CN113727411B - 铁路防灾监测无线传输系统路由及数据压缩自适应优化方法 - Google Patents
铁路防灾监测无线传输系统路由及数据压缩自适应优化方法 Download PDFInfo
- Publication number
- CN113727411B CN113727411B CN202111065679.9A CN202111065679A CN113727411B CN 113727411 B CN113727411 B CN 113727411B CN 202111065679 A CN202111065679 A CN 202111065679A CN 113727411 B CN113727411 B CN 113727411B
- Authority
- CN
- China
- Prior art keywords
- data
- node
- transmission
- compression
- disaster prevention
- 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.)
- Active
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 143
- 238000012544 monitoring process Methods 0.000 title claims abstract description 81
- 238000013144 data compression Methods 0.000 title claims abstract description 58
- 230000002265 prevention Effects 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005457 optimization Methods 0.000 title claims abstract description 29
- 230000002159 abnormal effect Effects 0.000 claims abstract description 68
- 238000005265 energy consumption Methods 0.000 claims description 77
- 238000007906 compression Methods 0.000 claims description 54
- 230000006835 compression Effects 0.000 claims description 54
- 239000011159 matrix material Substances 0.000 claims description 26
- 230000006837 decompression Effects 0.000 claims description 16
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 230000021715 photosynthesis, light harvesting Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005562 fading Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 21
- 238000013461 design Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 1
- 230000005577 local transmission Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
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
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
