CN111417084A - 农情获取任务的分配方法、系统、介质和设备 - Google Patents

农情获取任务的分配方法、系统、介质和设备 Download PDF

Info

Publication number
CN111417084A
CN111417084A CN202010222733.5A CN202010222733A CN111417084A CN 111417084 A CN111417084 A CN 111417084A CN 202010222733 A CN202010222733 A CN 202010222733A CN 111417084 A CN111417084 A CN 111417084A
Authority
CN
China
Prior art keywords
data
node
nodes
task
sensing
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
Application number
CN202010222733.5A
Other languages
English (en)
Other versions
CN111417084B (zh
Inventor
李小敏
朱立学
马稚昱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongkai University of Agriculture and Engineering
Original Assignee
Zhongkai University of Agriculture and Engineering
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongkai University of Agriculture and Engineering filed Critical Zhongkai University of Agriculture and Engineering
Priority to CN202010222733.5A priority Critical patent/CN111417084B/zh
Publication of CN111417084A publication Critical patent/CN111417084A/zh
Application granted granted Critical
Publication of CN111417084B publication Critical patent/CN111417084B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30Services specially adapted for particular environments, situations or purposes
    • H04W4/38Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • G06F18/232Non-hierarchical techniques
    • G06F18/2321Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00Routing or path finding of packets in data switching networks
    • H04L45/46Cluster building
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W40/00Communication routing or communication path finding
    • H04W40/02Communication route or path selection, e.g. power-based or shortest path routing
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W40/00Communication routing or communication path finding
    • H04W40/02Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/20Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W40/00Communication routing or communication path finding
    • H04W40/24Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/32Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W84/00Network topologies
    • H04W84/18Self-organising networks, e.g. ad-hoc networks or sensor networks
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Abstract

本发明公开了一种农情获取任务的分配方法、系统、介质和设备,方法包括数据感知任务的分配:基于感知数据相似性机理,将农情获取区域分解为多个数据感知子区域;在每个感知子区域内,剔除上一次参与农情获取任务的节点,建立当前数据感知任务节点集合。数据融合任务的分配:采用聚类算法将参与数据感知任务的节点,按照位置划分为多个虚拟簇;选择距离虚拟簇中心点距离最小且未参与农情感知节点,完成数据融合任务。数据传输任务的分配:基于最远传输距离,选择数据中心与数据融合节点矢量方向上的节点为数据传输节点,完成数据传输任务。本发明方法简单,容易操作。同时考虑了感知节点的能耗平衡。进而延长了节点使用寿命。

