CN115884082A - 一种基于地图的可视化展示系统 - Google Patents
一种基于地图的可视化展示系统 Download PDFInfo
- Publication number
- CN115884082A CN115884082A CN202310140737.2A CN202310140737A CN115884082A CN 115884082 A CN115884082 A CN 115884082A CN 202310140737 A CN202310140737 A CN 202310140737A CN 115884082 A CN115884082 A CN 115884082A
- Authority
- CN
- China
- Prior art keywords
- cluster head
- nodes
- node
- sub
- map
- 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
- 230000000007 visual effect Effects 0.000 title claims description 22
- 241000854291 Dianthus carthusianorum Species 0.000 claims abstract description 131
- 238000012800 visualization Methods 0.000 claims abstract description 19
- 238000003064 k means clustering Methods 0.000 claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 18
- 238000013500 data storage Methods 0.000 claims description 10
- 238000000034 method Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 5
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- 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
- Arrangements For Transmission Of Measured Signals (AREA)
- Navigation (AREA)
Abstract
本发明属于可视化领域,公开了一种基于地图的可视化展示系统,包括采集模块,采集模块包括传感器节点和物联网基站;物联网基站用于对传感器节点进行分簇处理:计算数据获取区域的初始簇头数量;使用K‑means聚类算法对数据获取区域中的传感器节点进行聚类处理,获得初始簇头节点集合initU;对数据获取区域进行划分,获得多个子区域;分别获取每个子区域中的簇头节点;将所有子区域中的簇头节点存入最终的簇头节点集合finalU;基于finalU将除了簇头节点之外的传感器节点作为成员节点加入到相应的簇中。本发明避免距离物联网基站较近的区域中的簇头节点提前消耗完能量退出工作。
Description
技术领域
本发明涉及可视化领域,尤其涉及一种基于地图的可视化展示系统。
背景技术
可视化是利用计算机图形学和图像处理技术,将数据转换成图形或图像在屏幕上显示出来,再进行交互处理的理论、方法和技术。可视化展示系统一般包括数据获取、数据处理和数据展示这几个部分。
物联网是指通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术,实时采集任何需要监控、 连接、互动的物体或过程,采集其声、光、热、电、力学、化学、生物、位置等各种需要的信息,通过各类可能的网络接入,实现物与物、物与人的泛在连接,实现对物品和过程的智能化感知、识别和管理。
随着物联网的发展,现在的可视化展示系统在对范围较大的区域进行数据获取时,数据获取的部分经常采用物联网技术来获取用于展示的数据。但是现有的可视化展示系统,在对物联网中的传感器节点进行分簇时,一般采用的是先随机选取簇头节点,然后再根据信号的强度将剩余的传感器节点加入到相应的簇中。这样的分簇方式,并没有考虑到簇头节点距离基站越近则数据转发压力越大的问题,这就导致了距离基站较近的簇头节点需要承担过多的转发任务,提前消耗完能量退出工作,影响对用于进行展示的数据的获取。
发明内容
本发明的目的在于公开一种基于地图的可视化展示系统,解决现有的可视化展示系统在获取数据的过程中,随机选取簇头,并没有考虑到簇头节点距离基站越近则数据转发压力越大的问题,这就导致了距离基站较近的簇头节点需要承担过多的转发压力,提前退出工作,影响对用于进行展示的数据的获取的问题。
为了达到上述目的,本发明采用如下技术方案:
一种基于地图的可视化展示系统,包括采集模块,
采集模块包括传感器节点和物联网基站;
物联网基站用于采用如下方式对传感器节点进行分簇处理:
