一种用于道路健康检测的有向传感器网络覆盖优化方法技术

本发明专利技术公开了一种用于道路健康检测的有向传感器网络覆盖优化方法，使用探地雷达和摄像头进行路面状况检测，探地雷达用于对地表裂缝进行检测，摄像头辅助对地表破损、坑槽区域进行监控，探地雷达和摄像头的覆盖之和视为该部署区域的总覆盖；探地雷达和摄像头均为有向传感器，探地雷达由移动机器人携带，部署后考虑探地雷达移动，部署后认为摄像头不能进行位置移动；首先对最小曝光路径避障问题进行建模；其次提出了有向传感器网络中OAMEP搜索算法；最后提出了针对道路健康监测场景下的MEP的覆盖优化算法，进行覆盖优化。通过计算传感器移动到最优部署位置时的能源消耗，在节点能量充足的时进行派遣操作，提高了系统鲁棒性。提高了系统鲁棒性。提高了系统鲁棒性。

【技术实现步骤摘要】
一种用于道路健康检测的有向传感器网络覆盖优化方法


[0001]本专利技术属于信息
，主要涉及无线传感器网络的避障覆盖优化问题，具体为一种用于道路健康检测的有向传感器网络覆盖优化方法。

技术介绍

[0002]传统WSNs覆盖优化方案大都针对全向传感器，全向传感器的感应范围是以其部署位置为圆心，感应距离为半径的圆，由于其形状规则便于分析，可以基于几何拓扑来实现最优覆盖。然而，一些常用的传感器，如摄像头传感器、多普勒微波雷达、探地雷达、红外探头等，其感应范围是有向的，它们在一个或多个方向上的传感能力大于其他方向。随着Internet ofthings物联网(即IoT)技术的快速发展，有向IoT传感器可以通过多种组合广泛部署，形成有向传感器网络(即DSNs)。在DSNs中，传感器部署区域内海量数据信息的感知、收集和处理可以极大地促进智能化应用，如智能城市、数字孪生系统和智能交通系统。通过大规模部署各种具有不同功能的有向IoT传感器(如多普勒微波雷达、毫米波雷达、高清摄像头)，可以全面采集原始交通数据，实现准确感知，交通状态的实时监控和智能控制。
[0003]现有的关于全向和有向传感器网络基于最小曝光路径的覆盖优化研究总结如下：Bonnah Ernest等人发表于2020年的题目为《Coveragemaximization in wireless sensor networks using minimal exposure path andparticle swarm optimization》的一文中，利用汇聚节点获得每个节点的覆盖，并进行MEP搜索，然后沿着MEP添加新的节点，或者将靠近MEP的节点向 MEP调整，实现覆盖优化。上述方法虽然成功地解决了全向传感器网络中的 MEP问题，但无法直接应用于有向传感器网络，一些研究也解决了DSNs络中的MEP问题：Thi My Binh等人发表于2020年的Sensors的题目为《AnElite Hybrid Particle Swarm Optimization for Solving Minimal Exposure PathProblem in Mobile Wireless SensorNetworks》的一文中，作者研究了有向异构传感器网络下的MEP问题，引入了一种基于重力理论的粒子群优化算法，将 MEP问题转化为数值泛函数极值问题。但上述工作并未进一步提出基于MEP 的有效覆盖优化策略。由以上研究发现，随着MEP的采用，目前的研究通常是通过在MEP上增加额外的传感器来实现覆盖优化，这会导致覆盖冗余现象，造成多余的能量消耗和传感器资源的浪费。
[0004]现有的关于传感器网络中障碍物的检测和避障研究总结如下：ZhengRong等人发表于2009IEEE INFOCOM的题目为《Obstacle Discovery inDistributedActive SenorNetworks》的一文中，提出了“曝光度”的概念，旨在使用Voronoi图检测并定位障碍物。然而以上工作中对于障碍物区域只是进行了检测，却并未确定障碍物区域收到传感器的具体曝光度与被检测程度，而且以上研究大都基于全向传感器网络，无法直接应用于有向感测模型中。
[0005]现有全向和有向传感器网络的优缺点总结如下：
[0006]1.目前现有的全向传感器网络的覆盖优化方法不能直接应用于DSNs。
[0007]2.现有的DSNs中基于MEP的研究并没有进一步提出有效的覆盖优化方法。
[0008]3.目前大多数文献没有考虑传感器位置调整的能量消耗，难以直接应用到实际场景中。

