CN111586788A - 一种灾后应急通信网络中下一跳通信节点选择方法及装置 - Google Patents
一种灾后应急通信网络中下一跳通信节点选择方法及装置 Download PDFInfo
- Publication number
- CN111586788A CN111586788A CN202010395460.4A CN202010395460A CN111586788A CN 111586788 A CN111586788 A CN 111586788A CN 202010395460 A CN202010395460 A CN 202010395460A CN 111586788 A CN111586788 A CN 111586788A
- Authority
- CN
- China
- Prior art keywords
- decision
- attribute
- node
- matrix
- communication network
- 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.)
- Pending
Links
- 238000004891 communication Methods 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000011159 matrix material Substances 0.000 claims abstract description 119
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000005265 energy consumption Methods 0.000 claims description 39
- 235000008694 Humulus lupulus Nutrition 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- 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
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0212—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种灾后应急通信网络中下一跳通信节点选择方法及装置,所述方法包括如下步骤:步骤S1,确定影响下一跳节点选择的决策属性;步骤S2,采用层次分析法对所确定的决策属性建立权重矩阵,确定各决策属性的权重;步骤S3,采集所述应急通信网络的节点间相互通信的数据,获得各节点各决策属性的属性值,根据各决策属性建立多属性决策矩阵,并根据所述权重矩阵与多属性决策矩阵建立加权多属性决策矩阵;步骤S4,根据所述加权多属性决策矩阵M,基于成本‑效益理论选择下一跳节点。
Description
技术领域
本发明涉及应急通信网络技术领域,特别是涉及一种基于多属性决策的灾后应急通信网络中下一跳通信节点选择方法及装置。
背景技术
随着社会的发展,公共安全越来越依赖于预先部署的通信基础设施。然而,在地震、火灾、水灾等自然或人为灾害发生后,通信基础设施可能部分或全部被毁。而应急救援人员则需要在现场快速建立应急通信网络,满足通讯和数据交换需求,架起沟通灾区内外的桥梁,保障救援行动的顺利进行,并为灾民提供可靠的通信保障。
不同于一般的通信网络,应急通信网络对网络寿命、节点能耗等有较高的需求,以适应复杂的灾害场景。应急通信网络通常由移动通信设备构成,网络中包括静态、动态两种通信节点,主要采用无线方式进行通信,在传统的应急通信网络中,通常有应急通信车等高性能的节点作为骨干节点,手持移动设备、无人机等作为数据汇聚、中转的节点。但是由于异构性和网络内移动节点位置的不确定性,目前的应急通信网络通常具有以下缺点:链路频繁中断、数据速率不一致、资源不兼容、所需资源和通信链路暂时不可用等。
发明内容
为克服上述现有技术存在的不足,本发明之目的在于提供一种灾后应急通信网络中下一跳通信节点选择方法及装置,通过利用层次分析法和成本-效益理论,从能耗(EC)、连接节点数(CN)、到骨干节点的跳数(HC)、到骨干节点的距离(DIS)四个属性,智能选择最优的下一跳通信节点,以达到减少能耗、延长网络寿命的目的。
为达上述目的,本发明提出一种灾后应急通信网络中下一跳通信节点选择方法,包括如下步骤:
步骤S1,确定影响下一跳节点选择的决策属性;
步骤S2,采用层次分析法对所确定的决策属性建立权重矩阵,确定各决策属性的权重;
