤；

基于固定节点的网络初始化步骤；

基于节点剩余能量和节点位置的分簇形成步骤；

基于网络服务质量QoS、节点剩余能量、节点位置的簇间多跳路由建立步骤，所述的网络服务质量QoS包括链路误码率。

LEQUC主要根据超长线状空间模型提出的低能耗路由算法，同时考虑QoS性能，以非均匀分簇形式实现。LEQUC路由算法的总目标：以超长线状无线传感器网络为基础，从分簇形成、簇间多跳路由两个方面解决能量异构问题，实现低能耗策略；从簇间多跳路由实现非端到端的QoS策略，实现一定程度的QoS保障。

LEQUC运行于隧道内壁上两类节点，分别是一个汇聚节点、若干个Zigbee节点。汇聚节点的角色不发生变化，一直接收所有Zigbee节点的数据。Zigbee节点在软硬件配置上完全一致。在LEQUC运行过程中，Zigbee节点会充当路由节点(只能是簇头)或传感器节点。

由于超长线状空间是圆柱形三维空间，而且所有传感器节点都部署于隧道内壁。因此，为减少路由算法复杂度及计算时间，加入隧道半径R，实现三维空间坐标系转换成二维空间坐标系，如图1所示。

转换后的二维空间模型采用的坐标系：以隧道长度为横坐标X，以隧道环长为纵坐标Y。在超长线状模型中，已知节点n_i(x_i，y_i)和n_j(x_j，y_j)，节点n_i与n_j之间的距离d_jj的计算公式如下：

$d_{\mathrm{ij}}=\left\{\begin{array}{c}\sqrt{{(x_i-x_j)}^2+{\left[2R\sin \left(\frac{|y_i-y_j|}{2R}\right)\right]}^2},|y_i-y_j|\≤\mathrm{\πR}\\ \sqrt{{(x_i-x_j)}^2+{\left[2R\sin (\mathrm{\π}-\frac{|y_i-y_j|}{2R})\right]}^2},|y_i-y_j|>\mathrm{\πR}\end{array}\right.$

如图3所示，在隧道结构监测系统开启初始阶段，采用基于固定节点的网络初始化方式，让汇聚节点广播“Init_All”信息，接收到“Init_All”信息的传感器节点按一定功率局部广播“Neighbor”信息，此信息包含发射节点的ID；其余任何节点接收到“Neighbor”信息时，将该信息中包含的ID列入本节点的邻居节点表内，同时局部广播“Neighbor”信息；直至所有传感器节点均广播过一次“Neighbor”信息。通过此方式，全网络Zigbee节点逐级初始化并更新邻居节点表。全网络Zigbee节点应用于隧道结构监测，监测倾角和渗漏水等情况，其位置是固定不变的，其邻居节点表也是固定不变的。所述的基于固定节点的网络初始化方式，在整个网络生命周期中，只需更新一次。

邻居节点表如表1所示，保存了节点ID、节点剩余能量和所有邻居节点信息。在每一轮的分簇完成后，全网络Zigbee节点需要更新邻居节点表。节点ID是全网唯一的整型数据；节点剩余能量表示本轮时刻节点电池的剩余能量；邻居节点信息是一组1×3的矩阵，第一列表此邻居节点的横坐标，第二列表示此邻居节点的纵坐标，第三列的值为0时表示此邻居节点不是簇头，第三列的值为1时表示此邻居节点是簇头，邻居节点信息的数量取决于邻居节点的数量。邻居节点的定义：根据节点一定的发射功率(称其为邻居功率)表示邻居半径，在此邻居半径内的其他节点即为邻居节点。

表1

如图2所示，LEQUC采用了“轮”制循环，每一轮包括：形成分簇和稳定工作。为节省分簇消耗的能量，稳定工作的时间尽量延长。

在确定候选簇头阶段，每一轮计算节点当选为候选簇头的可能性CH_prop，并设定一个候选节点比例系数C_prop。可能性CH_prop为节点当前剩余能量与节点初始总能量之比，如果其大于设定的候选节点比例系数，此节点当选为候选簇头节点。同时，未当选候选簇头的节点进入休眠状态。

在确定簇头阶段，只有候选簇头参与簇头竞争，有效降低能耗和缩短计算时间。对于隧道这类超长线状的结构，需要考虑候选簇头的空间位置。每个候选簇头节点设置了一个簇半径R_i，避免聚集型候选簇头当选簇头。簇半径R_i应正比于它与汇聚节点的距离的平方，用于实现簇头在无线传感器网络的分散的非均匀分布。