- H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及铁路防灾监测无线通信技术领域，特别是涉及一种铁路防灾监测无线传输系统路由及数据压缩自适应优化方法。该方法根据铁路防灾监测线性无线传输系统节点能量受限及数据通信需求差异化等特性，设计一种通信路由及数据压缩率自适应优化方法，充分发挥传感器节点的边缘计算能力对监测数据特征进行预判，并根据数据特征进行路由及数据压缩率的自适应优化设计，在多监测节点、复杂监测环境情况下保证了异常信息传输的实时性和正常信息传输的稳定性，确保为铁路系统的安全运行及决策提供丰富精准致灾要素监测数据和防灾应急决策支持。
Description
技术领域
本发明涉及铁路防灾监测无线通信技术领域，特别是涉及一种铁路防灾监测无线传输系统路由及数据压缩自适应优化方法。
背景技术
随着运行速度大幅提升和运营里程的快速增长，铁路已经成为我国旅客出行和快捷货运的主要方式之一，是我国国民经济和社会发展的重要支柱。然而，我国铁路线路覆盖范围广、运行环境复杂多变，这给铁路系统运行的安全性和可靠性带来很大挑战。致灾要素信息的实时获取、传输、计算等技术在铁路灾害防控中起到越来越重要的作用，为铁路运营系统的风险评估、预警和控制提供了丰富的大数据支撑和有效的技术支持。目前，铁路沿线的防灾监测系统多采用有线通信方式或者4G等移动通信方式对监测信息进行传输。然而，在地形环境复杂地区铁路沿线电力和网络资源部署难度大、成本高、移动网络信号质量差，难以保证防灾监测信息的有效传输。随着无线传输技术的发展，在地形环境复杂地区构建基于无线通信的局部传输系统将有效解决这一难题，在局部无线传输系统中对监测信息进行传输、汇集和转发，然后通过开阔区域的汇聚节点或者基站将信息发送到数据中心进行分析和处理。
然而，能量资源受限是局部无线传输系统面临的最大挑战，基于通信路由协议优化的能耗效率提升是解决这一问题的最有效措施之一。铁路防灾监测系统的局部无线传输系统呈线性分布，即线性传感网系统目前对传输系统进行能量资源优化利用的方法主要为基于多跳的负载均衡优化算法，通过多跳分包转发的方式来保持各节点间通信负载的均衡性和能耗的均衡性，以提升系统的生命周期。一方面，此类算法对系统中防灾监测数据通信需求的不均衡性考虑不充分，即在异常情况发生情况下，部分防灾监测数据需要进行优先传输，以保证监测系统的安全服务能力；另一方面，对节点的边缘计算能力考虑不足，即防灾监测数据可以充分利用节点的边缘计算能力，对数据进行初步的压缩，以降低传输数据量和传输过程中的能量消耗，进而最大化系统的生命周期。
因此，需要本领域的技术人员解决的一个技术问题是：如何利用铁路防灾监测系统的边缘计算能力，一方面对异常数据进行识别，并设计相应的数据传输模式；另一方面，自适应采用数据压缩算法，减少传输能耗，从而在保证系统安全服务能力的同时，最大程度保证系统的可靠服务能力。
发明内容
针对上述技术问题，本发明提供一种铁路防灾监测无线传输系统路由及数据压缩自适应优化方法，充分利用铁路防灾监测节点的边缘计算能力，对不同的监测数据进行差异化的通信协议设计，用以保证安全监测信息实时优先传输的基础上，大大提升监测系统的生命周期。
本发明是通过以下技术方案实现的：
一种铁路防灾监测无线传输系统路由及数据压缩自适应优化方法，所述方法具体包括如下步骤：
步骤S101：根据铁路防灾监测无线传输系统的架构初始化无线路由矩阵F和节点的数据压缩率矩阵R；
步骤S102：获取当前每个防灾监测传感器节点采集的数据，并对数据进行边缘端预处理和特征分析；
步骤S103：初步判断防灾监测数据内容是否有异常情况；若存在异常情况，进入步骤S104；如不存在异常情况，进入步骤S105；
步骤S104：存在异常情况时，进入异常数据实时优先传输模式：异常节点数据采用低压缩、少分包的模式，以保证异常数据传输的实时性；常规节点数据采用自适应分包压缩，以有效抑制异常数据优先传输带来的节点间能耗不均衡性，保障系统高安全的服务能力；
步骤S105：不存在异常情况时，所有常规节点开启常规数据稳定传输模式，均采用自适应分包压缩，以有效提升系统整体的生命周期，保证监测系统高可靠的服务能力。
进一步地，步骤S101中：
所述无线路由矩阵F为：
其中，N表示铁路防灾监测无线传输系统中传感器节点的数量，B表示防灾监测数据的汇聚节点，或表示铁路沿线的一个基站节点；fi,j表示从基站节点i向基站节点j传输的数据量，i＝0,1,2,…,N，j＝1,2,…,B；假设数据向基站方向单向传输，所述无线路由矩阵F为上三角矩阵；
所述数据压缩矩阵R为：
其中，ri,j表示从基站节点i向基站节点j传输数据链路上采用的数据压缩率，假设数据向基站方向单向传输，所述数据压缩矩阵R为上三角矩阵；其中，压缩率r定义为压缩后的数据量dcom与压缩前数据量dori的比值，即：