Description

农情获取任务的分配方法、系统、介质和设备
技术领域
本发明涉及农业信息的技术领域,具体涉及一种农情获取任务的分配方法、 系统、介质和设备。
背景技术
农业成为主要大国发展的重大战略,精准农业、智慧农业等孕育而生。一 方面,上述新型农业体系以农情获取为基础,农业信息的获取成为当前国内外 研究的热点主题。另一方面,为实现农作物的精细管理等,需要获取多维度的 感知数据,诸如土壤、空气、光照、图像、光谱等数据;同时为实现农业的智 能化与精准化、农情获取系统、过程、任务等的越发的繁琐与复杂。如何在大 规模环境下实现农情获取任务的合理与动态分配成为了当前的亟需解决的问题。
在文献《EH-WSN中针对恶劣环境下的环境监测系统的设计及任务调度算 法研究》,作者提出了基于以上研究基础,提出了一种适用于能量收集型无线传 感器网络的任务调度算法,即根据节点剩余能量决定已收集数据的发送顺序和 方法。在文献《基于负载分割理论的无线传感器网络任务调度算法》将整个无 线传感器网络划分为多个簇进行负载分割,采用簇间和簇内任务调度建立任务 执行过程的时序图,通过最小化总任务时间,实现任务所需数据测量、融合和 传输时间的合理分配,达到任务的最优调度。在专利《用于重新分配无线网络 中的无线节点的角色的方法》提出了角色的思路用于无线节点分配。同时在专 利《基于协商的无线传感器网络任务分配方法》、《基于合同网的簇结构无线 传感器网络任务分配方法及装置》等设计不同种类的无线传感器节点网络任务 分配方法。
但是,上述现有技术主要重无线传感器网络能量等角度,对数据感知任务 分配与调度。然而,很少文献设计农情获取层面的任务分配问题,同时上述文 献与技术很少考虑农作物生长等特点,采集数据量大、信息价值密度低。
发明内容
为克服现有技术存在的缺陷及不足,本发明提供一种农情获取任务的分配 方法、系统、介质和设备,基于数据采集机理与角色扮演对农情获取进行初始 分配;同时基于感知节点位置与功能等,对农情获取环节中的感知子任务进行 二次分配。
本发明的第二目的在于,提供一种农情获取任务的分配系统;
本发明的第三目的在于,提供一种存储介质。
本发明的第四目的在于,提供一种计算机设备。
为了达到上述第一目的,本发明采用以下技术方案:
一种农情获取任务的分配方法,包括下述步骤:
数据感知任务的分配:基于数据相似性机理,将感知区域分解为多个感知 子区域,在每个感知子区域内,剔除已参与农情获取任务的节点,建立当前数 据感知任务节点集合,以感知数据类型为基础,考虑距离因素将不同数据类型 感知任务分配给相应的节点;
数据融合任务的分配:用于数据感知的节点分配后,将所有子区域未参与 感知所有节点,合并为数据融合候选节点集合H;采用聚类算法将参与数据感 知任务的节点,划分为多个虚拟簇;从节点集合H中,选择距离虚拟簇中心点 最小且未参与农情感知节点完成数据融合任务;
数据传输任务的分配:将所有感知子区域未参与数据感知、数据融合的节 点合并为数据传输节点候选集合G;基于最远传输距离,选择数据中心与数据 融合节点矢量方向上的节点为数据传输节点,完成数据传输任务。
作为优选的技术方案,在数据感知的步骤之前,还包括下述步骤:
将配备有多重传感器的农情获取节点部署在农业环境中。
作为优选的技术方案,所述在每个感知子区域内,剔除已参与农情获取任 务的节点,建立当前数据感知任务节点集合,并为不同类型的数据分配感知节 点,具体为:
在某个感知子区域内,确定需要感知的数据种类m,剔除已参与农情获取 任务的节点,建立当前数据感知任务节点集合;
在该数据感知任务节点集合随机选择一个节点,作为当前任务的第一个感 知节点用于感知第一种数据类型;
选择距离第一个感知节点最远的节点为第二个感知节点;
选择距离第二个感知节点最远的节点为第三个感知节点;
当选择节点超过三个时,以选择节点的位置构建多边形,选择距离多边形 中心最远的节点为下一个节点位置;
直到m个种类数据获取节点,完成分配。
作为优选的技术方案,所述数据融合任务的分配,具体为:
基于整个区域的感知节点个数,确定数据融合节点的个数k;
基于感知节点的位置,将感知节点采用传统聚类方法分为k个虚拟簇;
在每个虚拟簇中,确定其中心点,所述中心点是距离该虚拟簇中所有节点 位置最近的点;
从数据融合候选节点集合H选择距离虚拟簇中心点最小的农情获取节点为 数据融合节点。
作为优选的技术方案,所述数据传输任务的分配,具体为:
对于某个数据融合节点位置为X,数据中心位置为Y,基于X和Y建立一 条直线L;
然后,从G选择到L的距离小于为D的节点为数据传输节点,不包括满足 到L延长线小于D的节点,进而建立传输节点集合A;因此可以通过调整D 来确定传输节点集合A元素的个数;
