面向農(nóng)業(yè)觀光服務(wù)的無線傳感網(wǎng)節(jié)點(diǎn)布局優(yōu)化

楊義 張靜文 萬雪芬 鄭濤 崔劍 Sardar Muhammad Sohail

摘要：【目的】探討面向農(nóng)業(yè)觀光園區(qū)分布式服務(wù)的無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)布局優(yōu)化方案，為提高農(nóng)業(yè)觀光園區(qū)服務(wù)質(zhì)量及提升游客游園體驗(yàn)提供依據(jù)?！痉椒ā坷蒙鐣δＰ徒Y(jié)合觀光園區(qū)規(guī)劃信息，采用Anylogic行人仿真平臺獲取游客在園中的空間分布數(shù)據(jù)，用傳統(tǒng)K-means算法和改進(jìn)K-means算法分別對游客空間分布數(shù)據(jù)進(jìn)行聚類分析，并根據(jù)節(jié)點(diǎn)優(yōu)化布局評價(jià)指標(biāo)，計(jì)算節(jié)點(diǎn)最優(yōu)位置?！窘Y(jié)果】采用傳統(tǒng)K-means算法和改進(jìn)K-means算法對選取的12組游客空間分布數(shù)據(jù)進(jìn)行單日游客聚類分析得到兩組節(jié)點(diǎn)位置；改進(jìn)K-means算法聚類得到的節(jié)點(diǎn)最終位置對節(jié)點(diǎn)被接入次數(shù)的均衡效果均優(yōu)于傳統(tǒng)K-means算法，其節(jié)點(diǎn)被接入次數(shù)均方差的均值降低約41.8%。因此，改進(jìn)K-means算法更適合運(yùn)用于觀光園區(qū)節(jié)點(diǎn)的布局優(yōu)化，得到的節(jié)點(diǎn)最終位置即為該觀光園區(qū)節(jié)點(diǎn)最優(yōu)位置?！窘ㄗh】在面向農(nóng)業(yè)觀光服務(wù)的混合型無線傳感器網(wǎng)絡(luò)建設(shè)中，應(yīng)基于社會力模型預(yù)估游客空間分布，實(shí)現(xiàn)觀光服務(wù)優(yōu)化；通過合理部署節(jié)點(diǎn)位置，延長融合智能設(shè)備的混合型無線傳感器網(wǎng)絡(luò)生存時(shí)間；更好地打造面向游客服務(wù)、整合移動智能設(shè)備的農(nóng)業(yè)物聯(lián)網(wǎng)系統(tǒng)。

關(guān)鍵詞： 農(nóng)業(yè)觀光園區(qū)；社會力模型；K-means算法；無線傳感器網(wǎng)絡(luò)；節(jié)點(diǎn)布局

中圖分類號： S126； TN709 文獻(xiàn)標(biāo)志碼：A 文章編號：2095-1191（2018）08-1674-09

0 引言

【研究意義】近年來，我國農(nóng)業(yè)產(chǎn)業(yè)已逐漸呈現(xiàn)出由偏重于生產(chǎn)性經(jīng)營活動逐漸轉(zhuǎn)變?yōu)樯a(chǎn)和服務(wù)并重的態(tài)勢。在農(nóng)業(yè)產(chǎn)業(yè)化升級和經(jīng)濟(jì)效益驅(qū)動等內(nèi)因及社會大眾消費(fèi)需求等外因的共同促進(jìn)下，我國觀光農(nóng)業(yè)得到了快速發(fā)展。觀光農(nóng)業(yè)將農(nóng)業(yè)生產(chǎn)過程與觀光、休閑、教育及文化相結(jié)合，以滿足消費(fèi)者的多元化需求。當(dāng)前，觀光農(nóng)業(yè)以提升游客游園體驗(yàn)為重點(diǎn)，進(jìn)而提升服務(wù)的層次及廣度（李偉和江秀輝，2009；Liang，2017）。隨著農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)的發(fā)展，觀光農(nóng)業(yè)產(chǎn)業(yè)優(yōu)化升級有了新的技術(shù)支持。通過智能手機(jī)等移動智能終端可為游客提供觀光導(dǎo)游、實(shí)例教育和農(nóng)業(yè)生產(chǎn)過程體驗(yàn)等服務(wù)，大幅度提升游客體驗(yàn)效果。但是受到維護(hù)成本、園區(qū)布局、信息架構(gòu)和服務(wù)伸縮性等因素的限制，無法完全依靠Wi-Fi等短距無線組網(wǎng)方式或3G、4G等移動通信網(wǎng)絡(luò)提供服務(wù)。而將移動智能終端與已在農(nóng)業(yè)領(lǐng)域廣泛應(yīng)用的無線傳感器網(wǎng)絡(luò)相結(jié)合構(gòu)建混合型無線傳感器網(wǎng)絡(luò)，不僅能兼容傳統(tǒng)的農(nóng)業(yè)信息監(jiān)測管理功能，還可以在服務(wù)現(xiàn)場直接借助節(jié)點(diǎn)，利用移動智能設(shè)備藍(lán)牙等短距無線通信和NFC標(biāo)簽讀寫等技術(shù)，為游客提供直觀有效的信息服務(wù)（許培培等，2017）。由于藍(lán)牙等短距無線通信范圍和NFC標(biāo)簽讀寫距離等技術(shù)的約束，游客須在一定的范圍內(nèi)才能通過移動智能設(shè)備接入節(jié)點(diǎn)。因此，優(yōu)化無線傳感網(wǎng)節(jié)點(diǎn)在一定區(qū)域內(nèi)的布局，便于游客接入節(jié)點(diǎn)及時(shí)獲取農(nóng)產(chǎn)品種植、景點(diǎn)介紹和現(xiàn)場推送等信息，對提升游客游玩體驗(yàn)具有重要的現(xiàn)實(shí)意義?！厩叭搜芯窟M(jìn)展】在以往的研究中，無線傳感器網(wǎng)絡(luò)布局優(yōu)化研究的重點(diǎn)是提高網(wǎng)絡(luò)覆蓋率和降低網(wǎng)絡(luò)能耗。國內(nèi)外學(xué)者將群智能算法應(yīng)用到節(jié)點(diǎn)的優(yōu)化部署中，并取得一定成果。Khalesian和Delavar（2016）提出一種基于帕累托的多目標(biāo)進(jìn)化方法對節(jié)點(diǎn)進(jìn)行部署，尋找帕累托最優(yōu)布局，擴(kuò)大了網(wǎng)絡(luò)覆蓋范圍，減少了傳感器節(jié)點(diǎn)能耗；夏兵（2016）利用改進(jìn)的微分進(jìn)化算法對井下的無線傳感器網(wǎng)絡(luò)ZigBee錨節(jié)點(diǎn)進(jìn)行布局優(yōu)化，延長了網(wǎng)絡(luò)的生命周期；朱虹等（2016）采用粒子群算法結(jié)合虛擬力算法對生豬養(yǎng)殖物聯(lián)網(wǎng)系統(tǒng)進(jìn)行節(jié)點(diǎn)部署，提高了網(wǎng)絡(luò)覆蓋率；王振東等（2018）設(shè)計(jì)了一種混沌優(yōu)化的細(xì)菌覓食算法對無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行優(yōu)化部署，不僅提高了網(wǎng)絡(luò)覆蓋率，還延長了網(wǎng)絡(luò)壽命；Cao等（2018）提出一種分布式并行協(xié)作協(xié)同進(jìn)化、多目標(biāo)大規(guī)模免疫算法用于無線傳感器網(wǎng)絡(luò)的部署，提高了網(wǎng)絡(luò)覆蓋率。【本研究切入點(diǎn)】目前，基于游客行為模式進(jìn)行無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)布局的研究鮮見報(bào)道?！緮M解決的關(guān)鍵問題】在農(nóng)業(yè)觀光園中應(yīng)用社會力模型對游客進(jìn)行游人仿真，獲取游客空間分布數(shù)據(jù)，分別采用傳統(tǒng)K-means算法和改進(jìn)K-means算法進(jìn)行對比聚類分析，計(jì)算得出節(jié)點(diǎn)最優(yōu)位置，為農(nóng)業(yè)觀光園區(qū)混合型無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)布局優(yōu)化提供一種新的解決方法。