进一步地，步骤S103中，所述异常情况包括暴风/雨/雪、地震或异物侵限。
进一步地，步骤S104具体包括：
S104-1确定异常节点的数据传输模式：
(1)计算异常节点监测数据不分包不压缩多跳路由传输的能耗和时延；
(2)计算时延等级最低的多跳传输方式；
(3)选择时延等级相同能耗最均衡的传输方式；
(4)计算步骤(3)所选择的传输方式的能耗是否大于剩余能量，如果是，输出异常数据传输最优路由；如果不是，计算延时等级高一级的传输方式，然后进入步骤(3)，直至输出异常数据传输最优路由；
步骤S104-1能够保证在通信能力(所述通信能力包括单跳传输距离，及剩余能量与传输能耗的关系)允许的情况下，最大程度降低数据处理和传输时延；在通信能力不允许时，在时延相同的情况下，最大程度降低传输总能耗。
S104-2常规节点采用自适应分包压缩模式进行传输；以抑制异常节点数据传输带来的节点间能耗不均衡性为目标；
优化目标函数为：
其中，varEre(t+1)为所有节点t+1时刻剩余能量的方差；为节点i在t+1时刻剩余能量，/>为所有节点在t+1时刻剩余能量的均值；
其中，节点i在t+1时刻剩余能量为节点i在t时刻剩余能量/>与消耗能量/>的差值，即：
进一步地，步骤S104-1中：
步骤(1)中，异常节点监测数据不分包不压缩多跳路由传输的时延T是在数据压缩、传输和解压缩三个过程中产生的，时延T的计算方法为：
T＝Tc+Tt+Td
其中，Tc为数据压缩时延；Tt为数据传输时延；Td为数据解压缩时延；
数据压缩时延Tc，由压缩算法和压缩率共同决定，采用相同压缩算法时，压缩率越低，相应压缩时延越大；数据传输时延Tt，由数据分包数和跳数共同决定，分包数和跳数越高，相应传输时延越大；数据解压缩时延Td，由解压缩算法和压缩率共同决定，采用相同解压缩算法时，压缩率越低，相应解压缩时延越大；
步骤(1)中，异常节点监测数据不分包不压缩多跳路由传输的能耗由数据发送、压缩和接收三部分共同组成，节点能耗计算方法为(由于数据是统一在基站处进行解压缩，本专利假设基站的能量是不受约束的，因此不考虑解压缩能耗：)：
ET＝Es+Ec+Er
其中，Es为数据发送能耗；Ec为数据压缩能耗；Er为数据接收能耗；数据发送能耗Es，由发送数据量和发送距离共同决定的，数据量越大、距离越远相应的发送能耗越大；数据压缩能耗Ec，由压缩算法、压缩率和压缩数据量共同决定，采用相同压缩算法时，压缩率越低、数据量越大，相应压缩能耗越大；数据接收能耗Er，由接收数据量大小决定，接收数据量越大，相应接收能耗越大。
其中，i节点的发送能耗为：
其中，Eele为电子器件能耗参数，为常数；ξfs为自由空间能量耗散系数，为常数；ξmp为多径衰落能量耗散系数，为常数；d0为节点间的临界距离；di,j是节点i和节点j之间的距离；
当源节点和目的节点的间距小于临界距离时，发送能耗采用自由空间能耗模型；当源节点和目的节点的间距大于等于临界距离时，发送能耗采用多径衰落能耗模型。
i节点的压缩能耗为：
其中，ECom(ri,j)表示当数据压缩率为ri,j时的数据压缩能耗系数；
i节点的接收能耗为：
进一步地，步骤S105具体为：不存在异常情况时，所有常规节点开启常规数据稳定传输模式，均采用自适应分包压缩，以有效提升系统整体的生命周期，保证监测系统高可靠的服务能力。
优化目标函数为：
其中，varEre(t+1)为所有节点在t+1时刻剩余能量的方差；为节点i在t+1时刻剩余能量，/>为所有节点在t+1时刻剩余能量的均值；
其中，节点i在t+1时刻剩余能量为节点i在t时刻剩余能量/>与消耗能量/>的差值，即：
与现有技术相比，本发明具有如下优点：
本发明提供的一种铁路防灾监测无线传输系统路由及数据压缩自适应优化方法，针对铁路防灾监测局部无线传输系统能量资源不充裕的情况，根据铁路防灾监测线性无线传输系统节点能量受限及数据通信需求差异化等特性，充分利用传感器节点边缘计算能力对采集数据的特征进行分析和判断，并根据数据特征进行路由及数据压缩率的自适应优化设计，自适应的根据监测数据特征分别采用“异常数据实时优先传输”模式和“常规数据稳定传输”模式，在多监测节点、复杂监测环境情况下保证了异常信息传输的实时性和正常信息传输的稳定性，确保为铁路系统的安全运行及决策提供丰富精准致灾要素监测数据和防灾应急决策支持；既保证了铁路防灾监测系统的安全服务能力，又大大提升了系统的可靠服务能力。
附图说明
图1是本发明实施实例中一种铁路防灾监测无线传输系统路由及数据压缩自适应优化方法的流程图；