然后基于数据传输半径覆盖范围R确定最后数据传输路径。首先选着融合 节点为起始点,以R为范围,以L为方向,从A选择距离小于R同时到起始节 点最远的节点为做下第二个数据传输节点;
同样,选着第二个传输节点为起始点,基于新的起始点和数据中心位置为Y, 重新建立试点与Y建立一条直线L;以R为范围,L为矢量方向,从A选择到 L的距离小于为D的节点为数据传输节点,不包括满足到L延长线小于D的节 点,进而建立新的传输节点集合A选择距离起始节点最远的节点为做下第三个 数据传输节点;
以此类推完成数据传输任务的分配。
为了达到上述第二目的,本发明采用以下技术方案:
一种农情获取任务的分配系统,包括数据中心和农情获取节点,所述数据 中心根据以往农情获取的过程,将农情获取分解为感知、融合、传输三个步骤, 所述数据中心包括数据感知任务的分配模块、数据融合任务的分配模块和数据 传输任务的分配模块,
所述数据感知任务的分配模块,用于基于数据相似性机理,将感知区域分 解为多个感知子区域,在每个感知子区域内,剔除已参与农情获取任务的节点, 建立当前数据感知任务节点集合,并为不同类型的数据分配感知节点;所述数 据相似性机理是在某感知区域内,感知的数据相同或相似;
数据融合任务的分配模块,用于数据感知的节点分配后,将所有子区域未 参与感知所有节点,合并为数据融合候选节点集合H,基于候选节点集合的位 置,将候选节点划分为多个虚拟簇,
数据传输任务的分配模块,将所有感知子区域未参与数据感知、数据融合 的节点合并为数据传输节点候选集合G,对于某个数据融合节点,将数据传输 到数据中心。
作为优选的技术方案,所述农情获取节点包括传感器、处理器、通信模块、 电池、电源管理模块,所述传感器通过标准通讯接口与处理器相连接;通信模 块采用相对应的接口与处理器相连;电池固定在电池盒中直接与电源管理模块 相连接;电源管理模块包含电源管理芯片或电路,输出不同的电压为处理器、 传感器、通信模块供电。
作为优选的技术方案,所述数据感知任务的分配模块还包括当前数据感知 任务节点集合建立模块,所述当前数据感知任务节点集合建立模块,用于在某 个感知子区域内,确定需要感知的数据种类m,剔除已参与农情获取任务的节 点,建立当前数据感知任务节点集合,具体为:
在该数据感知任务节点集合随机选择一个节点,作为当前任务的第一个感 知节点用于感知第一种数据类型;选择距离第一个感知节点最远的节点为第二 个感知节点;选择距离第二个感知节点最远的节点为第三个感知节点;当选择 节点超过三个时,以选择节点的位置构建多边形,选择距离多边形中心最远的 节点为下一个节点位置;直到m个种类数据获取节点,完成分配。
为了达到上述第三目的,本发明采用以下技术方案:
一种存储介质,存储有程序,所述程序被处理器执行时实现所述的农情获 取任务的分配方法。
为了达到上述第四目的,本发明采用以下技术方案:
一种计算设备,包括处理器和用于存储处理器可执行程序的存储器,所述 处理器执行存储器存储的程序时,实现所述的农情获取任务的分配方法。
本发明与现有技术相比,具有如下优点和有益效果:
(1)基于农业环境中的相似性原理,将感知区域多个子区域,建立位置相 差较大的感知节点分配方法。传统方法很少农业环境中相似性原理运用于信息 获取,造成大量数据融合。
(2)采用位置聚类方法,建立数据融合分配方法。传统方法很少在数据传 输前,对数据进行融合,进而降低数据量、减少传输时间。
(3)基于数据传输的起始端,基于起始点直线附近的节点,构建了近似最 短数据传输路径。
该任务分配方法优势在于,算法简单,容易操作。同时考虑了感知节点的 能耗平衡。进而延长了节点使用寿命。
附图说明
图1为本发明的农情获取任务分配方法的流程示意图;
图2为本发明的数据感知任务分配的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实 施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅 仅用以解释本发明,并不用于限定本发明。
实施例1
本发明提供一种农情获取任务的分配方法,本发明的农情获取任务分配方 法,即将数据感知、数据融合、数据传输三个任务合理动态分配给农情获取节 点,进而完成农业信息的有效、合理获取,该方法包括下述步骤:
S101、数据感知任务的分配:基于数据相似性机理,将感知区域分解为多 个感知子区域,在每个感知子区域内,剔除已参与农情获取任务的节点,建立 当前数据感知任务节点集合,以感知数据类型为基础,考虑距离因素将不同数 据类型感知任务分配给相应的节点。
