移動無線傳感網數據采集方法研究

姜敏 龔本燦

摘 要：數據采集作為移動無線傳感網的研究熱點之一，受到廣泛關注。對數據采集中移動傳感器節點法和移動Sink法的原理進行闡述，并對移動Sink法中隨機移動、固定移動和受控移動的應用場景進行比較。相對于所有節點都移動的傳感網而言，只有Sink移動的無線傳感器網絡更簡單，應用更廣。其中，Sink固定路徑法的成本和能耗低且易于實現，而Sink受控移動法對數據的采集更為靈活有效，但其算法也更復雜且富有挑戰性。

關鍵詞：移動無線傳感網;數據采集;移動傳感器節點法;移動Sink法

DOI：10. 11907/rjdk. 191750 開放科學（資源服務）標識碼（OSID）：

中圖分類號：TP393 文獻標識碼：A 文章編號：1672-7800（2019）007-0190-03

Reasearch on Data Gathering for Mobile Wireless Sensor Networks

JIANG Min， GONG Ben-can

（College of Computer & Information， University of Three Gorges， Yichang 443002， China）

Abstract： As one of the hotspots of mobile wireless sensor networks， data gathering has attracted wide attention of researchers. In this paper， the principles of sensor nodes mobility patterns and sink mobility patterns in data gathering are described， and the application scenarios of random， fixed and controlled mobility in Sink mobility patterns are compared. Sink mobility patterns are more widely used compared with the sensor nodes mobility patterns in which all nodes are mobile. The fixed sink mobility has lower cost， lower energy consumption and easier implementation， while the controlled sink mobility is more flexible and effective in data gathering and its algorithm is also more complex and challenging.

Key Words： mobile wireless sensor network; data gathering; sensor nodes mobility patterns; Sink mobility patterns

作者簡介：姜敏（1978-），女，三峽大學計算機與信息學院碩士研究生，研究方向為無線傳感器網絡;龔本燦（1970-），男，博士，三峽大學計算機與信息學院教授、碩士生導師，研究方向為計算機網絡。

0 引言

近年來，無線傳感器網絡（Wireless Sensor Network，WSN）在智能家居、智慧交通、災情監控、農田監控等方面的應用越來越廣泛。WSN通常由大量傳感器節點和少量或單個Sink節點構成，傳感器節點成百上千地部署在監控區域，感知周圍的環境數據，并通過無線電通信的方式將數據在節點間多跳轉發，最終轉發至Sink，由Sink將數據提供給用戶。

由于成本問題，傳感器節點通常體積微小、攜帶能量有限。傳統的WSN中，所有的傳感器節點和Sink節點在網絡部署完畢后位置固定不動，靠近Sink的傳感器節點由于頻繁中轉數據，容易導致節點攜帶的能量過早耗盡、局部網絡甚至整個網絡提前失效、網絡的生存時間大大縮短。

為盡量緩解這種“能量空洞”現象，提高網絡的生存時間，研究人員提出了移動傳感器網絡（Mobile Wireless Sensor Network，MWSN），即在WSN中引入可以移動的傳感器節點[1-4]。實際生活中，森林火災監控或地震情況監控時，采用移動飛行器節點或移動小車節點收集靜止傳感器節點感知的數據并將其中轉至Sink，即為MWSN的典型應用。但是，移動傳感器節點的引入也帶來了新的問題，節點移動速度通常遠小于數據傳輸速度，容易導致數據采集延遲、數據溢出等現象。因此，數據采集方法作為MWSN的研究熱點之一，一直受到廣泛關注[5-10]。

移動傳感器網絡數據采集方法很多，按傳感器節點類型通常可分為兩類：移動傳感器節點法和移動Sink法。按照Sink節點的移動方式，移動Sink法又可分為隨機移動、固定移動和受控移動3類。隨機移動是指Sink的移動速度和方向都是隨機的，感知節點往往采用“預先存儲+機會轉發”的工作方式;固定移動是指Sink以恒定的速度沿預先設定或生產的路徑移動以開展數據收集。通常，該方法適用于節點均勻分布或近似均勻分布的網絡;受控移動是指Sink根據網絡實時情況和節點反饋的實時信息決定下一步移動方向和位置，調整其移動路徑[11]。