图2是本发明实施实例中一种铁路防灾监测无线传输系统路由及数据压缩自适应优化方法的总体结构图；
图3是本发明实施实例中一种铁路防灾监测无线传输系统路由及数据压缩自适应优化方法的实现流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明进行进一步详细的说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。
参照图1，示出了一种铁路防灾监测无线传输系统路由及数据压缩自适应优化方法的流程图，所述方法包括：
步骤S101：根据铁路防灾监测无线传输系统的架构初始化无线路由矩阵F和节点的数据压缩率矩阵R；
步骤S102：获取当前每个防灾监测传感器节点采集的数据，并对数据进行边缘端预处理和特征分析；
步骤S103：初步判断防灾监测数据内容是否有异常情况；若存在异常情况，进入步骤S104；如不存在异常情况，进入步骤S105；
步骤S104：存在异常情况时，进入异常数据实时优先传输模式：
其中，异常节点数据采用低压缩、少分包的模式，以保证异常数据传输的实时性；常规节点数据采用自适应分包压缩；以有效抑制异常数据优先传输带来的节点间能耗不均衡性，保障系统高安全的服务能力；
步骤S105：不存在异常情况时，所有常规节点开启常规数据稳定传输模式，均采用自适应分包压缩，以有效提升系统整体的生命周期，保证监测系统高可靠的服务能力。
图3是本发明实施实例中一种铁路防灾监测无线传输系统路由及数据压缩自适应优化方法的实现流程图。所述方法具体步骤为：
步骤Step1：根据铁路防灾监测无线传输系统的架构初始化无线路由矩阵F和节点的数据压缩率矩阵R；
所述无线路由矩阵F为：
其中，N表示铁路防灾监测无线传输系统中传感器节点的数量，B表示防灾监测数据的汇聚节点，或表示铁路沿线的一个基站节点；fi,j表示从基站节点i向基站节点j传输的数据量，i＝0,1,2,…,N，j＝1,2,…,B；假设数据向基站方向单向传输，所述无线路由矩阵F为上三角矩阵；
所述数据压缩矩阵R为：
其中，ri,j表示从基站节点i向基站节点j传输数据链路上采用的数据压缩率，假设数据向基站方向单向传输，所述数据压缩矩阵R为上三角矩阵；其中，压缩率r定义为压缩后的数据量dcom与压缩前数据量dori的比值，即：
步骤Step2：获取当前每个防灾监测传感器节点采集的数据，并对数据进行边缘端预处理和特征分析；
步骤Step3：初步判断防灾监测数据内容是否有异常情况；若存在异常情况，进入步骤S104；如不存在异常情况，进入步骤S105；
具体地，所述异常情况包括包括暴风/雨/雪、地震、异物侵限；
步骤S104：存在异常情况时，进入异常数据实时优先传输模式；其中，异常节点数据采用低压缩、少分包的模式，以保证异常数据传输的实时性；常规节点数据采用自适应分包压缩；以有效抑制异常数据优先传输带来的节点间能耗不均衡性，保障系统高安全的服务能力；
步骤S104具体包括：
S104-1确定异常节点的数据传输模式：
(1)计算异常节点监测数据不分包不压缩多跳路由传输的能耗和时延；
(2)计算时延等级最低的多跳传输方式；
(3)优选时延等级相同能耗最均衡的传输方式；
(4)计算步骤(3)所选择的传输方式的能耗是否大于剩余能量，如果是，输出异常数据传输最优路由；如果不是，计算延时等级高一级的传输方式，然后进入步骤(3)，直至输出异常数据传输最优路由。
步骤S104-1能够保证在通信能力(所述通信能力包括单跳传输距离，及剩余能量与传输能耗的关系)允许的情况下，最大程度降低数据处理和传输时延；在通信能力不允许时，在时延相同的情况下，最大程度降低传输总能耗：
步骤S104-1步骤(1)中，时延T是在数据压缩、传输和解压缩三个过程中产生的，时延T的计算方法为：
T＝Tc+Tt+Td
其中，Tc为数据压缩时延；Tt为数据传输时延；Td为数据解压缩时延；
数据压缩时延Tc，由压缩算法和压缩率共同决定，采用相同压缩算法时，压缩率越低，相应压缩时延越大；数据传输时延Tt，由数据分包数和跳数共同决定，分包数和跳数越高，相应传输时延越大；数据解压缩时延Td，由解压缩算法和压缩率共同决定，采用相同解压缩算法时，压缩率越低，相应解压缩时延越大；
步骤S104-1步骤(1)中，节点能耗由数据发送、压缩和接收三部分共同组成，由于数据是统一在基站处进行解压缩，本专利假设基站的能量是不受约束的，因此不考虑解压缩能耗：节点能耗计算方法为：ET＝Es+Ec+Er
