CN104168581A - 维诺图构造的水面移动基站路径规划方法 - Google Patents

Abstract

本发明公开了维诺图构造的水面移动基站路径规划方法，其特征是：首先利用维诺图理论生成“候选子路径集合”；然后以同心曲线的方式由外向内地形成优化路径。本发明的方法可以形成最短或近似最短的基站移动路径。移动基站沿着该路径移动，不仅可以收集到所有传感器节点的数据，而且可以节约网络通信能耗。

Description

维诺图构造的水面移动基站路径规划方法

技术领域

本发明涉及一种水面移动基站路径规划方法，更具体地说是一种针对稀疏无线传感器网络的数据收集过程中移动基站的行走路径规划。

背景技术

如图1所示，在大面积的被监测水域中分布着多个水面传感器节点(surface sensor node,SSN)。这些节点的布置是稀疏的，即节点间距离通常大于节点通信半径，因此难以通过节点间的多跳路由汇聚数据，而通过移动基站(mobile base-station,MBS)历经各个节点收集数据成为了一种主要的数据汇聚方法。如何在监测水域中生成一条基站移动路径，不仅可以收集到所有SSN的数据，而且达到路径最短和网络节能是一个关键问题。

近年来，已有学者先后提出一些方法解决上述问题。这些方法可分为以下几类：

第一类方法是使用一个或数个移动基站在监测区域随机运动以收集数据。2003年，R.C.Shah等人针对稀疏无线传感器网络提出了“数据骡子”(Data Mules)的概念(R.C.Shah,S.Roy,S.Jain,et al.Data MULEs:Modeling and Analysis of Three-tier Architecture for SparseSensor Networks[J].Ad Hoc Networks,2003,215-233)，通过“数据骡子”在网络中随机巡航以收集数据。同年，L.Tong等人针对密集传感器网络提出采用移动Agent随机移动来收集网络数据(L.Tong,Q.Zhao,and S.Adireddy.Sensor Networks with Mobile Agents[C].Proceedingsof IEEE MILCOM 2003,Boston,MA,USA,13-16Oct,2003,688-693)。这种随机移动的策略比较简单，易于基站实现，但随机移动的盲目性使得数据收集的完整性无法得到保障，也使得基站完成数据收集所需的路径长度和耗时不可预期。

第二类方法是将基站移动和节点多跳路由相结合。2005年，J.Luo等人提出在密集分布的传感器网络中规划移动基站的最优路径，沿途的传感器节点以多跳路由的方式将数据发送给移动基站(J.Luo,J.P.Hubaux.Joint Mobility and Routing for Lifetime Elongation in WirelessSensor Networks[C].Proceedings of IEEE INFOCOM 2005,Miami,FL,USA,13-17March,2005,1735-1746)。

第三类方法是基于网络分簇的基站移动方法。2011年，陈涛等人提出将网络分成簇结构，簇内的传感器节点将数据汇聚到簇头。移动基站只需历经这些簇头便可完成整个网路的数据收集(陈涛,郭得科,罗雪山等.一种基于移动基站的无线传感器网络数据收集方法[J].国防科技大学学报,2011,33(2):49-53)。

第二类和第三类方法在水面传感器网络中都会失效。因为水面传感器网络是稀疏的，节点间距离较远，通常大于节点通信半径，所以相邻节点间无法通信，更无法进行数据多跳路由，也无法形成可内部通信的簇结构。

发明内容

本发明是为避免上述现有技术所存在的不足之处，提供一种维诺图构造的水面移动基站路径规划方法，是一种针对水面传感器网络的移动基站路径规划方法，以实现不仅可以收集到所有SSN的数据，而且可以达到路径最短或近似最短，以及节约网络通信能耗的目的。

