CN114025325B - 基于集合覆盖问题的网关优化部署方法及系统 - Google Patents
基于集合覆盖问题的网关优化部署方法及系统 Download PDFInfo
- Publication number
- CN114025325B CN114025325B CN202111314801.1A CN202111314801A CN114025325B CN 114025325 B CN114025325 B CN 114025325B CN 202111314801 A CN202111314801 A CN 202111314801A CN 114025325 B CN114025325 B CN 114025325B
- Authority
- CN
- China
- Prior art keywords
- gateway
- node
- sensor
- nodes
- deployment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005457 optimization Methods 0.000 claims abstract description 45
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000013480 data collection Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims 2
- 238000004220 aggregation Methods 0.000 claims 1
- 230000002776 aggregation Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 4
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 16
- 238000001514 detection method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000005358 geomagnetic field Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- 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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
- H04W88/16—Gateway arrangements
-
- 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)
- Traffic Control Systems (AREA)
Abstract
本发明提出一种基于集合覆盖问题的网关优化部署方法及系统,包括收集传感器节点、网关节点和路口中心点的经纬度坐标,利用所述经纬度坐标数据构建网关优化部署模型,根据网关优化部署模型计算出网关节点与传感器节点的覆盖关系,使用线性规划的方法求解网关优化集合覆盖问题,选择出最优网关部署方案。相较于传统的人工部署方案,使用本发明提出的网关优化部署方法,所使用的网关数量更少,网关的覆盖面积更加均匀,有效降低了成本,并且还解决了节点容易产生通信冲突且节点能耗过大的问题。
Description
技术领域
本发明涉及网关部署技术领域,更具体地,涉及一种基于集合覆盖问题的网 关优化部署方法及系统。
背景技术
随着经济的高速发展和城市化的加快,城市中的机动车保有量近年来持续高 速增长,道路交通的压力越来越大,导致了诸如交通拥堵、违规停车以及难以寻 找停车位等等问题。因此,对车辆检测的技术显得尤为重要。智能停车监测管理 系统可以对违规停车进行监管、提升停车位的周转率和缓解停车难的问题,如今 已在国内各大城市广泛应用。
物联网是智能停车监测管理系统其中的一个应用技术,其结合磁传感技术对 车辆进行感知,通过分析地磁场的变化来判断有无车辆存在,结合车辆监测数据 可实现交通实时导航,方便人们出行,降低交通事故风险。