1 基于社會力模型的游客空間分布

已有研究表明，在農(nóng)業(yè)觀光園區(qū)中，不同類型的功能區(qū)域（采摘區(qū)、餐飲區(qū)和服務(wù)區(qū)等）和設(shè)施（導(dǎo)游設(shè)施、游樂設(shè)備和教育設(shè)施等）與游客行為模式具有較強(qiáng)的關(guān)聯(lián)性（王甫園等，2016；Qiu and Fan，2016）。而游客的行為模式還受游客個(gè)體差異、個(gè)體互動和群體性行為等影響，在時(shí)域及空間域上呈動態(tài)變化。在以優(yōu)化傳感器網(wǎng)絡(luò)節(jié)點(diǎn)布局為目標(biāo)的具體研究中是以游客個(gè)體的空間分布為核心研究對象，由其表征園區(qū)不同層次上的游客運(yùn)動模式，為傳感器節(jié)點(diǎn)布局算法提供依據(jù)。

1. 1 社會力模型

微觀的社會力模型將行人看作具有一定行為特性的個(gè)體，并將行人的眾多因素（從眾心理、認(rèn)知、視野等）考慮在內(nèi)，利于結(jié)合設(shè)備接入特性、調(diào)查問卷和時(shí)域切片抽樣等歷史統(tǒng)計(jì)數(shù)據(jù)，準(zhǔn)確反映行人的運(yùn)動狀況，適用于面向個(gè)體行人服務(wù)優(yōu)化的應(yīng)用場合。由此，可引入社會力模型作為游客空間分布分析的研究基礎(chǔ)。社會力模型是基于牛頓第二定律所建立，模型中假設(shè)行人受到社會力作用驅(qū)動其運(yùn)動。社會力包含3個(gè)方面，即驅(qū)動力、人與人之間的相互作用力及人與邊界（障礙物）之間的作用力。驅(qū)動力指行人主觀意識對其行為的影響轉(zhuǎn)化為作用于自身的社會力，反映了行人希望以期望的速度到達(dá)目的地的意愿；人與人之間的作用力主要包括行人間試圖保持一定距離產(chǎn)生的社會心理力和身體間的接觸力；人與邊界（障礙物）之間的作用力主要包括行人與障礙物間試圖保持一定距離產(chǎn)生的排斥力及身體與障礙物間的接觸力（Cao et al.，2017；曹寧博等，2018）。結(jié)合社會力模型基本定義，本研究將觀光園區(qū)中游客行為模型表示為：

1. 2 游客空間分布分析

以圖1所示農(nóng)業(yè)觀光園區(qū)為研究對象，在基于社會力模型的Anylogic仿真平臺上對游客空間分布進(jìn)行分析（Yang et al.，2014；Caramuta et al.，2017）。該園區(qū)占地約30 ha，具備蔬菜瓜果采摘、餐飲休息、合影、游樂和辦公等典型觀光區(qū)域及設(shè)施。

在模型中，每一個(gè)游客為Anylogic環(huán)境中具有獨(dú)特屬性的智能體。將游客在園區(qū)中的活動劃分為多個(gè)不同的行為過程，游客在社會力的作用下進(jìn)入不同的功能區(qū)域進(jìn)行觀光活動，最后形成游客活動鏈。根據(jù)以往對周邊觀光園區(qū)的調(diào)研結(jié)果，模型中進(jìn)入觀光園區(qū)的男女比例設(shè)為4∶6，年齡服從Triangular（5， 25， 50）三角分布。游客在園中的行進(jìn)速度如表1所示。