技术实现思路

[0009]针对现有技术的不足，本专利技术提供一种用于道路健康检测的有向传感器网络覆盖优化方法，可用于有向传感器网络的优化部署，提高覆盖质量。
[0010]为实现上述目的，本专利技术提供如下技术方案：一种用于道路健康检测的有向传感器网络覆盖优化方法，通过考虑传感器移动能量消耗，制定基于最小曝光路径(即MEP)的节点重新部署策略，分别确定最优部署位置和派遣节点，动态调整节点位置，实现覆盖优化；此外，构建了覆盖上界算法，得到了不同有向传感器感应特性的情况下的覆盖率上界，为评估不同覆盖优化方法的性能提供了基准；并针对道路健康检测场景中的有向传感器网络对覆盖优化算法进行了改进，考虑到了实际有向传感器的能耗，以及公路维护与检测场景中可能存在障碍路面，提出基于避障MEP的DSNs覆盖优化算法；避障最小曝光路径定义为：OAMEP；
[0011]一种用于道路健康检测的有向传感器网络覆盖优化方法，使用探地雷达和摄像头进行路面状况检测，具体如下：探地雷达用于对地表裂缝进行检测，摄像头辅助对地表破损、坑槽区域进行监控，探地雷达和摄像头的覆盖之和视为该部署区域的总覆盖；探地雷达和摄像头均为有向传感器，感应范围可近似视为扇形，探地雷达由移动机器人携带，部署后考虑探地雷达移动，部署后认为摄像头不能进行位置移动；首先对最小曝光路径避障问题进行建模；其次提出了有向传感器网络中避障最小曝光路径搜索算法；最后提出了针对道路健康监测场景下的最小曝光路径的覆盖优化算法，进行覆盖优化；具体步骤为：
[0012]步骤1：对最小曝光路径避障问题进行建模；
[0013]最小曝光路径定义为：MEP；避障最小曝光路径定义为：OAMEP；将时间划分为多个区间，每个区间可视为一个轮次；每一轮的优化过程包含一个搜索阶段和一个派遣阶段；在搜索阶段，根据普通传感器和高级传感器的当前位置，避障搜索MEP，并确定最优部署位置；然后，选择一个高级传感器作为派遣传感器；
[0014]采用遗传算法设计了求解基于OAMEP搜索算法，并基于惩罚函数的思想，以及减少锯齿跳跃发生的情况，帮助个体群体成员朝着良好方向进化的思想，改进了适应度函数；
[0015]步骤2：有向传感器网络中OAMEP搜索算法；
[0016]基于对最小曝光路径避障问题的建模，采用OAMEP搜索算法求解有限差分方案，实现避障搜索MEP；
[0017]步骤3：道路健康检测场景下基于MEP的覆盖优化算法：在派遣阶段，根据覆盖冗余情况调整探地雷达的传感器的位基于上述MEP避障模型的推导及优化问题求解；提出了道路健康检测场景下基于OAMEP的有向传感器网络DSNs覆盖优化算法；借助于OAMEP算法搜索到的避障MEP，应用覆盖优化方案进一步实现对部署区域的覆盖性能优化，覆盖优化方案仍分为搜索阶段和派遣阶段，在搜索阶段，采用网格离散化和加权无向图模型，确定 MEP上的最优部署位置，并考虑探地雷达的传感器的实际移动能耗，从而确定最派遣传感器；在派遣阶段，根据覆盖冗余情况调整探地雷达的传感器的位置，以实现覆盖性能优化，派遣阶段传感器的位置移动需要实现避障。
[0018]优选的，所述步骤3中的所述搜索阶段的具体过程如下：MEP被网格离散化为多个路径段，每个网格对应一个路径段，根据加权无向图，网格中的每个路径段都有相应的权重，所述权重表示路径段的曝光值；基于已经搜索本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于道路健康检测的有向传感器网络覆盖优化方法，其特征在于，使用探地雷达和摄像头进行路面状况检测，探地雷达用于对地表裂缝进行检测，摄像头辅助对地表破损、坑槽区域进行监控，探地雷达和摄像头的覆盖之和视为该部署区域的总覆盖；探地雷达和摄像头均为有向传感器，感应范围可近似视为扇形，探地雷达由移动机器人携带，部署后考虑探地雷达移动，部署后认为摄像头不能进行位置移动；首先对最小曝光路径避障问题进行建模；其次提出了有向传感器网络中避障最小曝光路