公开号为CN103236188A(公开日为2013-08-07)公开了一种基于无线磁阻 传感器网络的协同决策车辆检测方法,用于检测停车位占用状态,包括:基于无 线传感器网络和各向异性磁阻传感器,对采集到的车辆对地磁场的扰动信号进行 处理,依据车辆对地磁场扰动的大小对车辆分类,设定特定路由与特定节点通信, 对相邻节点数据协同处理,在路由实现协同决策。
然而,上述基于无线磁阻传感器网络的车辆检测方法的网关节点存在网关覆 盖面积冗余的情况,导致网关部署成本过高、节点容易产生通信冲突且节点能耗 过大的缺陷。
发明内容
本发明为克服上述现有技术所述的网关部署成本过高、节点容易产生通信冲 突且节点能耗过大的缺陷,提供一种基于集合覆盖问题的网关优化部署及系统。
为解决上述技术问题,本发明的技术方案如下:
第一个方面,本发明提出一种基于集合覆盖问题的网关优化部署方法,包括 以下步骤:
S1:收集传感器节点、网关节点和路口中心点的经纬度坐标,并对所述经纬 度坐标数据进行预处理。
S2:基于集合覆盖问题,利用所述经纬度坐标数据构建网关优化部署模型, 通过所述网关优化部署模型基于其设置的优化目标计算出网关节点与传感器节 点的覆盖关系;
S3:利用网关节点与传感器节点的覆盖关系构建线性规划模型,根据所述线 性规划模型计算并选择网关节点,得到最优网关部署方案。
优选地,S1具体包括以下步骤:
S1.1:确定目标区域,其中所述目标区域包括Z个路口和K条道路。
S1.2:对目标区域部署的m个传感器节点和n个网关节点进行预处理,划分 出位于路口的传感器节点集合Crosz,0<z<Z,z为路口的编号。
S1.3:以路口中心为圆心,d为半径的一个圆形范围作为路口范围,根据路 口中心点的经纬度坐标计算出位于所述路口范围内的传感器节点, 并将计算出的传感器节点加入到集合Crosz;其中Crosz表示为:
其中,SNi=(Sxi,Syi)表示传感器节点的经纬度坐标,0<i<m,i为传感器节 点的编号。
S1.4:针对所有道路建立一个道路集合Roadk,0<k<K,k为道路的编号,所 述道路集合中包含每一条道路上所有的传感器节点和网关节点。
优选地,S1.1中设定目标区域内路边的每个灯柱都部署网关节点,且所有传 感器节点都至少被一个网关节点所覆盖。
优选地,构建网关优化部署模型具体包括:
设定某一目标区域中总共部署了m个传感器节点,所述目标区域设置有不 大于n个网关节点,集合Sensor为所有传感器节点的集合,集合Gateway为所 有网关节点的集合。
其中,GNj∈Gateway,GNj={SN1,SN2,...,SNg}为一个独立的网关节点集 合,覆盖部分传感器节点,g表示所述独立的网关节点集合最多能覆盖的传感器 节点数量;每一个GNj都是集合Sensor的一个子集,即Gateway是由Sensor的 一些子集所组成的集合。
网关优化部署模型给定条件表述为:
其中,表示网关节点的经纬度坐标,0<j<n,j为网关节点的 编号;r为网关节点的有效覆盖半径;若SNi∈GNj,则表明传感器节点i在网关 节点j覆盖范围之内。
优选地,S3具体包括以下步骤:
S3.1:利用Gateway集合和网关节点与传感器节点的覆盖关系,建立如下 0-1整数规划模型:
Min Cost=x1+x2+...+xn
s.t.
其中,Cost表示网关节点结果集;当xi=1时,表明第i个网关被选中;当 xi=0,时,则第i个网关未被选中;i=1,2,...,n;当SNi∈GNj,aij=1,当 aij=0,1<i<m,1<j<n。
S3.2:利用内点法求解S3.1中0-1整数线性规划模型,其中0-1整数线性规 划模型的求解结果分别为被选中的网关节点和最少的网关节点数量,利用求解结 果构建网关节点结果集Cost,Cost满足:
S3.3:根据网关节点结果集Cost中被选中的网关节点及数量,得到最优网 关部署方案。
优选地,所述最优网关部署方案的目标为找到最少的网关数量来覆盖所有传 感器节点。
第二个方面,本发明提出一种基于集合覆盖问题的网关优化部署系统,应用 于上述任一方案所述的基于集合覆盖问题的网关优化部署方法,包括:
数据收集模块,用于收集网关节点和传感器节点的经纬度坐标,以及标注节 点的类型和各节点的所属道路。
文件上传模块,用于上传本地已有的节点信息。
预处理模块,用于基于集合覆盖问题,利用所述网关节点和传感器节点的经 纬度坐标数据构建网关优化部署模型,通过所述网关优化部署模型基于其设置的 优化目标计算出网关节点与传感器节点的覆盖关系。
计算模块,用于利用网关节点与传感器节点的覆盖关系构建线性规划模型, 根据所述线性规划模型计算并选择网关节点,得到最优网关部署方案。
优选地,所述网关优化部署模型的优化目标为找到最少的网关数量来覆盖所 有传感器节点。
优选地,所述网关优化部署系统应用于基于磁阻传感器的路边停车检测场景。
与现有技术相比,本发明技术方案的有益效果是:本发明利用传感器节点、 网关节点和路口中心点的经纬度坐标数据构建网关优化部署模型,使用线性规划 的方法求解网关优化集合覆盖问题,选择出最优网关部署方案;相较于传统的人 工部署方案,所使用的网关数量更少,网关的覆盖面积更加均匀,有效降低了成 本,并且还解决了节点容易产生通信冲突且节点能耗过大的问题。
附图说明
图1为用于停车检测的物联网网关优化部署方法流程图。
图2为用于停车检测的物联网网关优化部署方法的应用场景图。
图3为目标区域中传感器节点与网关节点的分布示意图。
图4为基于集合覆盖问题的网关优化部署系统的原理图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
请参阅图1-图4,本实施例提出一种基于集合覆盖问题的网关优化部署方法, 包括以下步骤:
S1:收集传感器节点、网关节点和路口中心点的经纬度坐标,并对所述经纬 度坐标数据进行预处理,具体包括以下步骤:
S1.1:使用装载的GPS的设备、地图软件或使用覆盖优化系统确定目标区 域,其中所述目标区域包括Z个路口和K条道路。设定目标区域内路边的每个 灯柱都部署网关节点,且所有传感器节点都至少被一个网关节点所覆盖。
S1.2:对目标区域部署的m个传感器节点和n个网关节点进行预处理,划分 出位于路口的传感器节点集合Crosz,0<z<Z,z为路口的编号。
S1.3:以路口中心为圆心,d为半径的一个圆形范围作为路口范围,根据路 口中心点的经纬度坐标计算出位于所述路口范围内的传感器节点, 并将计算出的传感器节点加入到集合Crosz;其中Crosz表示为:
其中,SNi=(Sxi,Syi)表示传感器节点的经纬度坐标,0<i<m,i为传感器节 点的编号。
S1.4:针对所有道路建立一个道路集合Roadk,0<k<K,k为道路的编号,所 述道路集合中包含每一条道路上所有的传感器节点和网关节点。
S2:基于集合覆盖问题,利用所述经纬度坐标数据构建网关优化部署模型, 通过所述网关优化部署模型基于其设置的优化目标计算出网关节点与传感器节 点的覆盖关系。
集合覆盖问题的具体描述如下:设基集T={e1,e2,…,em},T1,T2,…,Tn是T的 一族子集,若且/>则称{Tj}j∈J为T的一个集合覆盖, 此时集合覆盖问题为求S的一个基数最小的集合覆盖,其中基数定义为集合元素 的数目。
在本实施例中,设定某一目标区域中总共部署了m个传感器节点,所述目 标区域设置有不大于n个网关节点,集合Sensor为所有传感器节点的集合,集 合Gateway为所有网关节点的集合。
其中,GNj∈Gateway,GNj={SN1,SN2,...,SNg}为一个独立的网关节点集 合,覆盖部分传感器节点,g表示所述独立的网关节点集合最多能覆盖的传感器 节点数量;每一个GNj都是集合Sensor的一个子集,即Gateway是由Sensor的 一些子集所组成的集合。
网关优化部署模型给定条件表述为:
其中,表示网关节点的经纬度坐标,0<j<n,j为网关节点的 编号;r为网关节点的有效覆盖半径;若SNi∈GNj,则表明传感器节点i在网关 节点j覆盖范围之内。
S3:利用网关节点与传感器节点的覆盖关系构建线性规划模型,根据所述线 性规划模型计算并选择网关节点,得到最优网关部署方案。具体包括以下步骤:
S3.1:利用Gateway集合和网关节点与传感器节点的覆盖关系,建立如下 0-1整数规划模型:
Min Cost=x1+x2+...+xn
s.t.
