CN104640154A - 一种用于智能交通系统的非均匀分簇路由的方法 - Google Patents
一种用于智能交通系统的非均匀分簇路由的方法 Download PDFInfo
- Publication number
- CN104640154A CN104640154A CN201510084264.4A CN201510084264A CN104640154A CN 104640154 A CN104640154 A CN 104640154A CN 201510084264 A CN201510084264 A CN 201510084264A CN 104640154 A CN104640154 A CN 104640154A
- Authority
- CN
- China
- Prior art keywords
- node
- bunch
- cluster
- head
- level routing
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
-
- 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
Abstract
本发明公开了一种用于智能交通系统的非均匀分簇路由协议的方法,采用混合蛙跳算法,包括以下步骤:建立网络模型与分簇策略,簇间路由参数初始化,簇间路由局部和全局优化,簇半径的动态调整。本发明可提高感知网络的生存周期、减短网络的收敛时间并且改善网络的负载均衡。
Description
技术领域
本发明属于无线通信技术领域,具体涉及一种用于智能交通系统的非均匀分簇路由协议的方法。
背景技术
无线传感器网络(WSNs)在军事、医疗、农业、工业以及商业应用等领域都具有广阔的应用前景。目前,在智能交通系统中,基于无线传感器网络(WSNs)的多源交通数据的融合可获取比传统传感系统更精确的交通信息,从而实现更有效的交通管理,如车流量监控、停车管理、路口交通诱导和节约能耗等应用。
在智能交通的应用中无线传感器网络(WSNs)结构设计由车辆之间组成的移动的、分布式自组织形式与公路设施上传感器间组成的固定无线网络结构相结合。存在两种信息通信类型,一种称为车—车协同系统(Vehicle-to-Vehicle),即车辆配备传感器以进行车辆之间的信息交互,这对于避免如交通堵塞等严重情况至关重要,另一种称为车—路协同系统(Vehicle-to-Infrastructure),即车辆与安装在公路固定设施上的传感器之间进行信息传输,这对于在道路特别是高速公路上交通情况的及时反馈尤为重要。路由协议对于交通信息采集中的网络传输性能尤为关键。由于分簇路由协议具有节能性好等特点,现已成为重点研究的一类无线传感器网络(WSNs)路由协议。在已见报道中,低功耗自适应集簇分层型协议(LEACH)是最早出现的均匀分簇路由协议。但是,该类分簇结构也带来了一些问题。研究表明,随机选择簇头和簇内单跳路由会增加节点能耗并限制了网络规模。此外,在规模较大的无线传感器网络(WSNs)中,簇头间采用多跳通信方式与汇聚节点(Sink)通信,从而造成“热区”问题。使用固定簇半径的分簇类协议(如Heed)是基于低功耗自适应集簇分层型协议(LEACH)改进的成簇类协议,主要在簇首选举中加入能量因素考虑。为反应式无线传感器网络而设计的路由策略(如TEEN)的主要框架和低功耗自适应集簇分层型协议(LEACH)一致,是一类应对时间紧急事件的响应式路由协议。低功耗自适应集簇分层型协议(LEACH)、使用固定簇半径的分簇类协议(Heed)和为反应式无线传感器网络而设计的路由策略(TEEN)都没考虑到“热区”问题。能量高效的非均匀分簇协议(EEUC)是一种非均匀成簇路由协议,其根据距离汇聚节点(Sink)的远近由近至远构造由小到大的簇半径,使靠近汇聚节点(Sink)的簇的成员数少于远离汇聚节点(Sink)的簇,从而减轻靠近汇聚节点(Sink)的簇头能量的消耗。然而,能量高效的非均匀分簇类协议(如EEUC)适合节点分布较均匀的情况。如果在实际的应用环境中节点分布不均匀,能量高效的非均匀分簇类协议(EEUC)还是无法缓解“热区”问题。
在智能交通场景中,传感器节点多,采集的原始数据量较大。此外,车辆节点具有高移动性,使得车辆传感器网络的节点分布情况比静态传感器网络具有更频繁的变化。因此,现有的分层无线传感器网络(WSNs)路由协议都不太适合智能交通环境。而本发明所公开的用于智能交通系统的非均匀分簇路由协议(UCSNP)尚未见报道。
发明内容
本发明的目的在于克服上述缺点而提供的一种可提高感知网络的生存周期、减短网络的收敛时间并且改善网络的负载均衡的用于智能交通系统的非均匀分簇路由协议的方法。
本发明的一种用于智能交通系统的非均匀分簇路由协议的方法,包括以下步骤:
(1)建立网络模型与分簇策略:
在二维平面区域: ,所有传感器节点随机分布,将区域网格化,其格状网每个正方形区域为,边长根据应用任务的求解精度而定;
两个节点的位置分别为和,则两个位置之间的距离为:
将该区域划分成个区,的数量由该区域的长度和分区节点的通信半径确定。汇聚节点( Sink )节点部署在区域外的一个固定位置;为了实现能耗均衡,距离汇聚节点( Sink )近的分区内的簇数目应多于远的分区;由于交通环境下车辆节点的高移动性,每个簇的簇头由Sink节点指定为该簇区内的一个固定设施;其它节点与簇头之间单跳通信,簇头可通过调整通信半径控制成员数以减小通信负载;对于相邻的两个簇簇头和,则,其中表示与之间的距离,和表示相应的半径;此外,不在任何一个簇通信半径覆盖下的传感器节点可采用链式结构的多跳通信,基于贪婪算法选择信号强度最好的中继节点传送感知数据,以此方式将数据传递至距离最近的簇内的成员节点;该节点作为链首进行一次数据融合后,将数据包发送至簇头;
网络中的每一个传感器节点,都有一个唯一的标志(ID),由可信中心(Trusted Authority)负责对节点认证、注册并授权,节点通过标志(ID)和可信中心(Trusted Authority)签发的数字证书相互验证身份;
若节点发射比特数据到距离为的位置,则发送端的能量为:
接收端的能量为:
。
(2)簇间路由参数初始化:
簇区内簇头周期性地向其他成员节点发送询问报文以同步时间;
每一轮采样,簇头将接收到的感知数据进行融合,生成新的数据包传送至汇聚节点(Sink);传送时,会选择相邻簇头作为中继节点转发数据包;因此,从源点到汇聚节点(Sink)之间可生成一条或多条不同的路径;除与汇聚节点(Sink)一跳距离的簇外,簇头随机生成只青蛙,每只青蛙个体表示一条从到汇聚节点(Sink)的可行路径,即,其中表示解空间的维数,,即为生成的初始群体;
青蛙个体适应度函数为:
式(5)中,,表示是路径上的一个节点,表示是簇内成员节点,表示簇头对成员节点接收/发送数据所消耗的能量,表示是的相邻簇头,表示对接收/发送数据所消耗的能量,表示融合数据所消耗的能量,表示进行相应计算所消耗的能量;
函数描述路径的总体能量消耗,包括该路径上各节点的计算代价和通信负荷,每一轮数据采样,簇头接收簇内成员节点和来自相邻簇头的消息,计算出各能耗参数并更新从该簇头到汇聚节点(Sink)的每条路径的代价,其中,系数为各种参数在节点总体能耗中的比重;簇间最优路径问题等于青蛙最优解问题;最优解是目标函数取最小值,即取最大值;
将生成的青蛙适应度按降序排列成 ,并划分成个种群,构造子种群,的数值由中源点的下一跳节点的个数来决定;每个子种群包含只青蛙,满足下列关系:
。
(3)簇间路由优化:
簇间路由优化步骤包括簇间路由局部优化步骤以及簇间路由全局优化步骤;
(3.1)簇间路由局部优化:
簇间路由局部优化是对青蛙种群划分的子种群分别进行局部搜索;
簇间路由局部优化步骤1:在第轮, ,计算子种群的适应度 ,以概率一一进行更新,并找出最优解和最差解;
簇间路由局部优化步骤2:与进行交叉替换操作,即查找两条径中的相同节点,从选中的一个公共节点开始到下一个公共节点对进行链路替换,如果两条路径仅有一个相同节点,则取汇聚节点(Sink)为下一个公共点;
簇间路由局部优化步骤3:计算交叉后最差解的适应度,如果大于替换前最差解适应度,则替换成功,否则,交叉失败,如果交叉失败,则再选用全局最优解对进行交叉替换,如果仍没有得到改进,则随机产生一个新的青蛙来代替原;
(3.2)簇间路由全局优化:
簇间路由全局优化步骤1:本轮搜索结束后,进行新一轮局部搜索;
簇间路由全局优化步骤2:重复簇间路由全局优化步骤1,经过轮局部优化后,将所有子种群的解重新混合在一起,按适应度降序排列,重新划分簇群;
簇间路由全局优化步骤3:重复簇间路由全局优化步骤2,直到满足目标函数值最小为止。
(4)簇半径的动态调整:
每一轮采样,簇头可计算其竞争半径如下:
式(6)中,为簇区内成员节点到汇聚节点(Sink)的最大距离和最小距离,为簇头竞争半径的最大取值,为0-1之间的参数,用来控制取值范围;
簇内成员节点与簇头采用单跳通信方式通信,成员节点除了发送自身采集的数据,还需转发来自簇外其它节点的通过链式结构传送的数据;为避免簇头节点承担过重负担,消耗更多的能量,使得簇头过早失效或丢弃数据包,从而造成感知空洞,为此,非均匀分簇路由协议(UCSNP)采取一种动态的簇半径优化策略以调整节点间负载均衡,
设置权值计算公式如下:
式(7)中,为0-1之间的参数,为簇内成员节点在本轮采样中所消耗的能量,为簇头在本轮采样中所消耗的能量,为簇头在本轮的通信半径,从式(7)可得出,权值由成员节点总能耗与簇头能耗之比和成员节点到簇头距离总和与到簇头通信半径之比来决定。
上述的一种用于智能交通系统的非均匀分簇路由协议的方法,其中:所述传感器节点包括车辆节点和固定设施节点。