本发明为解决技术问题采用如下技术方案：

本发明维诺图构造的水面移动基站路径规划方法，其特点是按如下过程进行：

a、设在监测区域中有n个传感器节点s₁，、、、，s_n，组成节点集合S＝{s₁,s₂,…,s_n}；

根据传感器节点的位置，按照维诺图理论划分区域的方法将监测区域划分成n个子区域，在任一子区域中包含唯一一个传感器节点，以各子区域除监测区域边界线以外的所有边e₁，、、、，e_m作为候选子路径，构成候选子路径集合E＝{e₁,e₂,…,e_m}；与候选子路径距离最近的两个传感器节点称为该候选子路径的邻节点；

b、将监测区域内的各候选子路径与监测区域边界的交点作为交界点，将任一交界点命名为b₁，并按逆时针方向将其余交界点依次命名为b₂,b₃,…,b_v，构成交界点集合B＝{b₁,b₂,…,b_v}；

c、将各交界点所在候选子路径的另一端点定义为该交界点的邻接点，并按照各交界点的顺序依次命名为j₁,j₂,…,j_u，构成交界点的邻接点集合J^*＝{j₁,j₂,…,j_u}；

d、移动基站从交界点b₁出发，移动到b₁的邻接点j₁，进入监测区域；然后，移动基站选择最短路径从j₁沿各候选子路径依次向j₂,…,j_u移动，在移动基站的移动过程中记录所经过的各候选子路径的邻节点，当所经过的各候选子路径的邻节点构成完整的节点集合S＝{s₁,s₂,…,s_n}时，停止移动，移动所经过的路径即为所形成的优化路径；

若当移动基站从j₁移动至j_u后，所经过的各候选子路径的邻节点仍未构成完整的节点集合S＝{s₁,s₂,…,s_n}，则按步骤e继续移动；

e、将步骤d所经过的所有候选子路径的邻节点所在的子区域从监测区域中剥离，以剥离后监测区域的剩余区域作为新的监测区域，将位于新的监测区域内的各候选子路径与新的监测区域边界的交点作为新交界点，且将距离移动基站当前位置j_u最近的新的交界点标记为b₁，从b₁按逆时针方向将其余新交界点依次标记为b₁,b₂,…,b_w；

移动基站选择最短路径从当前位置j_u移动到新的交界点b₁；

重复步骤c和d，直至移动基站在整个的移动过程中所经过的各候选子路径的邻节点构成完整的节点集合S＝{s₁,s₂,…,s_n}；

f、在停止移动后，整个移动过程所经过的路径即为所形成的优化路径。

与已有技术相比，本发明有益效果体现在：

1、本发明是一种针对水面传感器网络的移动基站路径规划方法，首先利用维诺图理论生成“候选子路径集合”；然后以同心曲线的方式由外向内地形成优化路径。实验结果表明该方法可以形成最短或近似最短的基站移动路径。基站沿着该路径移动，不仅可以收集到所有传感器节点的数据，而且可以节约网络通信能耗。

2、已有的随机移动比较简单，易于基站实现，但随机移动的盲目性使得数据收集的完整性无法得到保障，也使得基站完成数据收集所需的路径长度和耗时不可预期。另外，水面传感器网络是稀疏的，节点间距离较远，通常大于节点通信半径，所以相邻节点间无法通信，更无法进行数据多跳路由，也无法形成可内部通信的簇结构。本发明解决了稀疏网络中不能利用簇结构内部通信的问题。此外，在基站航行速度一定的情况下，本发明有利于移动基站用最短的时间完成对水面传感器节点的数据收集。

附图说明

图1为水面无线传感器网络示意图；

图2为维诺图生成多边形示意图；

图3为基站移动路径示例；

图4为形成最外层同心圆路径示意；

图5为形成的最外层同心圆路径；

图6为剥离出未顾及的节点区域；

图7为切入到未涉及的节点区域；

图8为形成的内层同心圆路径；

图9为维诺图构造的水面移动基站路径规划方法流程图；

图10为实验一形成的移动路径；

图11为实验二形成的移动路径；

图12为实验三形成的移动路径；

图13为基站沿维诺图的边收集数据的通信状况；

图14为基站沿任意边收集数据的通信状况。

具体实施方式

本专利提出一种维诺图构造的水面移动基站路径规划方法。首先利用维诺图理论生成“候选子路径集合”；然后以同心曲线的方式由外向内形成优化路径，下面将对这一步骤进行详细介绍。

1、维诺图理论生成候选子路径集合

维诺图又叫泰森多边形或者Dirichlet图，是计算几何中重要的几何结构，它是由一组连接两邻点线段的垂直平分线组成的连续多边形组成，参见以下文献：

(1)G.M.Voronoi.Nouvelles Applications Des Parametres Continus a Theorie Des FormesQuadratiques[J].Deuxieme Memoire.Recherches sur les parallelloedres primitives,Journal für diereine und angewandte Mathematik.1908,134:198-287.