计算数据获取区域的初始簇头数量;
基于初始簇头数量,使用K-means聚类算法对数据获取区域中的传感器节点进行聚类处理,获得初始簇头节点集合initU;
基于初始簇头节点集合initU对数据获取区域进行划分,获得多个子区域;
基于子区域中的传感器节点与物联网基站之间的平均距离,分别获取每个子区域中的簇头节点;
将所有子区域中的簇头节点存入最终的簇头节点集合finalU;
基于finalU将除了簇头节点之外的传感器节点作为成员节点加入到相应的簇中。
优选地,所述成员节点用于获取自身所处位置的监测数据,并将监测数据发送至其所在簇的簇头节点;
簇头节点用于将来自成员节点的监测数据发送至物联网基站。
优选地,基于地图的可视化展示系统还包括地图存储模块,
地图存储模块用于存储数据获取区域的地图。
优选地,基于地图的可视化展示系统还包括数据存储模块,
物联网基站用于将监测数据发送至数据存储模块;
数据存储模块用于对监测数据进行存储。
优选地,基于地图的可视化展示系统还包括可视化模块;
可视化模块用于根据监测数据的获取位置,将监测数据可视化展示在所述地图对应的位置。
优选地,所述计算数据获取区域的初始簇头数量,包括:
使用以下公式计算初始簇头数量:
优选地,所述基于初始簇头数量,使用K-means聚类算法对数据获取区域中的传感器节点进行聚类处理,获得初始簇头节点集合initU,包括:
将初始簇头数量作为聚类中心的数量,使用K-means聚类算法对数据获取区域中的传感器节点进行聚类处理,获得初始簇头节点,并将所有的初始簇头节点存入initU。
优选地,所述基于初始簇头节点集合initU对数据获取区域进行划分,获得多个子区域,包括:
分别获取initU中的每个初始簇头节点对应的延续集合;
每个延续集合中的元素组成一个子区域;
根据设定的规则将不属于任一个延续集合中的传感器节点加入到对应的子区域中。优选地,所述分别获取initU中的每个初始簇头节点对应的延续集合,包括:
将数据获取区域中除了初始簇头节点之外的传感器节点存入集合elsU;
优选地,所述基于子区域中的传感器节点与物联网基站之间的平均距离,分别获取每个子区域中的簇头节点,包括:
根据平均距离计算每个子区域中的簇头节点的数量:
分别计算子区域中每个传感器节点的簇头能力值;
本发明在对数据获取区域进行分簇的过程中,并不是随机获取簇头节点。而是通过先获取初始簇头数量,然后基于初始簇头数量进行聚类,获得初始簇头的集合,接着在基于初始簇头来获得子区域,最后再根据子区域中的传感器节点与物联网基站之间的平均距离来获得每个子区域中的簇头节点。本发明的簇头节点数量能够根据子区域对应的平均距离变化而自适应变化。从而使得越接近物联网基站的子区域中的簇头分布密度越大,从而避免距离物联网较近的区域中的簇头节点的数据转发压力过大,提前消耗完能量退出工作。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明采集模块的一种实施例图。
图2为本发明对传感器节点进行分簇处理的一种实施例图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
如图1所示的一种实施例,本发明提供了一种基于地图的可视化展示系统,包括采集模块,
采集模块包括传感器节点和物联网基站;
如图2所示,物联网基站用于采用如下方式对传感器节点进行分簇处理:
计算数据获取区域的初始簇头数量;
基于初始簇头数量,使用K-means聚类算法对数据获取区域中的传感器节点进行聚类处理,获得初始簇头节点集合initU;
基于初始簇头节点集合initU对数据获取区域进行划分,获得多个子区域;
基于子区域中的传感器节点与物联网基站之间的平均距离,分别获取每个子区域中的簇头节点;
将所有子区域中的簇头节点存入最终的簇头节点集合finalU;
基于finalU将除了簇头节点之外的传感器节点作为成员节点加入到相应的簇中。
本发明在对数据获取区域进行分簇的过程中,并不是随机获取簇头节点。而是通过先获取初始簇头数量,然后基于初始簇头数量进行聚类,获得初始簇头的集合,接着在基于初始簇头来获得子区域,最后再根据子区域中的传感器节点与物联网基站之间的平均距离来获得每个子区域中的簇头节点。本发明的簇头节点数量能够根据子区域对应的平均距离变化而自适应变化。从而使得越接近物联网基站的子区域中的簇头分布密度越大,从而避免距离物联网较近的区域中的簇头节点的数据转发压力过大,提前消耗完能量退出工作。
优选地,所述成员节点用于获取自身所处位置的监测数据,并将监测数据发送至其所在簇的簇头节点;
簇头节点用于将来自成员节点的监测数据发送至物联网基站。
具体的,监测数据的具体内容,本领域技术人员可以数据获取区域的具体情况进行设置,例如,当需要对火力发电厂周围的空气质量情况进行可视化展示时,则监测数据为各种反映空气质量的数据,例如二氧化硫浓度、pm10浓度等。
优选地,基于地图的可视化展示系统还包括地图存储模块,
地图存储模块用于存储数据获取区域的地图。
具体的,地图可以是二维地图,也可以是三维地图。
优选地,基于地图的可视化展示系统还包括数据存储模块,