其中,Cost表示网关节点结果集;当xi=1时,表明第i个网关被选中;当 xi=0,时,则第i个网关未被选中;i=1,2,...,n;当SNi∈GNj,aij=1,当 aij=0,1<i<m,1<j<n。
S3.2:利用内点法求解S3.1中0-1整数线性规划模型,其中0-1整数线性规 划模型的求解结果分别为被选中的网关节点和最少的网关节点数量。
本实施例采用内点法来求解上述0-1整数规划问题,内点法主要原理就是在 梯度下降的过程中,如果当前迭代点是在可行域外,则会给损失函数一个非常大 的值,这样就能约束在可行域内求解。将上述0-1整数规划模型用如下矩阵形式 表述:
Min Cost01=cTx
s.t.Ax≤b
借鉴拉格朗日松弛法思路,0-1整数规划问题可以表示成如下目标函数f(x):
其中,w为约束方程的个数;I是指示函数,I的一般定义如下:
通过指示函数可以将约束方程直接写到目标函数中,然后对目标函数求极小 值,但是这个指示函数I(u)是不可导的,需要用其他可导的函数近似替代,常用 的替代函数I_(u)如下:
参数t决定I_(u)对I(u)的近似程度,所以新的目标函数可以写成如下形式:
由于I_(u)是凸函数,所以新的目标函数也是凸函数,因此可以通过凸优化 中的方法求解该目标函数的极小值,如牛顿法,梯度下降法等;所述目标函数的 极小值求解结果即为被选中的网关,以及最少的网关数量,利用求解结果构建网 关节点结果集Cost,Cost满足:
S3.3:根据网关节点结果集Cost中被选中的网关节点及数量,得到最优网 关部署方案。所述最优网关部署方案的目标为找到最少的网关数量来覆盖所有传 感器节点。
在具体实施过程中,将本实施例提出的一种基于集合覆盖问题的网关优化部 署方法应用于停车检测中。在一个基于无线磁阻传感器网络的路边停车检测场景 中,如图2所示,传感器节点部署在停车位中,网关节点一般部署在路边的灯柱 上,非必要情况下不自行立柱。传感器节点将采集到的信息发送给网关节点,网 关节点在统一发送给基站。
如图3所示,图3为本实例目标区域中传感器节点与网关节点的分布示意图。 图3中的区域是基于百度地图的一个真实场景,通过若干个圆圈划分出若干个目 标区域。每个目标区域内都部署有传感器节点和网关节点,传感器节点一般部署 在停车位上,所以呈现均匀分别;网关节点一般部署在路边的灯柱上,圆圈标记 为网关的有效覆盖面积。
表1网关优化部署方法的与基于人工经验部署方法的结果对比
对比结果
如表1所示,表1为网关优化部署方法的与基于人工经验部署方法的结果对 比,在同一场景中,部署有一定量的传感器数量,同时采用本实施例的网关优化 部署方法与基于人工经验部署方法,对比可知,本实施例网关优化部署方法相较 于传统的人工部署方法具有更少的成本、所使用的网关数量更少,且网关的覆盖 面积更加均匀。
实施例2
请参阅图4,本实施例提出一种基于集合覆盖问题的网关优化部署系统,应 用于上述实施例中提出的基于集合覆盖问题的网关优化部署方法,包括数据收集 模块、文件上传模块、预处理模块和计算模块,所述网关优化部署系统适用于基 于磁阻传感器的路边停车检测场景。
在具体实施过程中,数据收集模块通过装载的GPS的设备、地图软件或使 用覆盖优化系统收集传感器节点、网关节点和路口中心点的经纬度坐标,以及标 注节点的类型和各节点的所属道路;文件上传模块上传本地已有的网关节点和传 感器节点信息;预处理模块基于集合覆盖问题,利用所述节点的经纬度坐标数据 构建网关优化部署模型,根据网关优化部署模型计算出网关节点与传感器节点的 覆盖关系;计算模块基于网关节点与传感器节点的覆盖关系,使用线性规划的方 法求解网关优化集合覆盖问题,选择出最优网关部署方案。所述最优网关部署方 案的目标为找到最少的网关数量来覆盖所有传感器节点。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本 发明可借助系统软件来实现。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可以以软件产品的形式体现出来,该计算机软件产品 可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、闪存 (FLASH)、硬盘或光盘等,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)执行本发明实施例所述的方法。
值得注意的是,上述网关优化部署系统的实施例中,所包括的各个模块只是 按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能 即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本 发明的保护范围。
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非 是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明 的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施 方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进 等,均应包含在本发明权利要求的保护范围之内。
Claims (7)
1.基于集合覆盖问题的网关优化部署方法,其特征在于,包括以下步骤:
S1:收集传感器节点、网关节点和路口中心点的经纬度坐标,并对所述经纬度坐标数据进行预处理;具体包括以下步骤:
S1.1:确定目标区域,其中所述目标区域包括Z个路口和K条道路;
S1.2:对目标区域部署的m个传感器节点和n个网关节点进行预处理,划分出位于路口的传感器节点集合Cros z,0<z<Z,z为路口的编号;
S1.3:以路口中心为圆心,d为半径的一个圆形范围作为路口范围,根据路口中心点的经纬度坐标计算出位于所述路口范围内的传感器节点,并将计算出的传感器节点加入到集合Cros z;其中Cros z表示为:
其中,SN i = (Sx i,Sy i)表示传感器节点的经纬度坐标,0<i<m,i为传感器节点的编号;
