姜敏 龔本燦

摘 要：數(shù)據(jù)采集作為移動無線傳感網(wǎng)的研究熱點之一，受到廣泛關(guān)注。對數(shù)據(jù)采集中移動傳感器節(jié)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(yīng)用場景進行比較。相對于所有節(jié)點都移動的傳感網(wǎng)而言，只有Sink移動的無線傳感器網(wǎng)絡(luò)更簡單，應(yīng)用更廣。其中，Sink固定路徑法的成本和能耗低且易于實現(xiàn)，而Sink受控移動法對數(shù)據(jù)的采集更為靈活有效，但其算法也更復(fù)雜且富有挑戰(zhàn)性。

關(guān)鍵詞：移動無線傳感網(wǎng);數(shù)據(jù)采集;移動傳感器節(jié)點法;移動Sink法

DOI：10. 11907/rjdk. 191750 開放科學(xué)（資源服務(wù)）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(xué)計算機與信息學(xué)院碩士研究生，研究方向為無線傳感器網(wǎng)絡(luò);龔本燦（1970-），男，博士，三峽大學(xué)計算機與信息學(xué)院教授、碩士生導(dǎo)師，研究方向為計算機網(wǎng)絡(luò)。

0 引言

近年來，無線傳感器網(wǎng)絡(luò)（Wireless Sensor Network，WSN）在智能家居、智慧交通、災(zāi)情監(jiān)控、農(nóng)田監(jiān)控等方面的應(yīng)用越來越廣泛。WSN通常由大量傳感器節(jié)點和少量或單個Sink節(jié)點構(gòu)成，傳感器節(jié)點成百上千地部署在監(jiān)控區(qū)域，感知周圍的環(huán)境數(shù)據(jù)，并通過無線電通信的方式將數(shù)據(jù)在節(jié)點間多跳轉(zhuǎn)發(fā)，最終轉(zhuǎn)發(fā)至Sink，由Sink將數(shù)據(jù)提供給用戶。

由于成本問題，傳感器節(jié)點通常體積微小、攜帶能量有限。傳統(tǒng)的WSN中，所有的傳感器節(jié)點和Sink節(jié)點在網(wǎng)絡(luò)部署完畢后位置固定不動，靠近Sink的傳感器節(jié)點由于頻繁中轉(zhuǎn)數(shù)據(jù)，容易導(dǎo)致節(jié)點攜帶的能量過早耗盡、局部網(wǎng)絡(luò)甚至整個網(wǎng)絡(luò)提前失效、網(wǎng)絡(luò)的生存時間大大縮短。

為盡量緩解這種“能量空洞”現(xiàn)象，提高網(wǎng)絡(luò)的生存時間，研究人員提出了移動傳感器網(wǎng)絡(luò)（Mobile Wireless Sensor Network，MWSN），即在WSN中引入可以移動的傳感器節(jié)點[1-4]。實際生活中，森林火災(zāi)監(jiān)控或地震情況監(jiān)控時，采用移動飛行器節(jié)點或移動小車節(jié)點收集靜止傳感器節(jié)點感知的數(shù)據(jù)并將其中轉(zhuǎn)至Sink，即為MWSN的典型應(yīng)用。但是，移動傳感器節(jié)點的引入也帶來了新的問題，節(jié)點移動速度通常遠小于數(shù)據(jù)傳輸速度，容易導(dǎo)致數(shù)據(jù)采集延遲、數(shù)據(jù)溢出等現(xiàn)象。因此，數(shù)據(jù)采集方法作為MWSN的研究熱點之一，一直受到廣泛關(guān)注[5-10]。

移動傳感器網(wǎng)絡(luò)數(shù)據(jù)采集方法很多，按傳感器節(jié)點類型通?？煞譃閮深悾阂苿觽鞲衅鞴?jié)點法和移動Sink法。按照Sink節(jié)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(jié)點往往采用“預(yù)先存儲+機會轉(zhuǎn)發(fā)”的工作方式;固定移動是指Sink以恒定的速度沿預(yù)先設(shè)定或生產(chǎn)的路徑移動以開展數(shù)據(jù)收集。通常，該方法適用于節(jié)點均勻分布或近似均勻分布的網(wǎng)絡(luò);受控移動是指Sink根據(jù)網(wǎng)絡(luò)實時情況和節(jié)點反饋的實時信息決定下一步移動方向和位置，調(diào)整其移動路徑[11]。