其中，Es为数据发送能耗；Ec为数据压缩能耗；Er为数据接收能耗；数据发送能耗Es，由发送数据量和发送距离共同决定的，数据量越大、距离越远相应的发送能耗越大；数据压缩能耗Ec，由压缩算法、压缩率和压缩数据量共同决定，采用相同压缩算法时，压缩率越低、数据量越大，相应压缩能耗越大；数据接收能耗Er，由接收数据量大小决定，接收数据量越大，相应接收能耗越大。
其中，i节点的发送能耗为：
其中，Eele为电子器件能耗参数，为常数；ξfs为自由空间能量耗散系数，为常数；ξmp为多径衰落能量耗散系数，为常数；d0为节点间的临界距离；di,j是节点i和节点j之间的距离；
当源节点和目的节点的间距小于临界距离时，发送能耗采用自由空间能耗模型；当源节点和目的节点的间距大于等于临界距离时，发送能耗采用多径衰落能耗模型。
i节点的压缩能耗为：
其中，ECom(ri,j)表示当数据压缩率为ri,j时的数据压缩能耗系数；
i节点的接收能耗为：
S104-2常规节点采用自适应分包压缩模式进行传输；，以抑制异常节点数据传输带来的节点间能耗不均衡性为目标；
优化目标函数为：
其中，varEre(t+1)为所有节点t+1时刻剩余能量的方差，方差越小说明所有节点间能耗均衡性越好；为节点i在t+1时刻剩余能量，/>为所有节点t+1时刻剩余能量的均值；
其中，节点i在t+1时刻剩余能量为节点i在t时刻剩余能量/>与消耗能量/>的差值，即：
步骤S105具体为：不存在异常情况时，所有常规节点开启常规数据稳定传输模式，均采用自适应分包压缩，以有效提升系统整体的生命周期，保证监测系统高可靠的服务能力。
优化目标函数为：
其中，varEre(t+1)为所有节点t+1时刻剩余能量的方差，方差越小说明所有节点间能耗均衡性越好；为节点i在t+1时刻剩余能量，/>为所有节点在t+1时刻剩余能量的均值；
其中，节点i在t+1时刻剩余能量为节点i在t时刻剩余能量/>与消耗能量/>的差值，即：
本实施例针对铁路防灾监测无线传输系统通信协议设计对系统安全服务能力和稳定服务能力的影响，设计一种合理有效的路由及数据压缩率自适应优化方法，充分发挥传感器节点的边缘计算能力对监测数据特征进行预判，并根据数据特征进行路由及数据压缩率的自适应优化设计，在多监测节点、复杂监测环境情况下保证了异常信息传输的实时性和正常信息传输的稳定性，确保为铁路系统的安全运行及决策提供丰富精准致灾要素监测数据和防灾应急决策支持。
图2是本发明实施实例中一种铁路防灾监测无线传输系统路由及数据压缩自适应优化方法的总体结构图，总体思路为：
铁路防灾监测传感器包括风速传感器、雨量传感器、雪量传感器、地震传感器和异物传感器5类型，每类传感器都由感知单元、计算单元、通信单元和能量单元4部分组成，各单元的能耗都由相应传感器的能量单元来供给。
上述5类传感器在数据发送前，由计算单元负责数据的预处理，对数据特征进行分析，判断是否有异常数据出现。如果出现异常数据，则该传感器节点启动“异常数据优先传输模式”进行传输路由的优化，然后剩余正常传感器节点启动“常规数据稳定传输模式”，采用自适应分包压缩，进行传输路由和数据压缩的优化；如果没有出现异常数据，所有传感器节点启动“常规数据稳定传输模式”进行传输路由和数据压缩的优化；最后根据优化模型输出的最优数据传输路由和数据压缩率进行通信协议设计，该系统根据该通信协议进行数据传输。
本领域普通技术人员可以理解，实现上述实施例的全部或者部分步骤/单元/模块可以通过程序指令相关的硬件来完成，前述程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述实施例各单元中对应的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光碟等各种可以存储程序代码的介质。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (3)
1.一种铁路防灾监测无线传输系统路由及数据压缩自适应优化方法，其特征在于，所述方法具体包括如下步骤：
步骤S101：根据铁路防灾监测无线传输系统的架构初始化无线路由矩阵F和节点的数据压缩率矩阵R；
步骤S102：获取当前每个防灾监测传感器节点采集的数据，并对数据进行边缘端预处理和特征分析；
步骤S103：初步判断防灾监测数据内容是否有异常情况；若存在异常情况，进入步骤S104；如不存在异常情况，进入步骤S105；
步骤S104：存在异常情况时，进入异常数据实时优先传输模式：异常节点数据采用低压缩、少分包的模式，以保证异常数据传输的实时性；常规节点数据采用自适应分包压缩；
