CN108055669A - 森林火灾监测节点部署方法及装置 - Google Patents
森林火灾监测节点部署方法及装置 Download PDFInfo
- Publication number
- CN108055669A CN108055669A CN201711293219.5A CN201711293219A CN108055669A CN 108055669 A CN108055669 A CN 108055669A CN 201711293219 A CN201711293219 A CN 201711293219A CN 108055669 A CN108055669 A CN 108055669A
- Authority
- CN
- China
- Prior art keywords
- node
- sensor node
- sensor
- prediction
- forest
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 230000008447 perception Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 42
- 238000010586 diagram Methods 0.000 description 15
- 230000004083 survival effect Effects 0.000 description 13
- 230000006399 behavior Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 230000001413 cellular effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003892 spreading Methods 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- 241000854291 Dianthus carthusianorum Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
- H04W16/20—Network planning tools for indoor coverage or short range network deployment
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/005—Fire alarms; Alarms responsive to explosion for forest fires, e.g. detecting fires spread over a large or outdoors area
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
- H04W16/225—Traffic simulation tools or models for indoor or short range network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Fire Alarms (AREA)
Abstract
本发明实施例提供了一种森林火灾监测节点部署方法及装置,涉及森林防火技术领域。所述方法包括在建立网络模型,所述网络模型包括在待测森林的预设区域内设置的多个传感器节点后,再基于互信息标准,评估所述多个传感器节点的至少两个传感器节点的监测性能,然后根据评估结果得出所述监测性能满足预设条件时,获取所述满足预设条件的监测性能对应的传感器节点。在保证网络总体感知质量的情况下,利用互信息标准选出预设节点中感知质量优的节点,减少传感器数量节省成本。
Description
技术领域
本发明涉及森林防护技术领域,具体而言,涉及一种森林火灾监测节点部署方法及装置。
背景技术
近年来,森林的种植和保护成为热门的话题,森林的变化对于全球的生态环境的变化有很重要的影响,那么如何保护森林就变成了时下的热点问题。在传感器技术还没有普及使用时,护林任务还是依靠护林人每天在森林中巡查,这种方法工作量大,并且效率低。物联网技术的发展,可以使用传感器代替护林人不间断的监测森林状况。
那么如何在森林中合理的布置传感器成为了研究主题。目前传感器的布置方法考虑的主要是覆盖范围、通信效果、传感器寿命,需要传感器能够在较长的时间内保持能够稳定的传送监测信息,所以大多数算法都是在保证覆盖范围的前提下,以邻居发现,传感器能量消耗(休眠/唤醒),路由算法等为研究目标。目前的传感器算法在森林监测方面的应用大多是基于传感器能耗为研究目标的,因为在森林环境下,有些地方传感器不易更换,所以需要合理分配传感器的占空比,使得传感器网络的生存周期能够达到最大。这样的算法可以保证生存周期很长,但是森林中的面积较大,以及森林中的各种环境以及地形需要大量的传感器作为支撑,并且很多传感器是长时间处于休眠状态,或者是传感器是簇首节点消耗过快,并且为了保证通信效果,同一时间需要同一个范围的传感器同时工作,这样会造成布置传感器费用过高,而且同一区域的传感器都使用,会降低效率。
