CN116489709A - 节点调度策略确定方法、终端设备及存储介质 - Google Patents

节点调度策略确定方法、终端设备及存储介质 Download PDF

Info

Publication number
CN116489709A
CN116489709A CN202310731269.6A CN202310731269A CN116489709A CN 116489709 A CN116489709 A CN 116489709A CN 202310731269 A CN202310731269 A CN 202310731269A CN 116489709 A CN116489709 A CN 116489709A
Authority
CN
China
Prior art keywords
data set
time
node
target
spatial correlation
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
CN202310731269.6A
Other languages
English (en)
Other versions
CN116489709B (zh
Inventor
余江
刘兴川
孟煜
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.)
Smart City Research Institute Of China Electronics Technology Group Corp
Original Assignee
Smart City Research Institute Of China Electronics Technology Group Corp
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 Smart City Research Institute Of China Electronics Technology Group Corp filed Critical Smart City Research Institute Of China Electronics Technology Group Corp
Priority to CN202310731269.6A priority Critical patent/CN116489709B/zh
Publication of CN116489709A publication Critical patent/CN116489709A/zh
Application granted granted Critical
Publication of CN116489709B publication Critical patent/CN116489709B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution
    • H04W28/09—Management thereof
    • H04W28/0925—Management thereof using policies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution
    • H04W28/09—Management thereof
    • H04W28/0908—Management thereof based on time, e.g. for a critical period only
    • 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
    • H04W40/08—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on transmission power
    • 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
    • H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
    • 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
    • H04W52/0219—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave where the power saving management affects multiple terminals
    • 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
    • H04W52/0225—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal
    • H04W52/0248—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal dependent on the time of the day, e.g. according to expected transmission activity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • 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)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请公开了一种节点调度策略确定方法、终端设备及存储介质，通过对区域内所有节点在预设时间段内每一个目标采集时间采集到的传感数据进行空间相关性分析和时间相关性分析，以检测当前区域节点的传感数据是否具备地理位置上的一致性和时变上的一致性，并根据空间相关性分析结果和时间相关性分析结果确定节点调度策略，从而能够针对当前区域的环境采取适宜的节点调度策略，避免盲目采取节点调度策略而导致的区域环境监测结果准确性下降或造成监测盲区。

Description

节点调度策略确定方法、终端设备及存储介质
技术领域
本申请属于无线传感技术领域，尤其涉及一种节点调度方法、终端设备及存储介质。
背景技术
无线传感网络(Wireless Sensor Networks, WSN)是一种通过无线通信技术把多个传感器节点以自由式进行组织与结合进而形成的网络形式。无线传感网络具有低成本、低耗能的特点，适合大范围布设，广泛应用于环境监测、城市运行监测、工业生产监测等众多行业领域，产生了巨大的经济效益和社会效益。然而，无线传感网络运行过程中，存在一些问题需要解决，其一是节点的能耗问题；其二是节点间“冷热不均”问题，少量关键节点过快耗能死亡，导致整个网络的实质消亡；其三是数据冗余问题。
针对这些问题，分别有大量针对性的方案，例如最优路由路径选择、节点分簇、簇头节点动态调整和节点休眠等诸多节点调度策略。其中，节点休眠策略能够从根本上减少数据量和能量损耗，并且可以与其他节点调度策略组合使用，具有很高的研究价值和实用价值。
然而，现有关于节点调度策略的研究，对于当前区域的场景是否适宜某一种具体的节点调度策略并没有进行判断，就盲目采取该节点调度策略，例如节点休眠策略，导致区域环境监测结果的准确性下降或是造成监测盲区。
发明内容
本申请实施例提供一种节点调度策略确定方法、终端设备及存储介质，旨在解决现有的无线传感网络盲目采取节点调度策略而导致区域的环境监测结果的准确性下降或是造成监测盲区的问题。