本发明与现有技术相比具有明显有益效果,从以上技术方案可知:本发明提出的非均匀分簇路由协议的方法,结合智能交通系统的特点,如传感器节点多导致采集的原始数据量较大、车辆节点具有的高移动性使得车辆传感器网络的节点分布情况比静态传感器网络具有更频繁变化等,建立链式结构和分簇结构混合的通信方式,并在这种通信方式下,通过混合蛙跳算法对簇间路由进行优化,动态调整簇通信半径;非均匀分簇路由协议(UCSNP)使得网络拓扑更加合理,提高网络的生存周期并且减短了网络的收敛时间,可有效解决基于无线传感器网络(WSNs)的交通信息传输的“热区”问题。此外,动态簇半径优化策略的引入可以调整节点间负载均衡,避免了集中式成簇机制网络负载不平衡的弊端。
附图说明
图1为非均匀分簇路由协议(UCSNP)和能量高效的非均匀分簇协议(EEUC)能耗比较图。
图2为非均匀分簇路由协议(UCSNP)和能量高效的非均匀分簇协议(EEUC)存活节点数目比较图。
图3为非均匀分簇路由协议(UCSNP)和能量高效的非均匀分簇协议(EEUC)平均收敛时间比较图。
图4 为链式和分簇混合的网络结构。
具体实施方式
本发明的一种用于智能交通系统的非均匀分簇路由协议(UCSNP)的方法,采用混合蛙跳算法,包括以下步骤:
(1)建立网络模型与分簇策略:
在二维平面区域: ,所有传感器节点随机分布,将区域网格化,其格状网每个正方形区域为,边长根据应用任务的求解精度而定;
两个节点的位置分别为和,则两个位置之间的距离为:
将该区域划分成个区,的数量由该区域的长度和分区节点的通信半径确定。汇聚节点( Sink )节点部署在区域外的一个固定位置;为了实现能耗均衡,距离汇聚节点( Sink )近的分区内的簇数目应多于远的分区;由于交通环境下车辆节点的高移动性,每个簇的簇头由Sink节点指定为该簇区内的一个固定设施;其它节点与簇头之间单跳通信,簇头可通过调整通信半径控制成员数以减小通信负载;对于相邻的两个簇簇头和,则,其中表示与之间的距离,和表示相应的半径;此外,不在任何一个簇通信半径覆盖下的传感器节点可采用链式结构的多跳通信,基于贪婪算法选择信号强度最好的中继节点传送感知数据,以此方式将数据传递至距离最近的簇内的成员节点;该节点作为链首进行一次数据融合后,将数据包发送至簇头,如图4所示;
网络中的每一个传感器节点,都有一个唯一的标志(ID),由可信中心(Trusted Authority)负责对节点认证、注册并授权,节点通过标志(ID)和可信中心(Trusted Authority)签发的数字证书相互验证身份。
若节点发射比特数据到距离为的位置,则发送端的能量为:
接收端的能量为:
。
(2)簇间路由参数初始化:
簇区内簇头周期性地向其他成员节点发送询问报文以同步时间;
每一轮采样,簇头将接收到的感知数据进行融合,生成新的数据包传送至汇聚节点(Sink);传送时,会选择相邻簇头作为中继节点转发数据包;因此,从源点到汇聚节点(Sink)之间可生成一条或多条不同的路径;除与汇聚节点(Sink)一跳距离的簇外,簇头随机生成只青蛙,每只青蛙个体表示一条从到汇聚节点(Sink)的可行路径,即,其中表示解空间的维数,,即为生成的初始群体;
青蛙个体适应度函数为:
式(5)中,,表示是路径上的一个节点,表示是簇内成员节点,表示簇头对成员节点接收/发送数据所消耗的能量,表示是的相邻簇头,表示对接收/发送数据所消耗的能量,表示融合数据所消耗的能量,表示进行相应计算所消耗的能量;
函数描述路径的总体能量消耗,包括该路径上各节点的计算代价和通信负荷,每一轮数据采样,簇头接收簇内成员节点和来自相邻簇头的消息,计算出各能耗参数并更新从该簇头到汇聚节点(Sink)的每条路径的代价,其中,系数为各种参数在节点总体能耗中的比重;簇间最优路径问题等于青蛙最优解问题;最优解是目标函数取最小值,即取最大值;
将生成的青蛙适应度按降序排列成 ,并划分成个种群,构造子种群,的数值由中源点的下一跳节点的个数来决定;每个子种群包含只青蛙,满足下列关系:
。
(3)簇间路由优化:
簇间路由优化步骤包括簇间路由局部优化步骤以及簇间路由全局优化步骤;
(3.1)簇间路由局部优化:
簇间路由局部优化是对青蛙种群划分的子种群分别进行局部搜索;
簇间路由局部优化步骤1:在第轮, ,计算子种群的适应度 ,以概率一一进行更新,并找出最优解和最差解;
簇间路由局部优化步骤2:与进行交叉替换操作,即查找两条径中的相同节点,从选中的一个公共节点开始到下一个公共节点对进行链路替换,如果两条路径仅有一个相同节点,则取汇聚节点(Sink)为下一个公共点;
簇间路由局部优化步骤3:计算交叉后最差解的适应度,如果大于替换前最差解适应度,则替换成功,否则,交叉失败,如果交叉失败,则再选用全局最优解对进行交叉替换,如果仍没有得到改进,则随机产生一个新的青蛙来代替原;
(3.2)簇间路由全局优化:
簇间路由全局优化步骤1:本轮搜索结束后,进行新一轮局部搜索;
簇间路由全局优化步骤2:重复簇间路由全局优化步骤1,经过轮局部优化后,将所有子种群的解重新混合在一起,按适应度降序排列,重新划分簇群;