采用Anylogic行人仿真平臺建立觀光園區(qū)宏觀游客行為流程圖（圖2），游客的活動鏈包括游客入園、游園路徑、游覽停留和游客離園。對流程圖中各個(gè)行人庫模塊進(jìn)行參數(shù)設(shè)置：根據(jù)游客到達(dá)時(shí)間分布及游客屬性設(shè)置Ped Source模塊（圖2中entrance控件），生成游客源；根據(jù)園區(qū)中游客不同區(qū)域路徑選擇概率設(shè)置Ped Select Output模塊（圖2中s1～s9控件），確定游客游園路徑；根據(jù)觀光園區(qū)布局設(shè)置Ped Go To模塊（圖2中path_aim控件），確定游客離園位置。

該觀光園區(qū)包含多個(gè)蔬果采摘區(qū)且占地面積較大，每個(gè)采摘區(qū)的設(shè)施布局有所不同，對游客的吸引程度也存在差異。宏觀行人行為流程建模只能反映游客在某個(gè)園區(qū)的大體分布，為得到游客在特定采摘園區(qū)中的真實(shí)運(yùn)動情況，對各功能區(qū)域再次進(jìn)行基于路徑選擇概率的小區(qū)域劃分。以葡萄采摘區(qū)為例，對該區(qū)域內(nèi)各行人庫模塊進(jìn)行參數(shù)設(shè)置，根據(jù)園區(qū)中作物的花期和采摘期設(shè)置Ped Wait模塊（圖3中pedWait80～pedWait92控件），使游客在不同區(qū)域的游覽時(shí)間服從均勻分布Uniform（min， max），并設(shè)置不同區(qū)域的吸引子位置。通過以上參數(shù)的設(shè)置，修正游客所受社會力中驅(qū)動力和吸引力等參數(shù)值，并將游客停留位置屬性與數(shù)據(jù)庫進(jìn)行連接。運(yùn)行仿真平臺，可得到觀光園區(qū)中游客實(shí)時(shí)位置圖（圖4），且游客停留位置、停留時(shí)間等數(shù)據(jù)將存儲到數(shù)據(jù)庫中。

1. 3 無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)優(yōu)化布局算法

聚類分析是數(shù)據(jù)挖掘領(lǐng)域的一個(gè)重要分支，在信息檢索及生物種群劃分等研究領(lǐng)域已得到廣泛應(yīng)用。本研究將基于觀光園區(qū)游客空間分布數(shù)據(jù)進(jìn)行聚類分析得到游客聚集區(qū)域中心，并在其基礎(chǔ)上找到節(jié)點(diǎn)最優(yōu)位置。常見的聚類算法有基于劃分的K-means算法、基于密度的DBSCAN算法和層次聚類算法。但是處理大量隨機(jī)分布的游客空間數(shù)據(jù)時(shí)，DBSCAN聚類結(jié)果易將邊緣數(shù)據(jù)劃分為噪聲點(diǎn)或?qū)⑾嘟念悇澐譃橐粋€(gè)大類；層次聚類算法易將不相關(guān)的數(shù)據(jù)合并為一類；而作為動態(tài)聚類算法的K-means算法原理簡單，收斂速度快，聚類效果明顯，在處理大規(guī)模數(shù)據(jù)集時(shí)具有較好的可伸縮性和效率（Xu et al.，2017）。因此，本研究選擇K-means算法進(jìn)行聚類分析，并對傳統(tǒng)的K-means算法進(jìn)行改進(jìn)，使其更加適用于游客空間數(shù)據(jù)分析。

1. 3. 1 K-means算法 該算法是經(jīng)典數(shù)據(jù)挖掘算法之一，基于聚類準(zhǔn)則函數(shù)最小化原則，通過迭代將數(shù)據(jù)劃分到不同的類中，使得到的聚類結(jié)果較緊湊和獨(dú)立（Bai et al.，2017）。K-means算法的基本思想：任意選擇k個(gè)初始聚類中心；根據(jù)最小距離準(zhǔn)則將數(shù)據(jù)劃分到距離最近的聚類中心所對應(yīng)的類中；通過迭代不斷更新聚類中心，直到準(zhǔn)則函數(shù)收斂。

K-means聚類算法的輸入：數(shù)據(jù)集和聚類的個(gè)數(shù)k，其輸出：滿足準(zhǔn)則函數(shù)收斂的k個(gè)類。步驟：（1）從數(shù)據(jù)集中隨機(jī)選擇k個(gè)初始聚類中心；（2）計(jì)算每個(gè)數(shù)據(jù)與聚類中心的距離，根據(jù)最小距離準(zhǔn)則將數(shù)據(jù)劃分到距離最近的聚類中心所對應(yīng)的類中；（3）計(jì)算每個(gè)類中數(shù)據(jù)的平均值作為新的聚類中心；（4）重復(fù)（2）～（3），直到準(zhǔn)則函數(shù)收斂。

1. 3. 2 改進(jìn)K-means算法 傳統(tǒng)K-means算法的初始聚類中心從數(shù)據(jù)集中隨機(jī)選擇，導(dǎo)致聚類中心容易陷入局部最優(yōu)解，且聚類結(jié)果不唯一。本研究提出一種基于密度改進(jìn)的K-means算法。對于初始聚類中心的選擇，首先采用基于最小距離的凝聚層次聚類算法對數(shù)據(jù)進(jìn)行聚類，該層次聚類算法兩個(gè)類中所有數(shù)據(jù)點(diǎn)距離平均值代表兩個(gè)類的距離，距離的度量準(zhǔn)則是歐幾里得距離（Fan，2015）。然后根據(jù)層次聚類結(jié)果計(jì)算每個(gè)類中對象的均值，以此作為初始聚類中心，由于層次聚類劃分的類是唯一確定的，因此，該初始聚類中心也是唯一，且能夠準(zhǔn)確代表該類。此外，在聚類過程中對類中對象個(gè)數(shù)進(jìn)行限制，使每個(gè)類中的個(gè)數(shù)為總個(gè)數(shù)的均值（向下取整，余下的數(shù)據(jù)放入距離最近的聚類中心所屬類）。改進(jìn)算法聚類后數(shù)據(jù)密度較大的區(qū)域分類個(gè)數(shù)相應(yīng)增加，使聚類中心處于數(shù)據(jù)集的高密度區(qū)域。