步骤S3,采集所述应急通信网络的节点间相互通信的数据,获得各节点各决策属性的属性值,根据各决策属性建立多属性决策矩阵,并根据所述权重矩阵与多属性决策矩阵建立加权多属性决策矩阵;
步骤S4,根据所述加权多属性决策矩阵M,基于成本-效益理论选择下一跳节点。
优选地,于步骤S1中,确定影响下一跳节点选择的决策属性包括但不限于节点能耗(EC)、邻居节点数(CN)、到骨干节点的跳数(HC)、到骨干节点的距离(DIS)。
优选地,步骤S2进一步包括:
根据各决策属性特征之间的重要程度建立判断矩阵P;
对P的每一列进行归一化操作;
对归一化的矩阵进行每行求和,得到向量wi;
对向量wi再次进行归一化得到权重矩阵W。
优选地,步骤S3进一步包括:
采集所述应急通信网络的节点间相互通信的数据,获得各节点各决策属性的属性值,根据根据获得的各决策属性值建立多属性决策矩阵A;
对多属性决策矩阵A进行归一化操作;
将归一化后的多属性决策矩阵A′的每一列乘以所述权重矩阵,得到加权多属性决策矩阵M。
优选地,于步骤S4中,根据成本-效益理论分别计算出所述加权多属性决策矩阵的最优解和最差解,并计算两个解的欧氏距离,定义最优解对最差解的偏好指数,并通过求解该偏好指数,选出最优的下一跳通信节点。
优选地,所述加权多属性决策矩阵M的最优和最差解分别为:
其中,M+和M-分别表示所述加权多属性决策矩阵M的最优和最差解,min mij(i=1,…,n;j=1,…,4)计算第j列的最小元素值,max mij(i=1,…,n;j=1,…,4)计算第j列的最大元素值,mij(i=1,…,n;j=1,…,4)为所述加权多属性决策矩阵M中元素的简化表示。
优选地,所述最优解与最差解的欧氏距离D分别为:
优选地,所述最优解对最差解的偏好指数定义为:
PImin=min1≤i≤nPIi。
优选地,于步骤S4中,选择PIi值最小的节点PImin作为数据传输的最佳下一跳节点。
为达到上述目的,本发明还提供一种灾后应急通信网络中下一跳通信节点选择装置,包括:
决策标准确定单元,用于确定影响下一跳节点选择的决策属性;
权重矩阵建立单元,用于采用层次分析法对所确定的决策属性建立权重矩阵,确定各决策属性的权重;
加权多属性决策矩阵建立单元,用于采集所述应急通信网络的节点间相互通信的数据,获得各节点各决策属性的属性值,根据各性建立多属性决策矩阵,并根据所述权重矩阵与多属性决策矩阵建立加权多属性决策矩阵;
下一跳通信节点选择单元,用于根据所述加权多属性决策矩阵M,基于成本-效益理论选择下一跳节点。
与现有技术相比,本发明一种灾后应急通信网络中下一跳通信节点选择方法及装置从决策环境和决策目标两个维度选择能耗(EC)、连接节点数(CN)、到ECV的跳数(HC)和到最近的ECV的距离(DIS)作为影响下一跳节点选择的决策属性,该四个决策标准涵盖灾害场景中关于应急通信下一跳节点选择的所有决策因素,利用层次分析法为选择的四个影响因素建立权重矩阵和多属性决策矩阵,并求解出加权多属性决策矩阵,将影响最优下一跳节点选择的四个决策属性量化,最后利用成本-效益理论来计算加权多属性决策矩阵的最优解和最差解,并定义了最优解对最差解的偏好指数,通过求解该指数,选出最优的下一跳通信节点,本发明能够在动态拓扑结构的应急通信网络中寻找最优的下一跳通信节点,降低各节点能耗,延长应急通信网络寿命,从而提高灾后救援效率。
附图说明
图1为本发明一种灾后应急通信网络中下一跳通信节点选择方法的步骤流程图;
图2为本发明一种灾后应急通信网络中下一跳通信节点选择装置的系统架构图;
图3为本发明实施例之灾后应急通信网络示意图。
具体实施方式
以下通过特定的具体实例并结合附图说明本发明的实施方式,本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用,本说明书中的各项细节亦可基于不同观点与应用,在不背离本发明的精神下进行各种修饰与变更。
图1为本发明一种灾后应急通信网络中下一跳通信节点选择方法的步骤流程图。如图1所示,本发明一种灾后应急通信网络中下一跳通信节点选择方法,包括如下步骤:
步骤S1,确定影响下一跳节点选择的决策属性。在本发明中,确定影响下一跳节点选择的决策属性(也可称决策标准)包括节点能耗(EC)、邻居节点数(CN)、到骨干节点的跳数(HC)、到骨干节点的距离(DIS)。
应急通信网络的拓扑结构频繁变化,导致网络连接时断时续,并且数据传输效率很低。因此为了适应应急通信网络的这些特点,需要对网络中下一跳节点进行优化选择,以满足降低能耗、延长网络寿命的需求。在本发明具体实施例中,从以下四个角度来考虑影响应急通信网络能耗和寿命的因素:
(1)节点能耗(EC):由于无法持续供电,应急通信网络中的移动通信节点在无线覆盖和通信能力上受到限制,从而影响了整个网络的寿命。为了降低能耗,需要计算应急通信网络中各节点的剩余能量,从而最终得到各节点能耗(EC)。