发明内容
本发明的目的在于提供一种森林火灾监测节点部署方法及装置,以改善上述问题。为了实现上述目的,本发明采取的技术方案如下:
第一方面,本发明实施例提供了一种森林火灾监测节点部署方法,应用于一电子设备,所述方法包括建立网络模型,所述网络模型包括在待测森林的预设区域内设置的多个传感器节点;基于互信息标准,评估所述多个传感器节点的至少两个传感器节点的监测性能;根据评估结果得出所述监测性能满足预设条件时,获取所述满足预设条件的监测性能对应的传感器节点。
第二方面,本发明实施例提供了一种森林火灾监测节点部署装置,运行于一电子设备,所述装置包括建立单元、评估单元和获取单元。建立单元,用于建立网络模型,所述网络模型包括在待测森林的预设区域内设置的多个传感器节点。评估单元,用于基于互信息标准,评估所述多个传感器节点的至少两个传感器节点的监测性能。获取单元,用于根据评估结果得出所述监测性能满足预设条件时,获取所述满足预设条件的监测性能对应的传感器节点。
本发明实施例的有益效果是:建立网络模型,所述网络模型包括在待测森林的预设区域内设置的多个传感器节点后,再基于互信息标准,评估所述多个传感器节点的至少两个传感器节点的监测性能,然后根据评估结果得出所述监测性能满足预设条件时,获取所述满足预设条件的监测性能对应的传感器节点。在保证网络总体感知质量的情况下,利用互信息标准选出预设节点中感知质量优的节点,减少传感器数量节省成本。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为可应用于本发明实施例的电子设备的结构框图;
图2为本发明实施例提供的森林火灾监测节点部署方法的流程图;
图3为本发明实施例提供的森林火灾监测节点部署方法中的一种子模模型示意图;
图4为本发明实施例提供的森林火灾监测节点部署方法中的另一种子模模型示意图;
图5(a)为本发明实施例提供的森林火灾监测节点部署方法中的应用实例森林中的元胞火蔓延模型中起火点示意图;
图5(b)为本发明实施例提供的森林火灾监测节点部署方法中的应用实例森林中的元胞火蔓延模型中火蔓延趋势示意图;
图5(c)为本发明实施例提供的森林火灾监测节点部署方法中的应用实例森林中的元胞火蔓延模型中火燃烧过程示意图;
图5(d)为本发明实施例提供的森林火灾监测节点部署方法中的应用实例森林中的元胞火蔓延模型中火灭之后的火蔓延最终模型示意图;
图6为本发明实施例提供的森林火灾监测节点部署方法中的应用实例森林的传感器节点布置示意图;
图7为本发明实施例提供的森林火灾监测节点部署方法中的应用实例不同预置传感器节点下的感知效率结果示意图;
图8为本发明实施例提供的森林火灾监测节点部署方法与最优解算法、贪婪算法在相同预设节点下的感知曲线对比结果示意图;
图9为本发明实施例提供的森林火灾监测节点部署装置的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
图1示出了一种可应用于本发明实施例中的电子设备100的结构框图。如图1所示,电子设备100可以包括存储器102、存储控制器104、一个或多个(图1中仅示出一个)处理器106、外设接口108、输入输出模块110、音频模块112、显示模块114、射频模块116和森林火灾传感器节点部署装置。
存储器102、存储控制器104、处理器106、外设接口108、输入输出模块110、音频模块112、显示模块114、射频模块116各元件之间直接或间接地电连接,以实现数据的传输或交互。例如,这些元件之间可以通过一条或多条通讯总线或信号总线实现电连接。森林火灾传感器节点部署方法分别包括至少一个可以以软件或固件(firmware)的形式存储于存储器102中的软件功能模块,例如所述森林火灾传感器节点部署装置包括的软件功能模块或计算机程序。
存储器102可以存储各种软件程序以及模块,如本申请实施例提供的森林火灾传感器节点部署方法及装置对应的程序指令/模块。处理器106通过运行存储在存储器102中的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现本申请实施例中的森林火灾传感器节点部署方法。
存储器102可以包括但不限于随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
处理器106可以是一种集成电路芯片,具有信号处理能力。上述处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。其可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述外设接口108将各种输入/输入装置耦合至处理器106以及存储器102。在一些实施例中,外设接口108、处理器106以及存储控制器104可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
输入输出模块110用于提供给用户输入数据实现用户与电子设备100的交互。所述输入输出模块110可以是,但不限于,鼠标和键盘等。
音频模块112向用户提供音频接口,其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。