第一方面，本申请实施例提供一种节点调度策略确定方法，包括：
获取第一采集数据集；所述第一采集数据集包括区域内所有节点在预设时间段内每一个目标采集时间采集到的传感数据；
分析所述第一采集数据集的空间相关性，得到空间相关性分析结果；
分析所述第一采集数据集的时间相关性，得到时间相关性分析结果；
根据所述空间相关性分析结果和所述时间相关性分析结果，确定节点调度策略。
通过对区域内所有节点在预设时间段内每一个目标采集时间采集到的传感数据进行空间相关性分析和时间相关性分析，以检测当前区域内各个节点采集到的传感数据之间是否具备地理位置上的一致性和时变上的一致性，并根据空间相关性分析结果和时间相关性分析结果确定节点调度策略，从而能够针对当前区域的环境采取适宜的节点调度策略，避免盲目采取节点调度策略而导致的区域环境监测结果不准确或造成监测盲区。
在上述第一方面的一种可能实现方式中，所述分析所述第一采集数据集的空间相关性，得到空间相关性分析结果，包括：
根据所述区域内所有节点的位置信息，确定空间权重矩阵；
根据所述空间权重矩阵和第一目标数据集，确定所述第一目标数据集对应的空间相关系数；其中，所述第一目标数据集包括所述区域内所有节点在第一目标时间采集到的传感数据，所述第一目标时间为所述预设时间段内任意一个目标采集时间；
根据所述第一目标数据集对应的空间相关系数，得到空间相关性分析结果。
在上述第一方面的一种可能实现方式中，所述分析所述第一采集数据集的时间相关性，得到时间相关性分析结果，包括：
根据所述第一采集数据集确定至少一个时段数据集；所述时段数据集包括第二目标数据集和第三目标数据集；所述第二目标数据集包括所述区域内所有节点在第二目标时间采集到的传感数据，所述第三目标数据集包括所述区域内所有节点在第三目标时间采集到的传感数据，所述第二目标时间和所述第三目标时间均为所述预设时间段内的任意一个目标采集时间，且所述第三目标时间晚于所述第二目标时间；
根据各个所述时段数据集中的所述第一目标数据集和所述第二目标数据集，确定各个时段变化数据集；
根据所述空间权重矩阵和各个所述时段变化数据集，确定各个所述时段变化数据集对应的空间相关系数；
根据至少一个所述时段变化数据集对应的空间相关系数，确定时间相关性分析结果。
在上述第一方面的一种可能实现方式中，所述根据所述第一目标数据集对应的空间相关系数，得到空间相关性分析结果，包括：
若所述第一目标数据集对应的空间相关系数满足空间相关条件，则确定所述第一采集数据集存在空间正相关关系。
在上述第一方面的一种可能实现方式中，所述根据至少一个所述时段变化数据集对应的空间相关系数，确定时间相关性分析结果，包括：
若所有所述时段变化数据集对应的空间相关系数均满足空间相关条件，则确定所述第一采集数据集存在时间正相关关系；
若存在任意一个所述时段变化数据集对应的空间相关系数不满足空间相关条件，则确定所述第一采集数据集不存在时间正相关关系。
在上述第一方面的一种可能实现方式中，所述空间相关条件包括：
所述空间相关系数大于空间相关系数阈值；
或者，所述空间相关系数大于所述空间相关系数阈值，且在所述空间相关系数大于所述空间相关系数阈值的情况下，p值大于p值阈值。
在上述第一方面的一种可能实现方式中，所述根据所述空间相关性分析结果和所述时间相关性分析结果，确定节点调度策略，包括：
若所述第一采集数据集存在空间正相关关系且存在时间正相关关系，则执行节点休眠策略；其中，所述节点休眠策略是指在所述区域内选取节点进行休眠。
在本实施例中，若所述第一采集数据集存在空间正相关关系且存在时间正相关关系，说明当前区域内各个节点采集到的传感数据之间具有地理位置上的一致性和时变上的一致性，因此执行节点休眠策略，以在减少无线传感网络能耗的同时，还能兼顾到区域的环境监测结果的准确性。
第二方面，本申请实施例提供一种终端设备，包括：
获取模块，用于获取第一采集数据集；所述第一采集数据集包括区域内所有节点在预设时间段内每一个目标采集时间采集到的传感数据；
空间相关分析模块，用于分析所述第一采集数据集的空间相关性，得到空间相关性分析结果；
时间相关分析模块，用于分析所述第一采集数据集的时间相关性，得到时间相关性分析结果；
确定模块，用于根据所述空间相关性分析结果和所述时间相关性分析结果，确定节点调度策略。
第三方面，本申请实施例提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面提供的所述节点调度策略确定方法。
第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面提供的所述节点调度策略确定方法。
可以理解的，上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
图1是本申请实施例提供的节点调度策略确定方法的流程示意图；
图2是本申请实施例提供的所述方法中步骤S12的流程示意图；
图3是本申请实施例提供的所述方法中步骤S13的流程示意图；
图4是本申请实施例提供的所述方法中终端设备执行节点调度策略的流程示意图；
图5是本申请实施例提供的所述方法中步骤S15的流程示意图；
图6是本申请实施例中提供的所述方法中步骤S151的一种实现方式的流程示意图；
图7是本申请实施例中提供的所述方法中步骤S151的另一种实现方式的流程示意图；
图8是本申请其中一实施例提供的终端设备的结构框图；
图9是本申请另一个实施例提供的终端设备的结构框图。
具体实施方式
为了使本申请所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本申请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申请，并不用于限定本申请。
现有的无线传感网络，对于当前监测区域的环境是否适宜某一种具体的节点调度策略并没有进行科学判断的前置工作，就盲目采取该节点调度策略。例如，未对当前区域的环境是否适宜节点休眠策略进行判断，就直接进入了休眠节点选取阶段。然而，应用节点休眠策略需要有两个前提，即区域节点的传感数据具有地理位置上的一致性和时变上的一致性。若不满足这两个前提，盲目应用节点休眠策略，将会导致区域的环境监测结果的准确性下降或是造成监测盲区。
在本实施例中，待监测的区域设置有多个节点，所有节点形成了无线传感网络。区域的环境监测结果通过区域内所有节点采集到的传感数据来获得，例如，在一个区域中包含了节点1、节点2和节点3，则该区域的环境监测结果通过节点1、节点2和节点3采集到的传感数据来获得。可以理解的，区域内任意一个节点的传感数据的测量值的准确性，会影响到区域环境监测结果的准确性。
监测盲区是指由于节点的传感数据未能获取到，而导致不能进行环境监测的区域。例如，在一个区域中包含了节点1、节点2和节点3，节点1采集局部区域1的环境参数，节点2采集局部区域2的环境参数，节点3采集局部区域3的环境参数，若节点1因发生故障或者其他原因未能正常工作，将导致局部区域1成为监测盲区。
为了解决上述提及的盲目应用节点调度策略，而导致区域的环境监测结果不准确或是造成监测盲区的问题，本申请实施例提供一种节点调度策略确定方法，该节点调度策略确定方法可以在终端设备上执行，该终端设备包括但不限于：服务器、计算机、智能手机以及平板电脑等能够执行本实施例的节点调度策略确定方法的设备。
下面结合附图对本申请实施例提供的节点调度策略确定方法进行详细介绍。
请参见图1，图1是本申请实施例提供的节点调度策略确定方法的流程示意图。该实施例的所述方法包括步骤S11~S14：
S11：获取第一采集数据集。
其中，所述第一采集数据集包括区域内所有节点在预设时间段内每一个目标采集时间采集到的传感数据。