(2)邻居节点数(CN):当一个节点被用于转发消息时,该节点称为中继节点。中继节点的邻居节点越多,导致通信链路拥塞的可能性就越大。为了提高应急通信网络的性能,应该选择拥有较少邻居节点的中继节点作为下一跳节点。
(3)到骨干节点的跳数(HC):应急通信网络中的低跳数意味着从源节点到目标节点(骨干节点)的低延迟,因此通常选择跳数较低的下一跳节点来传输数据。
(4)到骨干节点的距离(DIS):应急通信网络中的每个节点都有GPS定位,因此可以计算节点之间的距离。一般来说,距离目的节点(骨干节点)越近,数据转发消耗的总能量越低,因此选择距离目的节点较近的节点作为下一跳,可以节约能耗。
最终,本发明确定如下四个决策属性作为选择下一跳节点的决策标准:节点能耗(EC)、邻居节点数(CN)、到骨干节点的跳数(HC)、到骨干节点的距离(DIS)。
步骤S2,采用层次分析法对所确定的决策属性建立权重矩阵,确定各决策属性的权重。
层次分析法是指将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。在本发明中,分析了应急通信网络中影响数据传输的变量,并根据它们的相关性,为找出应急通信网络中最优的下一跳节点,选择了四个相关变量(EC、CN、HC和DIS),所选变量能够满足对最佳路由线路的评估条件。算法的判断矩阵如下:
其中,pij(i=1,…,4,j=1,…,4)表示特征i对j的重要程度,矩阵每一行代表该行的特征对其它各特征的重要程度,i,j为行数和列数,例如p12表示变量EC对变量CN的重要程度,即EC比CN重要多少,其具体数值为可调节的变量,p11,p22,p33,p44表示自己对自己的重要程度,在矩阵中用1来表示。
通过以下公式对P的每一列进行归一化操作:
然后,对归一化的矩阵进行每行求和,得到向量wi(i=1,…,4):
对向量wi(i=1,…,4)再次进行如下归一化:
最终得到权重矩阵W:
步骤S3,采集所述应急通信网络的节点间相互通信的数据,获得各节点各决策属性的属性值并据此建立多属性决策矩阵,根据所述权重矩阵与多属性决策矩阵得到加权多属性决策矩阵。
首先,采集所述应急通信网络的节点间相互通信的数据,获得各节点各决策属性的属性值,并根据获得的各决策属性值建立多属性决策矩阵:
其中,ei1(i=1,…,n)表示消耗的能量,ci2(i=1,…,n)表示连接节点数,hi3(i=1,…,n)表示到骨干节点(ECV)的跳数,di4(i=1,…,n)表示到最近的骨干节点(ECV)的距离,下标n代表邻居节点编号。
在本发明中,于步骤S1只是确定了各个决策属性的权重,没有确定各决策属性的属性值,各决策属性的属性值是从应急通信网络中节点间相互通信的数据中得到的,例如,在通信的数据包里,包含本节点剩余能量的信息等。
其次,对多属性决策矩阵A进行如下的归一化操作:
其中e′i1,c′i2,h′i3,d′i4(i=1,…,n)表示归一化的矩阵A′,表示如下:
最后,将归一化后的多属性决策矩阵A′的每一列乘以公式(4)中的权重矩阵,得到加权多属性决策矩阵M:
步骤S4,根据所述加权多属性决策矩阵M,基于成本-效益理论选择下一跳节点。在得到加权多属性决策矩阵M后,根据成本-效益理论分别计算出加权多属性矩阵的最优解和最差解,并求解出两个解的欧氏距离,定义最优解对最差解的偏好指数,通过求解该指数,选出最优的下一跳通信节点。
具体地,首先将之前得到的加权多属性决策矩阵M表示为:
其中,mij(i=1,…,n;j=1,…,4)为加权多属性决策矩阵元素的简化表示。
在本发明中,使用成本-效益理论来计算并选择下一跳节点。所选择的四个决策标准(EC、CN、HC、DIS)都是成本类型,因此加权多属性决策矩阵M的最优和最差解分别描述为:
其中,M+和M-分别表示加权多属性决策矩阵M的最优和最差解,min mij(i=1,…,n;j=1,…,4)计算第j列的最小元素值,max mij(i=1,…,n;j=1,…,4)计算第j列的最大元素值,上述两个解的欧氏距离D分别为:
最优解对最差解的偏好指数(PIi)定义为:
PImin=min1≤i≤nPIi (13)
PIi值决定了最优解对最差解的偏离程度,因此在本发明中,选择PIi值最小的节点PImin作为数据传输的最佳下一跳节点,由公式(13)看出,该节点最优解对最差解的偏离程度最小,因此选择该节点作为最优的下一跳通信节点。
图2为本发明一种灾后应急通信网络中下一跳通信节点选择装置的系统架构图。如图2所示,本发明一种灾后应急通信网络中下一跳通信节点选择装置,包括:
决策标准确定单元201,用于确定影响下一跳节点选择的决策属性。在本发明中,决策标准确定单元201确定影响下一跳节点选择的决策属性包括节点能耗(EC)、邻居节点数(CN)、到骨干节点的跳数(HC)、到骨干节点的距离(DIS)。