显示模块114在电子设备100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中,所述显示模块114可以是液晶显示器或触控显示器。若为触控显示器,其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作,并将该感应到的触控操作交由处理器106进行计算和处理。
射频模块116用于接收以及发送电磁波,实现电磁波与电信号的相互转换,从而与通信网络或者其他设备进行通信。
可以理解,图1所示的结构仅为示意,电子设备100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
于本发明实施例中,电子设备100可以作为用户终端,或者作为服务器。用户终端可以为PC(personal computer)电脑、平板电脑、手机、笔记本电脑、智能电视、机顶盒、车载终端等终端设备。
请参阅图2,本发明实施例提供了一种森林火灾监测节点部署方法,应用于一电子设备,所述方法可以包括步骤S200、步骤S210和步骤S220。
步骤S200:建立网络模型,所述网络模型包括在待测森林的预设区域内设置的多个传感器节点。
为了能够将所提出的森林火灾监测节点部署方法简化,假设在一个面积为M*M的森林中,布置N个传感器节点,N个传感器节点的位置布置在容易起火的区域,并且该网络模型有以下性质:布置的传感器节点功能是相同的,所布置的传感器节点位置是不能任意移动的。
进一步地,目标函数主要有火情的发现时间X1、火势蔓延所影响的森林面积X2、可能影响到的人群X3和火情被发现的概率X4等。
为了能够更好的描述研究的目标函数,假设L为森林场景,i是其中的某种场景,且i∈L,每种场景出现的概率为P(i)。假设有一组可能的传感器分布集合V,传感器节点集合A是V的子集,即 对任意一个传感器v(v∈V),都有一个非负的成本C(v),集合A中的节点成本为A中所有节点的成本总和,即C(A)=∑v∈VC(v)。设定时间函数T(v,i),代表节点v在i场景下发现火情的时间,T(A,i)表示集合A中的节点发现火情的时间,此时间为A中最早发现火情的节点的时间,即T(A,i)=minv∈AT(v,i),设定一个惩罚函数πi(t),惩罚函数代表在场景i下,节点在t时间发现火情,惩罚函数非递减函数,当火发现的时间越长,那么惩罚函数就越大。(t<t′,则πi(t)<πi(t′))。当节点没有发现火情时,惩罚函数设置为∞,即πi(∞)。根据惩罚函数,可以定义一个剩余函数R(A,i),R(A,i)=πi(∞)-πi(T(A,i)),需要优化的函数为R(A),R(A)=∑i∈LR(A,i)。需要负面因素最小,也就是需要剩余函数值最大,那么R(A)的值也就是最大值。
对于目标函数,可以选用适合的惩罚函数,使其符合剩余函数。例如:需要火情的监测时间最小化,那么πi(∞)=tmax,πi(t)=t,tmax为一个比较大的数值,这样,当火情的监测时间t越短,也就是剩余函数越大。
以上提到了四个目标函数,如果仅仅是时间或者面积最小,这样的单个目标优化是不合理的,需要均衡这几个目标函数,比如说发现火情的时间和发现火情被发现概率。
在这样的情况下,目标函数中不可能找到一个优于其他所有位置的位置,所以选择帕累托最优来均衡各目标函数。帕累托最优:假设布置点A是一个帕累托最优,那么就不会有一个布置点B,对于所有的目标函数K1,…,Km,Kj(B)≥Kj(A),即B比A至少在一个方面要优,并且在其他方面和A一样好。为了找到一个帕累托最优布置,那么需要标量化方法,设λ1,…,λm,那么最优的解决方法为maxA∑jλiKj(A)。
步骤S210:基于互信息标准,评估所述多个传感器节点的至少两个传感器节点的监测性能。
基于步骤S210,进一步地,基于互信息标准,计算所述多个传感器节点中的每个传感器节点的第一互信息值;每轮计算后,选择所述第一互信息值中的最大值对应的传感器节点并将所述最大值对应的传感器节点放入第一集合,以使所述第一集合中包括k个传感器节点;获取所述k个传感器节点的原始感知质量;从所述多个传感器节点中的未被选中的传感器节点中,使用子模算法选出其中互信息增益最大值对应的传感器节点,获取k′个未被选中的传感器节点且计算得出k+k′个传感器节点的预测感知质量,k+k′<M,M为预设的最优节点个数;对比所述预测感知质量和所述原始感知质量,根据对比结果评估所述k+k′个传感器节点的监测性能。
进一步地,从所述多个传感器节点中的未被选中的传感器节点中,获取k′个未被选中的传感器节点且计算得出k+k′个传感器节点的预测感知质量,包括:从所述多个传感器节点中的未被选中的传感器节点中,基于子模算法和所述的第一集合,获取k′个未被选中的传感器节点,计算得出个传感器节点的预测感知质量。具体地,使用子模算法在第一集合即A的基础上计算每个未被选中节点的互信息,每轮选出一个最大的,选出k′个后,得出k+k′个节点的感知质量。