步骤S105：不存在异常情况时，所有常规节点开启常规数据稳定传输模式，均采用自适应分包压缩；
其中，步骤S104具体包括：
S104-1确定异常节点的数据传输模式：
（1）计算异常节点监测数据不分包不压缩多跳路由传输的能耗和时延；
（2）计算时延等级最低的多跳传输方式；
（3）选择时延等级相同能耗最均衡的传输方式；
（4）计算步骤（3）所选择的传输方式的能耗是否大于剩余能量，如果是，输出异常数据传输最优路由；如果不是，计算延时等级高一级的传输方式，然后进入步骤（3），直至输出异常数据传输最优路由；
S104-2常规节点采用自适应分包压缩模式进行传输；
优化目标函数为：
；
其中，为所有节点/>时刻剩余能量的方差；/>为节点/>在/>时刻剩余能量，/>为所有节点在/>时刻剩余能量的均值；N表示铁路防灾监测无线传输系统中传感器节点的数量；
其中，节点i在时刻剩余能量/>为节点i在/>时刻剩余能量/>与消耗能量的差值，即：
；
步骤S104-1中：
步骤（1）中，异常节点监测数据不分包不压缩多跳路由传输的时延T是在数据压缩、传输和解压缩三个过程中产生的，时延T的计算方法为：
；
其中，为数据压缩时延；/>为数据传输时延；/>为数据解压缩时延；
步骤（1）中，异常节点监测数据不分包不压缩多跳路由传输的能耗由数据发送、压缩和接收三部分共同组成，节点能耗计算方法为：
；
其中，为数据发送能耗；/>为数据压缩能耗；/>为数据接收能耗；
其中，i节点的发送能耗为：
；
其中，为电子器件能耗参数，为常数；/>为自由空间能量耗散系数，为常数；/>为多径衰落能量耗散系数，为常数；/>为节点间的临界距离；/>是节点i和节点j之间的距离；表示从基站节点i向基站节点j传输的数据量，i=0,1,2,…,N，j=1,2,…,B；N表示铁路防灾监测无线传输系统中传感器节点的数量；B表示防灾监测数据的汇聚节点，或表示铁路沿线的一个基站节点；/>表示从基站节点i向基站节点j传输数据链路上采用的数据压缩率；
i节点的压缩能耗为：
；
其中，表示当数据压缩率为/>时的数据压缩能耗系数；
i节点的接收能耗为：
；
步骤S105具体为：不存在异常情况时，所有常规节点开启常规数据稳定传输模式，均采用自适应分包压缩；
优化目标函数为：
；
其中，为所有节点在/>时刻剩余能量的方差；/>为节点/>在/>时刻剩余能量，/>为所有节点在/>时刻剩余能量的均值；
其中，节点i在时刻剩余能量/>为节点i在/>时刻剩余能量/>与消耗能量的差值，即：
。
2.根据权利要求1所述一种铁路防灾监测无线传输系统路由及数据压缩自适应优化方法，其特征在于，步骤S101中：
所述无线路由矩阵F为：
;
其中，N表示铁路防灾监测无线传输系统中传感器节点的数量，B表示防灾监测数据的汇聚节点，或表示铁路沿线的一个基站节点；表示从基站节点/>向基站节点/>传输的数据量，i=0,1,2,…,N，j=1,2,…,B；数据向基站方向单向传输，所述无线路由矩阵F为上三角矩阵；
所述数据压缩率矩阵R为：
；
其中，、表示从基站节点/>向基站节点/>传输数据链路上采用的数据压缩率，数据向基站方向单向传输，所述数据压缩率矩阵R为上三角矩阵；其中，压缩率r定义为压缩后的数据量/>与压缩前数据量/>的比值，即：
。
3.根据权利要求1所述一种铁路防灾监测无线传输系统路由及数据压缩自适应优化方法，其特征在于，步骤S103中，所述异常情况包括暴风、雨、雪、地震或异物侵限。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111065679.9A CN113727411B (zh) | 2021-09-10 | 2021-09-10 | 铁路防灾监测无线传输系统路由及数据压缩自适应优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111065679.9A CN113727411B (zh) | 2021-09-10 | 2021-09-10 | 铁路防灾监测无线传输系统路由及数据压缩自适应优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113727411A CN113727411A (zh) | 2021-11-30 |
| CN113727411B true CN113727411B (zh) | 2023-10-27 |
Family
ID=78683363