径搜索算法；最后提出了针对道路健康监测场景下的最小曝光路径的覆盖优化算法，进行覆盖优化；具体步骤为：步骤1：对最小曝光路径避障问题进行建模；最小曝光路径定义为：MEP；避障最小曝光路径定义为：OAMEP；将时间划分为多个区间，每个区间可视为一个轮次；每一轮的优化过程包含一个搜索阶段和一个派遣阶段；在搜索阶段，根据普通传感器和高级传感器的当前位置，避障搜索MEP，并确定最优部署位置；然后，选择一个高级传感器作为派遣传感器；采用遗传算法设计了求解基于OAMEP搜索算法，并基于惩罚函数的思想，以及减少锯齿跳跃发生的情况，帮助个体群体成员朝着良好方向进化的思想，改进了适应度函数；步骤2：有向传感器网络中OAMEP搜索算法；基于对最小曝光路径避障问题的建模，采用OAMEP搜索算法求解有限差分方案，实现避障搜索MEP；步骤3：道路健康检测场景下基于MEP的覆盖优化算法：在派遣阶段，根据覆盖冗余情况调整探地雷达的传感器的位基于上述MEP避障模型的推导及优化问题求解；提出了道路健康检测场景下基于OAMEP的有向传感器网络DSNs覆盖优化算法；借助于OAMEP算法搜索到的避障MEP，应用覆盖优化方案进一步实现对部署区域的覆盖性能优化，覆盖优化方案仍分为搜索阶段和派遣阶段，在搜索阶段，采用网格离散化和加权无向图模型，确定MEP上的最优部署位置，并考虑探地雷达的传感器的实际移动能耗，从而确定最派遣传感器；在派遣阶段，根据覆盖冗余情况调整探地雷达的传感器的位置，以实现覆盖性能优化，派遣阶段传感器的位置移动需要实现避障。2.根据权利要求1所述的一种用于道路健康检测的有向传感器网络覆盖优化方法，其特征在于，所述步骤3中的所述搜索阶段的具体过程如下：MEP被网格离散化为多个路径段，每个网格对应一个路径段，根据加权无向图，网格中的每个路径段都有相应的权重，所述权重表示路径段的曝光值；基于已经搜索到的MEP，通过对MEP进行离散化分段处理，每一个路径段都对应一个曝光度值，遍历MEP上所有段的曝光度，找到曝光度值最小的路径段，将对应的网格中心点作为新的最优部署位置；在初始随机部署下，存在几个传感器重复覆盖一个区域的情况，传感器的覆盖并不能引起总的覆盖率的增大，即不能很好地发挥作用，则不能很好地发挥作用的传感器为冗余传感器，冗余传感器的确定需要考虑传感器的能量消耗和覆盖范围，初始部署传感器后，每个传感器节点发送一个信号，以监控和记录周围传感器节点的工作状态；根据每个传感器检测到的周围传感器的信息，确定每个节点的有效覆盖区域和冗余区域；在探地雷达的传感器中选择覆盖冗余最大的一个，为冗余传感器制定派遣计划，进入派遣阶段；所述步骤3中的所述派遣阶段的具体过程如下：由于派遣计划在不同的场景中是不同
的，因此移动路径和能耗也不同；考虑两种类型的场景：无障碍区场景和障碍区场景；在无障碍区场景中，传感器节点的位置调整相对简单；首先确定冗余传感器和最优部署位置，然后根据移动单元距离的能耗理论，确定派遣方案；在这种情况下，欧氏距离运动消耗的能量最小；然而，在障碍区场景中，传感器的运动不再简单地使用欧氏距离，传感器位置的调整需要考虑避障，此时，需要在多个可行的移动路径之间找到最短路径，在所有可行的移动路径构成的集合中确定一条最优移动路径；假设障碍物是m
×
n的矩形区域，首先确定最佳部署位置和冗余传感器；每个传感器都有一定的初始能量，如果节点的初始能量无法满足派遣计划，此时则修改派遣计划，派遣其他具有足够能量的冗余传感器，移动到最佳部署位置。3.根据权利要求2所述的一种用于道路健康检测的有向传感器网络覆盖优化方法，其特征在于，在派遣阶段，设计派遣计划，根据计划，根据移动距离确定能耗，进而确定传感器的派遣计划和搜索到的最佳部署位置；完成一次派遣计划所需的能量为E
i
＞E(P

【专利技术属性】
技术研发人员：李长乐，董梦圆，王路乔，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：