本实施例中,在实施上述步骤S101之前,还包括将配备有多重传感器的农 情获取节点部署在农业环境中,所述农业环境是农田或温室等农业环境,本实 施例的应用领域广泛,在此不做详细赘述。
如图2所示,该步骤S101包括下述具体步骤:
S1011、在某个感知子区域内,确定需要感知的数据种类m,m<n,n表示 子区域可以参与感知节点的个数,剔除已参与农情获取任务的节点,建立当前 任务参与节点集合S={s1,s2,L sn};
S1012、从S中随机选择一个节点si∈S作为当前任务的第一个感知节点用于 感知第一种数据类型;
S1013、从S中随机选择一个节点si∈S作为当前任务的第一个感知节点用于 感知第一种数据类型;
S1014、从s距离第一个感知节点最远的节点为择第二个感知节点;
S1015、以此类推,当选择节点超过三个时,以选择节点的位置构建多边形, 选择距离多边形中心最远的节点为下一个节点位置;
S1016、直到m个种类数据获取节点,完成分配。
本实施例中以m=4,n=6为例做进一步具体的说明:
假设有4(m=4)个数据类型需要感知,感知节点集合共有6节点(n=6), 即需要从6个节点中选出4个完成数据感知任务。首先,随机从6个节点中, 选着一个节点为感知第一个数据类型,记为s1,其位置记为X1,然后与计算 其余5个节点之间的距离,选择最大距离的节点为第二感知节点,记s2,位置 为X2,用于感知第二个数据类型。接着,连接s1与s2建立一条线段,计算该 条线段中心,记为O12;计算其与四个节点与该线段中心的距离,选择最大距 离的节点为第三个感知节点,记s3,位置为X3用于感知第三个数据类型。然后, 以三个点(X1,X2,X3)为顶点,构建以感知节点为顶点的三角形;然后采用 几何方法获取三角形的中心点O123,计算除上述三个点外,其他节点与中心 O1234之间的距离。选着距离最大节点的为第四个感知节点,并将感知数据类 型4分配给该节点,记s4,位置为X4。到此,4中数据类型的感知任务分配完 成。
S102、数据融合任务的分配:用于数据感知的节点分配后,将所有子区域 未参与感知所有节点,合并为数据融合候选节点集合H,采用聚类算法将参与 数据感知任务的节点,划分为多个虚拟簇;从节点集合H中,选择距离虚拟簇 中心点最小且未参与农情感知节点完成数据融合任务。
本实施例中,该步骤S102具体为:
S1021、当用于数据感知的节点分配后,将所有子区域未参与感知所有节点, 合并为数据融合候选节点集合H;
S1022、基于整个区域的感知节点个数,确定数据融合节点的个数。即数据 融合时间限制、数据传输的跳数等为参考因数来确定数据融合的个数k。
S1023、基于感知节点的位置,将感知节点采用传统聚类方法分为k个虚拟 簇。以第j个簇为例,确定其中心点,(即距离第j个簇所有节点位置最近的 点)。
S1024、最后从H选择距离中心点最小的农情获取节点为数据融合节点
S103、数据传输任务的分配:将所有感知子区域未参与数据感知、数据融 合的节点合并为数据传输节点候选集合G,基于最远传输距离,选择数据中心 与数据融合节点矢量方向上的节点为数据传输节点,完成数据传输任务。
本实施例中,该步骤S103具体为:
S1031、将所有子区域未参与感知、数据融合的节点合并为数据传输节点候 选集合G;
S1032、对于某个数据融合节点,需要将数据传输到数据中心,对于某个数 据融合节点位置为X,数据中心位置为Y,基于X和Y建立一条直线L;
S1033、从G选择到L距离小于D(数据传输节点到L的距离来确定选择数 据传输节点的个数)的节点为传输节点集合A。
S1034、然后基于数据传输半径覆盖范围R确定最后数据传输路径,。即从 首先选着融合节点为起始点,以R为范围,以L为方向,从A选择距离小于R 同时到融合节点起始节点最远的节点为做下一个第二个数据传输节点。
S1035、同样,选着第二个传输节点为起始点,基于新的起始点和数据中心 位置为Y,重新建立试点与Y建立一条直线L;以R为范围,L为矢量方向,从 A选择到L的距离小于为D的节点为数据传输节点(不包括满足到L延长线小于 D的节点),进而建立新的传输节点集合A选择距离起始节点最远的节点为做下 第三个数据传输节点。
本实施例中以R=10m,d=3m为例做进一步具体的说明:
对于数据融合节点为P位置为X,数据中心为Q位置为Y,基于X和Y建 立一条直线L;假设L得长度为15m,G={2,5,7,9,12,24,56}(数字为节点的编 号。)