在确定簇头阶段，LEQUC采用循环计算DTi来确定簇头，DT_i代表节点n_i与其簇半径范围内所有传感器节点的距离平方和的平均值。此阶段起始状态为候选簇头节点和普通节点。循环1：所有候选簇头跟据邻居节点信息表和簇半径，计算与簇半径内普通节点的DTi，标记最小DTi为簇头，把簇半径范围内的所有传感器节点标记为候选簇内节点；循环2：剩余候选簇头以相同方法计算DTi，并确定簇头和候选簇内节点。循环n：直到计算到设定簇头数为止。此时已全部确定簇头。

LEQUC循环标记DTi值最小的的候选簇头为簇头，包含三个特性：节点向心性(成为簇头的节点一般是邻居节点的几何中心)、簇头分布非均匀性(越靠近sink节点，簇半径越小，DTi越小，簇头数目越多)和簇分布小重叠性(每一轮标记簇头时同时标记其候选簇内节点，不参与下次循环计算)。这种簇头机制既可以减少传输路径，也可以均衡网络能量。

在成簇阶段，簇头选择完成后，其余非候选簇头节点退出休眠状态，簇头以邻居功率在邻居半径内广播一个ADV类型的包，该包中包含簇头的ID，通知其余节点它是簇头。其余传感器节点接收这个包，会将发送这个包的簇头的节点ID号按顺序先后记录下来。接收完所有ADV包后，传感器节点选择信号强度最大的ID，发送JOIN_REQ类型的包通知此ID簇头请求加入并告知自己的ID号。如果有传感器节点未收到任何ADV类型的包，那么它自己立刻会变成簇头节点。此时，超长线状无线传感器网络的非均匀分簇已经形成。

分簇形成后，簇头判断是否拥有簇内成员。如果簇内节点不为空，簇头就会创建TDMA调度时隙表，簇内广播这个调度给成员。各个成员节点仅在各自的信道和时隙与簇头节点通信，这样可以确保簇内数据传输不发生冲突。在数据传输阶段，由于簇内节点数据的冗余量较大，簇头接收到数据后会进行数据融合操作，以减少网络通信量，降低网络负担。簇内数据融合是基于传感器节点的可信度，在处理簇内数据时一般利用关系矩阵法。根据隧道监测数据的测量范围，设定三个门限值a1，a2，a3(0～1之间)为0.5，0.3，0.8。用b_ij表示节点n_i和节点n_j之间的测量偏差值，此值越小则节点间数据值越接近。根据偏差值b_ij和门限值的大小关系可以确定关系矩阵。对于节点的信任度可通过矩阵展开计算。最终，通过簇内数据融合后的数据值为各节点的数值与各节点的信任度乘积之和。至此，簇内数据融合过程完成。

如图4所示，簇头节点i读取邻居节点表，获取自身节点当前剩余能量和邻居节点信息。利用循环方式，对邻居簇头节点j计算代价函数，取代价函数最小的邻居簇头节点j作为中继节点。代价函数是关于某簇头i与其某一邻居簇头j的函数，具有簇头i的邻居簇头的平均剩余能量E_n(n_i)、邻居簇头j的剩余能量E(n_j)、簇头i与邻居簇头j之间的距离d_ij、簇头i与汇聚节点之间的距离d_iS、邻居簇头j与汇聚节点之间的距离d_jS和簇头i与邻居簇头j之间的链路误码率L_ij等6个因子组成，其计算公式如下：

$C(i,j)=\left\{\begin{array}{cc}{b}_1\frac{E_n\left(n_i\right)}{E\left(n_j\right)}+b_2\frac{d_{\mathrm{ij}}+d_{\mathrm{jS}}}{d_{\mathrm{iS}}}+b_3{L}_{\mathrm{ij}},& d_{\mathrm{iS}}\≤d_0\\ +\∞,& d_{\mathrm{iS}}>d_0\end{array}\right.$

其中，b1，b2，b3分别为能量项、距离项和链路质量项的权重系数，其值为0～1。对于能量消耗极其不均匀的隧道监测环境，需要较多考虑剩余能量项，预设定分别为0.8，0.5，0.5。

本方法在计算代价函数时，加入距离限定值d0，当邻居簇头与汇聚节点大于限定值d₀时，代价函数为无穷大，必须在限定值d₀范围内选择一个簇头节点当中继节点进行多跳传输。

如图5所示，LEQUC应用于地铁隧道结构健康监测系统，通常包括传感器节点1、汇聚节点2(又称基站、Sink节点)和任务管理中心4。大量具有采集能力、计算能力、无线通信能力的传感器节点1随机或规则的部署在被监测区域，通过自组织的方式构成分布式智能网络。这种自组织构成网络，以协作的方式采集和处理覆盖区域的物理信息，通过单跳、或多跳的方式按特定的路由算法传输到汇聚节点2，再经过互联网或卫星3达到任务管理中心4。用户5可在任务管理中心4对传感器网络进行配置和管理，收集监测数据。