1 移動傳感器節點法

移動傳感器節點法是稀疏網絡中一種非常有效的數據采集方法，文獻[12]-文獻[14]對此進行了研究。文獻[12]設定傳感器區域內有一個Sink節點和多個移動傳感器節點，節點間距離大于節點的無線通信范圍，部署比較稀疏。針對此模型，提出兩種節點移動方法，以減少節點移動距離，提高數據采集吞吐量。第一種方法是基于移動距離的靜態拓撲（Distance-based Static Topology，MST）方法：每個節點從數據的感應位置移動到數據的傳遞位置，建立多跳采集網進行數據采集，任務完成后，節點重新移回到感應位置，準備下一次數據采集，傳遞位置的選定規則是與采集網連接的移動距離最短。第二種方法是最短協商路由（Shortest Route with Negotiation，SR-N）方法：通過廣播告知已經連接到Sink的節點位置信息，以便其它節點可以移動到最近的傳遞位置加入數據采集網，實現全局移動距離最短。文獻[13]在SR-N方法的基礎上提出了SR-N2方法，有效地拓展了節點之間的初始距離并實現故障節點處理;文獻[14]提出了一種使用固定節點和移動節點進行數據采集和傳輸（Data Acquisition and Transmission with Fixed and Mobile Node，DATFM）的方法：DATFM方法將感應區域劃分為多個子區域，每個固定節點負責一個子區域的數據采集，并將其存儲轉發至Sink。子區域內的其它節點移動連接到當前區域的固定節點傳輸其采集到的數據。

移動傳感器節點法適用于稀疏網絡的數據采集，但每個節點都移動，會導致節點對監測區域的感應時間減少，實時性較差;且每個節點的造價較高，不適宜大量使用。相比較而言，移動Sink法只有少量的節點移動，應用范圍更廣。

2 移動Sink法

2.1 Sink隨機移動法

文獻[15]針對稀疏傳感器網絡，提出了一種Data MULEs方案，將網絡結構分為3層。頂層是固定的Sink節點，負責將接收的數據匯總處理并轉發給用戶;中間層是移動的Sink，作為中轉節點，接收、緩存數據，并將其中轉至固定Sink，文中也稱其為MULEs;底層是固定的傳感器節點，用于感知數據并發送至MULEs。該方案采集數據時，中間層的MULEs隨機移動，近距離接收底層傳感器節點的感知數據，并將其中轉至頂層Sink。數據的傳輸距離短，以降低網絡能耗，延長網絡存活時間。

Sink隨機移動法中，移動Sink的路徑隨機，不需要專門規劃，實現簡單，但可能出現某些區域的感知數據一直沒有被隨機訪問到，導致數據采集區域的“不完整”，且實時性較差。

2.2 Sink固定移動法

文獻[16]通過建立最大化最小能耗概率模型，提出了一種最大化最小能耗概率（Maximizing Minimum Probability of Energy Consumption，MMPEC）的數據收集方法，其應用場景如圖1所示。

圖1 MMPEC應用場景

該方法將網絡模型中的節點分為兩類，即能單跳直接與Sink通信的匯聚點和其余子節點。子節點通過單跳或多跳的方式連接匯聚點，并通過匯聚點向Sink發送數據，Sink輪詢每個匯聚點完成數據采集。MMPEC分布式優化所有子節點到其對應匯聚點的路徑長度，使總路徑取得最小值的概率最大，相應地總能耗達到最低的概率也最大。

文獻[17]針對節點均勻分布的網絡模型，提出了一種Sink節點移動路徑規劃算法（Movement Path Optimization Algorithm of Sink Node for Wireless Sensor Networks，MPOA）。MPOA考慮Sink節點的停留位置和移動距離，建立網絡生存時間最大化模型，并使用修正混合粒子群算法對該模型求解，從而得到網絡能耗均衡、生存時間最優的Sink移動路徑進行數據采集。

文獻[18]針對節點隨機分布的網絡模型，提出了一種基于二分法與移動Sink的無線傳感網數據收集協議（Protocol based on dichotomy and Mobile Sink，PBDM），其初始移動軌跡如圖2（a）所示。