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111065679.9A Active CN113727411B (zh) | 2021-09-10 | 2021-09-10 | 铁路防灾监测无线传输系统路由及数据压缩自适应优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113727411B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114640355B (zh) * | 2022-03-30 | 2023-04-18 | 北京诺司时空科技有限公司 | 时序数据库的有损压缩及解压缩方法、系统、存储介质、设备 |
| CN115877221B (zh) * | 2022-12-21 | 2023-11-10 | 广州辰创科技发展有限公司 | 电源健康状态预警平台 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20080105299A (ko) * | 2007-05-30 | 2008-12-04 | 주식회사 서화정보통신 | 이동통신 시스템에서 실시간 데이터 압축 및 압축해제 시스템 및 방법 |
| CN111263324A (zh) * | 2020-01-16 | 2020-06-09 | 南京审计大学金审学院 | 一种基于K-medoids分簇的无线传感网压缩感知处理方法 |
| CN111726768A (zh) * | 2020-06-16 | 2020-09-29 | 天津理工大学 | 一种基于压缩感知面向边缘计算的可靠数据收集方法 |
| CN113242274A (zh) * | 2021-04-08 | 2021-08-10 | 北京交通大学 | 铁路防灾监测系统信息分级回传方法 |
-
2021
- 2021-09-10 CN CN202111065679.9A patent/CN113727411B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20080105299A (ko) * | 2007-05-30 | 2008-12-04 | 주식회사 서화정보통신 | 이동통신 시스템에서 실시간 데이터 압축 및 압축해제 시스템 및 방법 |
| CN111263324A (zh) * | 2020-01-16 | 2020-06-09 | 南京审计大学金审学院 | 一种基于K-medoids分簇的无线传感网压缩感知处理方法 |
| CN111726768A (zh) * | 2020-06-16 | 2020-09-29 | 天津理工大学 | 一种基于压缩感知面向边缘计算的可靠数据收集方法 |
| CN113242274A (zh) * | 2021-04-08 | 2021-08-10 | 北京交通大学 | 铁路防灾监测系统信息分级回传方法 |
Non-Patent Citations (6)
| Title |
|---|
| Comparison of Lossless Data Compression Techniques in Low-Cost Low-Power (LCLP) IoT Systems;Aravind Hanumanthaiah 等;《2019 9th International Symposium on Embedded Computing and System Design (ISED)》;第1-5页 * |
| RAILWAY BRIDGE STRUCTURAL HEALTH MONITORING USING WIRELESS ACOUSTIC EMISSION SENSOR NETWORK;Hay, T等;《PROCEEDINGS OF THE ASME/IEEE JOINT RAIL CONFERENCE》;第57-61页 * |
| Two-Hierarchy Communication/Computation Hybrid Optimization Protocol for Railway Wireless Monitoring Systems;Ma, XP 等;《IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》;第16卷(第9期);第5723-5734页 * |