权重矩阵建立单元202,用于采用层次分析法对所确定的决策属性建立权重矩阵,确定各决策属性的权重。
层次分析法是指将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。在本发明中,分析了应急通信网络中影响数据传输的变量,并根据它们的相关性,为找出应急通信网络中最优的下一跳节点,选择了四个相关变量(EC、CN、HC和DIS),所选变量能够满足对最佳路由线路的评估条件。算法的判断矩阵如下:
其中,pij(i=1,…,4,j=1,…,4)表示特征i对j的重要程度,矩阵每一行代表该行的特征对其它各特征的重要程度,i,j为行数和列数,例如p12表示变量EC对变量CN的重要程度,即EC比CN重要多少,其具体数值为可调节的变量,p11,p22,p33,p44表示自己对自己的重要程度,在矩阵中用1来表示。
然后,通过以下公式对P的每一列进行归一化操作:
接着,对归一化的矩阵进行每行求和,得到向量wi(i=1,…,4):
对向量wi(i=1,…,4)再次进行如下归一化:
最终得到权重矩阵W:
加权多属性决策矩阵建立单元203,用于采集所述应急通信网络的节点间相互通信的数据,获得各节点各决策属性的属性值并据此建立多属性决策矩阵,根据所述权重矩阵与多属性决策矩阵得到加权多属性决策矩阵。
首先,采集所述应急通信网络的节点间相互通信的数据,获得各节点各决策属性的属性值,并根据获得的各决策属性值建立多属性决策矩阵:
其中,ei1(i=1,…,n)表示消耗的能量,ci2(i=1,…,n)表示连接节点数,hi3(i=1,…,n)表示到骨干节点(ECV)的跳数,di4(i=1,…,n)表示到最近的骨干节点(ECV)的距离。下标n代表邻居节点编号。
其次,对多属性决策矩阵A进行如下的归一化操作:
其中e′i1,c′i2,h′i3,d′i4(i=1,…,n)表示归一化的矩阵A′,表示如下:
最后,将归一化后的多属性决策矩阵A′的每一列乘以权重矩阵建立单元202获得权重矩阵W,得到加权多属性决策矩阵M:
下一跳通信节点选择单元204,用于根据所述加权多属性决策矩阵M,基于成本-效益理论选择下一跳节点。在得到加权多属性决策矩阵M后,根据成本-效益理论分别计算出加权多属性矩阵的最优解和最差解,并求解出两个解的欧氏距离,定义最优解对最差解的偏好指数,通过求解该指数,选出最优的下一跳通信节点。
具体地,首先将之前得到的加权多属性决策矩阵M表示为:
其中,mij(i=1,…,n;j=1,…,4)为加权多属性决策矩阵元素的简化表示。
在本发明中,使用成本-效益理论来计算并选择下一跳节点。所选择的四个决策标准(EC、CN、HC、DIS)都是成本类型,因此加权多属性决策矩阵M的最优和最差解分别描述为:
其中,M+和M-分别表示加权多属性决策矩阵M的最优和最差解,min mij(i=1,…,n;j=1,…,4)计算第j列的最小元素值,max mij(i=1,…,n;j=1,…,4)计算第j列的最大元素值,上述两个解的欧氏距离D分别为:
最优解对最差解的偏好指数(PIi)定义为:
PImin=min1≤i≤nPIi
PIi值决定了最优解对最差解的偏离程度,因此在本发明中,选择PIi值最小的节点PImin作为数据传输的最佳下一跳节点,由上述公式可以看出,该节点最优解对最差解的偏离程度最小,因此可选择该节点作为最优的下一跳通信节点。
实施例
在本实施例中,在如图3所示的情景中,救援人员(如军队、消防队、救援队等)携带便携式移动通信设备,可以通过单跳或多跳方式与应急通信车(ECV)、无人机进行通信。由于受到灾害的破坏,应急通信车(ECV)只能停靠在灾区边缘地带,无法进入灾区中心。无人机由于其自身机动性强、体积小、成本低,能够深入灾区作为应急通信的中继节点。救援人员通过便携式移动节点搜集灾区信息,如人员伤亡情况、道路情况、建筑物倒塌情况等,然后通过应急通信车(ECV)将灾情信息传输至后方指挥中心,指挥中心也可以将应急救援指令通过应急通信车(ECV)传送至救援人员。救援人员无法直接与应急通信车(ECV)通信时,可以通过多跳或者无人机中继的方式,建立与指挥中心的联系。应急通信车(ECV)与指挥中心之间通过由卫星、基站等组成的主干网进行数据交互。救援人员在救援过程中,随着特定区域内灾害强度的变化而频繁移动,从而导致频繁的链路中断和网络拓扑结构变化。由于电源容量限制,移动节点的无线覆盖范围有限,当附近没有应急通信车(ECV)时,移动节点必须借助相邻的移动节点或无人机中继进行数据传输。与移动节点不同,由于应急通信车(ECV)具有充足的电源(UPS及发电机供电)、较大的无线覆盖范围(移动基站)以及多种通信手段(卫星、基站等),因此它能够稳定的与主干网进行通信,而不受距离限制。现场灾情信息通过一跳、多跳或无人机中继到应急通信车(ECV),然后通过骨干网传送到指挥中心,从而为决策者提供科学依据,做出适当的决策来营救灾区的难民。
