CN109429194A - 移动感知网络中的参考节点位置确定方法及装置 - Google Patents
移动感知网络中的参考节点位置确定方法及装置 Download PDFInfo
- Publication number
- CN109429194A CN109429194A CN201710707048.XA CN201710707048A CN109429194A CN 109429194 A CN109429194 A CN 109429194A CN 201710707048 A CN201710707048 A CN 201710707048A CN 109429194 A CN109429194 A CN 109429194A
- Authority
- CN
- China
- Prior art keywords
- data
- node
- crosspoint
- reference mode
- data acquisition
- 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
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明是关于一种移动感知网络中的参考节点位置确定方法及装置。该方法包括:获取在各个备选参考位置处模拟部署参考节点的情况下,各个数据采集节点之间的数据相交点;根据各个数据采集节点之间的数据相交点生成相交点连接图,相交点连接图用于指示各个数据采集节点之间的边;根据相交点连接图,从各个备选参考位置中确定出真实部署所述参考节点的位置。通过上述方法,在确定真实部署参考节点的位置时,根据移动节点的数据采集情况,从可以部署参考节点的各个备选参考位置中确定出真实部署参考节点的位置,使得参考节点的部署能够尽量的满足移动节点的数据校准需求,从而提高移动感知网络中的数据校准效果。
Description
技术领域
本发明涉及移动感知技术领域,特别涉及一种移动感知网络中的参考节点位置确定方法及装置。
背景技术
移动感知技术是一种将装有传感器的移动交通工具作为数据采集节点,并对数据采集节点采集到的数据进行处理、分析、解释和应用的技术。
部分或者全部的数据采集节点可以移动的数据采集网络可以称为移动感知网络。受限于成本因素,移动感知网络中的大部分可移动的数据采集节点是低精度的数据采集节点,为了保证数据采集精度,在相关技术中,可以通过预先设置的高精度的数据采集节点所采集到的数据对可移动的数据采集节点采集到的数据进行校准。
比如,以某个移动感知研究项目为例,其利用一个城市中由政府部门部署的空气质量监测站(即上述高精度的数据采集节点)对在城市中运行的有轨电车上部署的可移动的数据采集节点所采集的数据进行校准,然后利用已校准的有轨电车上的可移动的数据采集节点对其它有轨电车上未校准的数据采集节点所采集的数据进行校准。
在相关技术中,高精度的数据采集节点的位置都是预先固定设置好的,而预先固定设置的高精度的数据采集节点并不能保证对可移动的低精度的数据采集节点的数据校准效果,从而导致数据校准的效果较差。
发明内容
为了解决相关技术中高精度的数据采集节点的位置都是预先固定设置的,而预先固定设置的高精度的数据采集节点并不能保证对可移动的低精度的数据采集节点的数据校准效果,从而导致数据校准的效果较差的问题,本发明实施例提供了一种移动感知网络中的参考节点位置确定方法及装置,技术方案如下:
第一方面,提供了一种移动感知网络中的参考节点位置确定方法,所述方法包括:
获取在各个备选参考位置处模拟部署参考节点的情况下,各个数据采集节点之间的数据相交点,所述数据相交点指示两个数据采集节点之间存在时间和空间上相近的一对采集数据,所述各个数据采集节点包括位置固定的至少一个参考节点以及位置随时间变化的至少一个移动节点;
根据所述各个数据采集节点之间的数据相交点生成相交点连接图,所述相交点连接图用于指示所述各个数据采集节点之间的边;
根据所述相交点连接图,从所述各个备选参考位置中确定出真实部署所述参考节点的位置。
第二方面,提供了一种移动感知网络中的参考节点位置确定装置,所述装置包括:
相交点获取模块,用于获取在各个备选参考位置处模拟部署参考节点的情况下,各个数据采集节点之间的数据相交点,所述数据相交点指示两个数据采集节点之间存在时间和空间上相近的一对采集数据,所述各个数据采集节点包括位置固定的至少一个参考节点以及位置随时间变化的至少一个移动节点;
连接图生成模块,用于根据所述各个数据采集节点之间的数据相交点生成相交点连接图,所述相交点连接图用于指示所述各个数据采集节点之间的边;
位置确定模块,用于根据所述相交点连接图,从所述各个备选参考位置中确定出真实部署所述参考节点的位置。
第三方面,提供了一种存储设备,其中存储有多条指令,所述指令适于由处理器加载并执行:
获取在各个备选参考位置处模拟部署参考节点的情况下,各个数据采集节点之间的数据相交点,所述数据相交点指示两个数据采集节点之间存在时间和空间上相近的一对采集数据,所述各个数据采集节点包括位置固定的至少一个参考节点以及位置随时间变化的至少一个移动节点;
根据所述各个数据采集节点之间的数据相交点生成相交点连接图,所述相交点连接图用于指示所述各个数据采集节点之间的边;
根据所述相交点连接图,从所述各个备选参考位置中确定出真实部署所述参考节点的位置。
本发明提供的技术方案可以包括以下有益效果:
在确定真实部署参考节点的位置时,根据移动节点的数据采集情况,从可以部署参考节点的各个备选参考位置中确定出真实部署参考节点的位置,使得参考节点的部署能够尽量的满足移动节点的数据校准需求,从而提高移动感知网络中的数据校准效果。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是本发明各个实施例涉及的一种移动感知网络的示意图;
图2是本发明各个实施例涉及的一种确定参考节点位置的流程示意图;
图3是是本发明一示例性实施例示出的移动感知网络中的参考节点位置确定方法的方法流程图;
图4是图3所示的实施例涉及的一种相交点连接图;
图5是根据一示例性实施例示出的移动感知网络中的参考节点位置确定装置的结构方框图;
图6是根据一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在介绍本发明各个实施例所示的方案之前,首先对本发明实施例涉及的几个名词进行解释说明。
1)参考节点:通常在移动感知网络中部署在静态位置的(即位置固定),高成本,高精度的数据采集节点。
其中,数据采集节点可以是传感器节点,该传感器节点可以用于采集温度、湿度、亮度、PM2.5、风力、风向以及噪音等环境数据,当数据采集节点为传感器节点时,移动感知网络也可以称为移动传感网。
2)移动节点:通常移动感知网络中部署在动态位置的(即位置可移动),低成本,低精度的数据采集节点。移动节点采集的数据通常需要通过参考节点采集的数据进行校准,或者,通过其它已校准的移动节点采集的数据进行校准。
3)多跳校准:在移动感知网络中,利用已经被校准的移动节点的数据校准未校准的移动节点的方法。
4)数据相交点:假设u,v是两个数据采集节点,在本发明实施例中,可以将在一段时间间隔s内,这两个数据采集节点在时间和空间上相近的一对测量值称为一个数据相交点Φ(u.v)。用符号表示如下:
Φ(u.v)={(mu(ti,pi),mv(tj,pj))|
(ti,tj∈s)∧(|ti-tj|∈Δt)∧(|pi-pj|∈Δd)};