然后,从G选择到L的距离小于D=3m的节点为数据传输节点({5,7,9,24,56}) (不包含到L延长线满足距离的节点),进而建立传输节点集合A={5,7,9,24,56}。
然后基于数据传输半径覆盖范围R=10m确定最后数据传输路径。
首先选着融合节点为起始点(位置为X),以R=10为范围,以L为矢量方 向,计算A中与起始点的距离(例如{12m,6m,9.5m,1m,27m})从A选择距 离起始节点最远的节点为做下第二个数据传输节点,例如9号节点。说明5号 节点和56号节点距离大于R=10m,即距离太远大于10m,无法将数据传输给5, 56号节点。然后,从小于R=10m的节点中,选择传输距离最大的9号节点(即 传输距离9.5m)为第二个数据传输节点。
同样,选着9号节点第二个传输节点为起始点,基于新的起始点和数据中 心位置为Y,重新建立试点与Y建立一条直线L;以R为范围,L为矢量方向, 从A选择到L的距离小于为D的节点为数据传输节点(不包括满足到L延长线 小于D的节点),进而建立新的传输节点集合A={5,7,56}选择距离起始节点最 远的节点为做下第三个数据传输节点。以R=10m为范围,以L为矢量方向,从 新A选择距离起始节点最远的节点为做下第三个数据传输节点。计算新A中与 起始点的距离(例如{8m,2m,12m})从A选择距离起始节点最远的节点为做 下第三个数据传输节点,例如5号节点。同样地,说明56号节点距离大于R=10m, 即距离太远大于10m,无法将数据传输给56号节点。然后,从小于R=10m的 节点中,选择传输距离最大的5号节点(即传输距离8m)为第三个数据传输节 点。以此类推完成数据传输任务的分配。
同样,选着5号节点第三个传输节点为起始点,以R=10m为范围,以L为 矢量方向,发现5号节点可以与数据中心通信。然后,建立通信路径即P-9-5-Q。
应当注意,尽管在附图中以特定顺序描述了上述实施例的方法操作,但是 这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部 所示的操作才能实现期望的结果。相反,描绘的步骤可以改变执行顺序。附加 地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一 个步骤分解为多个步骤执行。
实施例2
本实施例提供了一种农情获取任务的分配系统,包括数据中心和农情获取 节点,所述数据中心根据以往农情获取的过程,将农情获取分解为感知、融合、 传输三个步骤,所述数据中心包括数据感知任务的分配模块、数据融合任务的 分配模块和数据传输任务的分配模块,所述农情获取节点包括传感器、处理器、 通信模块、电池、电源管理系统,传感器通过标准通讯接口(诸如,IIC,SPI,AD, 串口)与处理器相连接;通信模块采用相对应的接口(诸如,IIC,SPI,串口) 与处理器相连;电池固定在电池盒中直接与电源管理模块相连接;电源管理模 块包含电源管理芯片或电路,输出不同的电压(12v,5v,3.3v)为处理器,传感 器,通信模块等供电;数据中心由计算服务器、数据存储服务器、通信系统等 构建。数据处理中心根据以往农情获取的过程,将农情获取分解为感知、融合、 传输三个关键步骤;即,农情获取节点感知过程,具有数据感知、数据融合、 数据传输、休眠等多种角色。
本实施例2中的所述数据中心包括数据感知任务的分配模块201、数据融合 任务的分配模块202和数据传输任务的分配模块203;
所述数据感知任务的分配模块201,用于基于数据相似性机理,将感知区域 分解为多个感知子区域,在每个感知子区域内,剔除已参与农情获取任务的节 点,建立当前数据感知任务节点集合,以感知数据类型为基础,考虑距离因素 将不同数据类型感知任务分配给相应的节点。
数据融合任务的分配模块202,用于数据感知的节点分配后,将所有子区域 未参与感知所有节点,合并为数据融合候选节点集合H,采用聚类算法将参与 数据感知任务的节点,划分为多个虚拟簇;从节点集合H中,选择距离虚拟簇 中心点最小且未参与农情感知节点完成数据融合任务。
数据传输任务的分配模块203,将所有感知子区域未参与数据感知、数据融 合的节点合并为数据传输节点候选集合G,基于最远传输距离,选择数据中心 与数据融合节点矢量方向上的节点为数据传输节点,完成数据传输任务。。
进一步的,所述数据感知任务的分配模块201包括:
当前数据感知任务节点集合建立模块2011,用于在某个感知子区域内,确 定需要感知的数据种类m,剔除已参与农情获取任务的节点,建立当前数据感 知任务节点集合;
第一种数据类型感知模块2012,用于在该数据感知任务节点集合随机选择 一个节点,作为当前任务的第一个感知节点用于感知第一种数据类型;