在本实施例中,以地震、火灾、台风三种不同自然灾害为例,确定四个决策属性作为选择下一跳节点的标准,它们分别为能量消耗(EC)、邻居节点数(CN)、到ECV的跳数(HC)和到最近ECV的距离(DIS)。无论何种灾种,能量消耗(EC)都决定了应急通信网络的寿命,消耗的能量越多,应急通信网络寿命越短。在地震或台风中,灾民可能被掩埋在废墟中,等待救援。在灾区基础设施网络通信恢复之前,完成救援任务需要数小时或更长的时间,因此低能耗节点对于应急救援是必不可少的。然而,在火灾中情况恰恰相反,消防员需要在火势威胁被困人员生命之前实施快速救援,因此应急通信网络的能耗可能不像其它标准那么重要。
对于邻居节点数(CN),连接的节点越多,链路拥塞的可能性就越高。为了提高应急通信网络的整体性能,无论在何种灾种下,应该选择邻居节点数较少的节点作为下一跳节点。
低跳数意味着从源节点到目的节点的传输效率较高,所以无论何种灾种,我们通常选择跳数最低的下一跳节点来传递数据。
对于DIS,应急通信网络中的每个节点都配备GPS进行定位,因此可以计算各个节点之间的距离。一般来说,靠近目标的节点被选作下一跳节点,因为它可以通过较低的跳数连接到目标。在地震或台风中,由于道路阻塞,ECV无法进入震中,因此无法在其覆盖范围之外提供通信服务。在这种情况下,DIS是应急网络中的一个重要标准。而在一般的火灾(大范围山火等除外)救援中,ECV可以覆盖整个受灾区域,因此在这种情况下,DIS可以忽略不计。
事实上,决策标准的选择不限于上述四种决策属性,本发明中的多属性可以是多种不同属性,而非固定的某几类属性,属性的种类、个数,不影响本发明的实现。
在确定影响应急通信网络的四个决策属性后,利用层次分析法建立权重矩阵,确定四个属性的权重,并求出用于判断最优下一跳节点的加权多属性矩阵。
得到加权多属性决策矩阵后,根据成本-效益理论分别计算出加权多属性矩阵的最优解和最差解,之后求解出两个解的欧氏距离,定义最优解对最差解的偏好指数,通过求解该指数,选出最优的下一跳通信节点。
综上所述,本发明一种灾后应急通信网络中下一跳通信节点选择方法及装置从决策环境和决策目标两个维度选择能耗(EC)、连接节点数(CN)、到ECV的跳数(HC)和到最近的ECV的距离(DIS)作为影响下一跳节点选择的决策属性,该四个决策标准涵盖灾害场景中关于应急通信下一跳节点选择的所有决策因素,利用层次分析法为选择的四个影响因素建立权重矩阵和多属性决策矩阵,并求解出加权多属性决策矩阵,将影响最优下一跳节点选择的四个决策属性量化,最后利用成本-效益理论来计算加权多属性决策矩阵的最优解和最差解,并定义了最优解对最差解的偏好指数,通过求解该指数,选出最优的下一跳通信节点,本发明能够在动态拓扑结构的应急通信网络中寻找最优的下一跳通信节点,降低各节点能耗,延长应急通信网络寿命,从而提高灾后救援效率。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下,对上述实施例进行修饰与改变。因此,本发明的权利保护范围,应如权利要求书所列。
Claims (10)
1.一种灾后应急通信网络中下一跳通信节点选择方法,包括如下步骤:
步骤S1,确定影响下一跳节点选择的决策属性;
步骤S2,采用层次分析法对所确定的决策属性建立权重矩阵,确定各决策属性的权重;
步骤S3,采集所述应急通信网络的节点间相互通信的数据,获得各节点各决策属性的属性值,根据各决策属性建立多属性决策矩阵,并根据所述权重矩阵与多属性决策矩阵建立加权多属性决策矩阵;
步骤S4,根据所述加权多属性决策矩阵M,基于成本-效益理论选择下一跳节点。
2.如权利要求1所述的一种灾后应急通信网络中下一跳通信节点选择方法,其特征在于:于步骤S1中,确定影响下一跳节点选择的决策属性包括但不限于节点能耗(EC)、邻居节点数(CN)、到骨干节点的跳数(HC)、到骨干节点的距离(DIS)。
3.如权利要求2所述的一种灾后应急通信网络中下一跳通信节点选择方法,其特征在于,步骤S2进一步包括:
根据各决策属性特征之间的重要程度建立判断矩阵P;
对P的每一列进行归一化操作;
对归一化的矩阵进行每行求和,得到向量wi;
对向量wi再次进行归一化得到权重矩阵W。
4.如权利要求3所述的一种灾后应急通信网络中下一跳通信节点选择方法,其特征在于,步骤S3进一步包括:
采集所述应急通信网络的节点间相互通信的数据,获得各节点各决策属性的属性值,根据根据获得的各决策属性值建立多属性决策矩阵A;
对多属性决策矩阵A进行归一化操作;
将归一化后的多属性决策矩阵A′的每一列乘以所述权重矩阵,得到加权多属性决策矩阵M。