其中Φ(u.v)代表u,v的数据相交点所组成的集合,mu(ti,pi)指数据采集节点u在时间ti,位置pi处的测量值;|ti-tj|,|pi-pj|代表这两个测量值在时间和空间上的距离;Δt,Δd限制了这对测量值在时间和空间上的相似性。因为时空上相近的数据采集节点采集到的真实值是相似的,所以(mu,mv)∈Φ(u.v)可以用来进行u,v之间的数据校准。
5)相交点连接图:一个相交点连接图是指一个无向图G=(V,E),其中V代表所有数据采集节点的集合,E是两个数据采集节点之间的边,其中,
E={(u,v)|u,v之间存在一定数量的数据相交点,|Φ(u.v)|≥θ,θ为预先设定的一个数量阈值}。
为了保证移动节点可以被重复校准,在本发明实施例中,当两个数据采集节点之间存在的数据相交点的数量大于或者等于θ时,可以认为这两个数据采集节点之间存在一条边。
6)校准路径:在一个相交点连接图中,将用来校准移动节点u的一条路径叫做u的一条校准路径。具体来说,移动节点u的校准路径是参考节点到该移动节点u之间所经过的移动节点所组成的路径,校准路径的长度是指参考节点到该移动节点u之间经过的移动节点的数量加1。
7)k跳(k-hop)可校准:在多跳校准中,对于一个数据采集节点来说,当它的校准路径长度不大于k时,那我们认为该节点是k-hop可校准的。在一个相交点连接图中,一个数据采集节点可能有多条校准路径,可以选取其中最短校准路径的长度作为其校准跳数值。对于一个相交点连接图G来说,如果所有的移动节点都是k-hop可校准的,那么可以认为相交点连接图G是k-hop可校准的。
本发明实施例示出一种移动感知网络中基于高精度参考节点部署方法的多跳校准方案。在该多跳校准方案中,可以通过优化高精度参考节点的部署位置来达到重复性校准移动感知网络中所有低精度移动节点,并提高其数据精度和降低高精度数据采集节点部署成本的目的。该校准方案主要分为两步:
①高精度参考节点部署,使得移动采集网络中所有低精度移动节点都能被重复性校准;
②节点之间的数据校准,包括:
i)使用部署的参考节点采集到的数据校准移动节点数据;
ii)使用被校准的移动节点采集到的数据校准未校准的移动节点的数据(利用现有的传感器多跳校准算法例如最小二乘回归、几何均值回归等,以提高其数据精度)。
图1是本发明各个实施例涉及的一种移动感知网络的示意图,在该移动感知网络10中,包含若干个移动节点102(即图1中的未填充的圆圈)和若干个参考节点104(即图1中的有填充的圆圈)。
其中,移动节点102的位置不固定,图中的虚线部分是各个移动节点102的移动路径。各个参考节点104的位置固定,不可移动。
移动节点102和参考节点104是用于进行采集数据(比如采集环境数据)的数据采集节点,其中,各个参考节点104的数据采集精度较高,而移动节点102的数据采集精度较低。
移动节点102之间,以及移动节点102和参考节点104之间存在数据相交点(图1中虚线圆圈位置就是可能存在数据相交点的位置),通过该数据相交点,参考节点104可以对靠近的移动节点102所采集到的数据进行校准,而对于不靠近任意一个参考节点104的移动节点102,其采集到的数据可以通过与其存在数据相交点,且已经过校准的其它移动节点102进行校准。
可选的,在本发明实施例中,移动感知网络还可以包含管理设备106,该管理设备106与各个移动节点102和参考节点104之间通过有线或者无线网络相连接。管理设备106可以是服务器、服务器集群或者云计算平台。
管理设备106可以用于接收各个移动节点102和参考节点104采集并发送的数据(其中,移动节点102发送的可以是经过校准后的数据),并对接收到的数据进行统计分析及应用。
本发明各个实施例所示的方法,可以应用于在上述图1所示的系统中的部分或者全部的参考节点104尚未部署时,根据已部署或者可能部署的移动节点的数据采集时间和位置,在可部署的参考节点的位置(即备选参考位置)中选择实际部署参考节点的位置。
具体比如,请参考图2,其示出了本发明各个实施例涉及的一种确定参考节点位置的流程示意图,如图2所示,计算机设备首先在各个备选参考位置处模拟部署参考节点,并在各个备选参考位置处模拟部署参考节点的情况下,获取各个数据采集节点之间的数据相交点,其中,各个数据采集节点包括位置固定的至少一个参考节点(包括模拟部署的参考节点,可选的,还可以包括已经部署的参考节点)以及位置随时间变化的至少一个移动节点(包括已经部署的移动节点,以及,可能或者将要部署的移动节点);计算机设备根据各个数据采集节点之间的数据相交点生成相交点连接图,并根据该相交点连接图,从该各个备选参考位置中确定出真实部署该参考节点的位置。
通过上述图2所示的方案,在确定真实部署参考节点的位置时,根据移动节点的数据采集情况(包括采集时间和采集地点),从可以部署参考节点的各个备选参考位置中确定出真实部署参考节点的位置,使得参考节点的部署能够尽量的满足移动节点的数据校准需求,从而提高移动感知网络中的数据校准效果。
本发明各个实施例所示的方法可以由计算机设备来执行,其中,该计算机设备可以是上述图1中的管理设备106,或者,该计算机设备也可以是独立于上述移动感知网络的个人计算机或者服务器。
图3是本发明一示例性实施例示出的移动感知网络中的参考节点位置确定方法的方法流程图。该移动感知网络中的参考节点位置确定方法可以用于确定移动感知网络中的参考节点的位置。该移动感知网络中的参考节点位置确定方法可以包括如下步骤:
步骤301,获取在各个备选参考位置处模拟部署参考节点的情况下,各个数据采集节点之间的数据相交点,该数据相交点指示两个数据采集节点之间存在时间和空间上相近的一对采集数据,该各个数据采集节点包括位置固定的至少一个参考节点以及位置随时间变化的至少一个移动节点。
其中,备选参考位置是能够设置参考节点的位置。
在本发明实施例中,在获取数据相交点时,可以获取该至少一个移动节点的数据采集位置和数据采集时间,并获取时间阈值和距离阈值,该时间阈值是该数据相交点指示的一对采集数据的数据采集时间之间的差值上限,该距离阈值是该数据相交点指示的一对采集数据的数据采集位置之间的距离上限;根据该至少一个移动节点的数据采集位置和数据采集时间,该时间阈值和距离阈值,以及该各个备选参考位置,获取各个数据采集节点之间的数据相交点。
上述步骤301执行在实际部署参考节点之前,此时,并没有在备选参考位置中实际部署参考节点,甚至是部分或者全部的移动节点也没有实际部署,而数据相交点指示的是两个数据采集节点分别在相近的时间和地点处采集到的数据所组成的数据对,在本发明实施例中,可以使用移动节点对应的定位数据,比如GPS(Global Positioning System,全球定位系统)数据,代替采集数据来确定两个数据采集节点之间的数据相交点。
具体比如,以基于城市公交系统的,用于采集环境数据的移动感知网络为例,城市中运行的公交车可以用来部署移动节点,各个公交站台可以用来部署参考节点,其中,未部署参考节点的公交站台可以视为备选参考位置。通过本发明实施例所示的方法,首先假设在所有的公交站台都部署有参考节点,且假设部署的参考节点在全时段采集数据。对于已经部署了移动节点的公交车,可以获取在这些公交车上部署的移动节点采集到的各个环境数据,以及上述各个环境数据分别对应的时间信息和位置信息,其中,时间信息指示对应的数据被采集的时间,而位置信息指示对应的数据被采集时的地理位置;对于将要部署或者有可能部署移动节点的公交车,可以获取这些公交车上的定位设备采集到的定位数据;其中,对于某一个公交车上的定位设备来说,获取的该定位设备采集的定位数据的时间信息和位置信息,与将要或者可能在该公交车上部署的移动节点所采集的环境数据的时间信息和位置信息相同。在根据上述获取到的环境数据以及定位数据确定数据相交点时,对于不同的节点组合,确定数据相交点的方式可以如下:
1)对于两个已经部署的移动节点,计算机设备可以根据两个已部署的移动节点分别采集的环境数据的时间信息和位置信息来确定这两个移动节点之间的数据相交点。
具体比如,以移动节点部署在公交车上为例,假设已有两个在不同的公交车上分别部署的移动节点A和移动节点B,对于移动节点A采集到的一组环境数据a(一组环境数据是移动节点某一时间在某一地点采集到的至少一种环境数据),可以查找移动节点B采集到的各组环境数据中是否存在与该组环境数据a相匹配的环境数据b,其中,环境数据a的时间信息所指示的时间与环境数据b的时间信息所指示的时间之间的差值小于某一时间差阈值(比如5分钟),并且,环境数据a的位置信息所指示的地理位置与环境数据b的位置信息所指示的地理位置之间的距离小于某一距离阈值(比如100米),若存在该环境数据b,则可以将环境数据a和环境数据b确定为移动节点A和移动节点B之间的数据相交点。
2)对于一个已经部署的移动节点和一个将要或者可能部署的移动节点,计算机设备可以根据已部署的移动节点采集的环境数据的时间信息和位置信息,以及将要或者可能部署的移动节点所在的公交车上的定位设备采集的定位数据的时间信息和位置信息,来确定这两个移动节点之间的数据相交点。
具体比如,以移动节点部署在公交车上为例,假设一个公交车上已经部署了移动节点A,而另一公交车上将要部署移动节点C,对于移动节点A采集到的一组环境数据a(一组环境数据是移动节点某一时间在某一地点采集到的至少一种环境数据),可以查找移动节点C所在公交车上的定位设备采集到的各组定位数据中,是否存在与该组环境数据a相匹配的定位数据c,其中,环境数据a的时间信息所指示的时间与定位数据c的时间信息所指示的时间之间的差值小于某一时间差阈值,并且,环境数据a的位置信息所指示的地理位置与定位数据c的位置信息所指示的地理位置之间的距离小于某一距离阈值,若存在该定位数据c,则可以将环境数据a和定位数据c确定为移动节点A和移动节点C之间的数据相交点。
3)对于一个已经部署的移动节点和一个已部署的参考节点,计算机设备确定这两个节点之间的数据相交点的方式与确定两个已部署的移动节点之间的数据相交点的方式类似,即计算机设备可以根据这两个已部署的节点分别采集的环境数据的时间信息和位置信息来确定这两个节点之间的数据相交点。
4)对于一个将要部署或者可能部署的移动节点和一个已部署的参考节点,计算机设备根据将要或者可能部署的移动节点所在的公交车上的定位设备采集的定位数据的时间信息和位置信息,以及已部署的参考节点采集的环境数据的时间信息和位置信息来确定这两个节点之间的数据相交点,具体的确定方法与上述确定一个已经部署的移动节点和一个将要或者可能部署的移动节点之间的数据相交点类似。
5)对于一个已经部署的移动节点和一个尚未部署的参考节点,计算机设备根据已部署的移动节点采集的环境数据的时间信息和位置信息,以及尚未部署的参考节点对应的公交站台,即备选参考位置的位置信息(此时,假设参考节点全时段采集环境信息),确定这两个节点之间的数据相交点。
具体比如,以移动节点部署在公交车上为例,假设已有在公交车上部署的移动节点A,和一个尚未部署的参考节点D,对于移动节点A采集到的一组环境数据a,可以确定该环境数据a的位置信息所指示的地理位置与参考节点D所在的地理位置之间的距离是否小于某一距离阈值(比如100米),若是,则将该环境数据a与该参考节点D在环境数据a的时间信息所指示的时间点前后预设时间范围(比如前后5分钟)内采集的每个数据分别确定为移动节点A和参考节点D之间的数据相交点。其中,由于参考节点D尚未部署,因此,上述参考节点D采集的数据可以使用任意数据代替。
6)对于一个将要部署或者可能部署的移动节点和一个尚未部署的参考节点,计算机设备根据将要或者可能部署的移动节点所在的公交车上的定位设备采集的定位数据的时间信息和位置信息,以及尚未部署的参考节点对应的公交站台,即备选参考位置的位置信息,确定这两个节点之间的数据相交点。
具体比如,以移动节点部署在公交车上为例,假设一个公交车上将要部署移动节点C,以及某个站台将要部署参考节点D(尚未部署),对于移动节点C所在的公交车上的定位设备采集到的一组定位数据c(该定位设备采集定位数据的时间与移动节点C采集环境数据的时间相同),可以确定该定位数据c的位置信息所指示的地理位置与参考节点D所在的地理位置之间的距离是否小于某一距离阈值(比如100米),若是,则将该定位数据c与该参考节点D在定位数据c的时间信息所指示的时间点前后预设时间范围(比如前后5分钟)内采集的每个数据分别确定为移动节点C和参考节点D之间的数据相交点。其中,由于参考节点D尚未部署,因此,上述参考节点D采集的数据可以使用任意数据代替。
步骤302,根据该各个数据采集节点之间的数据相交点生成相交点连接图,该相交点连接图用于指示该各个数据采集节点之间的边。
具体的,在生成相交点连接图时,可以根据该各个数据采集节点之间的数据相交点的数量,确定该各个数据采集节点之间的边;并根据该各个数据采集节点之间的边生成该相交点连接图。
可选的,在根据该各个数据采集节点之间的数据相交点的数量,确定该各个数据采集节点之间的边时,对于该各个数据采集节点中的任意两个数据采集节点,当该两个数据采集节点之间的数据相交点的数量大于预设的数量阈值时,确定该两个数据采集节点之间存在边。
在本发明实施例中,为了使得每个移动节点都能够被重复多次校准,在确定两个数据采集节点之间是否存在边时,可以预先设置一个数量阈值,当两个数据采集节点之间的数据相交点的数量大于该数量阈值时,即可以认为这两个数据采集节点之间存在边,即这两个数据采集节点中的一个节点可以对另一个节点进行足够次数的重复校准。
步骤303,根据该相交点连接图,从该各个备选参考位置中确定出真实部署该参考节点的位置。
其中,在确定真实部署的参考节点的位置时,对于该至少一个参考节点中的每一个参考节点,根据该相交点连接图,确定该参考节点对应的可校准节点集合,该可校准节点集合是该至少一个移动节点中,距离该参考节点的最小路径长度小于预设的路径长度阈值的移动节点所组成的移动节点集合;根据该至少一个参考节点各自对应的可校准节点集合确定目标位置集合,该目标位置集合由该各个备选参考位置中的全部或者部分备选参考位置组成,且满足预设条件的集合;其中,该预设条件包括:在该目标位置集合中包含的备选参考位置处设置的参考节点各自对应的可校准节点集合的并集为该至少一个移动节点组成的集合。
可选的,在根据该相交点连接图,确定该参考节点对应的可校准节点集合时,可以根据该相交点连接图,通过BFS(Breadth First Search,广度优先搜索)算法确定该参考节点对应的可校准节点集合。
可选的,除了满足上述预设条件之外,上述目标位置集合还可以满足以下条件:
1)上述目标位置集合是该各个备选参考位置所组成的集合对应的,满足该预设条件的子集中,包含的元素的数量最小的集合。
2)该目标位置集合是该各个备选参考位置所组成的集合对应的,满足该预设条件的子集中,包含的元素的数量最小,且在包含的备选参考位置处设置的参考节点对应的校准增益最大的集合,该校准增益是在对应的参考节点的可校准节点集合中的各个移动节点被部署的概率之和。
3)该目标位置集合是该各个备选参考位置所组成的集合对应的,满足该预设条件的子集中,在包含的备选参考位置处设置的参考节点的成本最低的集合。
4)该目标位置集合是该各个备选参考位置所组成的集合对应的,满足该预设条件的子集中,在包含的备选参考位置处设置的参考节点对应的校准增益最大,且在包含的备选参考位置处设置的参考节点的成本最低的集合。