第二个感知节点获取模块2013,用于选择距离第一个感知节点最远的节点 为第二个感知节点;
第三个感知节点获取模块2014,用于选择距离第二个感知节点最远的节点 为第三个感知节点;
多边形构建模块2015,用于当选择节点超过三个时,以选择节点的位置构 建多边形,选择距离多边形中心最远的节点为下一个节点位置;直到m个种类 数据获取节点,完成分配。
进一步的,所述数据融合任务的分配模块202包括:
数据融合节点确定模块2021,用于基于整个区域的感知节点个数,确定数 据融合节点的个数k;
虚拟簇划分模块2022,用于基于感知节点的位置,将感知节点采用传统聚 类方法分为k个虚拟簇;
中心点确定模块,2023,用于在每个虚拟簇中,确定其中心点,所述中心 点是距离该虚拟簇中所有节点位置最近的点;
数据融合节点获取模块2024,用于从数据融合候选节点集合H选择距离中 心点最小的农情获取节点为数据融合节点。
进一步的,所述数据传输任务的分配203包括:
直线建立模块2031,用于对于某个数据融合节点位置为X,数据中心位置 为Y,基于X和Y建立一条直线L;
传输节点集合确定模块2032,用于从G选择数据传输节点到L的距离来确 定选择数据传输节点的个数的节点为传输节点集合A;
最后数据路径确定模块2033,用于基于数据传输半径覆盖范围R确定最后 数据传输路径,即从融合节点以R为范围,以L为方向,从A选择距离融合节 点最远的节点为做下一个数据传输节点;
下一个数据传输节点确定模块2034,用于某数据传输节点以R为范围,以 L为方向,从A选择该节点最远的节点为做下一个数据传输节点;以此类推完 成数据传输任务的分配。
本实施例中各个模块的具体实现可以参见上述实施例1,在此不再一一赘述; 需要说明的是,本实施例提供的系统仅以上述各功能模块的划分进行举例说明, 在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将 内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
实施例3
本实施例提供一种存储介质,该存储介质为计算机可读存储介质,其存储 有计算机程序,所述计算机程序被处理器执行时,实现上述实施例1的农情获 取任务分配方法,具体如下:
数据感知任务的分配:基于数据相似性机理,将感知区域分解为多个感知 子区域,在每个感知子区域内,剔除已参与农情获取任务的节点,建立当前数 据感知任务节点集合,以感知数据类型为基础,考虑距离因素将不同数据类型 感知任务分配给相应的节点;
数据融合任务的分配:用于数据感知的节点分配后,将所有子区域未参与 感知所有节点,合并为数据融合候选节点集合H,采用聚类算法将参与数据感 知任务的节点,划分为多个虚拟簇;从节点集合H中,选择距离虚拟簇中心点 最小且未参与农情感知节点完成数据融合任务,
数据传输任务的分配:将所有感知子区域未参与数据感知、数据融合的节 点合并为数据传输节点候选集合G,基于最远传输距离,选择数据中心与数据 融合节点矢量方向上的节点为数据传输节点,完成数据传输任务。
本实施例的存储介质可以是ROM、RAM、磁盘、光盘等储存介质。
实施例4
本实施例还提供一种计算设备,该计算设备包括该计算设备包括处理器和 存储器,存储器存储有一个或多个程序,处理器执行存储器存储的程序时,实 现上述实施例1的农情获取任务分配方法,具体为:
数据感知任务的分配:基于数据相似性机理,将感知区域分解为多个感知 子区域,在每个感知子区域内,剔除已参与农情获取任务的节点,建立当前数 据感知任务节点集合,并为不同类型的数据分配感知节点;所述数据相似性机 理是在某感知区域内,感知的数据相同或相似;
数据融合任务的分配:用于数据感知的节点分配后,将所有子区域未参与 感知所有节点,合并为数据融合候选节点集合H,基于候选节点集合的位置, 将候选节点划分为多个虚拟簇,
数据传输任务的分配:将所有感知子区域未参与数据感知、数据融合的节 点合并为数据传输节点候选集合G,对于某个数据融合节点,将数据传输到数 据。
本实施例所述的计算设备可以是台式电脑、笔记本电脑、智能手机、PDA手 持终端、平板电脑或其他具有显示功能的终端设备。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实 施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、 替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。