(2)M.Mirzargar,A.Entezari.Voronoi Splines[J].IEEE Transactions on Signal Processing,2010,58(9):4572-4582.

(3)夏娜,倪成春,徐朝农,郑榕.逆向捕获时间差的Voronoi声源定位机制[J].通信学报,2013,34(11):140-152。

采用维诺图理论生成的候选子路径有利于基站收集数据时节约通信能耗，这在下文中将详细证明。

例如，在监测区域A中有4个传感器节点s₁,s₂,s₃,s₄，它们的位置如图2(a)所示。按照维诺图理论生成的维诺多边形如图2(b)所示，将监测区域划分成n个子区域，在任一子区域中包含唯一一个传感器节点，以各子区域除监测区域边界线以外的的5条边e₁,e₂,e₃,e₄,e₅作为候选子路径，构成候选子路径集合E＝{e₁,e₂,…,e₅}。

接下来的工作就是在候选子路径集合中选出一个元素序列，构成一个路径，作为移动基站的优化移动路径，并达到以下目标：

a)移动基站沿该路径移动，可以顾及到(所谓“顾及到”是指当移动基站沿着某条候选子路径移动时，与该候选子路径距离最近的两个传感器节点，即该候选子路径的邻节点便被顾及到)所有传感器节点；

b)路径最短或近似最短；

c)移动基站沿该路径收集数据具有节能效果。

2、以同心曲线的方式形成优化路径

假设在监测区域中有n个传感器节点s₁，、、、，s_n，组成节点集合S＝{s₁,s₂,…,s_n}。根据传感器节点的位置，按照维诺图理论划分区域的方法可以将整个监测区域划分成n个子区域，在任一子区域中包含唯一一个传感器节点，以各子区域除监测区域边界线以外的所有边e₁，、、、，e_m作为候选子路径，构成候选子路径集合E＝{e₁,e₂,…,e_m}；

与某条候选子路径两侧距离最近的两个传感器节点称为该候选子路径的邻节点。例如，图2(b)中子路径e₂的邻节点为s₁和s₄。

监测区域内的各候选子路径与监测区域边界的交点定义为交界点，例如，图2(b)中b₁,b₂,b₃,b₄。

各交界点所在候选子路径的另一端点定义为该交界点的邻接点，例如，图2(b)中交界点b₁的邻接点为j₁；

本专利方法是以同心曲线的方式由外向内地形成基站移动路径。图3为一示例。图中实线曲线为形成的基站移动路径。

基站移动路径形成方法具体描述如下：

a)设在监测区域中有n个传感器节点s₁，、、、，s_n，组成节点集合S＝{s₁,s₂,…,s_n}，候选子路径集合为E＝{e₁,e₂,…,e_m}；

b)将任一交界点命名为b₁，并按逆时针方向将其余交界点依次命名为b₂,b₃,…,b_v，构成交界点集合B＝{b₁,b₂,…,b_v}；

c)将各交界点的邻接点按照各交界点的顺序依次命名为j₁,j₂,…,j_u，构成交界点的邻接点集合J^*＝{j₁,j₂,…,j_u}；

d)移动基站从交界点b₁出发，移动到b₁的邻接点j₁，进入监测区域；然后，移动基站选择最短路径从j₁沿各候选子路径依次向j₂,…,j_u移动，下面以图4为例对移动基站的移动策略进行详细说明。