具体的,本发明实施例以基于城市公交系统的,用于采集环境数据的移动感知网络为例,城市中运行的公交车用来部署移动节点,各个公交站台用来部署参考节点,在实际网络部署时,参考节点部署问题可以分为两种:
①一次部署问题,即所有的移动节点已经完全部署好,后续不会增添。此时需要部署最少的参考节点来保证整个网络k-hop可校准。
②增量部署问题,即假设已经部署部分移动节点和参考节点,后续还会新增部署移动节点,此时需要继续部署参考节点以确保现有以及新部署的移动节点都k-hop可校准。
以将移动节点部署在城市公交车上,对城市环境数据进行采集为例,在本发明实施例中,可以将已被部署移动节点的公交车所经过的所有公交站点作为备选参考位置(即参考节点部署候选位置),并选择部分公交车站点进行部署,从而对整个网络的移动节点数据进行校准。(对于参考节点部署候选位置的选择,只需选择能够和移动节点产生较多数据相交点的位置即可,在上述场景中,公交站点明显为较佳位置)。
为了方便阐述,首先定义如下符号:
U:低精度低成本移动节点集合,ui∈U;
R:高精度高成本参考节点集合,ri∈R;
R’:虚拟的参考节点集合,即在没有真正部署参考节点ri之前,假设在每个候选位置上都存在一个虚拟的参考节点,其与真实参考节点无异(该概念是为了方便部署问题定义,没有实际物理含义);
L:备选参考位置组成的集合,li∈L,|L|=|R′|。li为01变量。li=1,指在该位置真实部署一个参考节点ri;li=0,指在该处没有部署实际节点,但存一个虚拟的参考节点;
G:相交点连接图,G=(V,E),其中V代表所有节点的集合,E={(u,v)|u,v两个节点之间存在一定量数据相交点};
Ri:li=1时,能够被此处部署的参考节点k-hop校准的所有的移动节点的集合,1≤i≤|L|。
一、对于一次部署问题:
一次部署问题,实际需要获得的目标位置集合,是各个备选参考位置所组成的集合对应的,满足上述预设条件的子集中,包含的元素的数量最小的集合。
在本发明实施例中,在所有移动节点已部署的情况下,根据公交车在移动过程中,与其它已部署的移动节点之间产生的数据相交点,可以构建相交点连接图G=(U∪R′,E)。由于公交车的运动轨迹一般是稳定的,因此图G为稳定图,可以对其进行相关分析。本发明实施例所要解决的问题,就是从R′中选择最少的参考节点使得整个网络是k-hop可校准的,其中,k值可以由开发人员或者网络管理人员预先人工设置。
上述问题可以看作是集合覆盖问题。因为当k确定时,在每一个参考节点部署候选位置li实际部署一个真实参考节点ri,可以利用BFS算法计算出能被该参考节点k-hop校准的所有的移动节点的集合Ri,那么此时问题就转化为如何选取S(S={R1,R2,…,R|L|})的一个最小的子集,使得该最小子集中的所有元素的并集为U。即上述问题其实可以看作是一个集合覆盖问题。
对于集合覆盖问题,通过贪心算法即可以求得近似比为(1+log|U|)的近似解,其具体伪代码如下:
算法1:求解一次部署问题的贪心算法
上述算法求解得到的为近似解,适合当网络规模非常大时进行求解。
而当网络规模较小,可以采用有效的指数级算法(分枝定界法)进行求解。具体的,首先可以将上述一次部署问题归约成整数规划问题,其符号化表示如下:
li∈{0,1} 1≤i≤|L|
i:u∈Ri
上述归约中,优化目标是最小化部署的参考节点数量。约束条件是对于每一个移动节点,至少有一个参考节点能够对其进行k-hop校准。
同样的,在求解问题之前,首先根据BFS算法求解得到Ri(1≤i≤|L|)。然后通过分枝定界法,将上述优化目标、约束条件参数作为输入,即可进行求解。
二、对于增量部署问题:
在实际应用中,移动传采集网络中节点的部署往往是增量式的。假设U0和R0分别代表已经部署的移动节点集合和参考节点集合(用L0(L0={li|li=1})代表已经部署参考节点的位置集合。如果需要在部分公交车上继续部署移动节点(U1代表此类节点集合),则需要继续部署参考节点保证整个网络都是k-hop可校准。
请参考图4,其示出了本发明实施例涉及的一种相交点连接图。以图4为例,我们假设(即在初始并没有任何节点部署),当k=2时,R1={u1,u2},R2={u1,u4,u5},R3={u2,u3,u5}。如果计划部署移动节点U1={u1,u2,u3},则需要选择性部署r1,r2,r3使得即将部署的移动节点都被校准。通过图4可以发现,选择性部署r1,r2,r3的问题和上述一次部署问题相似,因此可以使用上述两种算法(贪心算法或者分枝定界法)对其进行求解。使用贪心算法求解得到的结果是r1,r3。同样的,如果想在下一步继续部署u4,u5,那么需要继续部署r2使得u4能被校准。结合图4可知,如果一开始就选择部署r2,r3,不仅可以在初始阶段校准u1,u2,u3,也可以满足未来的校准需求(部署u4,u5时);或者如果已经部署的参考节点r1能够再次部署到其他位置(r1移动至r2),同样可以只部署2个参考节点就得到同样的校准目的。
通过上述分析可以发现,增量部署参考节点时需要考虑以下两个因素:
①是否需要考虑未来校准需求;
②是否可以再次部署之前部署过的参考节点。
而根据在分析增量部署问题时是否考虑上述两个因素时,可以将增量部署问题拓展成如下四类子问题:
1、参考节点不可再次部署和不考虑未来校准需求的增量部署问题。
2、参考节点不可再次部署但考虑未来校准需求的增量部署问题。
3、参考节点可以再次部署但不考虑未来校准需求的增量部署问题。
4、参考节点可以再次部署和考虑未来校准需求的增量部署问题。
对于上述四类子问题的解决方案可以如下:
1、参考节点不可再次部署和不考虑未来校准需求的增量部署问题:
首先,对该问题进行符号化表述:已经部署部分移动节点和参考节点为U0和R0,因此,S={R1,R2,…,R|L|}的部分元素已被选择(假设他们并集为S0)。这意味着对应的{ri}已经被部署,且部分移动节点Uc(Uc∈(U0∪U1))已经可以被校准。则需要解决问题就是如何选择S-S0的一个最小的子集去覆盖U′1(U′1=(U0∪U1)-Uc。该问题与上述一次部署问题类似,即实际需要获得的目标位置集合,是各个备选参考位置所组成的集合对应的,满足上述预设条件的子集中,包含的元素的数量最小的集合,可以通过上述(贪心算法或者分枝定界法)进行求解。
2、参考节点不可再次部署但考虑未来校准需求的增量部署问题:
若考虑新增的移动节点的校准需求,则首先使用U2代表现在没有部署但未来可能部署的移动节点集合,例如在图4中U2={u4,u5}。然后对于任意移动节点u∈U2,存在未来被部署的可能性pu(0≤pu≤1)),例如,如果pu=0.8,即意味着该移动节点在未来有80%的可能性会被部署。那对于任意的参考节点ri,则会衍生出一个新的属性μi:
μi代表参考节点ri对未来校准需求的增益。
此时,所要解决的问题就转换为在选择最少的参考节点以保证整个网络是k-hop校准的同时,最大化选择的参考节点的μi的总和。即实际需要获得的目标位置集合是该各个备选参考位置所组成的集合对应的,满足该预设条件的子集中,包含的元素的数量最小,且在包含的备选参考位置处设置的参考节点对应的校准增益最大的集合,该校准增益是在对应的参考节点的可校准节点集合中的各个移动节点被部署的概率之和。
对求解该问题,可以对上述贪心算法进行改进,即在选择能够校准最多移动节点的参考节点时,如果存在多个参考节点,且该多个参考节点能够校准的移动节点个数相同,则选择对应属性μi更大的参考节点)。其具体伪代码如下:
算法2:求解参考节点不可再次部署但考虑未来校准需求的增量部署问题的贪心算法
对应图4,假设p4=p5=0.5。根据公式(1),计算出μ1=0,μ2=1,μ3=0.5。然后应用上述算法2,其结果是选择性部署r2,r3。
在另一种可能的实现方式中,上述问题也可以转换为多目标优化问题。对于求解多目标优化问题,一个常用的解决方式,是将一个优化目标转化为约束条件。比如,本发明实施例中,可以将上述问题转换为整数规划问题,符号化表示如下(优化目标为最大化选择的参考节点的μi的总和):
其中N*代表在不考虑未来校准需求的需要部署的最少的参考节点数量(N*可通过一次部署问题中的分枝定界法求得);γ≥1是一个可调阈值,意味着在考虑未来校准需求的同时,部署的参考节点数量相对N*最大的增益。求解该问题同样可以使用上述分枝定界法,此处不再详述。
3、参考节点可以再次部署但不考虑未来校准需求的增量部署问题:即实际需要获得的目标位置集合,
若考虑将之前部署的参考节点再次部署到其他位置(实际应用中这往往是可能的,但需要耗费一定的成本),在本发明实施例中,首先使用L0 代表之前的参考节点部署情况(代表之前部署了一个参考节点在li处)。重用L(li∈L)代表新的参考节点部署情况。为了更好的定义该问题,本发明实施例引入两个新的物理量:
①部署一个新的参考节点所耗费的成本CN;
②将一个已经部署的参考节点再次部署到其他位置所耗费的成本CR。
对于任意参考节点候选位置li,存在以下四种可能:
此处之前没有部署参考节点,且现在也不部署参考节点,也就是则所涉及的金钱成本是ci=0。
此处之前没有部署参考节点,但现在将会部署参考节点,也就是则所涉及的金钱成本是ci=CN。
此处之前已经部署参考节点,但该参考节点将会移除,也就是则所涉及的金钱成本是ci=CR-CN。
此处之前已经部署参考节点,且该参考节点将继续存在,也就是则所涉及的金钱成本是ci=0。
上述四种可能,完整覆盖了对于任意参考节点候选位置li,部署状态的前后变化。
此时,优化目标转化为最小化部署的成本而不是部署的参考节点的数量。即实际需要获得的目标位置集合,是各个备选参考位置所组成的集合对应的,满足该预设条件的子集中,在包含的备选参考位置处设置的参考节点的成本最低的集合。
线性优化目标完全符合上述四种情况,因此该问题同样可以转化为整数规划问题。符号化表示如下:
min∑1≤i≤|L|f(li);
li∈{0,1} 1≤i≤|L|;
求解该问题可以使用分枝定界法,此处不再详述。
4、参考节点可以再次部署和考虑未来校准需求的增量部署问题:
若考虑未来的校准需求和将之前部署的参考节点再次部署到其他位置,此时的优化目标是在最小化参考节点的部署成本的同时,最大化选择的参考节点的μi的总和。即实际需要获得的目标位置集合,是该各个备选参考位置所组成的集合对应的,满足该预设条件的子集中,在包含的备选参考位置处设置的参考节点对应的校准增益最大,且在包含的备选参考位置处设置的参考节点的成本最低的集合。
该问题可以转化为整数规划问题,符号化表示如下:
max∑1≤i≤|L|μili;
li∈{0,1} 1≤i≤|L|;
其中C*代表在不考虑未来校准需求的最少的参考节点部署成本。求解该问题可以使用分枝定界法,此处不再详述。
应用上述部署方法,在最小化参考节点部署的数量/成本的同时,确保整个移动采集网络中所有移动节点都被重复性校准。在确定参考节点的部署位置之后,即可以对移动节点的测量数据进行校准。
在进行数据采集和测量时,绝大多数低成本传感器的测量值mu和真实值η呈现如下的一个线性关系,因此对于所有传感器,可以假设:
η=αu+βumu+eu;
其中αu,βu是校准系数,eu是一个符合高斯分布且均值为零的噪音分量。假设,对于参考节点η=mu,即真实值等于测量值,所以可以利用参考节点和移动节点的数据相交点对移动节点进行校准。
具体的,在本发明实施例中,可以通过几何均值回归方法进行多跳校准。
综上所述,本发明实施例所示的方法,在确定真实部署参考节点的位置时,根据移动节点的数据采集情况(包括采集时间和采集地点),从可以部署参考节点的各个备选参考位置中确定出真实部署参考节点的位置,使得参考节点的部署能够尽量的满足移动节点的数据校准需求,从而提高移动感知网络中的数据校准效果。
图5是根据一示例性实施例示出的一种移动感知网络中的参考节点位置确定装置的结构方框图。该移动感知网络中的参考节点位置确定装置可以用于计算机设备中,以执行图3所示实施例中的全部或者部分步骤。该移动感知网络中的参考节点位置确定装置可以包括:
相交点获取模块501,用于获取在各个备选参考位置处模拟部署参考节点的情况下,各个数据采集节点之间的数据相交点,所述数据相交点指示两个数据采集节点之间存在时间和空间上相近的一对采集数据,所述各个数据采集节点包括位置固定的至少一个参考节点以及位置随时间变化的至少一个移动节点;
连接图生成模块502,用于根据所述各个数据采集节点之间的数据相交点生成相交点连接图,所述相交点连接图用于指示所述各个数据采集节点之间的边;
位置确定模块503,用于根据所述相交点连接图,从所述各个备选参考位置中确定出真实部署所述参考节点的位置。
可选的,所述相交点获取模块,包括:
第一获取单元,用于获取所述至少一个移动节点的数据采集位置和数据采集时间;
第二获取单元,用于获取时间阈值和距离阈值,所述时间阈值是所述数据相交点指示的一对采集数据的数据采集时间之间的差值上限,所述距离阈值是所述数据相交点指示的一对采集数据的数据采集位置之间的距离上限;
第三获取单元,用于根据所述至少一个移动节点的数据采集位置和数据采集时间,所述时间阈值和距离阈值,以及所述各个备选参考位置,获取所述在所述各个数据采集节点之间的数据相交点。
可选的,所述连接图生成模块,包括:
第一确定单元,用于根据所述各个数据采集节点之间的数据相交点的数量,确定所述各个数据采集节点之间的边;
生成单元,用于根据所述各个数据采集节点之间的边生成所述相交点连接图。
可选的,所述第一确定单元,用于
对于所述各个数据采集节点中的任意两个数据采集节点,当所述两个数据采集节点之间的数据相交点的数量大于预设的数量阈值时,确定所述两个数据采集节点之间存在边。
可选的,所述位置确定模块,包括:
第二确定单元,用于对于所述至少一个参考节点中的每一个参考节点,根据所述相交点连接图,确定所述参考节点对应的可校准节点集合,所述可校准节点集合是所述至少一个移动节点中,距离所述参考节点的最小路径长度小于预设的路径长度阈值的移动节点所组成的移动节点集合;
第三确定单元,用于根据所述至少一个参考节点各自对应的可校准节点集合确定目标位置集合,所述目标位置集合由所述各个备选参考位置中的全部或者部分备选参考位置组成,且满足预设条件的集合;
其中,所述预设条件包括:在所述目标位置集合中包含的备选参考位置处设置的参考节点各自对应的可校准节点集合的并集为所述至少一个移动节点组成的集合。
可选的,所述第二确定单元,用于根据所述相交点连接图,通过广度优先搜索算法确定所述参考节点对应的可校准节点集合。
可选的,所述目标位置集合是所述各个备选参考位置所组成的集合对应的,满足所述预设条件的子集中,包含的元素的数量最小的集合;
或者,所述目标位置集合是所述各个备选参考位置所组成的集合对应的,满足所述预设条件的子集中,包含的元素的数量最小,且在包含的备选参考位置处设置的参考节点对应的校准增益最大的集合,所述校准增益是在对应的参考节点的可校准节点集合中的各个移动节点被部署的概率之和;
或者,所述目标位置集合是所述各个备选参考位置所组成的集合对应的,满足所述预设条件的子集中,在包含的备选参考位置处设置的参考节点的成本最低的集合;