5.如权利要求1所述的一种灾后应急通信网络中下一跳通信节点选择方法,其特征在于:于步骤S4中,根据成本-效益理论分别计算出所述加权多属性决策矩阵的最优解和最差解,并计算两个解的欧氏距离,定义最优解对最差解的偏好指数,并通过求解该偏好指数,选出最优的下一跳通信节点。
9.如权利要求8所述的一种灾后应急通信网络中下一跳通信节点选择方法,其特征在于:于步骤S4中,选择PIi值最小的节点PImin作为数据传输的最佳下一跳节点。
10.一种灾后应急通信网络中下一跳通信节点选择装置,包括:
决策标准确定单元,用于确定影响下一跳节点选择的决策属性;
权重矩阵建立单元,用于采用层次分析法对所确定的决策属性建立权重矩阵,确定各决策属性的权重;
加权多属性决策矩阵建立单元,用于采集所述应急通信网络的节点间相互通信的数据,获得各节点各决策属性的属性值,根据各决策属性建立多属性决策矩阵,并根据所述权重矩阵与多属性决策矩阵建立加权多属性决策矩阵;
下一跳通信节点选择单元,用于根据所述加权多属性决策矩阵M,基于成本-效益理论选择下一跳节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010395460.4A CN111586788A (zh) | 2020-05-12 | 2020-05-12 | 一种灾后应急通信网络中下一跳通信节点选择方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010395460.4A CN111586788A (zh) | 2020-05-12 | 2020-05-12 | 一种灾后应急通信网络中下一跳通信节点选择方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111586788A true CN111586788A (zh) | 2020-08-25 |
Family
ID=72126519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010395460.4A Pending CN111586788A (zh) | 2020-05-12 | 2020-05-12 | 一种灾后应急通信网络中下一跳通信节点选择方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111586788A (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110944349A (zh) * | 2019-11-15 | 2020-03-31 | 华南理工大学 | 基于直觉模糊数和topsis的异构无线网络选择方法 |
-
2020
- 2020-05-12 CN CN202010395460.4A patent/CN111586788A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110944349A (zh) * | 2019-11-15 | 2020-03-31 | 华南理工大学 | 基于直觉模糊数和topsis的异构无线网络选择方法 |
Non-Patent Citations (1)
Title |
---|
XIAOMING WANG: ""MCDM-ECP: Multi Criteria Decision Making Method for Emergency Communication Protocol in Disaster Area Wireless Network"", 《APPLIED SCIENCES》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Raja et al. | OCHSA: designing energy‐efficient lifetime‐aware leisure degree adaptive routing protocol with optimal cluster head selection for 5G communication network disaster management | |
Jahir et al. | Routing protocols and architecture for disaster area network: A survey | |
Narayanan et al. | A joint network for disaster recovery and search and rescue operations | |
WO2021083009A1 (zh) | 机动式无线通信网络及其路由方法 | |