示例性的，所述区域内的节点可以包括但不限于温度传感器、湿度传感器等传感器，则各个节点采集到的传感数据可以为温度数据、湿度数据等能反映当前区域环境情况的传感数据。
其中，区域内每一个节点可以以设定的节点采集频率进行传感数据的采集，也可以实时采集。
其中，所述预设时间段可以根据实际情况确定，例如，当终端设备对当前区域环境所适宜的节点调度策略进行确定时，则选取距离当前时刻最近的前一天作为所述预设时间段。
其中，所述目标采集时间可以根据节点的采集频率进行确定，如选取每个节点采集周期的起始时间点和终止时间点作为目标采集时间，其中，节点采集周期为节点采集传感数据时，相邻两个采集频率时间点之间的时间间隔，如节点的采集频率为f时，则节点采集周期为1/f，则目标采集时间可以为前一天的00：00：00， 04：00：00，…，24：00：00；或者，可以选取每隔两个节点采集周期的起始时间点和终止时间点作为目标采集时间，则终端设备可以将前一天中的00：00：00，08：00：00，16：00：00，24：00：00作为目标采集时间。
其中，终端设备可以与区域内各个节点通过无线网络、蜂窝网络等通信方式实现连接，以获取到区域内各个节点采集到的传感数据和各个节点的地理信息等数据。
在一些实现方式中，终端设备可以通过接收区域内各个节点在各个目标采集时间采集到的传感数据，并将各个节点在各个目标采集时间采集到的传感数据存储在本地存储单元或者云端数据库中，以使得终端设备可以从本地存储单元或者云端数据库中读取各个节点在各个目标采集时间采集到的传感数据，从而获得所述第一采集数据集。
示例性的，终端设备接收区域内各个节点发送的各个目标采集时间采集到的传感数据的方式可以为：终端设备可以在各个目标采集时间上向所有节点发送采集数据获取请求，以使得各个节点在接收到该采集数据获取请求后，向终端设备返回当前目标采集时间采集到的传感数据。或者，区域内各个节点在目标采集时间采集到传感数据后，各个节点可以将当前目标采集时间采集到的传感数据发送给上述终端设备。
在一些实现方式中，终端设备可以按照节点索引对所述第一采集数据集进行存储。具体的，所述区域中的每个节点对应有唯一的节点索引，终端设备可以根据节点索引，将节点采集到的传感数据存储到与节点索引对应的存储子单元中。例如，对于节点1，其节点索引为1，终端设备在获取到节点1采集到的传感数据后，可以根据人为预先设置的节点索引与存储地址的映射表，将节点1采集到的传感数据存储到存储地址为1的存储子单元中。终端设备还可以结合节点的位置信息，将节点的位置信息和节点在各个目标采集时间采集到的传感数据整理成多元组的形式进行存储，例如，当节点的位置信息包括节点的经度和纬度时，该多元组可以为（纬度，经度，各个目标采集时间采集到的传感数据）。
其中，终端设备获取节点的位置信息的方式可以为：在所述区域内部署好节点后，终端设备可以向节点发送位置获取请求，以使得节点响应该位置获取请求，并通过部署在节点上的定位模块计算出位置信息后返回给终端设备。或者，终端设备可以接收各个节点向其发送的位置信息，获得各个节点的位置信息。
S12：分析所述第一采集数据集的空间相关性，得到空间相关性分析结果。
空间相关分析是用于分析区域内多个不同数据点在空间上的相关关系。空间相关分析结果可以包括存在空间正相关关系、不存在空间相关性和存在空间负相关关系。
其中，若多个数据点存在空间正相关关系，则表示相同属性特征的多个数据点倾向于在空间上发生聚类。例如，若节点a采集到的传感数据与其周围节点采集到的传感数据都超出某一门槛值，说明节点a采集到的传感数据与其周围节点采集到的传感数据存在空间正相关关系。
其中，若多个数据点不存在空间相关性，则表示这多个数据点是随机分散在空间上的，与空间分布位置无关。
其中，若多个数据点存在空间负相关关系，则表示这多个数据点随着空间分布位置的聚集，呈现相反的属性特征。例如，若节点a采集到的传感数据低于某一门槛值时，节点a周围节点采集到的传感数据超出该门槛值，可认为该区域内多个节点采集到的传感数据之间存在空间负相关关系。
在一种实现方式中，终端设备可以获取所述区域内各个节点在任意一个目标采集时间采集到的传感数据，得到各个节点传感数据，并分析这多个节点传感数据之间的空间相关性，得到空间相关性分析结果。
在其他实现方式中，上述终端设备也可以针对每一个节点，计算各个节点在所有目标采集时间采集到的传感数据的平均值，得到各个节点传感数据，并分析这多个节点传感数据之间的空间相关性，得到空间相关性分析结果。
在一些实现方式中，终端设备可以通过计算上述多个节点传感数据之间的空间相关系数，并根据空间相关系数确定空间相关性分析结果。该空间相关系数可以包括但不限于皮尔逊相关系数、莫兰指数等其他空间相关系数。
S13：分析所述第一采集数据集的时间相关性，得到时间相关性分析结果。
时间相关性是用于分析多个时间变量之间的相关程度，例如，当前时刻的区域观测值与上一时刻的区域观测值之间的相关程度。在本实施例中，时间相关性分析结果可以包括存在时间正相关关系，不存在时间相关性和存在时间负相关关系。
其中，若两个时间变量存在时间正相关关系，则表示这两个时间变量呈现相同的变化趋势，例如，节点a在时间t0采集到的传感数据的数据值变大，在时间t1采集到的传感数据的数据值也变大，则说明节点a在时间t0采集到的传感数据与在时间t1采集到的传感数据之间存在时间正相关关系。
其中，若两个时间变量不存在时间相关性，则表示这两个时间变量的值与时间无关。
其中，若两个时间变量存在时间负相关关系，则表示这两个时间变量呈现相反的变化趋势。例如，若节点a在时间t0采集到的传感数据的数据值变大，在时间t1采集到的传感数据的数据值变小，则说明节点a在时间t0采集到的传感数据与在时间t1采集到的传感数据之间存在时间负相关关系。
在一种实现方式中，终端设备可以从本地存储单元或者云端数据库中读取各个节点在各个目标采集时间采集到的传感数据，并针对每一个目标采集时间，计算该目标采集时间上所有节点采集到的传感数据的平均值，得到各个目标采集时间对应的区域传感数据（st,…,st+m，…,st+n）。其中，st表示第t个目标采集时间对应的区域传感数据，…，st+m表示第t+m个目标采集时间对应的区域传感数据，…，st+n表示第t+n个目标采集时间对应的区域传感数据，并根据各个目标采集时间对应的区域传感数据，获得第一数据序列X (T)和第二数据序列Y (T)，且X (T)=（st,…,st+m），Y (T)=（st+m，…,st+n），并根据互相关函数公式，计算第一数据序列（st,…,st+m）和第二数据序列（st+m，…,st+n）之间的互相关系数。其中，/>为第一数据序列X (T)和第二数据序列Y (T)之间的互相关系数，E表示数学期望，u和v分别表示不同的目标采集时间，且/>，，X(u)表示第一数据序列X (T)在T= u时对应的传感数据，Y (v)表示第二数据序列Y (T)在T =v时对应的传感数据。最后，根据计算得到的互相关系数确定当前区域的节点传感数据的时间相关性分析结果。
在其他实现方式中，上述终端设备可以在得到各个目标采集时间对应的区域传感数据（st,…,st+m，…,st+n）之后，获得第三数据序列Z(T)，且Z(T)= （st,…,st+m，…,st+n），并通过自相关函数公式计算得到第三数据序列的自相关系数，/>表示第三数据序列Z (T)的自相关系数，E为数学期望，/>，Z (u)表示第三数据序列Z (T)在T=u时对应的传感数据，/>表示第三数据序列Z (T)在T=/>时对应的传感数据。最后，根据计算得到的自相关系数确定当前区域的节点传感数据的时间相关性分析结果。
S14：根据所述空间相关性分析结果和所述时间相关性分析结果，确定节点调度策略。