（a）初始移動軌跡? ? ? ? ? ? ? ? ? ? ? ?（b）重新二分后的移動軌跡

圖2 移動Sink軌跡

PBDM首先將模型區域劃分為面積相等的兩個子區域，并采用靜態Sink與移動Sink相結合的方法進行數據采集，靜態Sink始終位于整個區域的中心，而移動Sink沿兩個子域的交界線移動，如圖2（a）所示。網絡運行過程中，節點能量逐漸耗盡而導致不斷死亡。當子區域1（包含1.1-1.4）的節點存活率小于某個常數時，對子區域2（包含2.1-2.4）重新進行二分，并選擇新的交界線作為移動Sink的移動路線，如圖2（b）所示，依此重復。PBDM在進行數據采集時，對比節點到靜態Sink、移動Sink的距離，選擇最小距離進行數據傳輸，以延長網絡存活時間。此外，分別考慮單個Sink沿交界線移動以及4個Sink沿交界線移動的情況。結果證明，4個移動Sink的方法在網絡生存時間、數據收集效率方面更優于單Sink移動的方法。

Sink固定移動法中，預先有針對性地對移動Sink的軌跡進行優化固定，以延長網絡的生存時間，更具實用性，但對數據延遲因素考慮較少，實時性不強。

2.3 Sink受控移動法

文獻[19]提出了一種無線傳感網移動數據采集的三層框架方案，將網絡分為傳感器層、簇頭層和移動Sink層。在傳感器層，采用分布式負載均衡分簇（Load Balanced Clustering，LBC）算法進行節點的自組織分簇，每個簇內產生多個簇頭。在簇頭層，多個簇頭間協調工作，以實現簇內節能通信和簇間網絡連通。在移動Sink層，選定Sink在每個簇中的停留位置，優化其移動軌跡，有效地從簇頭接收數據，并將其傳輸到固定基站。移動Sink收集數據時，采用多入多出（Multiple-Input Multiple-Output，MIMO）技術，以減小數據延遲。

文獻[20]針對數據延遲受限的無線傳感網，提出了一種啟發式加權集合規劃（Weighted Rendezvous Planning，WRP）。為延長網絡存活時間，WRP考慮中轉節點的負載，給網絡中每個傳感器節點分配一個加權值，依此選擇不超過最大負載代價的節點成為匯聚節點（Rendezvous Point，RP）。在此基礎上，考慮減小數據延遲，采用旅行商算法獲得Sink遍歷所有RP節點的最短路徑。

文獻[21]針對節點隨機分布的矩形網絡模型，提出了一種基于簇間Dubins 平滑曲線的移動數據采集算法，其數據采集框架如圖3所示。

圖3 移動數據采集框架

該算法首先采用LEACH分簇思想，將監測區域分成若干個簇;其次求出每個簇的質心和簇內節點的平均剩余能量，依此確定每個簇的數據采集點，即距離質心最近且剩余能量不低于平均剩余能量的節點;隨后，簇內節點采用Prim算法構造最小生成樹多跳路徑，將數據中轉到數據采集點緩存;最后，移動Sink沿規劃好的Dubins 平滑曲線遍歷數據采集點，完成數據采集。為縮短遍歷路徑，降低數據延遲，采集點的遍歷次序通過遺傳算法求解旅行商問題確定，曲線的起止點通過最優方式組合選取。

Sink受控移動法在考慮延長網絡生存時間的同時，著重降低數據采集延遲，更具實時性，但算法也更復雜。

3 結語

隨著無線傳感器制造技術的持續進步和網絡技術的不斷發展，越來越多的移動傳感網應用于人們的生活中。從農田監測到火災或地震災情監控，移動傳感網的應用前景愈加廣泛。通常用3個性能標準衡量一個有效的移動傳感網數據采集方法：網絡能耗、數據延遲和數據傳輸可靠性。針對不同的應用場景，需要最大化不同的性能指標，不存在適用于所有場景的移動傳感網數據采集方法。

相對于所有節點都移動的移動傳感器節點法而言，只有Sink移動的無線傳感器網絡更簡單，應用更廣。Sink移動法中，隨機移動省去了路徑規劃的開銷，但是由此導致的不確定性增強，容易產生數據采集盲區，無法進行有針對性的數據采集，且不能保證實時性;固定移動可以有針對性地采集數據并規劃路徑，具有更強的實用性，但移動路徑無法調整，導致移動軌跡附近的節點能耗較重，與隨機移動相比，“能量空洞”現象的緩解效果較差;受控移動的數據采集方法著重于實時性，即延遲受限。與其它兩種移動方法相比，該類算法更靈活，也更復雜，且更具挑戰性[11]。

參考文獻：

[1] 莫文杰，鄭霖. 優化網絡生命周期和最短化路徑的WSN移動sink路徑規劃算法[J]. 計算機應用，2017（8）：2150-2156.