1 移動傳感器節(jié)點法

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

移動傳感器節(jié)點法適用于稀疏網(wǎng)絡(luò)的數(shù)據(jù)采集，但每個節(jié)點都移動，會導(dǎo)致節(jié)點對監(jiān)測區(qū)域的感應(yīng)時間減少，實時性較差;且每個節(jié)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(jié)點移動，應(yīng)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(wǎng)絡(luò)，提出了一種Data MULEs方案，將網(wǎng)絡(luò)結(jié)構(gòu)分為3層。頂層是固定的Sink節(jié)點，負責(zé)將接收的數(shù)據(jù)匯總處理并轉(zhuǎn)發(fā)給用戶;中間層是移動的Sink，作為中轉(zhuǎn)節(jié)點，接收、緩存數(shù)據(jù)，并將其中轉(zhuǎn)至固定Sink，文中也稱其為MULEs;底層是固定的傳感器節(jié)點，用于感知數(shù)據(jù)并發(fā)送至MULEs。該方案采集數(shù)據(jù)時，中間層的MULEs隨機移動，近距離接收底層傳感器節(jié)點的感知數(shù)據(jù)，并將其中轉(zhuǎn)至頂層Sink。數(shù)據(jù)的傳輸距離短，以降低網(wǎng)絡(luò)能耗，延長網(wǎng)絡(luò)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(guī)劃，實現(xiàn)簡單，但可能出現(xiàn)某些區(qū)域的感知數(shù)據(jù)一直沒有被隨機訪問到，導(dǎo)致數(shù)據(jù)采集區(qū)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(shù)據(jù)收集方法，其應(yīng)用場景如圖1所示。

圖1 MMPEC應(yīng)用場景

該方法將網(wǎng)絡(luò)模型中的節(jié)點分為兩類，即能單跳直接與Sink通信的匯聚點和其余子節(jié)點。子節(jié)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(fā)送數(shù)據(jù)，Sink輪詢每個匯聚點完成數(shù)據(jù)采集。MMPEC分布式優(yōu)化所有子節(jié)點到其對應(yīng)匯聚點的路徑長度，使總路徑取得最小值的概率最大，相應(yīng)地總能耗達到最低的概率也最大。

文獻[17]針對節(jié)點均勻分布的網(wǎng)絡(luò)模型，提出了一種Sink節(jié)點移動路徑規(guī)劃算法（Movement Path Optimization Algorithm of Sink Node for Wireless Sensor Networks，MPOA）。MPOA考慮Sink節(jié)點的停留位置和移動距離，建立網(wǎng)絡(luò)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(wǎng)絡(luò)能耗均衡、生存時間最優(yōu)的Sink移動路徑進行數(shù)據(jù)采集。

文獻[18]針對節(jié)點隨機分布的網(wǎng)絡(luò)模型，提出了一種基于二分法與移動Sink的無線傳感網(wǎng)數(shù)據(jù)收集協(xié)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(qū)域劃分為面積相等的兩個子區(qū)域，并采用靜態(tài)Sink與移動Sink相結(jié)合的方法進行數(shù)據(jù)采集，靜態(tài)Sink始終位于整個區(qū)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(wǎng)絡(luò)運行過程中，節(jié)點能量逐漸耗盡而導(dǎo)致不斷死亡。當子區(qū)域1（包含1.1-1.4）的節(jié)點存活率小于某個常數(shù)時，對子區(qū)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(fù)。PBDM在進行數(shù)據(jù)采集時，對比節(jié)點到靜態(tài)Sink、移動Sink的距離，選擇最小距離進行數(shù)據(jù)傳輸，以延長網(wǎng)絡(luò)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(jié)果證明，4個移動Sink的方法在網(wǎng)絡(luò)生存時間、數(shù)據(jù)收集效率方面更優(yōu)于單Sink移動的方法。

Sink固定移動法中，預(yù)先有針對性地對移動Sink的軌跡進行優(yōu)化固定，以延長網(wǎng)絡(luò)的生存時間，更具實用性，但對數(shù)據(jù)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(wǎng)移動數(shù)據(jù)采集的三層框架方案，將網(wǎng)絡(luò)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(jié)點的自組織分簇，每個簇內(nèi)產(chǎn)生多個簇頭。在簇頭層，多個簇頭間協(xié)調(diào)工作，以實現(xiàn)簇內(nèi)節(jié)能通信和簇間網(wǎng)絡(luò)連通。在移動Sink層，選定Sink在每個簇中的停留位置，優(yōu)化其移動軌跡，有效地從簇頭接收數(shù)據(jù)，并將其傳輸?shù)焦潭ɑ?。移動Sink收集數(shù)據(jù)時，采用多入多出（Multiple-Input Multiple-Output，MIMO）技術(shù)，以減小數(shù)據(jù)延遲。

