CN106304110A - 一种基于多移动基站的传感云数据收集方法 - Google Patents

Abstract

本发明公开了一种基于多移动基站的传感云数据收集方法，采用多个移动基站并发收集传感器网络监测区域数据并上传到云端，移动基站通过访问部分传感器节点来完成数据收集，包括：将传感器网络监测区域的外接圆划分为若干个均匀的扇形区，每个移动基站覆盖一个扇形区域；在每个扇形区域内，选择部分传感器节点作为驻点，其他节点作为普通节点；利用TSP算法对由驻点组成的驻点集设计出最优访问路径作为基站的移动路径，当基站访问驻点时，普通节点将数据传给基站；计算每个移动基站的数据收集时延并将最大的收集时延作为整个传感器网络的数据收集时间。本发明能够保证传感器网络中的感知数据在规定时间内上传到云端，同时在满足时延的情况下，能量消耗最小。

Description

一种基于多移动基站的传感云数据收集方法

技术领域

本发明涉及传感云系统的数据收集领域，特别涉及一种基于多移动基站的传感云数据收集方法。

背景技术

当代传感器网络技术已经被广泛的应用在不同的领域，如医疗健康监控，森林火险探测，智能家居等。在这些传感器网络的应用过程中，会不断的产生大量数据，且这些数据需要及时收集并上传到管理层。然而，传感器网络中的节点的硬件设施有一定的限制，如传感器节点是由电池供电，因此能量有限，且其数据存储和处理能力均有限。这些缺点均会缩短传感器网络的有效工作生命周期。然而，云计算的出现为传感器网络带来新的技术突破。众所周知，云计算具有强大的数据存储和处理等能力。因此，传感器网络和云计算相结合能够满足更多应用需求，提供更好的服务质量。

在传感云系统中，由于传感器网络有限的通信能力，如何将收集到的感知数据在有限的时间内上传到云端成为传感云系统的一个技术短板。在部分应用中，这个短板会带来巨大的威胁。如森林火险监控系统中，温度、湿度、气体浓度等大量的感知数据需要及时上传到云端进行数据处理和监测结果预判等。当数据未准时到达云端时，那么最佳救援时间将会被错过，并造成巨大的损失和安全威胁。

另一方面，随着传感器网络的发展，移动基站被广泛的应用在传感网数据收集中。移动基站的引入不仅可以平衡传感器节点的传输负载以延长网络生存时间，而且移动基站通过移动来搜集感知数据，减少了节点多跳传输的能量消耗，同时，移动基站的能量可以通过充电或者替换进行补给。然而，由于移动基站的速度有限，对传感器网络进行一轮数据收集常常需要耗费几个小时，无法满足时延限制的应用。

近几年来，有很多学者研究基于多基站的传感网数据收集，但是没有人研究基于多移动基站的传感云数据收集，因此，本方法致力于解决传感云数据收集中的时延限制和能量消耗问题。具体来说，多个移动基站协作地收集传感网中的数据，并要求在规定的时间内将之传送到云端，以保证数据的时延要求。

发明内容

本发明的目的在于克服现有技术的不足，提出一种基于多移动基站的传感云数据收集调度方法。本发明方法通过对多移动基站进行有效调度，能够保证传感器网络中的感知数据在规定时间内上传到云端，同时在满足时延的情况下，能量消耗最小。该方案的基本思想是引入图和最小代价树的结构来设计传感器节点的传输路由和移动基站的收集路线图，利用最小代价树的性质，实现整个系统的传输代价最小化，且该方案中，移动基站通过访问部分节点来实现整个网络的感知数据收集，以减少基站的移动时延到时延要求内。

本发明解决其技术问题所采用的技术方案是：

一种基于多移动基站的传感云数据收集方法，采用多个移动基站并发收集传感器网络监测区域数据并上传到云端，所述移动基站通过访问部分传感器节点来完成数据收集，具体包括：

步骤101，将传感器网络监测区域的外接圆划分为若干个均匀的扇形区，每个移动基站覆盖一个扇形区域；

步骤102，在每个扇形区域内，选择部分传感器节点作为驻点，其他节点作为普通节点；利用TSP算法对由驻点组成的驻点集设计出最优访问路径作为基站的移动路径，当基站访问驻点时，普通节点将数据传给基站；

步骤103，计算每个移动基站的数据收集时延并将最大的收集时延作为整个传感器网络的数据收集时间；比较传感器网络的数据收集时间与应用延时要求的时间，若传感器网络的数据收集时间大于应用延时要求时间，减少驻点重新设计基站的移动路径。