森林面积大,需要布置数量众多的传感器,但是如何在数量众多的传感器布置点中选择合适的节点,本实施例中选择了子模模型。图3中(a)表示森林中已放置2个传感器即S1和S2的监测范围较小,图3中(b)表示在图3(a)中增加一个传感器S,明显感知效果有很大提高;图4中(a)表示森林中已经放置4个传感器即S1、S2、S3和S4,感知效果较好,图4中(b)表示在已经感知效果较好的森林,图4(a)中再增加放置一个传感器S,效果并没有显著提高,那么这样增加的传感器S资源就会有浪费。
子模模型是一个受益递减的模型,即如果增加一个传感器节点进一个较大的已部署区域所获得的收益比在一个较小的已部署区域放置一个传感器节点小。对于一个子模函数F,在的情况下,增加的节点v∈V,并且v∈V\B,有F(A∪{v})-F(A)≤F(B∪{v})-F(B),说明v加到集合A中的帮助比加入到集合B中的帮助要大。
目标函数(剩余函数)需要越短越好,那么剩余函数也就是越大越好,这样也就说明发现火情的时间短,影响的森林面积和人群就会更少。剩余函数有如下特征:
1.函数值是非负的
2.当整个区域内还没有布置传感器节点时,剩余函数的值为0,即R(0)=0
3.剩余函数是非递减的,对于V的子集A和B,R(A)≤R(B)。
定理1:剩余函数是子模函数。
定理1的证明:
为了证明剩余函数是符合子模函数模型,那么剩余函数就必须要符合以下条件,即在的情况下,F(A∪{v})-F(A)≥F(B∪{v})-F(B)。
那么下面给出剩余时间在三种情况下符合子模模型的证明:
如果T(v,i)≥T(A,i),那么T(A∪{v})=T(A),并且T(B∪{v})=T(B)时,Ri(A∪{v})-Ri(A)=Ri(B∪{v})=Ri(B)=0。
如果T(B,i)≤T(v,i)<T(A,i),那么(A∪{v})≤T(A),并且T(B∪{v})=T(B),因此Ri(A∪{v})-Ri(A)≥0=Ri(B∪{v})-Ri(B)。
如果T(v,i)<T(B,i),那么T(A∪{v})<T(A),并且T(B∪{v})<T(B),Ri(A∪{v})-Ri(A)=[πi(∞)-πi(v)]-Ri(A)≥[πi(∞)-πi(v)]-Ri(A)=Ri(B∪{v})-Ri(B)。
互信息(Mutual Information)是信息论里一种有用的信息度量,它可以看成是一个随机变量中包含的关于另一个随机变量的信息量,或者说是一个随机变量由于已知另一个随机变量而减少的不肯定性[17]。
通过互信息标准,建立一个概率模型,对于任意节点位置v(v∈V),任意变量Xv,都符合联合分布P(XV)=P(Xv1,...,Xvn),可以通过考虑条件分布P(XV\A|XA=xA),令XA=xA,预测任意位置的情况。所以互信息标准也可以定义为在集合A中,A符合FMI(A)=I(A;V\A)=H(V\A)-H(V\A|A),并且FMI是非递减的。
在函数模型中,需要R(A)=∑i∈LR(A,i)的最大化,也就是需要剩余函数R(A,i)=πi(∞)-πi(T(A,i))最大,那么就需要A中传感器发现火情的时间越短,当I(A;V\A)的互信息越大时,那么A对整个森林的监测质量越好,那么传感器发现火灾的时间越短。
步骤S220:根据评估结果得出所述监测性能满足预设条件时,获取所述满足预设条件的监测性能对应的传感器节点。
进一步地,根据对比结果得出所述预测感知质量大于所述原始感知质量,将所述k′个未被选中的传感器节点加入所述第一集合中后,获得第二集合,所述第二集合包括k+k′个传感器节点。
在步骤S210之后,所述方法还可以包括:
根据对比结果得出若所述预测感知质量不大于所述原始感知质量,基于所述预测感知质量的变化趋势确定传感器节点的个数。
为了更进一步地说明本发明实施例提供的森林火灾监测节点部署方法的有益效果,本实施例中采用了matlab为仿真工具进行仿真,假设在一个M*M的森林区域内,部署监测火情的传感器节点,M可以为300,基于本发明实施例提供的森林火灾监测节点部署方法对这些传感器节点的监测性能进行评估,选出其中性能最好的节点作为最终节点。
如图5(a)-图5(d)所示,示出了在matlab环境下模拟了森林中的元胞火蔓延模型,在森林环境下,起火点虽然大多为易着火区域,但是实际起火点对于整个森林来说是随机的,所以该蔓延模型选定的起火点是随机的;在元胞的火蔓延模型下,没有风力或者地形的影响,所以火的蔓延方向也是在一个概率下蔓延(设定一个着火概率,当该点的产生的随机数大于这个概率则树着火,反之则不着火),图5(a)-图5(d)中,空白区域表示M*M的森林,黑色区域表示森林中的树木已被烧毁,圆圈区域表示森林中的树木正在燃烧,图5(a)展示了森林的起火点,程序运行到阶数step=8时,F1表示森林的起火点;图5(b)中,程序运行到阶数step=347时展示了火蔓延的趋势,图5(c)中,程序运行到阶数step=626时展示了燃烧过程,图5(d)程序运行到阶数step=864时,为火灭了之后的火蔓延最终模型。
如图6所示,在一个M*M的森林区域范围内,选取森林中易发生火灾(人类活动较多的区域、以前经常发生火灾的区域)的区域放置传感器,图6中的黑色圆点表示预置传感器节点,通过本发明实施例提供的森林火灾监测节点部署方法的应用,即通过子模和互信息优化策略对这些预置节点进行评估,选择其中感知质量最好的节点作为最终布置传感器的位置,如图6中的星形表示感知质量最好的节点作为最终布置传感器的位置。