示例性的，所述节点调度策略可以包括但不限于节点休眠策略、最优路由路径选择策略。其中，节点休眠策略是指在无线传感网络中选取节点进行休眠。最优路由路径选择策略是指对无线传感网络中始发节点到目的节点之间的路径进行选择。
在一些实现方式中，终端设备可以在获取到所述空间相关性分析结果和所述时间相关性分析结果之后，从本地存储器或者云端数据库中读取调度策略映射表，该调度策略映射表存储有空间相关性分析结果、时间相关性分析结果与节点调度策略的对应关系，从而能根据该调度策略映射表确定所述节点调度策略。
示例性的，该调度策略映射表可以为用户根据经验进行设置的。
本实施例通过对区域内所有节点在预设时间段内每一个目标采集时间采集到的传感数据进行空间相关性分析和时间相关性分析，以检测当前区域的节点传感数据是否具备地理位置上的一致性和时变上的一致性，并根据空间相关性分析结果和时间相关性分析结果确定节点调度策略，从而能够针对当前区域的环境采取适宜的节点调度策略，避免盲目采取节点调度策略而导致区域的环境监测结果不准确或造成监测盲区。
参见图2，图2是本申请实施例提供的所述方法中步骤S12的流程示意图，所述步骤S12可以包括S121~S123：
S121：根据所述区域内所有节点的位置信息，确定空间权重矩阵。
示例性的，令空间权重矩阵G=[vij]，则对于空间权重矩阵中的每一个元素vij，vij表示第i个节点与第j个节点在空间位置上的邻接关系，当第i个节点与第j个节点相邻时，vij为1；当第i个节点与第j个节点不相邻时，vij为0。
S122：根据所述空间权重矩阵和第一目标数据集，确定所述第一目标数据集对应的空间相关系数。
其中，所述第一目标数据集包括所述区域内所有节点在第一目标时间采集到的传感数据，所述第一目标时间为所述预设时间段内任意一个目标采集时间。
在具体实施时，终端设备可以选取诸如全局莫兰指数、吉尔利指数等空间相关系数计算该第一目标数据集对应的空间相关系数，例如，当终端设备通过全局莫兰指数计算第一目标数据集的空间相关系数时，可以计算该第一目标数据集与空间权重矩阵的乘积，获得该第一目标数据集的空间相关系数。
S123：根据所述第一目标数据集对应的空间相关系数，得到空间相关性分析结果。
示例性的，上述步骤S123可以包括：
若所述第一目标数据集对应的空间相关系数满足空间相关条件，则确定所述第一采集数据集存在空间正相关关系；若所述第一目标数据集对应的空间相关系数不满足空间相关条件，则确定所述第一采集数据集不存在空间正相关关系。
其中，所述第一采集数据集不存在空间正相关关系，说明所述第一采集数据集不存在空间相关性或者存在空间负相关关系。
在一些实现方式中，所述空间相关条件可以包括所述空间相关系数大于空间相关系数阈值；或者，所述空间相关系数大于所述空间相关系数阈值，且在所述空间相关系数大于所述空间相关系数阈值的情况下，p值大于p值阈值。
在本实施例中，若在所述空间相关系数大于所述空间相关系数阈值的情况下，p值大于p值阈值，则说明所述第一采集数据集存在空间正相关关系，且正相关性强。
其中，所述空间相关系数阈值和p值阈值可以为人为根据实际情况设置的一个阈值，示例性的，该空间相关系数阈值可以设置为0.5，p值阈值可以设置为0.05。
其中，p值是用来判定假设校验结果的参数，P值表征为：当假设为真时，发生与假设结果相同或更极端结果的概率。例如，原假设H0为：区域内各个节点采集到的传感数据之间的空间相关系数大于0.5，接下来选取10个不同采集时间对应的各个节点采集到的传感数据作为样本，若这10个样本出现空间相关系数大于0.5的概率为P1，如果P1大于p值阈值，则接受该假设H0，即该假设H0校验通过；否则，假设H0校验不通过。
本实施例通过选取区域内所有节点在任意一个目标采集时间采集到的传感数据进行空间相关性分析，以对区域内各个节点的传感数据之间的地理位置一致性分析，由于只选取了一个目标采集时间的节点传感数据进行分析，因此能够减少终端设备的计算量。
参见图3，图3是本申请实施例提供的所述方法中步骤S13的流程示意图，所述步骤S13可以包括S131~S134：
S131：根据所述第一采集数据集确定至少一个时段数据集。
其中，所述时段数据集包括第二目标数据集和第三目标数据集；所述第二目标数据集包括所述区域内所有节点在第二目标时间采集到的传感数据，所述第三目标数据集包括所述区域内所有节点在第三目标时间采集到的传感数据，所述第二目标时间和所述第三目标时间均为所述预设时间段内的任意一个目标采集时间，且所述第三目标时间晚于所述第二目标时间。
在一种实施方式中，终端设备可以选取相邻目标采集时间对应的所有节点采集到的传感数据作为时段数据集。例如，第一采集数据集包括区域内所有节点在前一天采集到的传感数据，且目标采集时间间隔为4个小时，终端设备可以将第一采集数据集分成6个时段数据集，则有：前一天00：00：00点对应的所有节点采集到的传感数据和前一天04：00：00对应的所有节点采集到的传感数据作为一个时段数据集，前一天04：00：00对应的所有节点采集到的传感数据和前一天08：00：00对应的所有节点采集到的传感数据作为第二个时段数据集，...，前一天20：00：00对应的所有节点采集到的传感数据和前一天24：00：00对应的所有节点采集到的传感数据为第六个时段数据集。
在另一种实施方式中，终端设备可以随机选取预设时间段内两个不同目标采集时间对应的所有节点采集到的传感数据进行配对，形成至少一个时段数据集。例如，假设第一采集数据集包括所述区域内所有节点在前一天采集到的传感数据，且目标采集时间间隔为6个小时，终端设备可以将第一采集数据集分成4个时段数据集，则有：前一天00：00：00对应的所有节点采集到的传感数据和前一天12：00：00对应的所有节点采集到的传感数据作为第一个时段数据集，前一天06：00：00对应的所有节点采集到的传感数据和前一天18：00：00对应的所有节点采集到的传感数据作为第二个时段数据集，前一天12：00：00对应的所有节点采集到的传感数据和前一天24：00：00对应的所有节点采集到的传感数据作为第三个时段数据集，前一天6：00：00对应的所有节点采集到的传感数据和前一天12：00：00对应的所有节点采集到的传感数据作为第四个时段数据集。
S132：根据各个所述时段数据集中的所述第一目标数据集和所述第二目标数据集，确定各个时段变化数据集。
其中，所述时段变化集可以包括各个节点对应的数据变化量。
在一种实现方式中，终端设备可以对第一目标数据集和第二目标数据集执行作差运算，得到时段变化数据集。例如，假设第一目标数据集为，第二目标数据集为/>，令时段变化数据集为/>，则有。其中，/>为区域内第1个节点在t0时刻采集到的传感数据，…，/>为区域内第i个节点在t0时刻采集到的传感数据，…，/>为区域内第m个节点在t0时刻采集到的传感数据；/>为区域内第1个节点在t1时刻采集到的传感数据，…，/>为区域内第i个节点在t1时刻采集到的传感数据，…，/>为区域内第m个节点在t1时刻采集到的传感数据；/>为区域内第1个节点对应的数据变化量，…，/>为区域内第i个节点对应的数据变化量，…，/>为区域内第m个节点对应的数据变化量，m为区域内所有节点的数量，且m为正整数。
在另一种实现方式中，终端设备也可以对所述第一目标数据集和所述第一目标数据集进行协方差运算，得到时段变化数据集，通过协方差计算获得时段变化数据集的具体实现过程可以参考上述作差运算的具体过程，在此不再赘述。
S133：根据所述空间权重矩阵和各个所述时段变化数据集，确定各个所述时段变化数据集对应的空间相关系数。
其中，计算所述时段变化数据集对应的空间相关系数和计算第一目标数据集对应的空间相关系数的原理一样，具体实现过程可以参考上述步骤S121~S122，在此不再赘述。
S134：根据至少一个所述时段变化数据集对应的空间相关系数，确定时间相关性分析结果。
示例性的，上述步骤S134可以包括：