[2] 常李，管有慶. 移動匯聚節點在倉儲中的數據采集技術及應用[J]. 計算機技術與發展，2018，28（11）：168-172.

[3] 楊鶯，楊武德，吳華瑞，等. 基于移動sink的農田無線傳感器網絡數據收集策略[J]. 計算機科學，2019，46（4）：106-111.

[4] ZHU C，SHU L，HARA T，et al. A survey on communication and data management issues in mobile sensor networks[J].? Wireless Communications & Mobile Computing， 2014，14（1）：19-36.

[5] 王麗君，蔣林華，景鑫，等. 基于社會屬性的移動Sink數據收集機制研究[J]. 軟件導刊，2017，16（2）：144-146.

[6] YAN Y，MOSTOFI Y. Efficient clustering and path planning strategies for robotic data collection using space-filling curves[J]. IEEE Transactions on Control of Network Systems， 2017，4（4）：838-849.

[7] ANG L M，SENG J K P，ZUNGERU A M. Optimizing energy consumption for big data collection in large-scale wireless sensor networks with mobile collectors[J]. IEEE Systems Journal，2017，12（1）： 616-626.

[8] YANG S，ADEEL U， TAHIR Y， et al. Practical opportunistic data collection in wireless sensor networks with mobile sinks[J].? IEEE Transactions on Mobile Computing，2016，16（5）：1420-1433.

[9] WEN W，ZHAO S，SHANG C，et al. EAPC： Energy-aware path construction for data collection using mobile sink in wireless sensor networks[J].? IEEE Sensors Journal， 2018，18（2）：890-901.

[10] KISHOR PATIL，KOEN TURCK，DIETER FIEMS. Optimal data collection in wireless sensor networks with correlated energy harvesting[J]. Annals of Telecommunications，2019，74（5-6）：299-310.

[11] 楊瑞. 基于能耗均衡的無線傳感網移動Sink數據收集技術研究[D]. 南京：南京郵電大學，2018.

[12] SHINJO T，KITAJIMA S，OGAWA T，et al. Mobile sensor control methods for reducing power consumption in sparse sensor network[C].? 2008 Ninth International Conference on Mobile Data Management Workshops（MDMW）， 2008.

[13] SHINJO T， KITAJIMA S， OGAWA T， et al. A mobile sensor control method considering node failures in sparse sensor network[C]. 2009 International Conference on Complex， Intelligent and Software Intensive Systems，2009.

[14] T REEPRAPIN K， KANZAKI A，HARA T，et al. An effective mobile sensor control method for sparse sensor networks[J]. SENSORS，2009（9）： 327-354.

[15] SHAH RC，ROY S，BRUNETTE W. Data MULEs：modeling a three-tier architecture for sparse sensor networks[C]. Proceedings of the First IEEE International Workshop on Sensor Network Protocols and Applications， 2003.

[16] 徐佳，馮鑫，楊富貴，等. 最大化最小能耗概率的移動Sink無線傳感器網絡數據收集方法[J]. 電子學報，2015，43（12）：2470-2475.

[17] 陳友榮，陸思一，任條娟，等. 一種無線傳感網的Sink節點移動路徑規劃算法研究[J]. 傳感技術學報，2017，30（12）：1933-1940.

[18] 梁青，焦峰. WSN中基于二分法與移動Sink的數據收集協議[J]. 計算機工程，2016，42（12）：39-43.

[19] ZHAO M，YANG Y Y.A framework for mobile data gathering with load balanced clustering and MIMO uploading[C]. In： Proceedings of the IEEE INFOCOM Conference，2011： 2759-2767.

[20] SALARIAN H， CHIN K W， NAGHDY F， et al. An energy-efficient mobile-sink path selection strategy for wireless sensor networks[J]. IEEE Transaction on Vehicular Technology，2014，63（5）：2407-2419.

[21] 張美燕，蔡文郁. 基于Dubins曲線的無線傳感網聚類移動數據采集算法[J]. 傳感技術學報，2019，32（4）：603-609.

（責任編輯：孫 娟）