大型蔬菜溫室無線監(jiān)測網(wǎng)絡(luò)覆蓋優(yōu)化方法研究*

吳傳程，趙春江，吳華瑞，繆祎晟

(1. 吉林農(nóng)業(yè)大學(xué)信息技術(shù)學(xué)院，長春市，130118； 2. 國家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京市，100097； 3. 北京農(nóng)業(yè)信息技術(shù)研究中心，北京市，100097)

通訊作者：趙春江，男，1964年生，河北保定人，博士，研究員；研究方向為農(nóng)業(yè)智能化技術(shù)裝備。E-mail: zhaocj@nercita.org.cn

0 引言

利用農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)精確獲取連棟溫室內(nèi)作物生長(例如黃瓜等)的小氣候環(huán)境信息[1-2](例如土壤溫濕度，空氣溫濕度等)是現(xiàn)代農(nóng)業(yè)發(fā)展的重要技術(shù)手段[3]。精準(zhǔn)的數(shù)據(jù)采集與分析可有效減少人工和水肥資源的過度消耗[4-9]，實現(xiàn)作物的高效生長。如何利用更少的傳感器節(jié)點實現(xiàn)對連棟溫室內(nèi)黃瓜等作物的最大化感知覆蓋，降低網(wǎng)絡(luò)成本、提高溫室環(huán)境感知準(zhǔn)確性是農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)研究應(yīng)用中亟待解決的問題。

不同領(lǐng)域監(jiān)測應(yīng)用的覆蓋要求各異[10-11]，對于無線傳感器的優(yōu)化部署主要分為群體智能算法和分布式部署算法兩大類。群體智能算法中，Zhou[12]等采用SSO算法解決對監(jiān)測區(qū)域的優(yōu)化覆蓋，通過模擬群居蜘蛛中不同個體的生活習(xí)性對傳感器節(jié)點進行調(diào)度，提高對監(jiān)測區(qū)域的網(wǎng)絡(luò)感知覆蓋，但算法的收斂性低；Panag等[13]提出一種最大覆蓋混合搜索算法，該方法基于粒子群算法實現(xiàn)全局搜索并結(jié)合Hooke-Jeeves方法改進局部搜索，提高算法的收斂速度，優(yōu)化感知節(jié)點的區(qū)域覆蓋；Holland等[14]利用遺傳算法實現(xiàn)對監(jiān)測區(qū)域的網(wǎng)絡(luò)覆蓋，該算法采用局部搜索策略對傳感器進行部署，提高了監(jiān)測區(qū)域的覆蓋率，但由于沒有考慮傳感器位置對覆蓋效率的影響，所以存在大量的重疊覆蓋面積；Su等[15]采用基于動態(tài)蟻群算法的無線傳感器網(wǎng)絡(luò)節(jié)點優(yōu)化配置策略，對獲取蟻群算法中的全局最優(yōu)解方式進行改進，實現(xiàn)無線傳感器網(wǎng)絡(luò)的優(yōu)化覆蓋部署，具有較好的網(wǎng)絡(luò)連通性和覆蓋率，但蟻群算法的計算量較大，求解的所需時間較長；基于群體智能的相關(guān)算法也逐漸應(yīng)用在農(nóng)田[16-17]和茶田[18]中，并通過水肥一體化解決水肥資源的浪費。分布式部署算法中，Zou等[19]首次將虛擬力算法應(yīng)用到無線傳感網(wǎng)絡(luò)的優(yōu)化覆蓋中，在圓形感知范圍和虛擬勢場的基礎(chǔ)上，提出了一種經(jīng)典的虛擬力算法。但傳統(tǒng)虛擬力算法在運行后期穩(wěn)定性較差，出現(xiàn)覆蓋率較低的情況[20-21]。目前基于改進虛擬力提高感知覆蓋率的研究仍然存在[22]。Liu等[23]提出傳感器節(jié)點部署和覆蓋虛擬分子方法(VMFA)，假設(shè)在傳感器節(jié)點之間存在類似于空氣分子的相互作用力，設(shè)置相鄰或次相鄰“零重力”，通過計算傳感器節(jié)點之間的合力，實現(xiàn)對監(jiān)測區(qū)域的優(yōu)化覆蓋；關(guān)志艷等[24]提出虛擬力結(jié)合群聚智能優(yōu)化思想，改善傳感器節(jié)點的移動速度，解決網(wǎng)絡(luò)感知覆蓋優(yōu)化問題；戴歡等[25]采用虛擬力結(jié)合泰森多邊形的分布式覆蓋算法，解決虛擬力后期覆蓋率下降的問題；李飆等[26-28]利用Delaunay三角剖分對不同區(qū)域土壤的墑情和變異系數(shù)，實現(xiàn)農(nóng)田的全方位的監(jiān)測。