优选的，步骤102具体包括：

计算扇形区域内传感器节点间的距离；

根据节点间距离关系，得到一个加权无向图，所述加权无向图中边的权重为所述节点间的距离,若所述节点间的距离大于覆盖区域的外接圆半径，则两节点间没有边；

使用Prim算法将所述加权无向图转化为最小代价树；

统计所述最小代价树中节点的度，选择度大于等于2的节点作为驻点，其他作为普通节点；

使用TSP算法对由所述驻点组成的驻点集设计出一个最优访问路径作为基站的移动路径，当基站访问驻点时，普通节点将数据传给基站。

优选的，步骤103中，通过如下公式获取每个移动基站的数据收集时延：

$T_{{\mathrm{MS}}_i}=\frac{{\Σ}_{j=1}^{s}C}{D}+{\Σ}_{j=1}^s{h}_j*t+Max(\frac{L_{tsp}}{V},\frac{{\Σ}_{j=1}^{s}C}{Q})$

其中，i∈[1,M]，C为传感器节点单位时间内的感知数据量，D为数据从传感器向基站的传输速率，同时Q为移动基站上传到云端的传输速率，M表示移动基站的个数，s为分配给每个基站的传感器节点数量，h_j为节点的跳数，t为单跳时延，L_tsp为移动基站的行驶距离，V为基站的移动速度。

优选的，步骤103中，比较传感器网络的数据收集时间与应用延时要求的时间，若传感器网络的数据收集时间大于应用延时要求时间，减少驻点重新设计基站的移动路径具体包括：

步骤401，将所述最小代价树中的节点按照度的大小进行分类；

步骤402，计算移动基站的数据收集时延，如果移动基站的数据收集时延大于应用延时要求的时间，将度最小的节点移出驻点集，转化为普通节点；

步骤403，使用TSP算法对新的驻点集重新设计出一个最优访问路径作为基站的移动路径，且转变成普通节点的驻点通过其无线多跳传输来上传数据到基站；

步骤404，重复步骤402和403，直到移动基站的数据收集时延小于应用延时要求的时间。

优选的，当时延无法满足要求时，驻点顺序转为普通节点，直到只剩一个驻点为基站的停留点。

本发明具有如下有益效果：

1、本发明采用多移动基站并发数据收集，且基站通过访问部分节点来完成数据收集(与多跳路由相配合)，极大的降低了时延，且通过对驻点数量的控制，来确保时延字在规定时间内。

2、本发明节点负载平衡，能量消耗低；多移动基站数据收集，平衡了节点的传输负载，减少了数据传输距离，节省了传感器的能量消耗，从而可延长网络寿命。

以下结合附图及实施例对本发明作进一步详细说明，但本发明的一种基于多移动基站的传感云数据收集方法不局限于实施例。

附图说明

图1为本发明方法的主流程图；

图2(a)为本发明方法中分区示例图；

图2(b)为本发明移动基站的路径规划和节点传输路径示例图；

图3为本发明基于多基站的传感云数据收集调度示例图。

具体实施方式

本发明通过多移动基站进行移动数据收集，设计一个有效的调度方案，以实现数据收集并上传到云端的时延达到应用要求，同时减少能量消耗。对于多移动基站协助数据收集，整个网络的收集时间是由所有基站中耗时最长的基站时间决定，因此，合理将传感器节点分配给各移动基站是本方方法的出发点。

参见图1，一种基于多移动基站的传感云数据收集方法，采用多个移动基站并发收集传感器网络监测区域数据并上传到云端，所述移动基站通过访问部分传感器节点来完成数据收集，具体包括：

步骤101，将传感器网络监测区域的外接圆划分为若干个均匀的扇形区，每个移动基站覆盖一个扇形区域；

步骤102，在每个扇形区域内，选择部分传感器节点作为驻点，其他节点作为普通节点；利用TSP算法对由驻点组成的驻点集设计出最优访问路径作为基站的移动路径，当基站访问驻点时，普通节点将数据传给基站；

步骤103，计算每个移动基站的数据收集时延并将最大的收集时延作为整个传感器网络的数据收集时间；比较传感器网络的数据收集时间与应用延时要求的时间，若传感器网络的数据收集时间大于应用延时要求时间，减少驻点重新设计基站的移动路径。

进一步的，以下从分区、设计移动基站收集路线和设计有效的调度策略三方面对一种基于多移动基站的传感云数据收集方法做详细的说明。

具体的，分区方法如下。

在实际应用中，多移动基站数据收集容易出现重复访问，造成资源浪费。本实施例中，采用切蛋糕原理，将传感器网络监测区域的外接圆模拟成一个蛋糕，每个移动基站的负责区域均为圆心角为的扇形，M为移动基站的个数。如图2(a)所示，有3个移动基站进行数据收集，监控区域被分为三个扇形区域，每个基站的最长行驶路程为扇形区域的周长这一确切长度。