如图6所示，监测区域的网络作为无线传感器网络结构的末梢，运行LEQUC时的拓扑结构，即多跳分层网络结构。在多跳分层网络结构中，把所有节点分成一系列的簇，一个分簇由多个簇内成员和一个簇头组成。簇内成员先把数据发送给簇头，再由簇头进行数据融合后将数据发送给汇聚节点。

Claims (8)

1.一种适用于地铁隧道的非均匀分簇路由方法，其特征在于，该方法运行于地铁隧道内壁上设置的汇聚节点和传感器节点，该方法具体包括： 

隧道三维空间模型的建立步骤； 

基于固定节点的网络初始化步骤； 

基于节点剩余能量和节点位置的分簇形成步骤； 

基于网络服务质量QoS、节点剩余能量、节点位置的簇间多跳路由建立步骤。 

2.根据权利要求1所述的一种适用于地铁隧道的非均匀分簇路由方法，其特征在于，所述的隧道三维空间模型的建立步骤具体为： 

把一定长度的三维柱状隧道摊开成二维矩形平面，将三维空间坐标系转换成二维空间坐标系，计算利用隧道二维距离公式来计算两点间的三维空间距离： 

式中，d_ij为节点n_i与n_j之间的三维空间距离，(x_i，y_i)为节点n_i在二维矩形平面内的坐标，(x_j，y_j)为节点n_j在二维矩形平面内的坐标，R为隧道半径。 

3.根据权利要求1所述的一种适用于地铁隧道的非均匀分簇路由方法，其特征在于，所述的网络初始化步骤具体为： 

汇聚节点广播“Init_All”信息，所有传感器节点逐级更新其邻居节点表。 

4.根据权利要求3所述的一种适用于地铁隧道的非均匀分簇路由方法，其特征在于，所述的传感器节点逐级更新其邻居节点表具体为： 

a)接收到“Init_All”信息的传感器节点按一定功率局部广播“Neighbor”信息，此信息包含发射节点的ID； 

b)其余任何节点接收到“Neighbor”信息时，将该信息中包含的ID列入本节点的邻居节点表内，同时局部广播“Neighbor”信息； 

c)直至所有传感器节点均广播过一次“Neighbor”信息。 

5.根据权利要求4所述的一种适用于地铁隧道的非均匀分簇路由方法，其特 征在于，所述的邻居节点表保存的信息包括：本节点ID、节点剩余能量和所有邻居节点信息。 

6.根据权利要求5所述的一种适用于地铁隧道的非均匀分簇路由方法，其特征在于，所述的分簇形成步骤具体为： 

1)选取候选簇头：根据所有传感器节点剩余能量及设定的候选簇头比例系数，选取若干个高剩余能量的节点作为候选簇头节点，并对每个候选簇头节点设置一个簇半径，将非候选簇头节点称为普通节点； 

2)选取簇头： 

201)所有候选簇头节点根据其邻居节点表和簇半径，计算每个候选簇头节点的DTi，标记最小DTi对应的候选簇头节点为簇头，把簇半径范围内的所有传感器节点标记为候选簇内节点； 

所述的DTi指候选簇头节点与其簇半径范围内所有传感器节点的距离平方和的平均值； 

202)剩余候选簇头计算DTi，并确定簇头和候选簇内节点； 

203)直到计算到设定簇头数为止； 

3)成簇：簇头在其簇半径内广播本节点的ID，接收到ID的传感器节点按先后顺序记录ID，并从中选择信号强度最大的ID，向此ID对应的簇头发送请求成为簇内成员信息和自己的ID； 

未收到簇头ID的传感器节点自动变为簇头。 

7.根据权利要求6所述的一种适用于地铁隧道的非均匀分簇路由方法，其特征在于，所述的簇间多跳路由建立步骤具体为： 

某个簇头读取邻居节点表，获取自身节点当前剩余能量和邻居节点信息；计算当前簇头与邻居节点表中的所有邻居簇头间的代价函数；选取代价函数最小的邻居簇头作为当前簇头的中继节点。

8.根据权利要求7所述的一种适用于地铁隧道的非均匀分簇路由方法，其特征在于，所述的代价函数为某簇头i与其某一邻居簇头j间的关系函数，具体计算如下： 

式中，E_n(n_i)为簇头i的n个邻居簇头的平均剩余能量，E(n_j)为邻居簇头j的剩余能量，d_ij为簇头i与邻居簇头j间的距离，d_jS为簇头i与汇聚节点之间的距离，L₀为簇头i与邻居簇头j之间的链路误码率，b₁、b₂、b₃分别为能量项、距离项和链路质量项的权重系数，其值为0～1。