圖5為改進(jìn)的K-means算法流程：輸入包含n個(gè)對象的數(shù)據(jù)集、聚類的個(gè)數(shù)k、每類中對象的個(gè)數(shù)（Num）；輸出即滿足準(zhǔn)則函數(shù)收斂的k個(gè)類。步驟：（1）對數(shù)據(jù)集進(jìn)行層次聚類分析；（2）根據(jù)層次聚類結(jié)果，計(jì)算每類中對象的均值并將其作為初始聚類中心；（3）計(jì)算每個(gè)對象到這些聚類中心的距離，根據(jù)最小距離準(zhǔn)則將對象劃分到相應(yīng)的類中且滿足每個(gè)類對象的個(gè)數(shù)為Num；（4）重新計(jì)算每個(gè)類中對象的均值將其作為新的聚類中心；（5）重復(fù)（3）～（4）直到準(zhǔn)則函數(shù)收斂為止。其中，加粗框的步驟表示改進(jìn)K-means算法與傳統(tǒng)K-means算法的不同之處。

1. 3. 3 觀光園區(qū)節(jié)點(diǎn)優(yōu)化布局計(jì)算及評價(jià)指標(biāo)

本研究通過社會力模型得到觀光園中游客的空間分布，并通過聚類算法得到的聚類中心作為傳感器節(jié)點(diǎn)位置。但需要注意的是，由于同一個(gè)園區(qū)每日游客的空間分布存在較大的隨機(jī)性，因此，在園區(qū)功能布局不變的前提下，可通過社會力模型仿真得到較長周期內(nèi)具有代表性的游客空間日分布數(shù)據(jù)，之后以其為基礎(chǔ)進(jìn)行聚類，聚類結(jié)果取平均值作為最終節(jié)點(diǎn)位置。

在混合型無線傳感器網(wǎng)絡(luò)中，游客可使用藍(lán)牙等短距無線通信方式接入節(jié)點(diǎn)（許培培等，2017），在節(jié)點(diǎn)數(shù)一定的前提下，期望節(jié)點(diǎn)的通信范圍覆蓋更多的游客。由于傳感器節(jié)點(diǎn)的能量有限，園區(qū)中某個(gè)節(jié)點(diǎn)被接入次數(shù)過多會使無線傳感器網(wǎng)絡(luò)能量不均衡（能量有效性是無線傳感器網(wǎng)絡(luò)設(shè)計(jì)需要滿足的基本原則之一），且游客不希望等待接入節(jié)點(diǎn)時(shí)間過長。假設(shè)特定園區(qū)中每個(gè)傳感器節(jié)點(diǎn)被接入的次數(shù)近似相等，既避免了節(jié)點(diǎn)能量消耗不均衡，又提高了節(jié)點(diǎn)接入的利用率。因此，本研究以傳感器節(jié)點(diǎn)被接入次數(shù)的均衡程度（均方差）作為優(yōu)化傳感器節(jié)點(diǎn)位置的評價(jià)指標(biāo)：

式中，M為某功能園區(qū)傳感器節(jié)點(diǎn)放置的個(gè)數(shù)，Wq為該園區(qū)一天內(nèi)第q個(gè)節(jié)點(diǎn)被接入的次數(shù)，T為該園區(qū)一天中游客空間分布的數(shù)據(jù)個(gè)數(shù)。σ越小，說明聚類后得到的每個(gè)節(jié)點(diǎn)每天被接入的次數(shù)越相近，節(jié)點(diǎn)的位置越合理。

2 農(nóng)業(yè)觀光園區(qū)游客空間分布聚類分析

2. 1 單日游客空間分布聚類分析結(jié)果

觀光園區(qū)中不同功能區(qū)域設(shè)施的布局及游客的分布情況差異明顯，本研究以功能園區(qū)為單位，分別對單個(gè)園區(qū)進(jìn)行聚類，得出該園區(qū)節(jié)點(diǎn)的最優(yōu)位置，進(jìn)而得到觀光園區(qū)中所有節(jié)點(diǎn)最優(yōu)位置。K-means算法與改進(jìn)K-means算法輸入的聚類個(gè)數(shù)等于園區(qū)中放置傳感器節(jié)點(diǎn)的個(gè)數(shù)，各園區(qū)放置節(jié)點(diǎn)的個(gè)數(shù)則根據(jù)藍(lán)牙通信的范圍確定。以葡萄采摘區(qū)為例，葡萄采摘區(qū)的面積約1.8×104 m2，采用平均面積覆蓋部署策略可確定葡萄采摘區(qū)中需要放置節(jié)點(diǎn)個(gè)數(shù)為15（凡高娟，2010），即對葡萄采摘區(qū)中游客空間數(shù)據(jù)聚類個(gè)數(shù)設(shè)置為15。對由社會力模型得到的葡萄采摘區(qū)某天游客空間分布數(shù)據(jù)進(jìn)行標(biāo)記，分別采用K-means聚類算法和改進(jìn)K-means聚類算法進(jìn)行單日游客數(shù)據(jù)聚類，如圖6所示，相同顏色的標(biāo)記點(diǎn)代表一類，紅色的實(shí)心圓點(diǎn)代表該類的聚類中心。