| 一种基于时空相关性和异常检测的改进WSN节能策略;万叶晶;叶继华;江爱文;;传感技术学报(第08期);第1367-1273页 * |
| 无线传感网中基于压缩感知的高效数据传输方案;欧庆波 等;《南京邮电大学学报(自然科学版)》;第44-51页 * |
| 轨道交通系统状态监测专用无线传感网资源优化配置方法研究;马小平;《中国博士学位论文全文数据库 (工程科技Ⅱ辑)》;第4章 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113727411A (zh) | 2021-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113727411B (zh) | 铁路防灾监测无线传输系统路由及数据压缩自适应优化方法 | |
| CN110109745B (zh) | 一种针对边缘计算环境的任务协同在线调度方法 | |
| CN105227481A (zh) | 基于路径开销和流调度代价最小化的sdn拥塞控制路由方法 | |
| CN110913181A (zh) | 一种基于边缘计算的仓库视频监控系统 | |
| Kumar et al. | An energy efficient IPv6 packet delivery scheme for industrial IoT over G. 9959 protocol based wireless sensor network (WSN) | |
| CN112612553A (zh) | 一种基于容器技术的边缘计算任务卸载方法 | |
| CN107317764A (zh) | 流量负载均衡的方法和系统 | |
| Naseer et al. | A sustainable vehicular based energy efficient data dissemination approach | |
| US20170195037A1 (en) | Dynamic forward error correction bypass in a digital communications system | |
| CN112511570B (zh) | 基于专用芯片的物联网数据完整性校验系统及其方法 | |
| CN109982327B (zh) | 一种自组织网络通信方法、装置、设备及可读存储介质 | |
| CN113242274B (zh) | 铁路防灾监测系统信息分级回传方法 | |
| CN115189908B (zh) | 一种基于网络数字孪生体的随机攻击生存性评估方法 | |
| CN110611939A (zh) | 一种基于mesh结构的配电网监测数据智能传输方法 | |
| CN106686652B (zh) | 无线传感器网络拓扑控制方法 | |
| CN113438271B (zh) | 存储器、物联网数据传输管理方法、装置和设备 | |
| Yang et al. | Big data-oriented intelligent control algorithm for marine communication transmission channel | |
| CN114595540A (zh) | 一种自主式交通系统可靠性评估方法 | |
| CN104378602B (zh) | 视频传输方法和装置 | |
| CN110896542B (zh) | 一种随机多sink模式下的异构网络构建方法 | |
| CN108810856B (zh) | 一种m2m终端业务优化控制方法 | |
| US20090129407A1 (en) | Packet consolidation | |
| Jenzeri et al. | Data Analysis for IoT System Using 6LoWPAN and Constrained Application Protocol for Environmental Monitoring | |
| JP6897669B2 (ja) | 管理ノード、管理システム、管理方法およびプログラム | |
| Gao et al. | Design of LoRa Communication Protocol for Image Transmission |
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 |