Claims (10)

1.一种农情获取任务的分配方法,其特征在于,包括下述步骤:
数据感知任务的分配:基于数据相似性机理,将感知区域分解为多个感知子区域,在每个感知子区域内,剔除已参与农情获取任务的节点,建立当前数据感知任务节点集合,以感知数据类型为基础,考虑距离因素将不同数据类型感知任务分配给相应的节点;
数据融合任务的分配:用于数据感知的节点分配后,将所有子区域未参与感知所有节点,合并为数据融合候选节点集合H;采用聚类算法将参与数据感知任务的节点,划分为多个虚拟簇;从节点集合H中,选择距离虚拟簇中心点最小且未参与农情感知节点完成数据融合任务;
数据传输任务的分配:将所有感知子区域未参与数据感知、数据融合的节点合并为数据传输节点候选集合G;基于最远传输距离,选择数据中心与数据融合节点矢量方向上的节点为数据传输节点,完成数据传输任务。
2.根据权利要求1所述农情获取任务的分配方法,其特征在于,在数据感知的步骤之前,还包括下述步骤:
将配备有多重传感器的农情获取节点部署在农业环境中。
3.根据权利要求1所述农情获取任务的分配方法,其特征在于,所述在每个感知子区域内,剔除已参与农情获取任务的节点,建立当前数据感知任务节点集合,并为不同类型的数据分配感知节点,具体为:
在某个感知子区域内,确定需要感知的数据种类m,剔除已参与农情获取任务的节点,建立当前数据感知任务节点集合;
在该数据感知任务节点集合随机选择一个节点,作为当前任务的第一个感知节点用于感知第一种数据类型;
选择距离第一个感知节点最远的节点为第二个感知节点;
选择距离第二个感知节点最远的节点为第三个感知节点;
当选择节点超过三个时,以选择节点的位置构建多边形,选择距离多边形中心最远的节点为下一个节点位置;
直到m个种类数据获取节点,完成分配。
4.根据权利要求1所述农情获取任务的分配方法,其特征在于,所述数据融合任务的分配,具体为:
基于整个区域的感知节点个数,确定数据融合节点的个数k;
基于感知节点的位置,将感知节点采用传统聚类方法分为k个虚拟簇;
在每个虚拟簇中,确定其中心点,所述中心点是距离该虚拟簇中所有节点位置最近的点;
从数据融合候选节点集合H选择距离虚拟簇中心点最小的农情获取节点为数据融合节点。
5.根据权利要求1所述农情获取任务的分配方法,其特征在于,所述数据传输任务的分配,具体为:
对于某个数据融合节点位置为X,数据中心位置为Y,基于X和Y建立一条直线L;
然后,从G选择到L的距离小于为D的节点为数据传输节点,不包括满足到L延长线小于D的节点,进而建立传输节点集合A;因此可以通过调整D来确定传输节点集合A元素的个数;
然后基于数据传输半径覆盖范围R确定最后数据传输路径。首先选着融合节点为起始点,以R为范围,以L为方向,从A选择距离小于R同时到起始节点最远的节点为做下第二个数据传输节点;
同样,选着第二个传输节点为起始点,基于新的起始点和数据中心位置为Y,重新建立试点与Y建立一条直线L;以R为范围,L为矢量方向,从A选择到L的距离小于为D的节点为数据传输节点,不包括满足到L延长线小于D的节点,进而建立新的传输节点集合A选择距离起始节点最远的节点为做下第三个数据传输节点;
以此类推完成数据传输任务的分配。
6.一种农情获取任务的分配系统,其特征在于,包括数据中心和农情获取节点,所述数据中心根据以往农情获取的过程,将农情获取分解为感知、融合、传输三个步骤,所述数据中心包括数据感知任务的分配模块、数据融合任务的分配模块和数据传输任务的分配模块,
所述数据感知任务的分配模块,用于基于数据相似性机理,将感知区域分解为多个感知子区域,在每个感知子区域内,剔除已参与农情获取任务的节点,建立当前数据感知任务节点集合,并为不同类型的数据分配感知节点;所述数据相似性机理是在某感知区域内,感知的数据相同或相似;
数据融合任务的分配模块,用于数据感知的节点分配后,将所有子区域未参与感知所有节点,合并为数据融合候选节点集合H,基于候选节点集合的位置,将候选节点划分为多个虚拟簇,
数据传输任务的分配模块,将所有感知子区域未参与数据感知、数据融合的节点合并为数据传输节点候选集合G,对于某个数据融合节点,将数据传输到数据中心。
7.根据权利要求6所述农情获取任务的分配系统,其特征在于,所述农情获取节点包括传感器、处理器、通信模块、电池、电源管理模块,所述传感器通过标准通讯接口与处理器相连接;通信模块采用相对应的接口与处理器相连;电池固定在电池盒中直接与电源管理模块相连接;电源管理模块包含电源管理芯片或电路,输出不同的电压为处理器、传感器、通信模块供电。
8.根据权利要求6所述农情获取任务的分配系统,其特征在于,所述数据感知任务的分配模块还包括当前数据感知任务节点集合建立模块,所述当前数据感知任务节点集合建立模块,用于在某个感知子区域内,确定需要感知的数据种类m,剔除已参与农情获取任务的节点,建立当前数据感知任务节点集合,具体为:
在该数据感知任务节点集合随机选择一个节点,作为当前任务的第一个感知节点用于感知第一种数据类型;选择距离第一个感知节点最远的节点为第二个感知节点;选择距离第二个感知节点最远的节点为第三个感知节点;当选择节点超过三个时,以选择节点的位置构建多边形,选择距离多边形中心最远的节点为下一个节点位置;直到m个种类数据获取节点,完成分配。
9.一种存储介质,存储有程序,其特征在于,所述程序被处理器执行时实现如权利要求1-5任一项所述的农情获取任务的分配方法。
10.一种计算设备,包括处理器和用于存储处理器可执行程序的存储器,其特征在于,所述处理器执行存储器存储的程序时,实现权利要求1-5任一项所述的农情获取任务的分配方法。
CN202010222733.5A 2020-03-26 2020-03-26 农情获取任务的分配方法、系统、介质和设备 Active CN111417084B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010222733.5A CN111417084B (zh) 2020-03-26 2020-03-26 农情获取任务的分配方法、系统、介质和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010222733.5A CN111417084B (zh) 2020-03-26 2020-03-26 农情获取任务的分配方法、系统、介质和设备