物联网基站用于将监测数据发送至数据存储模块;
数据存储模块用于对监测数据进行存储。
优选地,基于地图的可视化展示系统还包括可视化模块;
可视化模块用于根据监测数据的获取位置,将监测数据可视化展示在所述地图对应的位置。
当需要在地图中展示时,根据监测数据获取对应的传感器节点,然后根据传感器节点在坐标,在所述地图中找到对应的位置,然后在该位置显示该监测数据。
可视化模块从数据存储模块中获取监测数据,从地图存储模块中获取地图。
优选地,所述计算数据获取区域的初始簇头数量,包括:
使用以下公式计算初始簇头数量:
设置覆盖系数,能够保证簇头节点的覆盖率,避免由于簇头节点数量过少而导致成员节点需要消耗更多的能量才能与簇头节点进行通信,浪费成员节点的能量。
优选地,所述基于初始簇头数量,使用K-means聚类算法对数据获取区域中的传感器节点进行聚类处理,获得初始簇头节点集合initU,包括:
将初始簇头数量作为聚类中心的数量,使用K-means聚类算法对数据获取区域中的传感器节点进行聚类处理,获得初始簇头节点,并将所有的初始簇头节点存入initU。
具体的,在聚类的过程中,主要是考虑使得同一个聚类簇中的传感器节点与聚类中心之间的距离最小化。
优选地,所述基于初始簇头节点集合initU对数据获取区域进行划分,获得多个子区域,包括:
分别获取initU中的每个初始簇头节点对应的延续集合;
每个延续集合中的元素组成一个子区域;
根据设定的规则将不属于任一个延续集合中的传感器节点加入到对应的子区域中。
优选地,所述根据设定的规则将不属于任一个延续集合中的传感器节点加入到对应的子区域中,包括:
对于传感器节点D,若D不属于任一个延续集合,则将D加入到距离自身最近的子区域中。优选地,所述分别获取initU中的每个初始簇头节点对应的延续集合,包括:
将数据获取区域中除了初始簇头节点之外的传感器节点存入集合elsU;
在获取延续集合的过程中,本发明采用的是不断更新处理节点,然后将关联系数满足要求的传感器节点加入到延续集合中,直到没有能够满足要求的传感器节点。这种设置方式能够提高属于同一个子区域中的传感器节点之间的相似性,从而有利于统一为同一个子区域中的传感器节点布置相同的采集任务,降低了子区域中的传感器节点由于能量,通信范围等不同导致的过早退出工作的现象的出现概率,从而提高了本发明的传感器节点的单次更换能量后连续工作的时长。
而在循环的过程中,由于集合elsU中的数量不断减少,使得本发明的单次循环的速度越来越快,提高了选出延续集合的速度。
优选地,所述关联系数采用如下公式计算:
其中,表示传感器节点/>与处理节点/>之间的关联系数,/>、/>表示权重系数,/>和/>分别表示/>和/>的剩余能量,/>表示设定的能量差,/>和/>分别表示以/>和/>为圆心,半径为Q的范围内的传感器节点的数量,/>表示设定的数量差。
关联系数主要是从能量和覆盖范围这两方面进行综合考虑,从而选出综合通信性能近似的传感器节点加入到延续集合中。
优选地,所述基于子区域中的传感器节点与物联网基站之间的平均距离,分别获取每个子区域中的簇头节点,包括:
根据平均距离计算每个子区域中的簇头节点的数量:
分别计算子区域中每个传感器节点的簇头能力值;
在上述公式中,平均距离越小,则子区域中的簇头节点的数量越大,从而解决了本发明在背景技术部分指出的现有技术中存在的缺点。
优选地,所述簇头能力值采用如下公式计算:
其中,表示传感器节点d的簇头能力值,/>表示d的最大通信半径,表示标准通信半径,/>表示处于d的最大通信半径范围内的其它传感器节点的数量,/>表示设定的标准覆盖数量,/>表示d的通信波动系数,/>表示设定的通信波动系数标准值,/>表示比例系数,三者和为1,
其中,为权重参数,/>和/>分表示/>和/>的权重值,/>和/>分别表示在第次分簇后,d的发送系数和接收系数,/>,/>,/>和/>分别表示在第/>次分簇后到第+1次分/>簇之间的时间段内,d所收到的数据和所发送的数据的总长度,/>表示d在第/>次分簇后到第+1次分/>簇之间的时间段内所收发的数据的总长度,和/>分别表示在第/>次分簇后,d的发送系数和接收系数。
在本发明中,簇头能力值的计算除了考虑通信半径、覆盖的传感器节点的数量这两个指标之外,本发明还创造性地加入了通信波动系数,从而使得选出的簇头节点的综合性能更强。通信波动系数主要是从历史的数据收发量来进行考虑,收发数据之间的差异越大,则通信波动系数越大,表示该传感器节点的数据传输稳定性越差。加入了通信波动系数后,能够提高选出的簇头节点的通信稳定性,从而提高本发明获取监测数据的稳定性,提高可视化展示的使用体验。
优选地,基于finalU将除了簇头节点之外的传感器节点作为成员节点加入到相应的簇中,包括:
finalU中每个簇头节点对应一个簇;
对于传感器节点K,将K加入到择距离K最近的簇头节点所在的簇中。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于地图的可视化展示系统,其特征在于,包括采集模块,
采集模块包括传感器节点和物联网基站;
物联网基站用于采用如下方式对传感器节点进行分簇处理:
计算数据获取区域的初始簇头数量;