如图7所示,示出了在不同的预置传感器数量下,对应的感知质量结果,z表示当前森林中预设传感器的数量。森林的面积较大,无论是针对人类活动较多的区域布置传感器,还是使用传感器覆盖算法对于森林的覆盖,每种方法在森林中布置的传感器数量各有不同。图7中可以看出,随着预置传感器数量的增加,本发明实施例提供的森林火灾监测节点部署方法得到感知质量是在逐渐增加的。也就是说森林中预置的传感器数量越多,本发明实施例提供的森林火灾监测节点部署方法的效果越好,那么对于常发生火灾,或者密集分布的传感器覆盖算法,使用本发明实施例提供的森林火灾监测节点部署方法能够大量节省传感器节点的总成本,并且能够保证传感器的监测效果,及时反馈森林情况。
如图8所示,示出了本发明实施例提供的森林火灾监测节点部署方法中在相同的预置节点情况下的感知曲线。对森林中节点的互信息进行计算,然后每次选出一个互信息值增加最多的节点,图8中C3曲线代表了使用贪婪思想选取节点所得到的感知质量,即本发明实施例利用贪婪的思想选取互信息值最大的对应的节点,C1曲线代表了最优解,最优解的结果可以不需要计算,贪婪算法所得到的感知质量为最优解的63%。C2曲线为子模算法即本发明实施例提供的森林火灾监测节点部署预测,是在C1的基础上对最优解进行预估。为了对于本方法所选择的节点可以进一步计算,在已经使用互信息增量选出的节点的基础上,通过子模算法中对未被纳入最终选择节点的互信息进行计算,每次选出互信息增益最大的节点,以预估最优解。当节点数量逐渐增加时,森林中的未被监测区域越来越少,感知质量基本上达到一个极限值即图8中的横坐标传感器节点个数为37位置,即使再增加多余的传感器节点,感知质量的增加非常小,所以这部分的传感器节点不需要再布置,可以节省大量成本。
本发明实施例提供的森林火灾监测节点部署方法在森林中的应用,一方面是目标优化问题,确定需要研究的目标函数(互信息),并对节点的互信息进行计算,使用贪婪的思想,每次选出其中互信息增益最大的节点;另一方面考虑到传感器节点的成本问题,在以选出的节点基础上,使用子模算法对未被选中的节点的互信息增益进行计算,选出其中增益最大者对最优解进行预估,并且和贪婪算法选出的节点感知质量作对比,在成本允许的情况下,选出其中最佳的节点数量和位置。该方法在考虑到目标以及成本的同时,保证了传感器的监测质量。
本发明实施例提供的森林火灾监测节点部署方法,在建立网络模型,所述网络模型包括在待测森林的预设区域内设置的多个传感器节点后,再基于互信息标准,评估所述多个传感器节点的至少两个传感器节点的监测性能,然后根据评估结果得出所述监测性能满足预设条件时,获取所述满足预设条件的监测性能对应的传感器节点。在保证网络总体感知质量的情况下,利用互信息标准选出预设节点中感知质量优的节点,减少传感器数量节省成本。
请参阅图9,本发明实施例提供了一种森林火灾监测节点部署装置300,运行于一电子设备,所述装置300可以包括建立单元310、评估单元320和获取单元330。
建立单元310,用于建立网络模型,所述网络模型包括在待测森林的预设区域内设置的多个传感器节点。
评估单元320,用于基于互信息标准,评估所述多个传感器节点的至少两个传感器节点的监测性能。
所述评估单元320可以包括评估子单元321。
评估子单元321,用于基于互信息标准,计算所述多个传感器节点中的每个传感器节点的第一互信息值;每轮计算后,选择所述第一互信息值中的最大值对应的传感器节点并将所述最大值对应的传感器节点放入第一集合,以使所述第一集合中包括k个传感器节点;获取所述k个传感器节点的原始感知质量;从所述多个传感器节点中的未被选中的传感器节点中,使用子模算法选取互信息增益最大值对应的传感器节点,获取k′个未被选中的传感器节点且计算得出k+k′个传感器节点的预测感知质量,k+k′<M,M为预设的最优节点个数;对比所述预测感知质量和所述原始感知质量,根据对比结果评估所述k+k′个传感器节点的监测性能。
所述评估子单元321,还用于从所述多个传感器节点中的未被选中的传感器节点中,基于子模算法和所述第一集合,获取k′个未被选中的传感器节点,计算得出k+k′个传感器节点的预测感知质量。
获取单元330,用于根据评估结果得出所述监测性能满足预设条件时,获取所述满足预设条件的监测性能对应的传感器节点。
所述获取单元330可以包括获取子单元331。
获取子单元331,用于根据对比结果若得出所述预测感知质量大于所述原始感知质量,将所述k′个未被选中的传感器节点加入所述第一集合中后,获得第二集合,所述第二集合包括k+k′个传感器节点。
所述装置300还可以包括确定单元340。
确定单元340,用于根据对比结果得出所述预测感知质量不大于所述原始感知质量,基于所述预测感知质量的变化趋势确定传感器节点的个数。
以上各单元可以是由软件代码实现,此时,上述的各单元可存储于存储器102内。以上各单元同样可以由硬件例如集成电路芯片实现。
本发明实施例提供的森林火灾传感器节点部署装置400,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种森林火灾监测节点部署方法,其特征在于,应用于一电子设备,所述方法包括:
建立网络模型,所述网络模型包括在待测森林的预设区域内设置的多个传感器节点;
基于互信息标准,评估所述多个传感器节点的至少两个传感器节点的监测性能;