文獻[20]針對數(shù)據(jù)延遲受限的無線傳感網(wǎng)，提出了一種啟發(fā)式加權(quán)集合規(guī)劃（Weighted Rendezvous Planning，WRP）。為延長網(wǎng)絡(luò)存活時間，WRP考慮中轉(zhuǎn)節(jié)點的負載，給網(wǎng)絡(luò)中每個傳感器節(jié)點分配一個加權(quán)值，依此選擇不超過最大負載代價的節(jié)點成為匯聚節(jié)點（Rendezvous Point，RP）。在此基礎(chǔ)上，考慮減小數(shù)據(jù)延遲，采用旅行商算法獲得Sink遍歷所有RP節(jié)點的最短路徑。

文獻[21]針對節(jié)點隨機分布的矩形網(wǎng)絡(luò)模型，提出了一種基于簇間Dubins 平滑曲線的移動數(shù)據(jù)采集算法，其數(shù)據(jù)采集框架如圖3所示。

圖3 移動數(shù)據(jù)采集框架

該算法首先采用LEACH分簇思想，將監(jiān)測區(qū)域分成若干個簇;其次求出每個簇的質(zhì)心和簇內(nèi)節(jié)點的平均剩余能量，依此確定每個簇的數(shù)據(jù)采集點，即距離質(zhì)心最近且剩余能量不低于平均剩余能量的節(jié)點;隨后，簇內(nèi)節(jié)點采用Prim算法構(gòu)造最小生成樹多跳路徑，將數(shù)據(jù)中轉(zhuǎn)到數(shù)據(jù)采集點緩存;最后，移動Sink沿規(guī)劃好的Dubins 平滑曲線遍歷數(shù)據(jù)采集點，完成數(shù)據(jù)采集。為縮短遍歷路徑，降低數(shù)據(jù)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(yōu)方式組合選取。

Sink受控移動法在考慮延長網(wǎng)絡(luò)生存時間的同時，著重降低數(shù)據(jù)采集延遲，更具實時性，但算法也更復(fù)雜。

3 結(jié)語

隨著無線傳感器制造技術(shù)的持續(xù)進步和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，越來越多的移動傳感網(wǎng)應(yīng)用于人們的生活中。從農(nóng)田監(jiān)測到火災(zāi)或地震災(zāi)情監(jiān)控，移動傳感網(wǎng)的應(yīng)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(wǎng)數(shù)據(jù)采集方法：網(wǎng)絡(luò)能耗、數(shù)據(jù)延遲和數(shù)據(jù)傳輸可靠性。針對不同的應(yīng)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(wǎng)數(shù)據(jù)采集方法。

相對于所有節(jié)點都移動的移動傳感器節(jié)點法而言，只有Sink移動的無線傳感器網(wǎng)絡(luò)更簡單，應(yīng)用更廣。Sink移動法中，隨機移動省去了路徑規(guī)劃的開銷，但是由此導(dǎo)致的不確定性增強，容易產(chǎn)生數(shù)據(jù)采集盲區(qū)，無法進行有針對性的數(shù)據(jù)采集，且不能保證實時性;固定移動可以有針對性地采集數(shù)據(jù)并規(guī)劃路徑，具有更強的實用性，但移動路徑無法調(diào)整，導(dǎo)致移動軌跡附近的節(jié)點能耗較重，與隨機移動相比，“能量空洞”現(xiàn)象的緩解效果較差;受控移動的數(shù)據(jù)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(fù)雜，且更具挑戰(zhàn)性[11]。

參考文獻：

[1] 莫文杰，鄭霖. 優(yōu)化網(wǎng)絡(luò)生命周期和最短化路徑的WSN移動sink路徑規(guī)劃算法[J]. 計算機應(yīng)用，2017（8）：2150-2156.

[2] 常李，管有慶. 移動匯聚節(jié)點在倉儲中的數(shù)據(jù)采集技術(shù)及應(yīng)用[J]. 計算機技術(shù)與發(fā)展，2018，28（11）：168-172.

[3] 楊鶯，楊武德，吳華瑞，等. 基于移動sink的農(nóng)田無線傳感器網(wǎng)絡(luò)數(shù)據(jù)收集策略[J]. 計算機科學(xué)，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(shù)據(jù)收集機制研究[J]. 軟件導(dǎo)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(wǎng)移動Sink數(shù)據(jù)收集技術(shù)研究[D]. 南京：南京郵電大學(xué)，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(wǎng)絡(luò)數(shù)據(jù)收集方法[J]. 電子學(xué)報，2015，43（12）：2470-2475.

[17] 陳友榮，陸思一，任條娟，等. 一種無線傳感網(wǎng)的Sink節(jié)點移動路徑規(guī)劃算法研究[J]. 傳感技術(shù)學(xué)報，2017，30（12）：1933-1940.

[18] 梁青，焦峰. WSN中基于二分法與移動Sink的數(shù)據(jù)收集協(xié)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(wǎng)聚類移動數(shù)據(jù)采集算法[J]. 傳感技術(shù)學(xué)報，2019，32（4）：603-609.

（責(zé)任編輯：孫 娟）