Publications (2)

Publication Number Publication Date
CN111417084A true CN111417084A (zh) 2020-07-14
CN111417084B CN111417084B (zh) 2022-07-12

Family

ID=71494716

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010222733.5A Active CN111417084B (zh) 2020-03-26 2020-03-26 农情获取任务的分配方法、系统、介质和设备

Country Status (1)

Country Link
CN (1) CN111417084B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090154407A1 (en) * 2007-12-17 2009-06-18 Electronics And Telecommunications Research Institute Of Daejeon Method of performing routing and allocating resources in wireless sensor network
CN104994558A (zh) * 2015-07-14 2015-10-21 重庆邮电大学 无线认知传感器网络中基于事件驱动的分簇路由方法
CN105430598A (zh) * 2015-11-04 2016-03-23 刘运成 无线传感器网络的数据分层传输方法及装置
CN106850106A (zh) * 2017-01-09 2017-06-13 重庆邮电大学 基于移动群智感知的无线电环境地图数据收集系统及方法
WO2017166539A1 (zh) * 2016-03-31 2017-10-05 中南大学 一种基于多代表节点与多层融合的异构传感数据收集方法
CN108990129A (zh) * 2018-08-14 2018-12-11 长春理工大学 一种无线传感网络分簇方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090154407A1 (en) * 2007-12-17 2009-06-18 Electronics And Telecommunications Research Institute Of Daejeon Method of performing routing and allocating resources in wireless sensor network
CN104994558A (zh) * 2015-07-14 2015-10-21 重庆邮电大学 无线认知传感器网络中基于事件驱动的分簇路由方法
CN105430598A (zh) * 2015-11-04 2016-03-23 刘运成 无线传感器网络的数据分层传输方法及装置
WO2017166539A1 (zh) * 2016-03-31 2017-10-05 中南大学 一种基于多代表节点与多层融合的异构传感数据收集方法
CN106850106A (zh) * 2017-01-09 2017-06-13 重庆邮电大学 基于移动群智感知的无线电环境地图数据收集系统及方法
CN108990129A (zh) * 2018-08-14 2018-12-11 长春理工大学 一种无线传感网络分簇方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李小敏,朱立学,姚华平,张日红: "基于物联网的果蔬多参数数据感知节点研究", 《现代农业装备》 *
郑纪业等: "农业生产环境监测无线传感器网络路由算法研究", 《山东农业科学》 *

Also Published As

Publication number Publication date
CN111417084B (zh) 2022-07-12

Similar Documents

Publication Publication Date Title
Hu et al. iRobot-Factory: An intelligent robot factory based on cognitive manufacturing and edge computing
Zhao et al. Optimal edge resource allocation in IoT-based smart cities
Chen et al. Exploiting massive D2D collaboration for energy-efficient mobile edge computing
JP7072640B2 (ja) 畳み込み効率を向上させる方法、システム、及び装置
Kim et al. Cognitively inspired artificial bee colony clustering for cognitive wireless sensor networks
Kim et al. A load balancing scheme based on deep-learning in IoT
CN107682241B (zh) 一种基于云计算的智能家居设备控制系统
CN111556516B (zh) 面向时延和能效敏感业务的分布式无线网络任务协同分配方法
Arikumar et al. EELTM: An energy efficient LifeTime maximization approach for WSN by PSO and fuzzy-based unequal clustering
CN110430444A (zh) 一种视频流处理方法及系统
Li et al. Resource scheduling based on improved spectral clustering algorithm in edge computing
Sun et al. Optimization coverage of wireless sensor networks based on energy saving
Han et al. An energy efficiency node scheduling model for spatial-temporal coverage optimization in 3D directional sensor networks
CN114327811A (zh) 一种任务调度方法、装置、设备及可读存储介质
Li et al. Dynamic computation offloading based on graph partitioning in mobile edge computing
Jurenoks et al. Sensor network information flow control method with static coordinator within internet of things in smart house environment
CN103167635A (zh) 监测大棚环境的ZigBee无线传感网络系统和方法
CN116361006A (zh) 面向存算分离的算网资源协同调度方法及系统
CN105630419A (zh) 一种资源池的分区视图发送方法及管理节点
CN111417084B (zh) 农情获取任务的分配方法、系统、介质和设备
CN103037467A (zh) 一种无线传感器网络的数据融合方法和装置
Lydia et al. Generation of dynamic energy management using data mining techniques basing on big data analytics isssues in smart grids
CN216057079U (zh) 物联网终端及物联网系统
Liao et al. Multistation-based collaborative charging strategy for high-density low-power sensing nodes in industrial Internet of Things
CN111970145B (zh) 基于语义化虚拟和任务迁移的物联网设备管控方法

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