根据评估结果得出所述监测性能满足预设条件时,获取所述满足预设条件的监测性能对应的传感器节点。
2.根据权利要求1所述的方法,其特征在于,基于互信息标准,评估所述多个传感器节点的至少两个传感器节点的监测性能,包括:
基于互信息标准,计算所述多个传感器节点中的每个传感器节点的第一互信息值;
每轮计算后,选择所述第一互信息值中的最大值对应的传感器节点并将所述最大值对应的传感器节点放入第一集合,以使所述第一集合中包括k个传感器节点;
获取所述k个传感器节点的原始感知质量;
从所述多个传感器节点中的未被选中的传感器节点中,使用子模算法选取互信息增益最大值对应的传感器节点,获取k′个未被选中的传感器节点且计算得出k+k′个传感器节点的预测感知质量,k+k′<M,M为预设的最优节点个数;
对比所述预测感知质量和所述原始感知质量,根据对比结果评估所述k+k′个传感器节点的监测性能。
3.根据权利要求2所述的方法,其特征在于,从所述多个传感器节点中的未被选中的传感器节点中,获取k′个未被选中的传感器节点且计算得出k+k′个传感器节点的预测感知质量,包括:
从所述多个传感器节点中的未被选中的传感器节点中,获取k′个未被选中的传感器节点;
基于子模算法和所述第一集合,计算得出k+k′个传感器节点的预测感知质量。
4.根据权利要求2所述的方法,其特征在于,根据评估结果得出所述监测性能满足预设条件时,获取所述满足预设条件的监测性能对应的传感器节点,包括:
根据对比结果得出若所述预测感知质量大于所述原始感知质量,将所述k′个未被选中的传感器节点加入所述第一集合中后,获得第二集合,所述第二集合包括k+k′个传感器节点。
5.根据权利要求2所述的方法,其特征在于,在基于互信息标准,评估所述多个传感器节点的至少两个传感器节点的监测性能之后,所述方法还包括:
根据对比结果得出所述预测感知质量不大于所述原始感知质量,基于所述预测感知质量的变化趋势确定传感器节点的个数。
6.一种森林火灾监测节点部署装置,其特征在于,运行于一电子设备,所述装置包括:
建立单元,用于建立网络模型,所述网络模型包括在待测森林的预设区域内设置的多个传感器节点;
评估单元,用于基于互信息标准,评估所述多个传感器节点的至少两个传感器节点的监测性能;
获取单元,用于根据评估结果得出所述监测性能满足预设条件时,获取所述满足预设条件的监测性能对应的传感器节点。
7.根据权利要求6所述的装置,其特征在于,所述评估单元包括:
评估子单元,用于基于互信息标准,计算所述多个传感器节点中的每个传感器节点的第一互信息值;每轮计算后,选择所述第一互信息值中的最大值对应的传感器节点并将所述最大值对应的传感器节点放入第一集合,以使所述第一集合中包括k个传感器节点;获取所述k个传感器节点的原始感知质量;从所述多个传感器节点中的未被选中的传感器节点中,使用子模算法选取互信息增益最大值对应的传感器节点,获取k′个未被选中的传感器节点且计算得出k+k′个传感器节点的预测感知质量,k+k′<M,M为预设的最优节点个数;对比所述预测感知质量和所述原始感知质量,根据对比结果评估所述k+k′个传感器节点的监测性能。
8.根据权利要求7所述的装置,其特征在于,所述评估子单元,还用于从所述多个传感器节点中的未被选中的传感器节点中,基于子模算法和所述第一集合,获取k′个未被选中的传感器节点,计算得出k+k′个传感器节点的预测感知质量。
9.根据权利要求7所述的装置,其特征在于,所述获取单元包括:
获取子单元,用于根据对比结果得出若所述预测感知质量大于所述原始感知质量,将所述k′个未被选中的传感器节点加入所述第一集合中后,获得第二集合,所述第二集合包括k+k′个传感器节点。
10.根据权利要求7所述的装置,其特征在于,所述装置还包括:
确定单元,用于根据对比结果得出所述预测感知质量不大于所述原始感知质量,基于所述预测感知质量的变化趋势确定传感器节点的个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711293219.5A CN108055669B (zh) | 2017-12-07 | 2017-12-07 | 森林火灾监测节点部署方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711293219.5A CN108055669B (zh) | 2017-12-07 | 2017-12-07 | 森林火灾监测节点部署方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108055669A true CN108055669A (zh) | 2018-05-18 |
CN108055669B CN108055669B (zh) | 2021-06-04 |
Family
ID=62122557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711293219.5A Expired - Fee Related CN108055669B (zh) | 2017-12-07 | 2017-12-07 | 森林火灾监测节点部署方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108055669B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109068333A (zh) * | 2018-07-13 | 2018-12-21 | 南京林业大学 | 基于位置优化的森林火灾监测增量节点扩展方法和系统 |