2. 2 確定園區(qū)節(jié)點(diǎn)最終位置

不同季節(jié)每天游客到達(dá)時(shí)間的不同也使園中游客的空間分布存在明顯差異。為滿足放置的節(jié)點(diǎn)能夠全年為游客提供有效服務(wù)，應(yīng)選擇全年中具有代表性的游客分布數(shù)據(jù)進(jìn)行聚類。本研究根據(jù)觀光園區(qū)一年中游客到達(dá)時(shí)間分布計(jì)算出每月游客的平均到達(dá)時(shí)間分布，由圖7可知，1、2、11和12月為農(nóng)業(yè)觀光園區(qū)游覽的淡季，游客到達(dá)率較低，其余月份游客到達(dá)率較高，準(zhǔn)確反映全年中觀光園區(qū)游客到達(dá)情況。根據(jù)游客月平均到達(dá)時(shí)間分布圖，利用基于社會力模型的Anylogic行人仿真平臺得到12組該觀光園區(qū)不同功能園區(qū)游客的空間分布數(shù)據(jù)，其能準(zhǔn)確反映全年中不同功能園區(qū)游客的空間分布情況。以葡萄采摘區(qū)為例，根據(jù)12組游客空間分布數(shù)據(jù)，采用兩種聚類算法分別進(jìn)行12次聚類，將得到的12次聚類中心結(jié)果取平均值作為節(jié)點(diǎn)最終位置（表2）。依此方法和步驟，可計(jì)算得出觀光園區(qū)各功能園區(qū)節(jié)點(diǎn)的最終位置。

2. 3 確定園區(qū)節(jié)點(diǎn)最優(yōu)位置

本研究假設(shè)所有的游客分布數(shù)據(jù)都將接入節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)被接入的準(zhǔn)則為數(shù)據(jù)距離節(jié)點(diǎn)距離最近準(zhǔn)則，節(jié)點(diǎn)被接入的次數(shù)即為游客數(shù)據(jù)加入該節(jié)點(diǎn)的個(gè)數(shù)。為保證準(zhǔn)確性，本研究從全年的游客分布數(shù)據(jù)中每月各隨機(jī)抽取1 d，共抽取較有代表性的12 d游客空間分布數(shù)據(jù)驗(yàn)證評價(jià)指標(biāo)。以葡萄采摘區(qū)為例，根據(jù)K-means算法和改進(jìn)K-means算法得到的節(jié)點(diǎn)最終位置，分別計(jì)算葡萄采摘區(qū)12 d節(jié)點(diǎn)被接入次數(shù)的均方差。由圖8可知，改進(jìn)K-means算法得到的節(jié)點(diǎn)被接入次數(shù)均方差均比傳統(tǒng)K-means算法小，計(jì)算可知葡萄采摘區(qū)采用K-means算法得到12組數(shù)據(jù)節(jié)點(diǎn)被接入次數(shù)均方差的均值為46.105，改進(jìn)K-means算法得到均方差的均值為26.730，約降低42.0%。

依此方法計(jì)算各功能園區(qū)12 d中節(jié)點(diǎn)被接入次數(shù)均方差的均值。如圖9所示，采用改進(jìn)K-means聚類算法得到節(jié)點(diǎn)位置后，各功能園區(qū)節(jié)點(diǎn)被接入次數(shù)均方差的均值均比K-means算法小，整體降低約41.8%，說明改進(jìn)K-means算法較傳統(tǒng)K-means算法更加均衡游客接入節(jié)點(diǎn)的次數(shù)。因此，改進(jìn)K-means算法更適合運(yùn)用于觀光園區(qū)中節(jié)點(diǎn)的布局優(yōu)化，得到的最終節(jié)點(diǎn)位置即為該觀光園區(qū)最優(yōu)節(jié)點(diǎn)位置。

3 討論

隨著我國農(nóng)業(yè)產(chǎn)業(yè)化升級的推進(jìn)，觀光農(nóng)業(yè)近年來在我國得到快速發(fā)展。在農(nóng)業(yè)觀光園區(qū)的具體工程實(shí)踐中需要進(jìn)行合理規(guī)劃。耿曉蕊（2015）對觀光農(nóng)業(yè)園景觀設(shè)計(jì)要素進(jìn)行了研究，指出應(yīng)加強(qiáng)以人為本的服務(wù)意識，利用現(xiàn)代化信息科技為游客普及動植物培育方法，增進(jìn)游客自然知識，培養(yǎng)游客科學(xué)興趣，從而提高游客游園趣味性，最終增加景區(qū)經(jīng)濟(jì)收入。農(nóng)業(yè)觀光園區(qū)設(shè)計(jì)規(guī)劃對農(nóng)業(yè)觀光園區(qū)的運(yùn)營有著重要影響。在以往的研究中對農(nóng)業(yè)觀光園區(qū)種植區(qū)布局、商業(yè)設(shè)施建設(shè)等方面已有較成熟的研究（周玉明，2014；黃麗霞等，2017），但工業(yè)觀光園區(qū)的信息化支撐結(jié)構(gòu)規(guī)劃建設(shè)尚需深入探討。為適應(yīng)這一需求并結(jié)合我國農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)的基本情況，必須有一種形式多樣、成本低廉、技術(shù)承接性好的可靠技術(shù)手段承載這一信息化變革。傳統(tǒng)的農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)已在農(nóng)業(yè)領(lǐng)域得到廣泛應(yīng)用，且研究證實(shí)利用農(nóng)業(yè)無線傳感器技術(shù)可以有效地采集分布式的農(nóng)業(yè)參數(shù)、管理農(nóng)業(yè)生產(chǎn)過程（Srbinovska et al.，2015；姚仲敏等，2016）。如能良好構(gòu)建農(nóng)業(yè)生產(chǎn)信息與觀光者間的多層次信息服務(wù)通道，則有望實(shí)現(xiàn)更深入的農(nóng)業(yè)服務(wù)模式。許培培等（2017）將移動智能終端與無線傳感器網(wǎng)絡(luò)相結(jié)合，設(shè)計(jì)了用于觀光農(nóng)業(yè)園區(qū)中游客服務(wù)與田間種植管理通用的混合型無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)，可為游客展示農(nóng)作物種植信息等，并與游客進(jìn)行信息互動，從而有效提升農(nóng)業(yè)觀光園區(qū)游客游園體驗(yàn)。農(nóng)業(yè)觀光園區(qū)的建設(shè)應(yīng)貫徹以人為本的理念，在其信息化支撐結(jié)構(gòu)規(guī)劃建設(shè)中必須融入人的行為因素。此外，移動智能設(shè)備的使用與人的行為密切聯(lián)系，因此，在具體工程實(shí)現(xiàn)中應(yīng)考慮游客在觀光園區(qū)的行為特性。本研究從服務(wù)游客的角度出發(fā)，堅(jiān)持以人為本的理念，將游客空間分布引入到無線傳感網(wǎng)節(jié)點(diǎn)優(yōu)化布局上，采用改進(jìn)K-means算法確定便于游客接入的無線傳感網(wǎng)節(jié)點(diǎn)位置，使游客可快速通過移動智能設(shè)備接入節(jié)點(diǎn)從而獲得多樣化的信息服務(wù)，提高游客游園興趣，為農(nóng)業(yè)觀光園增加收入。