Li et al. | Post-disaster unmanned aerial vehicle base station deployment method based on artificial bee colony algorithm | |
Narang et al. | UAV-assisted edge infrastructure for challenged networks | |
Mekikis et al. | Communication recovery with emergency aerial networks | |
Masaracchia et al. | An energy-efficient clustering and routing framework for disaster relief network | |
Narang et al. | A cyber physical buses-and-drones mobile edge infrastructure for large scale disaster emergency communications | |
Tang et al. | Integration of UAV and fog-enabled vehicle: application in post-disaster relief | |
Boucetta et al. | Optimizing drone deployment for cellular communication coverage during crowded events | |
Wang et al. | Capacity-aware cost-efficient network reconstruction for post-disaster scenario | |
Herlich et al. | Motivation for a step-by-step guide to set up wireless disaster recovery networks | |
Lysenko et al. | Method of operational calculation of coordinates of intermediate route points of flying information robot | |
Kang et al. | A disaster recovery system for location identification-based low power wide area networks (LPWAN) | |
Xu et al. | Fast deployment of emergency fog service for disaster response | |
CN111586788A (zh) | 一种灾后应急通信网络中下一跳通信节点选择方法及装置 | |
Eggly et al. | Evacuation supporting system based on iot components | |
Liu et al. | Throughput optimization for flying ad hoc network based on position control using genetic algorithm | |
Nguyen et al. | UAV communication networks: benefits, research challenges and opening issues | |
CN102761950A (zh) | 一种异构网络QoS自适应自优化传输方法 | |
Dattana et al. | Ad hoc network as a solution in disaster management | |
Grinewitschus et al. | Large device to device communication network including airborne drones for emergency scenarios | |
Jagannath et al. | Energy efficient ad hoc networking devices for off-the-grid public safety networks | |
CN113473436A (zh) | 一种基于四象限移动模型的震后应急通信网络的路由方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200825 |