或者,所述目标位置集合是所述各个备选参考位置所组成的集合对应的,满足所述预设条件的子集中,在包含的备选参考位置处设置的参考节点对应的校准增益最大,且在包含的备选参考位置处设置的参考节点的成本最低的集合。
综上所述,本发明实施例所示的装置,在确定真实部署参考节点的位置时,根据移动节点的数据采集情况(包括采集时间和采集地点),从可以部署参考节点的各个备选参考位置中确定出真实部署参考节点的位置,使得参考节点的部署能够尽量的满足移动节点的数据校准需求,从而提高移动感知网络中的数据校准效果。
图6是根据一示例性实施例示出的一种电子设备的结构示意图。所述电子设备600包括中央处理单元(CPU)601、包括随机存取存储器(RAM)602和只读存储器(ROM)603的系统存储器604,以及连接系统存储器604和中央处理单元601的系统总线605。所述电子设备600还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)606,和用于存储操作系统613、应用程序614和其他程序模块615的大容量存储设备607。
所述基本输入/输出系统606包括有用于显示信息的显示器608和用于用户输入信息的诸如鼠标、键盘之类的输入设备609。其中所述显示器608和输入设备609都通过连接到系统总线605的输入输出控制器610连接到中央处理单元601。所述基本输入/输出系统606还可以包括输入输出控制器610以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器610还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备607通过连接到系统总线605的大容量存储控制器(未示出)连接到中央处理单元601。所述大容量存储设备607及其相关联的计算机可读介质为电子设备600提供非易失性存储。也就是说,所述大容量存储设备607可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。
不失一般性,所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术,CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器604和大容量存储设备607可以统称为存储器。
电子设备600可以通过连接在所述系统总线605上的网络接口单元611连接到互联网或者其它网络设备。
所述存储器还包括一个或者一个以上的程序,所述一个或者一个以上程序存储于存储器中,中央处理器601通过执行该一个或一个以上程序来实现图3所示的方法的全部或者部分步骤。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括计算机程序(指令)的存储设备,上述程序(指令)可由电子设备的处理器执行以完成本发明各个实施例所示的移动感知网络中的参考节点位置确定方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (15)
1.一种移动感知网络中的参考节点位置确定方法,其特征在于,所述方法包括:
获取在各个备选参考位置处模拟部署参考节点的情况下,各个数据采集节点之间的数据相交点,所述数据相交点指示两个数据采集节点之间存在时间和空间上相近的一对采集数据,所述各个数据采集节点包括位置固定的至少一个参考节点以及位置随时间变化的至少一个移动节点;
根据所述各个数据采集节点之间的数据相交点生成相交点连接图,所述相交点连接图用于指示所述各个数据采集节点之间的边;
根据所述相交点连接图,从所述各个备选参考位置中确定出真实部署所述参考节点的位置。
2.根据权利要求1所述的方法,其特征在于,所述获取在各个备选参考位置处模拟部署参考节点的情况下,各个数据采集节点之间的数据相交点,包括:
获取所述至少一个移动节点的数据采集位置和数据采集时间;
获取时间阈值和距离阈值,所述时间阈值是所述数据相交点指示的一对采集数据的数据采集时间之间的差值上限,所述距离阈值是所述数据相交点指示的一对采集数据的数据采集位置之间的距离上限;
根据所述至少一个移动节点的数据采集位置和数据采集时间,所述时间阈值和距离阈值,以及所述各个备选参考位置,获取所述各个数据采集节点之间的数据相交点。
3.根据权利要求1所述的方法,其特征在于,所述根据所述各个数据采集节点之间的数据相交点生成相交点连接图,包括:
根据所述各个数据采集节点之间的数据相交点的数量,确定所述各个数据采集节点之间的边;
根据所述各个数据采集节点之间的边生成所述相交点连接图。
4.根据权利要求3所述的方法,其特征在于,所述根据所述各个数据采集节点之间的数据相交点的数量,确定所述各个数据采集节点之间的边,包括:
对于所述各个数据采集节点中的任意两个数据采集节点,当所述两个数据采集节点之间的数据相交点的数量大于预设的数量阈值时,确定所述两个数据采集节点之间存在边。
5.根据权利要求1所述的方法,其特征在于,所述根据所述相交点连接图,从所述各个备选参考位置中确定出真实部署所述参考节点的位置,包括:
对于所述至少一个参考节点中的每一个参考节点,根据所述相交点连接图,确定所述参考节点对应的可校准节点集合,所述可校准节点集合是所述至少一个移动节点中,距离所述参考节点的最小路径长度小于预设的路径长度阈值的移动节点所组成的移动节点集合;
根据所述至少一个参考节点各自对应的可校准节点集合确定目标位置集合,所述目标位置集合由所述各个备选参考位置中的全部或者部分备选参考位置组成,且满足预设条件的集合;
其中,所述预设条件包括:在所述目标位置集合中包含的备选参考位置处设置的参考节点各自对应的可校准节点集合的并集为所述至少一个移动节点组成的集合。
6.根据权利要求5所述的方法,其特征在于,根据所述相交点连接图,确定所述参考节点对应的可校准节点集合,包括:
根据所述相交点连接图,通过广度优先搜索算法确定所述参考节点对应的可校准节点集合。
7.根据权利要求5或6所述的方法,其特征在于,
所述目标位置集合是所述各个备选参考位置所组成的集合对应的,满足所述预设条件的子集中,包含的元素的数量最小的集合;
或者,所述目标位置集合是所述各个备选参考位置所组成的集合对应的,满足所述预设条件的子集中,包含的元素的数量最小,且在包含的备选参考位置处设置的参考节点对应的校准增益最大的集合,所述校准增益是在对应的参考节点的可校准节点集合中的各个移动节点被部署的概率之和;
或者,所述目标位置集合是所述各个备选参考位置所组成的集合对应的,满足所述预设条件的子集中,在包含的备选参考位置处设置的参考节点的成本最低的集合;
或者,所述目标位置集合是所述各个备选参考位置所组成的集合对应的,满足所述预设条件的子集中,在包含的备选参考位置处设置的参考节点对应的校准增益最大,且在包含的备选参考位置处设置的参考节点的成本最低的集合。
8.一种移动感知网络中的参考节点位置确定装置,其特征在于,所述装置包括:
相交点获取模块,用于获取在各个备选参考位置处模拟部署参考节点的情况下,各个数据采集节点之间的数据相交点,所述数据相交点指示两个数据采集节点之间存在时间和空间上相近的一对采集数据,所述各个数据采集节点包括位置固定的至少一个参考节点以及位置随时间变化的至少一个移动节点;
连接图生成模块,用于根据所述各个数据采集节点之间的数据相交点生成相交点连接图,所述相交点连接图用于指示所述各个数据采集节点之间的边;