簇间路由全局优化步骤3:重复簇间路由全局优化步骤2,直到满足目标函数值最小为止。
(4)簇半径的动态调整:
每一轮采样,簇头可计算其竞争半径如下:
式(6)中,为簇区内成员节点到汇聚节点(Sink)的最大距离和最小距离,为簇头竞争半径的最大取值,为0-1之间的参数,用来控制取值范围;
簇内成员节点与簇头采用单跳通信方式通信,成员节点除了发送自身采集的数据,还需转发来自簇外其它节点的通过链式结构传送的数据;为避免簇头节点承担过重负担,消耗更多的能量,使得簇头过早失效或丢弃数据包,从而造成感知空洞,为此,非均匀分簇路由协议(UCSNP)采取一种动态的簇半径优化策略以调整节点间负载均衡,
设置权值计算公式如下:
式(7)中,为0-1之间的参数,为簇内成员节点在本轮采样中所消耗的能量,为簇头在本轮采样中所消耗的能量,为簇头在本轮的通信半径,从式(7)可得出,权值由成员节点总能耗与簇头能耗之比和成员节点到簇头距离总和与到簇头通信半径之比来决定。
所述传感器节点包括车辆节点和固定设施节点。
实验例:
下面通过仿真网络中节点的通信和节点能耗,主要从能耗和收敛时间方面将非均匀分簇路由协议(UCSNP)与能量高效的非均匀分簇协议(EEUC)进行对比分析,进一步说明本发明的有益效果。
设置一个200mⅹ100m的监测区域,区域内通过分簇算法形成1个汇聚节点(Sink)和若干个簇,每个簇内有1个融合节点,其中,汇聚节点(Sink)和融合节点为固定位置,其余节点成随机分布。节点总的个数为100,普通节点的最大通信半径为10m,簇头的最大通信半径为20m。普通节点初始能量为1J,汇聚节点(Sink)和融合节点则为40J,数据包的最大值为128B,节点间传输带宽为0.5Mbps。设置节点周期性地感知和发送数据,各节点的采样周期为0.5-1.0s,发送数据的周期为0.2-0.5s,青蛙群体总数最大值为50,全局优化的迭代次数为N=10,每次仿真持续时间为300s。
实验总共进行300轮。
对比非均匀分簇路由协议(UCSNP)和能量高效的非均匀分簇协议(EEUC)的能耗如图1所示,从图1可以看出,非均匀分簇路由协议(UCSNP)和能量高效的非均匀分簇协议(EEUC)网络分区合理,能耗曲线都比较平稳,即相同的仿真时间内,能耗消耗均衡。非均匀分簇路由协议(UCSNP)由于引入了簇半径优化策略,使得网络中有较多的簇规模接近最优,相比能量高效的非均匀分簇协议(EEUC)减少了能耗。簇头和汇聚节点(Sink)都为路边固定设施,所以其能耗问题的影响相比普通节点要小很多。
对比非均匀分簇路由协议(UCSNP)和能量高效的非均匀分簇协议(EEUC)的存活节点数目如图2所示,从图2可以看出,能量高效的非均匀分簇协议(EEUC)第一个节点的死亡轮数是第88轮,而非均匀分簇路由协议(UCSNP)第一个节点的死亡轮数是123轮,比能量高效的非均匀分簇协议(EEUC)推迟了35轮。在第300轮时,能量高效的非均匀分簇协议(EEUC)存活节点数为29,而非均匀分簇路由协议(UCSNP)的存活节点数为57。从以上分析得出,非均匀分簇路由协议(UCSNP)由于引入了基于混合蛙跳算法的簇间路由优化,从而延长了网络生命周期。
对比非均匀分簇路由协议(UCSNP)和能量高效的非均匀分簇协议(EEUC)端到端平均收敛时间如图3所示,从图3可以看出,当网络拓扑发生变化时,能量高效的非均匀分簇协议(EEUC)在簇内重新选举簇头,并通过簇间协商建立簇通信半径。当网络规模较大时,该协议由于收敛时间的大幅度增加而使得性能迅速下降。然而,在非均匀分簇路由协议(UCSNP)中,由固定簇头或其备用簇头重新建立簇通信,无需选举簇头。此外,某些成员节点连接来自簇外的链式结构以分担簇头的负荷。当两簇头间路由跳数增加时,能量高效的非均匀分簇协议(EEUC)近似于线性变化,而非均匀分簇路由协议(UCSNP)呈凹形曲线。可见,相比能量高效的非均匀分簇协议(EEUC),非均匀分簇路由协议(UCSNP)在收敛时间方面明显减少。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,任何未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (2)
1.一种用于智能交通系统的非均匀分簇路由协议的方法,包括以下步骤:
(1)建立网络模型与分簇策略:
在二维平面区域: ,所有传感器节点随机分布,将区域网格化,其格状网每个正方形区域为,边长根据应用任务的求解精度而定;
两个节点的位置分别为和,则两个位置之间的距离为:
将该区域划分成个区,的数量由该区域的长度和分区节点的通信半径确定,汇聚节点( Sink )节点部署在区域外的一个固定位置;为了实现能耗均衡,距离汇聚节点( Sink )近的分区内的簇数目应多于远的分区;由于交通环境下车辆节点的高移动性,每个簇的簇头由Sink节点指定为该簇区内的一个固定设施;其它节点与簇头之间单跳通信,簇头可通过调整通信半径控制成员数以减小通信负载;对于相邻的两个簇簇头和,则,其中表示与之间的距离,和表示相应的半径;此外,不在任何一个簇通信半径覆盖下的传感器节点可采用链式结构的多跳通信,基于贪婪算法选择信号强度最好的中继节点传送感知数据,以此方式将数据传递至距离最近的簇内的成员节点;该节点作为链首进行一次数据融合后,将数据包发送至簇头;
网络中的每一个传感器节点,都有一个唯一的标志(ID),由可信中心(Trusted Authority)负责对节点认证、注册并授权,节点通过标志(ID)和可信中心(Trusted Authority)签发的数字证书相互验证身份;
若节点发射比特数据到距离为的位置,则发送端的能量为:
接收端的能量为:
(2)簇间路由参数初始化:
簇区内簇头周期性地向其他成员节点发送询问报文以同步时间;
每一轮采样,簇头将接收到的感知数据进行融合,生成新的数据包传送至汇聚节点(Sink);传送时,会选择相邻簇头作为中继节点转发数据包;因此,从源点到汇聚节点(Sink)之间可生成一条或多条不同的路径;除与汇聚节点(Sink)一跳距离的簇外,簇头随机生成只青蛙,每只青蛙个体表示一条从到汇聚节点(Sink)的可行路径,即,其中表示解空间的维数,,即为生成的初始群体;
青蛙个体适应度函数为:
式(5)中,,表示是路径上的一个节点,表示是簇内成员节点,表示簇头对成员节点接收/发送数据所消耗的能量,表示是的相邻簇头,表示对接收/发送数据所消耗的能量,表示融合数据所消耗的能量,表示进行相应计算所消耗的能量;
函数描述路径的总体能量消耗,包括该路径上各节点的计算代价和通信负荷,每一轮数据采样,簇头接收簇内成员节点和来自相邻簇头的消息,计算出各能耗参数并更新从该簇头到汇聚节点(Sink)的每条路径的代价,其中,系数为各种参数在节点总体能耗中的比重;簇间最优路径问题等于青蛙最优解问题;最优解是目标函数取最小值,即取最大值;
将生成的青蛙适应度按降序排列成 ,并划分成个种群,构造子种群,的数值由中源点的下一跳节点的个数来决定;每个子种群包含只青蛙,满足下列关系:
(3)簇间路由优化:
簇间路由优化步骤包括簇间路由局部优化步骤以及簇间路由全局优化步骤;
(3.1)簇间路由局部优化:
簇间路由局部优化是对青蛙种群划分的子种群分别进行局部搜索;
簇间路由局部优化步骤1:在第轮, ,计算子种群的适应度 ,以概率一一进行更新,并找出最优解和最差解;
簇间路由局部优化步骤2:与进行交叉替换操作,即查找两条径中的相同节点,从选中的一个公共节点开始到下一个公共节点对进行链路替换,如果两条路径仅有一个相同节点,则取汇聚节点(Sink)为下一个公共点;
簇间路由局部优化步骤3:计算交叉后最差解的适应度,如果大于替换前最差解适应度,则替换成功,否则,交叉失败,如果交叉失败,则再选用全局最优解对进行交叉替换,如果仍没有得到改进,则随机产生一个新的青蛙来代替原;
(3.2)簇间路由全局优化:
簇间路由全局优化步骤1:本轮搜索结束后,进行新一轮局部搜索;
簇间路由全局优化步骤2:重复簇间路由全局优化步骤1,经过轮局部优化后,将所有子种群的解重新混合在一起,按适应度降序排列,重新划分簇群;
簇间路由全局优化步骤3:重复簇间路由全局优化步骤2,直到满足目标函数值最小为止;
(4)簇半径的动态调整:
每一轮采样,簇头可计算其竞争半径如下:
式(6)中,为簇区内成员节点到汇聚节点(Sink)的最大距离和最小距离,为簇头竞争半径的最大取值,为0-1之间的参数,用来控制取值范围;
簇内成员节点与簇头采用单跳通信方式通信,成员节点除了发送自身采集的数据,还需转发来自簇外其它节点的通过链式结构传送的数据;为避免簇头节点承担过重负担,消耗更多的能量,使得簇头过早失效或丢弃数据包,从而造成感知空洞,为此,非均匀分簇路由协议(UCSNP)采取一种动态的簇半径优化策略以调整节点间负载均衡,
设置权值计算公式如下:
式(7)中,为0-1之间的参数,为簇内成员节点在本轮采样中所消耗的能量,为簇头在本轮采样中所消耗的能量,为簇头在本轮的通信半径,从式(7)可得出,权值由成员节点总能耗与簇头能耗之比和成员节点到簇头距离总和与到簇头通信半径之比来决定。
2.如权利要求1所述的一种用于智能交通系统的非均匀分簇路由协议的方法,其中:所述传感器节点包括车辆节点和固定设施节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510084264.4A CN104640154B (zh) | 2015-02-16 | 2015-02-16 | 一种用于智能交通系统的非均匀分簇路由的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510084264.4A CN104640154B (zh) | 2015-02-16 | 2015-02-16 | 一种用于智能交通系统的非均匀分簇路由的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104640154A true CN104640154A (zh) | 2015-05-20 |