CN116224888A (zh) * | 2023-04-25 | 2023-06-06 | 安徽数分智能科技有限公司 | 一种用于物联网监测终端的智能调控系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070140303A1 (en) * | 2005-12-21 | 2007-06-21 | Korea Electronics Technology Institute | Real-time wireless sensor network protocol having linear configuration |
US20100054234A1 (en) * | 2008-08-27 | 2010-03-04 | Electronics And Telecommunications Research Institute | Simulation apparatus and method used for sensor network |
CN102256269A (zh) * | 2011-08-30 | 2011-11-23 | 苏州大学 | 一种基于检测信息融合的无线传感器网络确定性部署方法 |
CN104318697A (zh) * | 2014-10-16 | 2015-01-28 | 湘潭大学 | 无线传感器网络监测森林火灾的节点布置方法 |
CN205003813U (zh) * | 2015-09-25 | 2016-01-27 | 南昌理工学院 | 基于物联网的森林火险监测预警装置 |
-
2017
- 2017-12-07 CN CN201711293219.5A patent/CN108055669B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070140303A1 (en) * | 2005-12-21 | 2007-06-21 | Korea Electronics Technology Institute | Real-time wireless sensor network protocol having linear configuration |
US20100054234A1 (en) * | 2008-08-27 | 2010-03-04 | Electronics And Telecommunications Research Institute | Simulation apparatus and method used for sensor network |
CN102256269A (zh) * | 2011-08-30 | 2011-11-23 | 苏州大学 | 一种基于检测信息融合的无线传感器网络确定性部署方法 |
CN104318697A (zh) * | 2014-10-16 | 2015-01-28 | 湘潭大学 | 无线传感器网络监测森林火灾的节点布置方法 |
CN205003813U (zh) * | 2015-09-25 | 2016-01-27 | 南昌理工学院 | 基于物联网的森林火险监测预警装置 |
Non-Patent Citations (3)
Title |
---|
A. KRAUSE,C. GUESTRIN,ETC.: "Near-optimal sensor placements: maximizing information while minimizing communication", 《2006 5TH INTERNATIONAL CONFERENCE ON INFORMATION PROCESSING IN SENSOR NETWORKS》 * |
IKJUNE YOON,DONG KUN NOH,ETC.: "Reliable Wildfire Monitoring with Sparsely Deployed Wireless Sensor Networks", 《2012 IEEE 26TH INTERNATIONAL CONFERENCE ON ADVANCED INFORMATION NETWORKING AND APPLICATIONS》 * |
刘丽萍; 王智; 孙优贤: "无线传感器网络部署及其覆盖问题研究", 《CNKI 电子与信息学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109068333A (zh) * | 2018-07-13 | 2018-12-21 | 南京林业大学 | 基于位置优化的森林火灾监测增量节点扩展方法和系统 |