S1.4:针对所有道路建立一个道路集合Road k,0<k<K,k为道路的编号,所述道路集合中包含每一条道路上所有的传感器节点和网关节点;
S2:基于集合覆盖问题,利用所述经纬度坐标数据构建网关优化部署模型,通过所述网关优化部署模型基于其设置的优化目标计算出网关节点与传感器节点的覆盖关系;
构建网关优化部署模型具体包括:
设定某一目标区域中总共部署了m个传感器节点,所述目标区域设置有不大于n个网关节点,集合Sensor为所有传感器节点的集合,集合Gateway为所有网关节点的集合;
其中,GN j∈Gateway,GN j={SN 1,SN 2,...,SN g}为一个独立的网关节点集合,覆盖部分传感器节点,g表示所述独立的网关节点集合最多能覆盖的传感器节点数量;每一个GN j都是集合Sensor的一个子集,即Gateway是由Sensor的一些子集所组成的集合;
网关优化部署模型给定条件表述为:
其中,表示网关节点的经纬度坐标,0<j<n,j为网关节点的编号;r为网关节点的有效覆盖半径;若SN i∈GN j,则表明传感器节点i在网关节点j覆盖范围之内
S3:利用网关节点与传感器节点的覆盖关系构建线性规划模型,根据所述线性规划模型计算并选择网关节点,得到最优网关部署方案。
2.根据权利要求1所述的基于集合覆盖问题的网关优化部署方法,其特征在于,S1.1中设定目标区域内路边的每个灯柱都部署网关节点,且所有传感器节点都至少被一个网关节点所覆盖。
3.根据权利要求1所述的基于集合覆盖问题的网关优化部署方法,其特征在于,S3具体包括以下步骤:
S3.1:利用Gateway集合和网关节点与传感器节点的覆盖关系,建立如下0-1整数规划模型:
其中,Cost表示网关节点结果集;当x i=1时,表明第i个网关被选中;当x i=0,时,则第i个网关未被选中;i=1,2,...,n;当SN i∈GN j,a ij =1,当SN i∉GN j,a ij =0,1<i<m,1<j<n;
S3.2:利用内点法求解S3.1中0-1整数线性规划模型,其中0-1整数线性规划模型的求解结果分别为被选中的网关节点和最少的网关节点数量,利用求解结果构建网关节点结果集Cost,Cost满足:
S3.3:根据网关节点结果集Cost中被选中的网关节点及数量,得到最优网关部署方案。
4.根据权利要求3所述的基于集合覆盖问题的网关优化部署方法,其特征在于,所述最优网关部署方案的目标为找到最少的网关数量来覆盖所有传感器节点。
5.基于集合覆盖问题的网关优化部署系统,应用于如权利要求1~4任一项所述的基于集合覆盖问题的网关优化部署方法,其特征在于,包括:
数据收集模块,用于收集网关节点和传感器节点的经纬度坐标,以及标注节点的类型和各节点的所属道路;
文件上传模块,用于上传本地已有的节点信息;
预处理模块,用于基于集合覆盖问题,利用所述网关节点和传感器节点的经纬度坐标构建网关优化部署模型,通过所述网关优化部署模型基于其设置的优化目标计算出网关节点与传感器节点的覆盖关系;
计算模块,用于利用网关节点与传感器节点的覆盖关系构建线性规划模型,根据所述线性规划模型计算并选择网关节点,得到最优网关部署方案。
6.根据权利要求5所述的基于集合覆盖问题的网关优化部署系统,其特征在于,所述传感器节点采用磁阻传感器。
7.根据权利要求5所述的基于集合覆盖问题的网关优化部署系统,其特征在于,所述最优网关部署方案的目标为找到最少的网关数量来覆盖所有传感器节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111314801.1A CN114025325B (zh) | 2021-11-08 | 2021-11-08 | 基于集合覆盖问题的网关优化部署方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111314801.1A CN114025325B (zh) | 2021-11-08 | 2021-11-08 | 基于集合覆盖问题的网关优化部署方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114025325A CN114025325A (zh) | 2022-02-08 |
CN114025325B true CN114025325B (zh) | 2023-12-08 |
Family
ID=80062292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111314801.1A Active CN114025325B (zh) | 2021-11-08 | 2021-11-08 | 基于集合覆盖问题的网关优化部署方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114025325B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103236188A (zh) * | 2013-04-25 | 2013-08-07 | 南京邮电大学 | 基于无线磁阻传感器网络的协同决策停车检测方法 |
CN104394537A (zh) * | 2014-12-11 | 2015-03-04 | 广东工业大学 | 一种多目标关注的无线Mesh路由器部署优化方法 |
WO2020202828A1 (ja) * | 2019-03-29 | 2020-10-08 | ソニー株式会社 | 通信制御装置、通信装置、及び通信制御方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210157312A1 (en) * | 2016-05-09 | 2021-05-27 | Strong Force Iot Portfolio 2016, Llc | Intelligent vibration digital twin systems and methods for industrial environments |
-
2021