CN104640154B CN104640154B (zh) | 2017-12-05 |
Family
ID=53218353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510084264.4A Expired - Fee Related CN104640154B (zh) | 2015-02-16 | 2015-02-16 | 一种用于智能交通系统的非均匀分簇路由的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104640154B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105376824A (zh) * | 2015-10-14 | 2016-03-02 | 南京信息工程大学 | 一种用于大田监控的移动传感器网络低功耗路由方法 |
CN105764113A (zh) * | 2016-01-29 | 2016-07-13 | 安徽工程大学 | 一种基于分布估计的多中继选择算法 |
CN107094288A (zh) * | 2017-04-24 | 2017-08-25 | 兰州交通大学 | 长大隧道环境下基于分簇无线传感网络的列车定位方法 |
CN107426683A (zh) * | 2017-09-13 | 2017-12-01 | 潘荣兰 | 一种污水智能监测系统 |
CN107708089A (zh) * | 2017-10-30 | 2018-02-16 | 吴豪 | 基于分簇的数据转发方法和数据转发装置 |
CN107862834A (zh) * | 2017-12-08 | 2018-03-30 | 梁金凤 | 一种基于云架构的山洪灾害监测预警系统 |
CN108156592A (zh) * | 2018-03-01 | 2018-06-12 | 安徽正广电电力技术有限公司 | 变压器直流偏磁监测装置 |
CN108415773A (zh) * | 2018-02-27 | 2018-08-17 | 天津大学 | 一种基于融合算法的高效软硬件划分方法 |
CN108600982A (zh) * | 2018-04-18 | 2018-09-28 | 深圳大图科创技术开发有限公司 | 桥梁结构安全监测系统 |
CN109474904A (zh) * | 2018-11-23 | 2019-03-15 | 淮阴工学院 | 一种考虑能耗和覆盖的无线传感器网络压缩数据收集方法 |
CN111698706A (zh) * | 2020-06-10 | 2020-09-22 | 长春师范大学 | 基于混沌遗传的无线传感器网络改进leach路由方法 |
CN111800838A (zh) * | 2020-06-17 | 2020-10-20 | 西安电子科技大学 | 无线移动自组织网络分簇跨层通信控制方法、系统及应用 |
CN113543264A (zh) * | 2021-07-26 | 2021-10-22 | 中南大学 | 一种非均匀路由协议设计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102158927A (zh) * | 2011-05-20 | 2011-08-17 | 北京邮电大学 | 一种高能效的无线传感器网络非均匀分簇路由方法 |
US20130204645A1 (en) * | 2012-02-02 | 2013-08-08 | Progressive Casualty Insurance Company | Mobile insurance platform system |
CN103260206A (zh) * | 2013-06-08 | 2013-08-21 | 南昌大学 | 一种基于影响度因子的混合动态无线路由有效搜索收敛方法 |
CN104065574A (zh) * | 2014-07-09 | 2014-09-24 | 哈尔滨工程大学 | 一种无线传感器网络层内非均匀分簇路由方法 |
-
2015
- 2015-02-16 CN CN201510084264.4A patent/CN104640154B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102158927A (zh) * | 2011-05-20 | 2011-08-17 | 北京邮电大学 | 一种高能效的无线传感器网络非均匀分簇路由方法 |