本研究從社會行為作用于農(nóng)業(yè)無線傳感器結(jié)構(gòu)建設(shè)的理論角度為相關(guān)領(lǐng)域研究提供了支撐。將上述研究成果與無線傳感器網(wǎng)絡(luò)領(lǐng)域在能耗優(yōu)化、組網(wǎng)優(yōu)化、覆蓋率優(yōu)化、路由優(yōu)化和層次結(jié)構(gòu)優(yōu)化等科研成果相結(jié)合，則能更進(jìn)一步形成適用于未來多層次、多指標(biāo)優(yōu)化的農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)體系理論成果。劉強(qiáng)等（2016）提出的一種基于太陽能調(diào)度節(jié)點(diǎn)移動的覆蓋優(yōu)化方案結(jié)合，則有望實(shí)現(xiàn)服務(wù)體驗(yàn)最佳、節(jié)點(diǎn)數(shù)最少、覆蓋最優(yōu)的節(jié)點(diǎn)布局方案。另外，本研究提出的研究方法和結(jié)果亦可為城市避險(xiǎn)及工礦安監(jiān)等領(lǐng)域研究融合移動智能設(shè)備的混合型無線傳感器網(wǎng)絡(luò)布局提供參考。

本研究從工程實(shí)踐角度解決了面向觀光服務(wù)的混合型農(nóng)業(yè)無線傳感器節(jié)點(diǎn)優(yōu)化布局問題，農(nóng)業(yè)觀光園區(qū)的設(shè)計(jì)建設(shè)者可參考研究結(jié)果，適配面向觀光服務(wù)的節(jié)點(diǎn)與園區(qū)規(guī)劃，從而實(shí)現(xiàn)更好的信息服務(wù)效能。近年來，移動設(shè)備藍(lán)牙技術(shù)的發(fā)展（BT BLE4.0、4.1標(biāo)準(zhǔn)）使其通信和組網(wǎng)能力有了較大幅度的提高，NB-IoT和LoRa等窄帶物聯(lián)網(wǎng)也在快速進(jìn)入市場，由此帶來了面向服務(wù)的農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)設(shè)計(jì)新的機(jī)遇與挑戰(zhàn)。在對具體節(jié)點(diǎn)的硬件與軟件設(shè)計(jì)中，建議設(shè)計(jì)者盡可能在參考本研究成果的基礎(chǔ)上結(jié)合新的技術(shù)進(jìn)行有針對性的設(shè)計(jì)，從而發(fā)揮出節(jié)點(diǎn)優(yōu)化布局算法的最大效能。如合理設(shè)計(jì)MIFA等適用于節(jié)點(diǎn)的嵌入式PCB天線，抵消掉可能由于植物枝干帶來的信號損耗等，使節(jié)點(diǎn)覆蓋區(qū)域貼近理論的規(guī)劃覆蓋區(qū)域等。

4 建議

4. 1 基于社會力模型預(yù)估游客空間分布，實(shí)現(xiàn)觀光服務(wù)優(yōu)化

游客空間分布數(shù)據(jù)是農(nóng)業(yè)觀光園區(qū)WSN節(jié)點(diǎn)布局優(yōu)化的重要數(shù)據(jù)依據(jù)。對于農(nóng)業(yè)觀光園區(qū)建設(shè)初期，園區(qū)未開放營業(yè)從而缺乏游客空間分布?xì)v史數(shù)據(jù)，無法通過游客歷史數(shù)據(jù)進(jìn)行節(jié)點(diǎn)優(yōu)化布置。建議園區(qū)設(shè)計(jì)者采用社會力模型根據(jù)同類屬性觀光園區(qū)的特性進(jìn)行相關(guān)參數(shù)預(yù)估，確定游客的行為路線，模擬行人在特定環(huán)境下的行為，從而得到準(zhǔn)確可靠的觀光園區(qū)游客初始空間分布數(shù)據(jù)，最后通過改進(jìn)K-means算法計(jì)算節(jié)點(diǎn)位置，為游客提供高效便捷的服務(wù)。農(nóng)業(yè)觀光園區(qū)運(yùn)營后進(jìn)一步基于游客空間分布數(shù)據(jù)對節(jié)點(diǎn)位置進(jìn)行優(yōu)化，由此實(shí)現(xiàn)以游客體驗(yàn)為核心的服務(wù)二次優(yōu)化。