若所述第一目标数据集对应的空间相关系数满足空间相关条件，则确定所述第一采集数据集存在空间正相关关系；若存在任意一个所述时段变化数据集对应的空间相关系数不满足空间相关条件，则确定所述第一采集数据集不存在时间正相关关系。
其中，不存在时间正相关关系可以包括不具备时间相关性和存在时间负相关关系。
在一些实现方式中，终端设备可以在计算所有时段变化数据集对应的空间相关系数之后，依次对各个时段变化数据集对应的空间相关系数进行判断，若某一个时段数据变化集对应的空间相关系数不满足空间相关条件，则确定所述第一采集数据集不存在时间正相关关系，结束对所述第一采集数据集的时间相关性分析过程。
其中，所述空间相关条件可以参见上述步骤S123的有关内容，在此不再赘述。
在本实施例中，若时段变化数据集对应的空间相关系数满足空间相关条件，则说明区域内节点的传感数据从第一目标时间变化到第二目标时间时，仍存在空间正相关关系，因此，可以确定所述第一采集数据集存在时间正相关关系。
本实施例根据预设时间段内两个不同目标采集时间对应的所有节点采集到的传感数据，得到多个时段变化数据集，并计算各个时段变化数据集对应的空间相关系数，从而根据多个时段变化集对应的空间相关系数，对所述第一采集数据集进行时间相关性分析，进而能对区域内节点的传感数据在时变上的一致性进行分析。
在一种实现方式中，所述步骤S14可以包括：
若所述第一采集数据集存在空间正相关关系和存在时间正相关关系，则执行节点休眠策略。
在其他可能情况中，若所述第一采集数据集不同时存在空间正相关关系和时间正相关关系，则不执行节点休眠策略。
其中，所述节点休眠策略可以包括在所述区域内选取节点进行休眠。
在本实施例中，若所述第一采集数据集存在空间正相关关系和存在时间正相关关系，则说明在同一时间点上，当前区域内各个节点采集到的传感数据的数值比较接近，且当前区域内节点采集到的传感数据在两个不同的时间点上呈现相同的变化趋势或者属性特征。因此，确定所述区域内各个节点的传感数据之间存在地理位置上的一致性和时变上的一致性。由此，当对区域内无线传感网络执行节点休眠策略时，对于休眠状态的节点，该节点对应的监测区域的环境监测结果可以通过区域内其他节点在历史采集时间采集到的传感数据推测获得，进而能够在兼顾到区域的环境监测结果的准确性的同时，减少节点能量消耗。
值得说明的是，若未对当前区域的环境进行分析，盲目采用节点休眠策略，若第一采集数据集不同时存在空间正相关关系和时间正相关关系，在节点a休眠的情况下，由于当前区域内各个节点采集到的传感数据之间不存在地理位置上的一致性和时变上的一致性，若通过其他节点采集到的传感数据推测该节点对应的区域的环境监测结果，将导致该节点对应的区域的环境监测结果不准确，若直接忽略该节点对应的区域的环境监测结果，则不能监测到该节点对应的区域的实际环境情况，进而造成监测盲区。
请参见图4，图4是本申请实施例的所述方法中步骤S14执行节点调度策略的流程示意图。上述步骤S14中终端设备执行节点调度策略可以包括如下步骤S15~S16：
S15：对区域内所有节点进行分簇，得到各个节点簇。
在一些实现方式中，终端设备可以根据所有节点的位置信息或者各个节点采集到的传感数据，通过聚类算法对区域内所有节点进行分簇，得到各个节点簇。
S16：选取各个节点簇的头节点，并在各个节点簇中选择节点进行休眠。
具体的，终端设备可以从本地存储单元中读取用户预先设置的各个节点簇对应的工作比例，并针对各个节点簇，按照各个节点簇对应的工作比例随机选取对应数量的节点进行标记。之后，针对每一个节点簇，基于当前节点簇中所有已标记的节点的位置信息，计算所有已标记节点的几何中心，并根据几何中心的位置信息和各个已标记节点的位置信息，对比得到距离几何中心最近的已标记节点，并将距离几何中心最近的已标记节点记为当前节点簇的头节点，并向当前节点簇中所有已标记的节点广播头节点信息，已标记的节点仍保持工作状态，并控制当前节点簇中所有未标记的节点进行休眠。
通过在各个节点簇中选取节点进行休眠，并在各个节点簇中选取头节点管理当前节点簇中所有节点采集到的传感数据，能避免区域内每一个节点都单独进行数据传送而导致的区域无线传感网络的数据量过大，并能避免区域内节点与节点之间发生信息碰撞而导致的能量浪费。同时，由于各个节点簇中选取的头节点距离当前节点簇的几何中心位置最近，因此，能使得各个节点簇中选取的头节点到其他节点的传输路径都是比较均衡的。
请参见图5，图5是上述步骤S15的一个流程示意图，上述步骤S15可以包括S151~S152：
S151：若所述第一采集数据集存在空间正相关关系和存在时间正相关关系，则根据所有节点的位置信息和各个节点对应的目标采集数据，对区域内所有节点进行分簇，得到各个节点簇。
其中，各个节点对应的目标采集数据可以为各个节点在预设时间段内任意一个目标采集时间采集到的传感数据，如节点a1对应的目标采集数据可以为节点a1在前一天的04：00：00采集到的传感数据。
参见图6，图6是上述步骤S151的一种实现方式的流程示意图。上述步骤S151可以包括步骤S1511~S1515：
S1511：根据所述区域内所有节点的位置信息，对所述区域内所有节点进行聚类，得到多个初始节点簇、多个初始簇中心以及所述区域内各个节点对应的初始簇中心和对应的初始节点簇。
在具体实施时，可以采用k-均值算法等聚类算法，对所述区域内所有节点进行初步聚类，得到多个初始节点簇、多个初始簇中心。
S1512：对于所述区域内每一个节点，根据当前节点的位置信息和所述当前节点对应的初始簇中心的位置信息，计算所述当前节点与所述当前节点对应的初始簇中心的第一距离。
示例性的，令当前节点的位置用（，/>）表示，当前节点对应的初始簇中心的位置用（x c，y c）来表示，则当前节点与当前节点对应的初始簇中心的第一距离d可以为：
。
其中，表示当前节点的经度，/>表示当前节点的纬度，x c表示当前节点对应的初始簇中心的经度，y c表示当前节点对应的初始簇中心的纬度。
S1513：计算所述区域内各个节点与各个初始簇中心的分簇距离，并根据所述区域内各个节点与各个初始簇中心的分簇距离，更新各个所述初始节点簇和各个所述初始簇中心。
其中，在计算所述区域内各个节点与各个初始簇中心的分簇距离的过程中，对于所述区域内每一个节点，若当前节点对应的第一距离大于距离阈值，则根据所述当前节点的位置信息和各个初始簇中心的位置信息，计算所述当前节点与各个初始簇中心的分簇距离；若所述当前节点对应的第一距离小于或等于所述距离阈值，则根据所述当前节点对应的目标采集数据和各个初始簇中心对应的簇中心采集数据，确定所述当前节点与各个初始簇中心对应的分簇距离；其中，所述初始簇中心对应的簇中心采集数据根据所述初始节点簇中所有节点对应的目标采集数据确定。
在一种实施方式中，终端设备可以通过计算所述初始节点簇中所有节点的目标采集数据的平均值，获得所述初始簇中心对应的簇中心采集数据。具体的，令为第j个初始簇中心对应的簇中心采集数据，/>为第j个初始簇中第i个节点的目标采集数据，第j个初始簇中所有节点的数量为m，则有/>。
在其他实施方式中，终端设置也可以通过计算距离当前初始簇中心最近的预设数量的节点的目标采集数据的平均值，获得所述初始簇中心对应的簇中心采集数据。其中，预设数量根据实际情况确定。
S1514：迭代执行根据所述区域内各个节点与各个初始簇中心的分簇距离，更新各个所述初始节点簇和各个所述初始簇中心的步骤，直至达到预设迭代停止条件，获得最终更新后的各个初始节点簇。
示例性的，所述预设迭代停止条件可以为达到迭代次数，或者当前迭代次数对应的初始簇中心的位置与上一次迭代次数对应的初始簇中心的位置之间的距离小于预设的目标距离阈值。其中，所述迭代次数和所述目标距离阈值均为根据实际情况人为设置的一个阈值。
S1515：将最终更新后的各个初始节点簇作为各个所述节点簇。