覆盖区假设节点域为L*H的矩形，节点传输半径为R，那么覆盖区域的外接圆半径为每个扇区的弧长可计算得到假设基站移动的最大距离用Dist表示，那么可以得出如下性质：

$Dist\≤(1+\frac{\mathrm{\π}}{M})\sqrt{L^2+H^2}.$

具体的，设计移动基站收集路线方法如下。

由于本方法既关注数据收集时延，又关注网络能量消耗。因此引入了数据结构中图和树的概念，并利用其相关的性质来实现良好的效果。由于每个扇区的操作流程一致，以下就以其中某个扇区为例。本实施例中，假设传感器节点集为S＝{S₁,S₂,S₃,…,S_n}，算法具体实现流程如下：

计算扇区内节点间的距离，其中S_i.x-S_j.x表示节点S_i和S_j的横坐标差，S_i.y-S_j.y表示节点S_i和S_j的纵坐标差。

根据节点间距离关系，得到一个加权无向图G，图中边的权重为Dist_i,j,若Dist_i,j＞R，则两节点间没有边；

利用Prim算法，将G转化为最小代价树T；

统计T中节点的度，选择度大于等于2的节点为驻点，其他为普通节点；

利用TSP算法对驻点集设计出一个最优访问路径为基站的移动路径，当基站访问驻点时，普通节点则将数据传给基站；

如图2(b)所示，星星标记为驻点，黑色实心圆为普通节点，虚线为基站行驶路径。当基站停留在驻点时，普通节点则将数据发送给基站。

本实施例中，所述的加权无向图定义为G＝{V_se，E_se}，其中V_se是传感器节点的集合，E_se是所有节点间边的集合，边的权重由节点间的距离计算而得。当权重大于传感器节点的通信范围时，则两节点间没有边。然后，我们将图G根据Prim算法转化成最小代价树，这样所有节点传输消耗总和最小。根据树中节点的度，优先选择度较大的节点作为驻点，构成驻点集移动基站通过访问驻点集中的驻点，完成整个网络的数据收集。

具体的，设计有效的调度策略如下。

基于上述方法进行移动数据收集的时延并不一定能够满足应用要求。本实施例中，策略性地减少移动基站的访问节点来优化基站移动距离。当单个基站收集时延大于时延要求时，依次减少驻点的个数。其中，度越小的节点，越早转变为普通节点。假设应用时延要求为不高于T_spe，传感云系统的最优传输时延为T_ideal。则具体实现流程如下：

步骤401：将最小代价树T中的节点按照度的大小进行分类；

步骤402：通过使用公式计算此刻基站传输时延，如果则将度最小的节点移出驻点集，转化为普通节点，执行步骤403；否则，执行步骤405；

步骤403：对新的驻点集进行TSP算法，重新设计基站行驶路径，且由驻点转变成的普通节点则通过其无线多跳传输来上传数据到基站；

步骤404：重复步骤402和403，直到

步骤405，当前路径设置为基站的移动路径。

如图3所示，灰色节点为驻点，白色节点为普通节点。当时延无法满足要求时，驻点则按照虚拟箭头标号的顺序转为普通节点，直到只剩一个驻点为基站的停留点。当只有一个驻点时，传输时延依旧不满足应用要求时，我们称此时延要求为极端时延。可以得到如下性质：

$\left\{\begin{array}{c}if{T}_{spe}>>T_{ideal},T_{{\mathrm{ms}}_i}\≤T_{spe};\\ if{T}_{spe}\≤T_{ideal},T_{{\mathrm{ms}}_i}\≈T_{ideal};\end{array}\right.$