如图4所示，当基站从j₁移动到j₂时，面临子路径选择，即可选择到达邻接点j₂₀或j₂₂，由于j₂₂距离j₂更近，因此基站按照贪婪原则选择到达j₂₂。此后基站可选择到达邻接点j₂₁或j₂，由于j₂是目标点，因此基站将选择到达j₂。重复以上步骤，基站继续到达j₃,j₄,…,j_u。

在移动基站的移动过程中记录所经过的各候选子路径的邻节点，当所经过的各候选子路径的邻节点构成完整的节点集合S＝{s₁,s₂,…,s_n}时，停止移动，移动所经过的路径即为所形成的优化路径；图5给出了采用本专利方法形成的最外层同心圆路径的示例。

若当移动基站从j₁移动至j_u后，所经过的各候选子路径的邻节点仍未构成完整的节点集合S＝{s₁,s₂,…,s_n}，则按步骤e继续移动；

e、将步骤d所经过的所有候选子路径的邻节点所在的维诺多边形子区域从监测区域中剥离(如图6中的点填充区域)，以剥离后监测区域中的剩余区域作为新的监测区域(如图6中的白色区域)，将位于新的监测区域内的各候选子路径与新监测区域边界的交点作为新交界点，且将距离移动基站当前位置j_s最近的新的交界点标记为b₁，从b₁按逆时针方向将其余新交界点依次标记为b₁,b₂,…,b_w；

f、移动基站从当前位置j_u寻找最短路径移动到新的交界点b₁，如图7所示；

g、重复步骤c和d，直至移动基站在整个的移动过程中所经过的各候选子路径的邻节点构成完整的节点集合S＝{s₁,s₂,…,s_n}；

h、在停止移动后，整个移动过程所经过的路径即为所形成的优化路径。

按照最外层同心圆路径形成方法形成内层同心圆路径，如图8所示。

3、流程图描述

本专利“维诺图构造的水面移动基站路径规划方法”的流程图如图9所示。

本专利提出一种针对水面传感器网络的水面移动基站路径规划方法，通过维诺图理论生成候选子路径集合，以同心曲线的方式由外向内地形成优化路径，不仅可以收集到所有SSN的数据，而且可以达到路径最短或近似最短，以及节约网络通信能耗的目的。

4、实验

为了验证本专利方法的有效性，进行了三组不同规模的实验，并将本专利方法与文献(R.C.Shah,S.Roy,S.Jain,et al.Data MULEs:Modeling and Analysis of Three-tier Architecture forSparse Sensor Networks[J].Ad Hoc Networks,2003,215-233)所报道的“随机路径规划”方法以及另一种基础方法“贪婪路径规划”进行了实验结果比较。

贪婪路径规划：移动基站随机选择一个传感器节点(SSN)作为出发节点。确定尚未到达的SSN集合，从集合中选择距离当前位置最近的SSN作为下一个目标点并移动过去；重复上述过程直到历经所有节点。

实验一：9m×9m监测水域，10个水面传感器节点(SSN)；

实验二：20m×20m监测水域，25个水面传感器节点(SSN)；

实验三：40m×40m监测水域，50个水面传感器节点(SSN)；

在三组实验中，采用本专利方法形成的基站移动路径分别如图10、11和12所示，路径长度分别为20.554m，68.649m，224.305m。

在三组实验中，本专利方法与“随机路径规划”和“贪婪路径规划”的实验结果比较如表1所示。

表1三种方法实验结果比较

可见，三种方法都可以收集到所有传感器节点的数据，但本专利方法所形成的路径长度明显小于其他两种方法所形成的路径长度。在基站航行速度一定的情况下，本专利方法有利于移动基站用最短的时间完成对水面传感器节点的数据收集。另外，因为维诺图理论生成的候选子路径有利于基站收集数据时节约通信能耗，所以本专利方法可有效降低网络总能耗。

5、采用维诺图理论生成的候选子路径有利于基站收集数据时节约通信能耗。

假设水面传感器节点s₁和s₂，它们之间生成的一条维诺图的边，如图13所示。由维诺图理论可知，该维诺图的边是节点s₁和s₂的垂直平分线，即s₁和s₂距离O点的距离相等，表示为d。