US20130204645A1 (en) * | 2012-02-02 | 2013-08-08 | Progressive Casualty Insurance Company | Mobile insurance platform system |
CN103260206A (zh) * | 2013-06-08 | 2013-08-21 | 南昌大学 | 一种基于影响度因子的混合动态无线路由有效搜索收敛方法 |
CN104065574A (zh) * | 2014-07-09 | 2014-09-24 | 哈尔滨工程大学 | 一种无线传感器网络层内非均匀分簇路由方法 |
Non-Patent Citations (2)
Title |
---|
刘洲洲: "基于混合蛙跳算法的非均匀分簇WSNs 路由协议", 《计算机应用研究》 * |
唐加山: "无线传感器网络中改进的EEUC 路由协议", 《重庆邮电大学学报( 自然科学版)》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105376824B (zh) * | 2015-10-14 | 2018-11-23 | 南京信息工程大学 | 一种用于大田监控的移动传感器网络低功耗路由方法 |
CN105376824A (zh) * | 2015-10-14 | 2016-03-02 | 南京信息工程大学 | 一种用于大田监控的移动传感器网络低功耗路由方法 |
CN105764113A (zh) * | 2016-01-29 | 2016-07-13 | 安徽工程大学 | 一种基于分布估计的多中继选择算法 |
CN107094288A (zh) * | 2017-04-24 | 2017-08-25 | 兰州交通大学 | 长大隧道环境下基于分簇无线传感网络的列车定位方法 |
CN107094288B (zh) * | 2017-04-24 | 2019-11-05 | 兰州交通大学 | 长大隧道环境下基于分簇无线传感网络的列车定位方法 |
CN107426683A (zh) * | 2017-09-13 | 2017-12-01 | 潘荣兰 | 一种污水智能监测系统 |
CN107708089B (zh) * | 2017-10-30 | 2020-09-11 | 中央军委后勤保障部信息中心 | 基于分簇的数据转发方法和数据转发装置 |
CN107708089A (zh) * | 2017-10-30 | 2018-02-16 | 吴豪 | 基于分簇的数据转发方法和数据转发装置 |
CN107862834A (zh) * | 2017-12-08 | 2018-03-30 | 梁金凤 | 一种基于云架构的山洪灾害监测预警系统 |
CN108415773A (zh) * | 2018-02-27 | 2018-08-17 | 天津大学 | 一种基于融合算法的高效软硬件划分方法 |
CN108156592A (zh) * | 2018-03-01 | 2018-06-12 | 安徽正广电电力技术有限公司 | 变压器直流偏磁监测装置 |
CN108600982A (zh) * | 2018-04-18 | 2018-09-28 | 深圳大图科创技术开发有限公司 | 桥梁结构安全监测系统 |
CN109474904A (zh) * | 2018-11-23 | 2019-03-15 | 淮阴工学院 | 一种考虑能耗和覆盖的无线传感器网络压缩数据收集方法 |
CN109474904B (zh) * | 2018-11-23 | 2021-06-25 | 淮阴工学院 | 一种考虑能耗和覆盖的无线传感器网络压缩数据收集方法 |
CN111698706A (zh) * | 2020-06-10 | 2020-09-22 | 长春师范大学 | 基于混沌遗传的无线传感器网络改进leach路由方法 |
CN111698706B (zh) * | 2020-06-10 | 2022-05-13 | 长春师范大学 | 基于混沌遗传的无线传感器网络改进leach路由方法 |
CN111800838A (zh) * | 2020-06-17 | 2020-10-20 | 西安电子科技大学 | 无线移动自组织网络分簇跨层通信控制方法、系统及应用 |
CN113543264A (zh) * | 2021-07-26 | 2021-10-22 | 中南大学 | 一种非均匀路由协议设计方法 |
CN113543264B (zh) * | 2021-07-26 | 2022-06-10 | 中南大学 | 一种非均匀路由协议设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104640154B (zh) | 2017-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104640154A (zh) | 一种用于智能交通系统的非均匀分簇路由的方法 | |