CN116224888A (zh) * | 2023-04-25 | 2023-06-06 | 安徽数分智能科技有限公司 | 一种用于物联网监测终端的智能调控系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108055669B (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI533246B (zh) | 使用者未知興趣之探索方法與系統 | |
Wang et al. | Context-aware role mining for mobile service recommendation | |
US9578119B2 (en) | Method, server, and client for pushing and displaying splash screen | |
Lee et al. | An intelligent power monitoring and analysis system for distributed smart plugs sensor networks | |
Haghighi et al. | Open mobile miner: A toolkit for building situation-aware data mining applications | |
CN107958338A (zh) | 用电策略推荐方法及装置、存储介质 | |
CN108055669A (zh) | 森林火灾监测节点部署方法及装置 | |
Wang et al. | PPRank: Economically selecting initial users for influence maximization in social networks | |
CN107766891A (zh) | 用户性别识别方法、装置、存储介质及电子设备 | |
CN110808872A (zh) | 一种流量实验的实现方法、装置及电子设备 | |
CN107566862B (zh) | 用于多媒体通信终端之间分享音乐的方法及系统 | |
CN110223113A (zh) | 广告推送的数据处理方法及装置 | |
CN109407914A (zh) | 用户特征识别方法、装置、设备、介质和操作系统 | |
Kamgueu et al. | Architecture for an efficient integration of wireless sensor networks to the Internet through Internet of Things gateways | |
CN111050387A (zh) | 基于能效估计的基站休眠方法、装置、电子设备及介质 | |
Wong et al. | Context-aware service recommendation for moving connected devices | |
Du et al. | BASM: A Bottom-up Adaptive Spatiotemporal Model for Online Food Ordering Service | |
Nakauchi et al. | Multi-agent interface architecture for human-robot cooperation | |
CN105607498B (zh) | 一种智能家居设备匹配的方法、装置、设备以及系统 | |
CN107193450A (zh) | 页面元素选择方法及装置 | |
US20170160892A1 (en) | Individual customization system and method | |
CN111339349A (zh) | 歌单推荐方法 | |
Yang et al. | On characterizing and computing the diversity of hyperlinks for anti-spamming page ranking | |
CN113050782A (zh) | 画像构建方法、装置、终端及存储介质 | |
CN109814953A (zh) | 穿戴式设备视图处理方法、装置、穿戴式设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221207 Address after: Room F4-606, Zidong International Creative Park, No. 1, Zidong Road, Maqun Street, Qixia District, Nanjing, Jiangsu, 210049 Patentee after: Nanjing Bai Nuo Intelligent Technology Co.,Ltd. Address before: Nanjing Forestry University, 159 Longpan Road, Nanjing, Jiangsu, 210000 Patentee before: NANJING FORESTRY University |
|
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210604 |