4. 2 通過合理部署節(jié)點(diǎn)位置，延長混合型無線傳感器網(wǎng)絡(luò)生存時(shí)間

農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)的能量有限，而移動智能設(shè)備的隨機(jī)接入將進(jìn)一步增大節(jié)點(diǎn)的能量消耗，建議園區(qū)設(shè)計(jì)者通過設(shè)置合理的節(jié)點(diǎn)空間布局從而延長整個(gè)網(wǎng)絡(luò)的生存時(shí)間。針對面向農(nóng)業(yè)觀光服務(wù)的混合型無線傳感器網(wǎng)絡(luò)監(jiān)控服務(wù)并重需求，在良好分析游客空間分布及節(jié)點(diǎn)交互式服務(wù)特性的基礎(chǔ)上及滿足網(wǎng)絡(luò)覆蓋度和連通度的前提下，采用改進(jìn)K-means算法將節(jié)點(diǎn)布置在游客聚集的區(qū)域，提高節(jié)點(diǎn)的利用率，均衡節(jié)點(diǎn)被接入次數(shù)，從而均衡節(jié)點(diǎn)的能量消耗，延長整個(gè)網(wǎng)絡(luò)的生存周期，為游客提供更為持久穩(wěn)定的服務(wù)。

4. 3 打造面向游客服務(wù)、整合移動智能設(shè)備的農(nóng)業(yè)物聯(lián)網(wǎng)系統(tǒng)

隨著我國農(nóng)業(yè)產(chǎn)業(yè)化發(fā)展，進(jìn)一步挖掘農(nóng)業(yè)生產(chǎn)的附加值是我國農(nóng)業(yè)產(chǎn)業(yè)升級研究的重要方向。隨著農(nóng)業(yè)物聯(lián)網(wǎng)的發(fā)展，農(nóng)業(yè)服務(wù)的層次和廣度都有較大幅度的提高，建議農(nóng)業(yè)產(chǎn)業(yè)從業(yè)者及管理人員應(yīng)在日常生產(chǎn)及管理過程中緊跟農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)的發(fā)展，通過物聯(lián)網(wǎng)技術(shù)提升農(nóng)業(yè)的附加產(chǎn)值。近年來，移動智能設(shè)備的蓬勃發(fā)展為農(nóng)業(yè)物聯(lián)網(wǎng)服務(wù)實(shí)現(xiàn)多樣化、深度化提供了新的契機(jī)。如在傳統(tǒng)農(nóng)業(yè)監(jiān)測應(yīng)用節(jié)點(diǎn)原有基礎(chǔ)上增加接入移動智能設(shè)備功能，開發(fā)面向游客服務(wù)的應(yīng)用層App，引入智能支付等相關(guān)服務(wù)，使游客可直接在移動智能設(shè)備上觀測農(nóng)作物的生長環(huán)境參數(shù)及種植信息，并為游客提供園區(qū)位置定位、景點(diǎn)導(dǎo)航及農(nóng)產(chǎn)品購買等功能，從而將農(nóng)業(yè)監(jiān)控網(wǎng)絡(luò)系統(tǒng)升級為面向游客服務(wù)的新型農(nóng)業(yè)物聯(lián)網(wǎng)服務(wù)系統(tǒng)，進(jìn)而實(shí)現(xiàn)泛在的農(nóng)業(yè)觀光支持服務(wù)，使游客和農(nóng)業(yè)從業(yè)人員都能獲得更佳的使用體驗(yàn)。

參考文獻(xiàn)：

曹寧博， 陳永恒， 曲昭偉， 趙利英， 白喬文， 楊秋杰. 2018. 基于社會力模型的行人路徑選擇模型[J]. 浙江大學(xué)學(xué)報(bào)（工學(xué)版）， 52（2）： 352-357. [Cao N B， Chen Y H， Qu Z W， Zhao L Y， Bai Q W， Yang Q J. 2018. Pedestrian route choice model base on social force model[J]. Journal of Zhejiang University（Engineering Science）， 52（2）： 352-357.]

凡高娟. 2010. 無線傳感器網(wǎng)絡(luò)覆蓋控制技術(shù)研究[D]. 南京： 南京郵電大學(xué). [Fan G J. 2010. Research on covera-ge control in wireless sensor networks[D]. Nanjing：Nanjing University of Posts and Telecommunications.]

耿曉蕊. 2015. 觀光農(nóng)業(yè)開發(fā)區(qū)的景觀設(shè)計(jì)初探——以河北北戴河集發(fā)觀光園為例[J]. 中國農(nóng)業(yè)資源與區(qū)劃， 36（6）： 164-168. [Geng X R. 2015. Research on landscape design of the sightseeing agriculture development zone—Taking Hebei Beidaihe Jifa Sightseeing Garden as an example[J]. Chinese Journal of Agricultural Resources and Regional Planning， 36（6）： 164-168.]

黃麗霞， 楊振華， 李琴， 鄭少林. 2017. 基于生態(tài)保護(hù)與文化傳承的大足石刻農(nóng)業(yè)觀光園規(guī)劃探討[J]. 西南師范大學(xué)學(xué)報(bào)（自然科學(xué)版）， 42（5）： 76-82. [Huang L X， Yang Z H， Li Q， Zheng S L. 2017. On planning of Dazu Rock Carvings agricultural sightseeing garden based on ecological protection and cultural heritage[J]. Journal of Southwest China Normal University（Natural Science Edition）， 42（5）： 76-82.]

李偉， 江秀輝. 2009. 基于體驗(yàn)經(jīng)濟(jì)的煙臺市觀光農(nóng)業(yè)發(fā)展研究[J]. 南方農(nóng)業(yè)學(xué)報(bào)， 40（4）： 442-445. [Li W， Jiang X H. 2009. Development research on agritourism based on the experience economy in Yantai City[J]. Journal of Southern Agriculture， 40（4）： 442-445.]

劉強(qiáng)， 李廣， 王鈞. 2016. 一種提高基于WSN農(nóng)業(yè)監(jiān)測系統(tǒng)覆蓋率的方案[J]. 現(xiàn)代電子技術(shù)， 39（10）： 129-134. [Liu Q， Li G， Wang J. 2016. A scheme to improve co-verage rate of agriculture monitoring system based on WSN[J]. Modern Electronics Technique，39（10）：129-134.]