例如，若对于区域内节点A1，其在上述步骤S1511确定其对应的初始簇中心为O1，并通过步骤S1512计算得到节点A1与其对应的初始簇中心O1的第一距离为d11，若d11大于距离阈值，则在上述S1513~S1515中，对于节点A1，其在每一次初始簇中心更新迭代次数中，节点A1与当前迭代次数对应的各个初始簇中心之间的分簇距离为：
。
其中，表示节点A1的经度，/>表示节点A1的纬度，x cj表示当前迭代次数对应的第j个初始簇中心的经度，x cj表示当前迭代次数对应的第j个初始簇中心的纬度。
若d11小于或等于距离阈值，则在上述S1513~S1515中，对于节点A1，其在每一次初始簇中心更新迭代次数中，节点A1与当前迭代次数对应的各个初始簇中心之间的分簇距离可以为：
。
其中，和/>分别为节点A1对应的目标采集数据和当前迭代次数中第j个初始簇中心对应的簇中心采集数据。
在一些实现方式中，终端设备可以针对每一个节点，计算两种不同情况下对应的第一分簇距离和第二分簇距离，并对第一分簇距离和第二分簇距离进行量级统一后，确定各个节点最终对应的分簇距离：
第一种情况：根据各个节点的位置信息和各个初始簇中心的位置信息，计算各个节点与各个初始簇中心的第一分簇距离。
第二种情况：根据各个节点对应的目标采集数据和各个初始簇中心对应的簇中心采集数据，计算各个节点与各个初始簇中心的第二分簇距离。
接着，针对同一个节点，对该节点对应的第一分簇距离和对应的第二分簇距离的量级进行统一。比如，该节点与初始簇中心O1的第一分簇距离为330，该节点与初始簇中心O1的第二分簇距离为23，则将第一分簇距离缩放为33，以将第一分簇距离和第二分簇距离的数值都统一到十位数。当该节点对应的第一距离大于距离阈值时，则将量级统一后的第一分簇距离作为该节点最终对应的分簇距离；否则，将量级统一后的第二分簇距离作为该节点最终对应的分簇距离。
在本实施例中，上述步骤S1513~S1515可以基于模糊C均值算法（Fuzzy C-Means，FCM算法）实现各个节点簇的获取流程。模糊C均值算法是用隶属度来区分每个数据点属于某个聚类程度的一种算法。
示例性的，请参见图7，图7是本申请实施例中步骤151的另一种实现方式的流程示意图，该实施例中，步骤151可以包括S1511`~S1517`：
S1511`：根据区域内所有节点的位置信息，对区域内所有节点进行聚类，获得多个初始簇中心。
S1512`：确定所述区域内各个节点的目标采集数据的隶属度。
其中，在初始迭代次数中，各个节点的目标采集数据的隶属度可以随机生成。在第n次迭代次数中（n为大于1的整数），各个节点的目标采集数据的隶属度通过各个节点与当前迭代次数对应的各个初始簇中心的分簇距离确定。隶属度是用于表示某个数据点属于某个聚类集群的概率的一种算法。由于隶属度的计算方式为现有技术，在此不再作赘述。
S1513`：对于每一个节点，计算当前节点与当前节点对应的初始簇中心的第一距离。
S1514`：判断当前节点对应的第一距离是否大于距离阈值，若是，则进入步骤S1515`；否则，进入步骤S1516`。
S1515`：根据当前节点的位置信息和各个初始簇中心的位置信息，计算所述区域内各个节点与各个初始簇中心的分簇距离。
S1516`：根据当前节点的目标采集数据和各个初始簇中心对应的簇中心采集数据，计算所述区域内各个节点与各个初始簇中心的分簇距离。
S1517`：根据所述区域内各个节点与各个初始簇中心的分簇距离，更新隶属度、各个所述初始节点簇和各个所述初始簇中心。
S1518`：判断是否达到预设迭代停止条件，若是，则结束，否则，返回步骤S1512`，重复执行步骤S1512`~S1518`，直至达到预设迭代停止条件。
其中，预设迭代停止条件可以参见上述步骤S1514的有关内容，在此不再赘述。
S152：若所述第一采集数据集不同时存在空间正相关关系和存在时间正相关关系，则根据所有节点的位置信息，对区域内所有节点进行分簇，得到各个节点簇。
示例性的，可以通过聚类算法，根据所有节点的位置信息对区域内所有节点进行分簇。所述聚类算法可以为k均值聚类算法等。
其中，若所述第一采集数据集不同时存在空间正相关关系和时间正相关关系，则说明所述区域内节点采集到的传感数据与节点的位置的相关性不大，因此，直接根据各个节点的位置信息，采用聚类算法对区域内所有节点进行聚类，得到各个节点簇。
在本实施例中，通过分析所述第一采集数据集的时间相关性和空间相关性，并在所述第一采集数据集存在空间正相关关系和存在时间正相关关系时，根据区域内所有节点采集到的传感数据和所有节点的位置信息对所述区域内所有节点进行分簇，使得分簇结果更能反映区域的节点传感数据的分布特征，且采集到的传感数据的数值更接近的节点能归类到空间上的一个节点簇中，由此，后续在各个节点簇中选取节点进行休眠时，休眠的节点可通过对应的节点簇中其他节点采集到的数据推导获得，因此，不会造成区域的环境监测结果的准确性下降或是造成监测盲区，从而能够在减少区域无线传感网络能耗的同时，也能兼顾到区域的环境监测结果的准确性。
参见图8，图8是本申请实施例提供的终端设备的结构框图。该实施例的终端设备包括：
获取模块81，用于获取第一采集数据集；所述第一采集数据集包括区域内所有节点在预设时间段内每一个目标采集时间采集到的传感数据。
空间相关分析模块82，用于分析所述第一采集数据集的空间相关性，得到空间相关性分析结果。
时间相关分析模块83，用于分析所述第一采集数据集的时间相关性，得到时间相关性分析结果。
确定模块84，用于根据所述空间相关性分析结果和所述时间相关性分析结果，确定节点调度策略。
在一种实现方式中，上述空间相关分析模块82包括第一确定单元、第二确定单元和第三确定单元。
上述第一确定单元用于根据所述区域内所有节点的位置信息，确定空间权重矩阵。
上述第二确定单元用于根据所述空间权重矩阵和第一目标数据集，确定所述第一目标数据集对应的空间相关系数。
其中，所述第一目标数据集包括所述区域内所有节点在第一目标时间采集到的传感数据，所述第一目标时间为所述预设时间段内任意一个目标采集时间。
上述第三确定单元用于根据所述第一目标数据集对应的空间相关系数，得到空间相关性分析结果。
在一种实现方式中，上述时间相关分析模块83包括第四确定单元、第五确定单元、第六确定单元和第七确定单元。
上述第四确定单元用于根据所述第一采集数据集确定至少一个时段数据集。
其中，所述时段数据集包括第二目标数据集和第三目标数据集；所述第二目标数据集包括所述区域内所有节点在第二目标时间采集到的传感数据，所述第三目标数据集包括所述区域内所有节点在第三目标时间采集到的传感数据，所述第二目标时间和所述第三目标时间均为所述预设时间段内任意一个目标采集时间，且所述第三目标时间晚于所述第二目标时间。
上述第五确定单元用于根据各个所述时段数据集中的所述第一目标数据集和所述第二目标数据集，确定各个时段变化数据集。
上述第六确定单元用于根据所述空间权重矩阵和各个所述时段变化数据集，确定各个所述时段变化数据集对应的空间相关系数。
上述第七确定单元根据至少一个所述时段变化数据集对应的空间相关系数，确定时间相关性分析结果。
在一种实现方式中，上述第三确定单元具体用于若所述第一目标数据集对应的空间相关系数满足空间相关条件，则确定所述第一采集数据集存在空间正相关关系。
在一种实现方式中，上述第七确定单元具体用于若所有所述时段变化数据集对应的空间相关系数均满足空间相关条件，则确定所述第一采集数据集存在时间正相关关系；若存在任意一个所述时段变化数据集对应的空间相关系数不满足空间相关条件，则确定所述第一采集数据集不存在时间正相关关系。
在一种实现方式中，上述确定模块84具体用于若所述第一采集数据集存在空间正相关关系且存在时间正相关关系，则执行节点休眠策略；其中，所述节点休眠策略为在所述区域内选取节点进行休眠。