位置确定模块,用于根据所述相交点连接图,从所述各个备选参考位置中确定出真实部署所述参考节点的位置。
9.根据权利要求8所述的装置,其特征在于,所述相交点获取模块,包括:
第一获取单元,用于获取所述至少一个移动节点的数据采集位置和数据采集时间;
第二获取单元,用于获取时间阈值和距离阈值,所述时间阈值是所述数据相交点指示的一对采集数据的数据采集时间之间的差值上限,所述距离阈值是所述数据相交点指示的一对采集数据的数据采集位置之间的距离上限;
第三获取单元,用于根据所述至少一个移动节点的数据采集位置和数据采集时间,所述时间阈值和距离阈值,以及所述各个备选参考位置,获取所述各个数据采集节点之间的数据相交点。
10.根据权利要求8所述的装置,其特征在于,所述连接图生成模块,包括:
第一确定单元,用于根据所述各个数据采集节点之间的数据相交点的数量,确定所述各个数据采集节点之间的边;
生成单元,用于根据所述各个数据采集节点之间的边生成所述相交点连接图。
11.根据权利要求10所述的装置,其特征在于,所述第一确定单元,用于
对于所述各个数据采集节点中的任意两个数据采集节点,当所述两个数据采集节点之间的数据相交点的数量大于预设的数量阈值时,确定所述两个数据采集节点之间存在边。
12.根据权利要求8所述的装置,其特征在于,所述位置确定模块,包括:
第二确定单元,用于对于所述至少一个参考节点中的每一个参考节点,根据所述相交点连接图,确定所述参考节点对应的可校准节点集合,所述可校准节点集合是所述至少一个移动节点中,距离所述参考节点的最小路径长度小于预设的路径长度阈值的移动节点所组成的移动节点集合;
第三确定单元,用于根据所述至少一个参考节点各自对应的可校准节点集合确定目标位置集合,所述目标位置集合由所述各个备选参考位置中的全部或者部分备选参考位置组成,且满足预设条件的集合;
其中,所述预设条件包括:在所述目标位置集合中包含的备选参考位置处设置的参考节点各自对应的可校准节点集合的并集为所述至少一个移动节点组成的集合。
13.根据权利要求12所述的装置,其特征在于,
所述第二确定单元,用于根据所述相交点连接图,通过广度优先搜索算法确定所述参考节点对应的可校准节点集合。
14.根据权利要求12或13所述的装置,其特征在于,
所述目标位置集合是所述各个备选参考位置所组成的集合对应的,满足所述预设条件的子集中,包含的元素的数量最小的集合;
或者,所述目标位置集合是所述各个备选参考位置所组成的集合对应的,满足所述预设条件的子集中,包含的元素的数量最小,且在包含的备选参考位置处设置的参考节点对应的校准增益最大的集合,所述校准增益是在对应的参考节点的可校准节点集合中的各个移动节点被部署的概率之和;
或者,所述目标位置集合是所述各个备选参考位置所组成的集合对应的,满足所述预设条件的子集中,在包含的备选参考位置处设置的参考节点的成本最低的集合;
或者,所述目标位置集合是所述各个备选参考位置所组成的集合对应的,满足所述预设条件的子集中,在包含的备选参考位置处设置的参考节点对应的校准增益最大,且在包含的备选参考位置处设置的参考节点的成本最低的集合。
15.一种存储设备,其中存储有多条指令,所述指令适于由处理器加载并执行:
获取在各个备选参考位置处模拟部署参考节点的情况下,各个数据采集节点之间的数据相交点,所述数据相交点指示两个数据采集节点之间存在时间和空间上相近的一对采集数据,所述各个数据采集节点包括位置固定的至少一个参考节点以及位置随时间变化的至少一个移动节点;
根据所述各个数据采集节点之间的数据相交点生成相交点连接图,所述相交点连接图用于指示所述各个数据采集节点之间的边;
根据所述相交点连接图,从所述各个备选参考位置中确定出真实部署所述参考节点的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710707048.XA CN109429194B (zh) | 2017-08-17 | 2017-08-17 | 移动感知网络中的参考节点位置确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710707048.XA CN109429194B (zh) | 2017-08-17 | 2017-08-17 | 移动感知网络中的参考节点位置确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109429194A true CN109429194A (zh) | 2019-03-05 |
CN109429194B CN109429194B (zh) | 2020-12-11 |
Family
ID=65497610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710707048.XA Active CN109429194B (zh) | 2017-08-17 | 2017-08-17 | 移动感知网络中的参考节点位置确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109429194B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110749346A (zh) * | 2019-09-12 | 2020-02-04 | 南京邮电大学 | 面向城市环境监测的移动无线传感网数据感知的校准方法 |
CN113867933A (zh) * | 2021-08-10 | 2021-12-31 | 中标慧安信息技术股份有限公司 | 边缘计算应用部署方法和装置 |
CN114078325A (zh) * | 2020-08-19 | 2022-02-22 | 北京万集科技股份有限公司 | 多感知系统配准方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101860786A (zh) * | 2009-04-09 | 2010-10-13 | 北京易安特信息科技有限公司 | 基于区域的移动节点管理的方法和系统 |
CN102740312A (zh) * | 2012-07-12 | 2012-10-17 | 北京邮电大学 | 无线传感器网络的覆盖控制方法 |
CN103414999A (zh) * | 2013-08-27 | 2013-11-27 | 成都思晗科技有限公司 | 一种基于无线传感器网络的定位方法 |
CN104301907A (zh) * | 2014-11-11 | 2015-01-21 | 东南大学 | 混杂网络移动节点覆盖探测方法及节点部署选择方法 |
CN106908095A (zh) * | 2017-01-09 | 2017-06-30 | 浙江大学 | 一种传感器数据校准特征的提取和评估方法 |
-
2017
- 2017-08-17 CN CN201710707048.XA patent/CN109429194B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101860786A (zh) * | 2009-04-09 | 2010-10-13 | 北京易安特信息科技有限公司 | 基于区域的移动节点管理的方法和系统 |
CN102740312A (zh) * | 2012-07-12 | 2012-10-17 | 北京邮电大学 | 无线传感器网络的覆盖控制方法 |