基于初始簇头数量,使用K-means聚类算法对数据获取区域中的传感器节点进行聚类处理,获得初始簇头节点集合initU;
基于初始簇头节点集合initU对数据获取区域进行划分,获得多个子区域;
基于子区域中的传感器节点与物联网基站之间的平均距离,分别获取每个子区域中的簇头节点;
将所有子区域中的簇头节点存入最终的簇头节点集合finalU;
基于finalU将除了簇头节点之外的传感器节点作为成员节点加入到相应的簇中。
2.根据权利要求1所述的一种基于地图的可视化展示系统,其特征在于,所述成员节点用于获取自身所处位置的监测数据,并将监测数据发送至其所在簇的簇头节点;
簇头节点用于将来自成员节点的监测数据发送至物联网基站。
3.根据权利要求2所述的一种基于地图的可视化展示系统,其特征在于,还包括地图存储模块,
地图存储模块用于存储数据获取区域的地图。
4.根据权利要求3所述的一种基于地图的可视化展示系统,其特征在于,还包括数据存储模块,
物联网基站用于将监测数据发送至数据存储模块;
数据存储模块用于对监测数据进行存储。
5.根据权利要求4所述的一种基于地图的可视化展示系统,其特征在于,还包括可视化模块;
可视化模块用于根据监测数据的获取位置,将监测数据可视化展示在所述地图对应的位置。
7.根据权利要求1所述的一种基于地图的可视化展示系统,其特征在于,所述基于初始簇头数量,使用K-means聚类算法对数据获取区域中的传感器节点进行聚类处理,获得初始簇头节点集合initU,包括:
将初始簇头数量作为聚类中心的数量,使用K-means聚类算法对数据获取区域中的传感器节点进行聚类处理,获得初始簇头节点,并将所有的初始簇头节点存入initU。
8.根据权利要求7所述的一种基于地图的可视化展示系统,其特征在于,所述基于初始簇头节点集合initU对数据获取区域进行划分,获得多个子区域,包括:
分别获取initU中的每个初始簇头节点对应的延续集合;
每个延续集合中的元素组成一个子区域;
根据设定的规则将不属于任一个延续集合中的传感器节点加入到对应的子区域中。
9.根据权利要求8所述的一种基于地图的可视化展示系统,其特征在于,所述分别获取initU中的每个初始簇头节点对应的延续集合,包括:
将数据获取区域中除了初始簇头节点之外的传感器节点存入集合elsU;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310140737.2A CN115884082B (zh) | 2023-02-21 | 2023-02-21 | 一种基于地图的可视化展示系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310140737.2A CN115884082B (zh) | 2023-02-21 | 2023-02-21 | 一种基于地图的可视化展示系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115884082A true CN115884082A (zh) | 2023-03-31 |
CN115884082B CN115884082B (zh) | 2023-05-16 |
Family
ID=85761406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310140737.2A Active CN115884082B (zh) | 2023-02-21 | 2023-02-21 | 一种基于地图的可视化展示系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115884082B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117042008A (zh) * | 2023-08-18 | 2023-11-10 | 国网四川省电力公司电力应急中心 | 一种基于无线传感器网络的电力设备控制系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108900996A (zh) * | 2018-07-04 | 2018-11-27 | 中国海洋大学 | 一种基于双层模糊算法的无线传感器网络数据传输方法 |
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 |
CN111148117A (zh) * | 2020-01-19 | 2020-05-12 | 中南林业科技大学 | 基于位置和能量相互关系的leach协议簇头选择方法 |
CN113115249A (zh) * | 2021-04-09 | 2021-07-13 | 中国工商银行股份有限公司 | 簇头节点的确定方法、装置及系统 |
WO2021164791A1 (zh) * | 2020-02-19 | 2021-08-26 | 重庆邮电大学 | 一种无线传感器的多跳最优路径选择方法 |
-
2023