需要说明的是，上述装置之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，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单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
相应地，图9示出了本申请一实施例提供的终端设备的结构示意图。如图9所示，该实施例的终端设备包括：至少一个处理器90(图9中仅示出一个)处理器、存储器91以及存储在所述存储器91中并可在所述至少一个处理器90上运行的计算机程序92，所述处理器90执行所述计算机程序92时实现上述任意一个方法实施例中的步骤。
所述终端设备9可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备，该终端设备可包括，但不仅限于，处理器90、存储器91。本领域技术人员可以理解，图9仅仅是终端设备9的举例，并不构成对终端设备9的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器90可以是中央处理单元(Central Processing Unit，CPU)，该处理器90还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器91在一些实施例中可以是所述终端设备9的内部存储单元，例如终端设备9的硬盘或内存。所述存储器91在另一些实施例中也可以是所述终端设备9的外部存储设备，例如所述终端设备9上配备的插接式硬盘，智能存储卡(Smart Media Card ,SMC)，安全数字(Secure Digital ,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器91还可以既包括所述终端设备9的内部存储单元也包括外部存储设备。所述存储器91用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器91还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述任意一个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccessMemory)、电载波信号、电信信号以及软件分发介质。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种节点调度策略确定方法，其特征在于，包括：
获取第一采集数据集；所述第一采集数据集包括区域内所有节点在预设时间段内每一个目标采集时间采集到的传感数据；
分析所述第一采集数据集的空间相关性，得到空间相关性分析结果；
分析所述第一采集数据集的时间相关性，得到时间相关性分析结果；
根据所述空间相关性分析结果和所述时间相关性分析结果，确定节点调度策略。
2.如权利要求1所述的节点调度策略确定方法，其特征在于，所述分析所述第一采集数据集的空间相关性，得到空间相关性分析结果，包括：
根据所述区域内所有节点的位置信息，确定空间权重矩阵；
根据所述空间权重矩阵和第一目标数据集，确定所述第一目标数据集对应的空间相关系数；其中，所述第一目标数据集包括所述区域内所有节点在第一目标时间采集到的传感数据，所述第一目标时间为所述预设时间段内任意一个目标采集时间；
根据所述第一目标数据集对应的空间相关系数，得到空间相关性分析结果。
3.如权利要求2所述的节点调度策略确定方法，其特征在于，所述分析所述第一采集数据集的时间相关性，得到时间相关性分析结果，包括：
根据所述第一采集数据集确定至少一个时段数据集；所述时段数据集包括第二目标数据集和第三目标数据集；所述第二目标数据集包括所述区域内所有节点在第二目标时间采集到的传感数据，所述第三目标数据集包括所述区域内所有节点在第三目标时间采集到的传感数据，所述第二目标时间和所述第三目标时间均为所述预设时间段内的任意一个目标采集时间，且所述第三目标时间晚于所述第二目标时间；
根据各个所述时段数据集中的所述第一目标数据集和所述第二目标数据集，确定各个时段变化数据集；
根据所述空间权重矩阵和各个所述时段变化数据集，确定各个所述时段变化数据集对应的空间相关系数；
根据至少一个所述时段变化数据集对应的空间相关系数，确定时间相关性分析结果。
4.如权利要求2所述的节点调度策略确定方法，其特征在于，所述根据所述第一目标数据集对应的空间相关系数，得到空间相关性分析结果，包括：
若所述第一目标数据集对应的空间相关系数满足空间相关条件，则确定所述第一采集数据集存在空间正相关关系。
5.如权利要求3所述的节点调度策略确定方法，其特征在于，所述根据至少一个所述时段变化数据集对应的空间相关系数，确定时间相关性分析结果，包括：
若所有所述时段变化数据集对应的空间相关系数均满足空间相关条件，则确定所述第一采集数据集存在时间正相关关系；
若存在任意一个所述时段变化数据集对应的空间相关系数不满足空间相关条件，则确定所述第一采集数据集不存在时间正相关关系。
6.如权利要求4或5所述的节点调度策略确定方法，其特征在于，所述空间相关条件包括：
所述空间相关系数大于空间相关系数阈值；
或者，所述空间相关系数大于所述空间相关系数阈值，且在所述空间相关系数大于所述空间相关系数阈值的情况下，p值大于p值阈值。
7.如权利要求1所述的节点调度策略确定方法，其特征在于，所述根据所述空间相关性分析结果和所述时间相关性分析结果，确定节点调度策略，包括：
若所述第一采集数据集存在空间正相关关系且存在时间正相关关系，则执行节点休眠策略；其中，所述节点休眠策略是指在所述区域内选取节点进行休眠。
8.一种终端设备，其特征在于，包括：
获取模块，用于获取第一采集数据集；所述第一采集数据集包括区域内所有节点在预设时间段内每一个目标采集时间采集到的传感数据；
空间相关分析模块，用于分析所述第一采集数据集的空间相关性，得到空间相关性分析结果；
时间相关分析模块，用于分析所述第一采集数据集的时间相关性，得到时间相关性分析结果；
确定模块，用于根据所述空间相关性分析结果和所述时间相关性分析结果，确定节点调度策略。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的节点调度策略确定方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的节点调度策略确定方法。
CN202310731269.6A 2023-06-20 2023-06-20 节点调度策略确定方法、终端设备及存储介质 Active CN116489709B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310731269.6A CN116489709B (zh) 2023-06-20 2023-06-20 节点调度策略确定方法、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310731269.6A CN116489709B (zh) 2023-06-20 2023-06-20 节点调度策略确定方法、终端设备及存储介质

Publications (2)

Publication Number Publication Date
CN116489709A true CN116489709A (zh) 2023-07-25
CN116489709B CN116489709B (zh) 2023-11-17

Family