CN103414999A (zh) * | 2013-08-27 | 2013-11-27 | 成都思晗科技有限公司 | 一种基于无线传感器网络的定位方法 |
CN104301907A (zh) * | 2014-11-11 | 2015-01-21 | 东南大学 | 混杂网络移动节点覆盖探测方法及节点部署选择方法 |
CN106908095A (zh) * | 2017-01-09 | 2017-06-30 | 浙江大学 | 一种传感器数据校准特征的提取和评估方法 |
Non-Patent Citations (1)
Title |
---|
OLGA SAUKH等: ""Reducing Multi-Hop Calibration Errors in Large-Scale Mobile Sensor Networks"", 《ACM》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110749346A (zh) * | 2019-09-12 | 2020-02-04 | 南京邮电大学 | 面向城市环境监测的移动无线传感网数据感知的校准方法 |
CN110749346B (zh) * | 2019-09-12 | 2022-04-26 | 南京邮电大学 | 面向城市环境监测的移动无线传感网数据感知的校准方法 |
CN114078325A (zh) * | 2020-08-19 | 2022-02-22 | 北京万集科技股份有限公司 | 多感知系统配准方法、装置、计算机设备和存储介质 |
CN114078325B (zh) * | 2020-08-19 | 2023-09-05 | 北京万集科技股份有限公司 | 多感知系统配准方法、装置、计算机设备和存储介质 |
CN113867933A (zh) * | 2021-08-10 | 2021-12-31 | 中标慧安信息技术股份有限公司 | 边缘计算应用部署方法和装置 |
CN113867933B (zh) * | 2021-08-10 | 2022-09-09 | 中标慧安信息技术股份有限公司 | 边缘计算应用部署方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109429194B (zh) | 2020-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lippich et al. | Comparing approximate methods for mock catalogues and covariance matrices–I. Correlation function | |
Hacar et al. | Cores, filaments, and bundles: hierarchical core formation in the L1495/B213 Taurus region | |
Iliev et al. | Can 21-cm observations discriminate between high-mass and low-mass galaxies as reionization sources? | |
Bocchini et al. | A stochastic computational framework for the joint transportation network fragility analysis and traffic flow distribution under extreme events | |
CA3115188C (en) | Apparatus and method for providing application service using satellite image | |
Hopkins et al. | The ASKAP/EMU source finding data challenge | |
CN109429194A (zh) | 移动感知网络中的参考节点位置确定方法及装置 | |
CN105260371B (zh) | 一种特征选择方法及装置 | |
CN106153031B (zh) | 运动轨迹表示方法和装置 | |
CN104618045A (zh) | 基于采集数据的无线信道传播模型的建立方法和系统 | |
Lee et al. | Location recognition system using random forest | |
Wang et al. | Research on parallelized real-time map matching algorithm for massive GPS data | |
CN113110605B (zh) | 城市环境下多无人机协同搜索方法及装置 | |
CN108875032B (zh) | 区域类型确定方法及装置 | |
Hao et al. | Integration of multinomial-logistic and Markov-chain models to derive land-use change dynamics | |
US10769768B1 (en) | Apparatus and method for providing application service using satellite image | |
Wenzel et al. | EDIM: Earthquake disaster information system for the Marmara region, Turkey | |
CN109993338A (zh) | 一种链路预测方法及装置 | |
CN109979244A (zh) | 异质飞行器空域拥堵的预测方法和装置 | |
Yulianto et al. | The applications of Monte Carlo algorithm and energy cone model to produce the probability of block-and-ash flows of the 2010 eruption of Merapi volcano in Central Java, Indonesia | |
Farahiyah et al. | Naïve Bayes classifier for indoor positioning using Bluetooth low energy | |
Awad et al. | Probing compact dark matter objects with microlensing in gravitationally lensed quasars | |
Kanevski | A methodology for automatic analysis and modeling of spatial environmental data | |
Kamrani et al. | Simulation-aided path planning of UAV | |
Sung et al. | Estimating ap location using crowdsourced wi-fi fingerprints with inaccurate location labels |
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 |