- 2023-02-21 CN CN202310140737.2A patent/CN115884082B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108900996A (zh) * | 2018-07-04 | 2018-11-27 | 中国海洋大学 | 一种基于双层模糊算法的无线传感器网络数据传输方法 |
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 |
CN111148117A (zh) * | 2020-01-19 | 2020-05-12 | 中南林业科技大学 | 基于位置和能量相互关系的leach协议簇头选择方法 |
WO2021164791A1 (zh) * | 2020-02-19 | 2021-08-26 | 重庆邮电大学 | 一种无线传感器的多跳最优路径选择方法 |
CN113115249A (zh) * | 2021-04-09 | 2021-07-13 | 中国工商银行股份有限公司 | 簇头节点的确定方法、装置及系统 |
Non-Patent Citations (1)
Title |
---|
蔺莉;张莉华;: "无线传感器网络中能量高效的自适应分簇算法" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117042008A (zh) * | 2023-08-18 | 2023-11-10 | 国网四川省电力公司电力应急中心 | 一种基于无线传感器网络的电力设备控制系统 |
CN117042008B (zh) * | 2023-08-18 | 2024-04-12 | 国网四川省电力公司电力应急中心 | 一种基于无线传感器网络的电力设备控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115884082B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200178053A1 (en) | Drone-to-drone information exchange | |
CN102170697B (zh) | 一种室内定位方法及装置 | |
CN115884082A (zh) | 一种基于地图的可视化展示系统 | |
CN107943067B (zh) | 一种基于集群控制的无人机编队方法、装置及系统 | |
CN111935820B (zh) | 基于无线网络的定位实现方法及相关设备 | |
CN109982287B (zh) | 基于zigbee无线传感器网络的林业多传感器火警告警系统 | |
Marcus et al. | An eye on visual sensor networks | |
CN114092920A (zh) | 一种模型训练的方法、图像分类的方法、装置及存储介质 | |
CN115760976A (zh) | 一种变电站非接触式无感变电作业风险识别方法 | |
CN115620175A (zh) | 一种基于无人机自动巡检的现场管理系统 | |
CN203054567U (zh) | 一种雷电监测预警系统 | |
CN115578689B (zh) | 一种货物存储区监管方法及系统 | |
CN115899991A (zh) | 空调运行控制方法、装置、电子设备及存储介质 | |
CN112200130B (zh) | 一种三维目标检测方法、装置及终端设备 | |
Zhou et al. | A grey target group decision method with dual hesitant fuzzy information considering decision-maker’s loss aversion | |
CN112926779A (zh) | 基于路径规划的智能调度系统及方法 | |
CN115278525B (zh) | 集群运动目标连续时空定位数据的精简方法及系统 | |
CN112527829B (zh) | 基于物联网的工业数据传输与可视化系统 | |
CN113784280B (zh) | 一种基于WiFi指纹的消防员室内定位方法 | |
CN114119897B (zh) | 一种基于物联网的智慧工地管理方法和系统 | |
CN115995888B (zh) | 一种弱电智能化系统集成方法和系统 | |
CN117319957B (zh) | 一种矿山设备远程管理系统 | |
CN113596730B (zh) | 多事件监测的数据采集方法、系统、无人机设备及介质 | |
CN111290405B (zh) | 突发任务的农情获取边缘服务器移动机器人调度方法及系统 | |
Fei et al. | Stochastic Targets Monitoring in Wireless Powered Sensor Networks |
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 |