当基站沿着维诺图的边移动到O点时，可以接收节点s₁和s₂发来的数据。

节点s₁发送数据的能耗为：

e＝kmd²        (1)

其中，m为发送的数据量，单位bit；d为通信距离，单位m；k为能耗系数，单位为J/bit﹒m²。那么，节点s₁和s₂同时发送数据的总能耗为E＝2e＝2kmd²。

若基站沿着任意的边移动到O'点(如图14所示)，接收节点s₁和s₂发来的数据。则节点s₁发送数据的能耗为e₁＝kmd₁ ²；节点s₂发送数据的能耗为e₂＝kmd₂ ²。总能耗为E'＝e₁+e₂＝kmd₁ ²+kmd₂ ²。

将上述两种情况下的通信总能耗进行比较：

计算ΔE＝E'-E＝km(d₁ ²+d₂ ²-2d²)

＝km[(d₁+d₂)²-2d₁d₂-2d²]

∵d₁+d₂＝2d∴上式

＝km[(2d)²-2d₁d₂-2d²]

＝2km(d²-d₁d₂)

＝2km[d²-d₁(2d-d₁)]

＝2km(d²+d₁ ²-2dd₁)

＝2km(d-d₁)²≥0

即E'≥E。

可见，基站沿着维诺图的边移动并收集传感器节点的数据，可以使通信能耗最低，即采用维诺图理论生成的候选子路径有利于基站收集数据时节约网络通信能耗。

Claims (1)

1.维诺图构造的水面移动基站路径规划方法，其特征是按如下过程进行：

a、设在监测区域中有n个传感器节点s₁，、、、，s_n，组成节点集合S＝{s₁,s₂,…,s_n}；

根据传感器节点的位置，按照维诺图理论划分区域的方法将监测区域划分成n个子区域，在任一子区域中包含唯一一个传感器节点，以各子区域除监测区域边界线以外的所有边e₁，、、、，e_m作为候选子路径，构成候选子路径集合E＝{e₁,e₂,…,e_m}；与候选子路径距离最近的两个传感器节点称为该候选子路径的邻节点；

b、将监测区域内的各候选子路径与监测区域边界的交点作为交界点，将任一交界点命名为b₁，并按逆时针方向将其余交界点依次命名为b₂,b₃,…,b_v，构成交界点集合B＝{b₁,b₂,…,b_v}；

c、将各交界点所在候选子路径的另一端点定义为该交界点的邻接点，并按照各交界点的顺序依次命名为j₁,j₂,…,j_u，构成交界点的邻接点集合J^*＝{j₁,j₂,…,j_u}；

d、移动基站从交界点b₁出发，移动到b₁的邻接点j₁，进入监测区域；然后，移动基站选择最短路径从j₁沿各候选子路径依次向j₂,…,j_u移动，在移动基站的移动过程中记录所经过的各候选子路径的邻节点，当所经过的各候选子路径的邻节点构成完整的节点集合S＝{s₁,s₂,…,s_n}时，停止移动，移动所经过的路径即为所形成的优化路径；

若当移动基站从j₁移动至j_u后，所经过的各候选子路径的邻节点仍未构成完整的节点集合S＝{s₁,s₂,…,s_n}，则按步骤e继续移动；

e、将步骤d所经过的所有候选子路径的邻节点所在的子区域从监测区域中剥离，以剥离后监测区域的剩余区域作为新的监测区域，将位于新的监测区域内的各候选子路径与新的监测区域边界的交点作为新交界点，且将距离移动基站当前位置j_u最近的新的交界点标记为b₁，从b₁按逆时针方向将其余新交界点依次标记为b₁,b₂,…,b_w；

移动基站选择最短路径从当前位置j_u移动到新的交界点b₁；

重复步骤c和d，直至移动基站在整个的移动过程中所经过的各候选子路径的邻节点构成完整的节点集合S＝{s₁,s₂,…,s_n}；

f、在停止移动后，整个移动过程所经过的路径即为所形成的优化路径。