- 2021-11-08 CN CN202111314801.1A patent/CN114025325B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103236188A (zh) * | 2013-04-25 | 2013-08-07 | 南京邮电大学 | 基于无线磁阻传感器网络的协同决策停车检测方法 |
CN104394537A (zh) * | 2014-12-11 | 2015-03-04 | 广东工业大学 | 一种多目标关注的无线Mesh路由器部署优化方法 |
WO2020202828A1 (ja) * | 2019-03-29 | 2020-10-08 | ソニー株式会社 | 通信制御装置、通信装置、及び通信制御方法 |
CN113597782A (zh) * | 2019-03-29 | 2021-11-02 | 索尼集团公司 | 通信控制设备、通信设备和通信控制方法 |
Non-Patent Citations (2)
Title |
---|
基于无线传感器网络车速监测算法;张足生;陈亮;;集成技术(03);全文 * |
无线传感器网络中多目标优化节点部署模型;方芳;陈世平;;计算机应用研究(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114025325A (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Musakwa et al. | Implications of land use change for the sustainability of urban areas: A case study of Stellenbosch, South Africa | |
Levine | The “Hottest” part of a hotspot: comments on “The utility of hotspot mapping for predicting spatial patterns of crime” | |
CN109686090B (zh) | 一种基于多源数据融合的虚拟交通流量计算方法 | |
CN110990661B (zh) | 一种基于路网约束和密度聚类的兴趣区域出入口提取方法 | |
WO2012019628A1 (en) | Parking lot detection using probe data | |
CN104318324A (zh) | 基于出租车gps记录的机场巴士站点及路线规划方法 | |
CN104281709A (zh) | 交通信息瓦片地图的生成方法和系统 | |
Ma et al. | Evolution regularity mining and gating control method of urban recurrent traffic congestion: a literature review | |
CN104282142B (zh) | 一种基于出租车gps数据的公交站台设置方法 | |
Li et al. | Defining the boundaries of urban built-up area based on taxi trajectories: a case study of Beijing | |
CN110362576A (zh) | 一种卡口交通流量预测方法 | |
Zhang et al. | Using street view images to identify road noise barriers with ensemble classification model and geospatial analysis | |
CN112966941A (zh) | 一种基于交通事故大数据的事故黑点识别方法及系统 | |
CN106558217B (zh) | 一种获取路边停车场信息的方法、装置及服务器 | |
CN113888867B (zh) | 一种基于lstm位置预测的车位推荐方法及系统 | |
Zhang et al. | How road network transformation may be associated with reduced carbon emissions: An exploratory analysis of 19 major Chinese cities | |
CN108805392A (zh) | 一种基于轨迹数据集成人类出行行为的可达性评估方法 | |
Chung et al. | Investigating the effects of POI-based land use on traffic accidents in Suzhou Industrial Park, China | |
CN114025325B (zh) | 基于集合覆盖问题的网关优化部署方法及系统 | |
CN110765900A (zh) | 一种基于dssd的自动检测违章建筑方法及系统 | |
Das et al. | Spatial accessibility modeling to healthcare facilities in the case of health shocks of Midnapore municipality, India | |
Beukes et al. | Quantifying the contextual influences on road design | |
Lodhia et al. | An Investigation into the Recent Developments in Intelligent Transport System | |
CN114913447A (zh) | 基于场景识别的警务智慧指挥室系统及方法 | |
CN113657776A (zh) | 一种自然保护地立标点选址方法及系统 |
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 |