王甫園， 王開泳， 陳田. 2016. 國家級休閑農(nóng)業(yè)園區(qū)的分布、類型與優(yōu)化布局[J]. 農(nóng)業(yè)現(xiàn)代化研究， 37（6）： 1035-1044. [Wang F Y， Wang K Y， Chen T. 2016. National agritourism parks in China： Distribution， types and spatial optimization[J]. Research of Agricultural Modernization， 37（6）： 1035-1044.]

王振東， 陳峨霖， 胡中棟. 2018. 混沌優(yōu)化細(xì)菌覓食算法的傳感器節(jié)點(diǎn)部署策略[J]. 傳感技術(shù)學(xué)報(bào)， 31（1）： 110-118. [Wang Z D， Chen E L， Hu Z D. 2018. Sensor node deployment strategy of chaotic optimization of bacterial foraging algorithm[J]. Chinese Journal of Sensors and Actuators， 31（1）： 110-118.]

夏兵. 2016. 基于微分進(jìn)化算法的井下無線傳感器網(wǎng)絡(luò)布局優(yōu)化[D]. 長春：吉林大學(xué). [Xia B. 2016. Layout optimization of WSN under the mine based on differential evolution algorithm[D]. Changchun： Jilin University.]

許培培， 萬雪芬， 楊義， 韓芳， 蔣雪芹， 戶晨飛. 2017. 用于觀光農(nóng)業(yè)的混合型無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)設(shè)計(jì)[J]. 華南農(nóng)業(yè)大學(xué)學(xué)報(bào)，38（2）：118-124. [Xu P P，Wan X F，Yang Y，Han F，Jiang X Q，Hu C F. 2017. A design of hybrid wireless sensor network nodes for tourism-agriculture[J]. Journal of South China Agricultural University，38（2）： 118-124.]

姚仲敏， 荊寶剛， 孫彩蘋. 2016. 基于移動無線傳感器網(wǎng)絡(luò)的植株圖像監(jiān)測系統(tǒng)設(shè)計(jì)與測試[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 32（11）：189-196. [Yao Z M，Jing B G，Sun C P. 2016. Design and test of plant image monitoring system based on mobile wireless sensor network[J]. Transactions of the Chinese Society of Agricultural Engineering， 32（11）： 189-196.]

周玉明. 2014. 濕地型生態(tài)農(nóng)業(yè)觀光園規(guī)劃設(shè)計(jì)——以蘇州澄湖生態(tài)農(nóng)業(yè)觀光園為例[J]. 江蘇農(nóng)業(yè)科學(xué)， 42（5）： 148-150. [Zhou Y M. 2014. Planning and design of wetland ecological agriculture sightseeing park—Taking Suzhou Cheng Lake Ecological Agriculture Sightseeing Park as an example[J]. Jiangsu Agricultural Sciences， 42（5）： 148-150.]

朱虹， 李爽， 鄭麗敏， 楊璐. 2016. 基于粒子群算法的生豬養(yǎng)殖物聯(lián)網(wǎng)節(jié)點(diǎn)部署優(yōu)化研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 47（5）： 254-262. [Zhu H，Li S，Zheng L M，Yang L. 2016. Optimization of pig breeding WSN deployment based on PSO algorithm[J]. Transactions of the Chinese Society for Agricultural Machinery， 47（5）： 254-262.]

Bai L， Cheng X Q， Liang J Y， Shen H W， Guo Y K. 2017. Fast density clustering strategies based on the k-means algorithm[J]. Pattern Recognition， 71： 375-386.

Caramuta C，Collodel G，Giacomini C，Gruden C，Longo G， Piccolotto P. 2017. Survey of detection techniques， mathe-matical models and simulation software in pedestrian dynamics[J]. Transportation Research Procedia，25： 551-567.

Cao B，Zhao J W，Yang P，Lü Z H，Liu X，Kang X Y，Yang S，Kang K，Anvari-Moghaddam A. 2018. Distributed para-llel cooperative coevolutionary multi-objective large-scale immune algorithm for deployment of wireless sensor networks[J]. Future Generation Computer Systems， 82： 256-267.

Cao N B，Wei W，Qu Z W，Zhao L Y，Bai Q W. 2017. Simulation of pedestrian crossing behaviors at unmarked roadways based on social force model[J]. Discrete Dynamics in Nature and Society. doi：10.1155/2017/8741534.

Fan J C. 2015. OPE-HCA：An optimal probabilistic estimation approach for hierarchical clustering algorithm[J]. Neural Computing & Applications，doi：10.1007/s00521-015-1998-5.

Khalesian M， Delavar M R. 2016. Wireless sensors deployment optimization using a constrained pareto-based multi-objective evolutionary approach[J]. Engineering Applications of Artificial Intelligence， 53（3）：126-139.

Liang R D. 2017. Considering the role of agritourism co-crea-tion from a service-dominant logic perspective[J]. Tourism Management， 61： 354-367.

Qiu S R， Fan S S. 2016. Recreational value estimation of suburban leisure agriculture： A case study of the Qian-jiangyue agritourism farm[J]. Journal of Mountain Science， 13（1）： 183-192.

Srbinovska M，Gavrovski C，Dimcev V，Krkoleva A，Borozan V. 2015. Environmental parameters monitoring in precision agriculture using wireless sensor networks[J]. Journal of Cleaner Production， 88： 297-307.

Xu T S，Chiang H D，Liu G Y，Tan C W. 2017. Hierarchical K-means method for clustering large-scale advanced metering infrastructure data[J]. IEEE Transactions on Power Delivery， 32（2）： 609-616.

Yang Y D，Li J，Zhao Q X. 2014. Study on passenger flow simulation in urban subway station based on anylogic[J]. Journal of Software， 9（1）： 140-146.

（責(zé)任編輯 鄧慧靈）