本实施例中，单个基站收集时延及整个网络的收集时间通过如下方法获取。

在多移动基站同步进行数据收集时，整个网络的收集时间由基站中最大的收集时间来确定，如下：

$T_{net}=Max\{T_{{\mathrm{MS}}_1},T_{{\mathrm{MS}}_2},...,T_{{\mathrm{MS}}_M}\}$

其中T_net是收集整个传感网所需要的时间，为单个基站收集时延，而每个基站的收集时延，可以由四个部分确定，如下所示。

数据从传感器节点到移动基站的传输时延T_t：

$T_t=\frac{{\Σ}_{j=1}^{s}C}{D}$

数据从移动基站上传到云端的上传时延T_d：

$T_d=\frac{{\Σ}_{j=1}^{s}C}{Q}$

传感器节点传输数据时的跳数时延T_h：

$T_h={\Σ}_{j=1}^s{h}_j*t$

和基站的移动时延T_m：

$T_m=\frac{L_{tsp}}{V}$

其中s为分配给每个基站的传感器节点数量，h_j为节点的跳数，L_tsp为移动基站的行驶距离。移动基站在任何时刻均可上传数据，因此每个基站的收集时延可表示为：

$T_{{\mathrm{MS}}_i}=\frac{{\Σ}_{j=1}^{s}C}{D}+{\Σ}_{j=1}^s{h}_j*t+Max(\frac{L_{tsp}}{V},\frac{{\Σ}_{j=1}^{s}C}{Q})$

以上述公式为主要优目标，使其传输时延能够满足应用要求。上述公式中，i∈[1,M]，C为传感器节点单位时间内的感知数据量，D为数据从传感器向基站的传输速率，同时Q为移动基站上传到云端的传输速率，M表示移动基站的个数，s为分配给每个基站的传感器节点数量，h_j为节点的跳数，t为单跳时延，L_tsp为移动基站的行驶距离，V为基站的移动速度。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于多移动基站的传感云数据收集方法，其特点在于，采用多个移动基站并发收集传感器网络监测区域数据并上传到云端，所述移动基站通过访问部分传感器节点来完成数据收集，具体包括：

步骤101，将传感器网络监测区域的外接圆划分为若干个均匀的扇形区，每个移动基站覆盖一个扇形区域；

步骤102，在每个扇形区域内，选择部分传感器节点作为驻点，其他节点作为普通节点；利用TSP算法对由驻点组成的驻点集设计出最优访问路径作为基站的移动路径，当基站访问驻点时，普通节点将数据传给基站；

步骤103，计算每个移动基站的数据收集时延并将最大的收集时延作为整个传感器网络的数据收集时间；比较传感器网络的数据收集时间与应用延时要求的时间，若传感器网络的数据收集时间大于应用延时要求时间，减少驻点重新设计基站的移动路径。

2.根据权利要求1所述的基于多移动基站的传感云数据收集方法，其特征在于，步骤102具体包括：

计算扇形区域内传感器节点间的距离；

根据节点间距离关系，得到一个加权无向图，所述加权无向图中边的权重为所述节点间的距离,若所述节点间的距离大于覆盖区域的外接圆半径，则两节点间没有边；

使用Prim算法将所述加权无向图转化为最小代价树；

统计所述最小代价树中节点的度，选择度大于等于2的节点作为驻点，其他作为普通节点；

使用TSP算法对由所述驻点组成的驻点集设计出一个最优访问路径作为基站的移动路径，当基站访问驻点时，普通节点将数据传给基站。

3.根据权利要求1所述的基于多移动基站的传感云数据收集方法，其特征在于，步骤103中，通过如下公式获取每个移动基站的数据收集时延：

$T_{{\mathrm{MS}}_i}=\frac{{\mathrm{\Σ}}_{j=1}^{s}C}{D}+{\mathrm{\Σ}}_{j=1}^s{h}_j*t+Max(\frac{L_{tsp}}{V},\frac{{\mathrm{\Σ}}_{j=1}^{s}C}{Q})$

其中，i∈[1,M]，C为传感器节点单位时间内的感知数据量，D为数据从传感器向基站的传输速率，同时Q为移动基站上传到云端的传输速率，M表示移动基站的个数，s为分配给每个基站的传感器节点数量，h_j为节点的跳数，t为单跳时延，L_tsp为移动基站的行驶距离，V为基站的移动速度。

4.根据权利要求3所述的基于多移动基站的传感云数据收集方法，其特征在于，步骤103中，比较传感器网络的数据收集时间与应用延时要求的时间，若传感器网络的数据收集时间大于应用延时要求时间，减少驻点重新设计基站的移动路径具体包括：

步骤401，将所述最小代价树中的节点按照度的大小进行分类；

步骤402，计算移动基站的数据收集时延，如果移动基站的数据收集时延大于应用延时要求的时间，将度最小的节点移出驻点集，转化为普通节点；

步骤403，使用TSP算法对新的驻点集重新设计出一个最优访问路径作为基站的移动路径，且转变成普通节点的驻点通过无线多跳传输来上传数据到基站；

步骤404，重复步骤402和403，直到移动基站的数据收集时延小于应用延时要求的时间。

5.根据权利要求4所述的基于多移动基站的传感云数据收集方法，其特征在于：当时延无法满足要求时，驻点顺序转为普通节点，直到只剩一个驻点为基站的停留点。