Liang et al. | Research on routing optimization of WSNs based on improved LEACH protocol | |
Zhang et al. | A new clustering routing method based on PECE for WSN | |
Wang et al. | An empower hamilton loop based data collection algorithm with mobile agent for WSNs | |
Gaber et al. | Trust-based secure clustering in WSN-based intelligent transportation systems | |
Zhang et al. | Extended AODV routing method based on distributed minimum transmission (DMT) for WSN | |
CN101119303B (zh) | 基于动态聚类的多目标规划无线传感网路由算法 | |
Yadav et al. | Energy aware optimized clustering for hierarchical routing in wireless sensor network | |
CN102036338A (zh) | 一种基于数据驱动链路估计的传感器网络实时路由方法 | |
CN100373886C (zh) | 基于自适应退避策略的无线传感器网络分布式分簇方法 | |
CN101959244B (zh) | 一种适用于无线传感网的层次型路由控制方法 | |
CN107360612B (zh) | 一种基于蚁群多路径的无线传感器网络的数据传输方法 | |
CN104602302B (zh) | 一种基于分簇结构的ZigBee网络能量均衡路由方法 | |
CN108521633A (zh) | 基于k均值的矿井环境无线传感网分簇路由方法 | |
CN106507423A (zh) | 一种基于动态可达域的无线传感器网络路由方法 | |
CN107257572A (zh) | 一种无线传感网的分簇路由方法 | |
Bi et al. | A new affinity propagation clustering algorithm for V2V-supported VANETs | |
CN104284386A (zh) | 基于点介数的无线传感器网络簇头选择方法 | |
Poornima et al. | Holistic survey on energy aware routing techniques for IoT applications | |
Zhang et al. | Routing clustering protocol for 3D wireless sensor networks based on fragile collection ant colony algorithm | |
Yalçın et al. | BTA-MM: Burst traffic awareness-based adaptive mobility model with mobile sinks for heterogeneous wireless sensor networks | |
Luo et al. | Data collection through mobile vehicles in edge network of smart city | |
Yalçın et al. | A mobile sink path planning for wireless sensor networks based on priority‐ordered dependent nonparametric trees | |
Mehra | LBECR: load balanced, efficient clustering and routing protocol for sustainable internet of things in smart cities | |
Li et al. | Characteristics analysis and suppression strategy of energy hole in wireless sensor networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
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: 20171205 Termination date: 20200216 |