ID=87219907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310731269.6A Active CN116489709B (zh) 2023-06-20 2023-06-20 节点调度策略确定方法、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN116489709B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105682171A (zh) * 2016-03-09 2016-06-15 北京航空航天大学 基于时空相关性分簇的无线传感器网络压缩数据收集方法
US20160378809A1 (en) * 2015-06-25 2016-12-29 International Business Machines Corporation Massive time series correlation similarity computation
CN109639533A (zh) * 2019-01-08 2019-04-16 深圳市网心科技有限公司 一种区域调度策略的测试方法、系统及终端设备
CN112990782A (zh) * 2021-04-30 2021-06-18 浙江甲骨文超级码科技股份有限公司 基于时空自相关分析的作物生长环境智能调节方法和装置
CN114338416A (zh) * 2020-09-29 2022-04-12 中国移动通信有限公司研究院 一种时空多指标预测方法、装置和存储介质
CN115510635A (zh) * 2022-09-19 2022-12-23 卓思韦尔(北京)信息技术有限公司 空间环境监测方法、装置、设备和计算机可读存储介质
CN115543577A (zh) * 2022-08-08 2022-12-30 广东技术师范大学 基于协变量的Kubernetes资源调度优化方法、存储介质及设备
WO2023104192A1 (zh) * 2021-12-10 2023-06-15 华为技术有限公司 一种集群系统的管理方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160378809A1 (en) * 2015-06-25 2016-12-29 International Business Machines Corporation Massive time series correlation similarity computation
CN105682171A (zh) * 2016-03-09 2016-06-15 北京航空航天大学 基于时空相关性分簇的无线传感器网络压缩数据收集方法
CN109639533A (zh) * 2019-01-08 2019-04-16 深圳市网心科技有限公司 一种区域调度策略的测试方法、系统及终端设备
CN114338416A (zh) * 2020-09-29 2022-04-12 中国移动通信有限公司研究院 一种时空多指标预测方法、装置和存储介质
CN112990782A (zh) * 2021-04-30 2021-06-18 浙江甲骨文超级码科技股份有限公司 基于时空自相关分析的作物生长环境智能调节方法和装置
WO2023104192A1 (zh) * 2021-12-10 2023-06-15 华为技术有限公司 一种集群系统的管理方法及装置
CN115543577A (zh) * 2022-08-08 2022-12-30 广东技术师范大学 基于协变量的Kubernetes资源调度优化方法、存储介质及设备
CN115510635A (zh) * 2022-09-19 2022-12-23 卓思韦尔(北京)信息技术有限公司 空间环境监测方法、装置、设备和计算机可读存储介质

Also Published As

Publication number Publication date
CN116489709B (zh) 2023-11-17

Similar Documents

Publication Publication Date Title
US10216558B1 (en) Predicting drive failures
EP3644581B1 (en) Edge-cloud collaboration system for analyzing internet of things data and operating method thereof
US20150095381A1 (en) Method and apparatus for managing time series database
US9009157B2 (en) Apparatus and method for processing a data stream
WO2019062418A1 (zh) 应用清理方法、装置、存储介质及电子设备
US11379539B2 (en) Efficient freshness crawl scheduling
WO2019085754A1 (zh) 应用清理方法、装置、存储介质及电子设备
CN112183869A (zh) 一种基于大数据的建筑能耗预测方法及系统
CN112527448A (zh) 基于openstack的动态负载调整方法及其系统
CN114637650A (zh) 一种基于Kubernetes集群的弹性伸缩方法
Zhou et al. The risk management using limit theory of statistics on extremes on the big data era
CN116866095A (zh) 一种带触控面板的工业路由器及其待机控制方法
CN110740193A (zh) 一种平台活跃度的预测方法、装置、存储介质及电子设备
CN116489709B (zh) 节点调度策略确定方法、终端设备及存储介质
CN117395699A (zh) 一种基于物联网的监测因子节能通讯方法及系统
CN113518000A (zh) 在线服务的实例数量调整的方法、装置及电子设备
US8938479B1 (en) Systems and methods for dynamically selecting a logical location for an index
WO2021042368A1 (zh) 功耗控制与方案生成方法、设备、系统及存储介质
US11636377B1 (en) Artificial intelligence system incorporating automatic model updates based on change point detection using time series decomposing and clustering
CN116010228A (zh) 面向网络安全扫描的时间预估方法及装置
WO2023087722A1 (zh) 一种物体聚集方法、装置、电子设备及存储介质
Chandio et al. Towards adaptable and tunable cloud-based map-matching strategy for GPS trajectories
CN116546540B (zh) 节点调度方法、终端设备及存储介质
CN111131393B (zh) 用户活跃度数据统计方法、电子装置及存储介质
JP6155861B2 (ja) データ管理方法、データ管理プログラム、データ管理システム及びデータ管理装置

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