針對傳統(tǒng)虛擬力算法在連棟溫室內(nèi)對黃瓜等作物實現(xiàn)無線傳感器網(wǎng)絡(luò)感知覆蓋局部最優(yōu)狀態(tài)導(dǎo)致作物生長不均勻等問題，提出基于區(qū)域面積強度的虛擬力感知覆蓋算法，實現(xiàn)在連棟溫室中對黃瓜等作物生長環(huán)境監(jiān)測的全覆蓋，提高無線傳感器網(wǎng)絡(luò)對溫室的智能化監(jiān)測水平。

1 基于區(qū)域面積強度的虛擬力算法

為了提高連棟溫室中無線傳感器網(wǎng)絡(luò)感知覆蓋的穩(wěn)定性和感知覆蓋高效性，改進傳統(tǒng)虛擬力算法。結(jié)合傳感器節(jié)點間在連棟溫室內(nèi)的覆蓋強度，克服傳統(tǒng)虛擬力的限制，增強算法的穩(wěn)定性，實現(xiàn)無線傳感器網(wǎng)絡(luò)在連棟溫室內(nèi)對黃瓜等作物的高覆蓋率。

1.1 感知覆蓋模型

根據(jù)黃瓜等作物在連棟溫室內(nèi)不同生長周期種植特點，實現(xiàn)無線傳感器網(wǎng)絡(luò)對黃瓜等作物生長環(huán)境的全向感知覆蓋監(jiān)測，獲得更多黃瓜作物生長環(huán)境信息，讓連棟溫室內(nèi)的黃瓜等作物得到更好地培育，因此在連棟溫室中構(gòu)建無線傳感器網(wǎng)絡(luò)感知模型。

將N個傳感器節(jié)點隨機分布在連棟溫室內(nèi)，并將該溫室分割成K個面積大小為1 m2的網(wǎng)格，并將黃瓜等作物均勻地種植在K個[10]網(wǎng)格內(nèi)，作物在溫室內(nèi)的坐標(biāo)分布如式(1)所示。

C=[c1(x1,y1),c2(x2,y2),c3(x3,y3),…,cK(xK,yK)]

(1)

式中：C——網(wǎng)格點即種植作物組成的集合；

cK(xK，yK)——第K個作物種植坐標(biāo)。

對連棟溫室內(nèi)的傳感器節(jié)點做如下假設(shè)：采用同構(gòu)傳感器節(jié)點、位置信息可知、可調(diào)控自身感知位置信息、r為傳感器節(jié)點的感知半徑、通信半徑R為感知半徑的2倍[21]；已知傳感器節(jié)點s(xs,ys)與任意作物c(xc,yc)的歐式距離d(c,s),若d(c,s)≤R，則作物c被傳感器s覆蓋，若d(c,s)>R，則作物c未被傳感器節(jié)點s覆蓋。

傳統(tǒng)虛擬力算法是利用節(jié)點間的歐式距離dij與距離閾值進行判斷，并利用傳感器節(jié)點間的歐氏距離和設(shè)定的虛擬力系數(shù)計算出傳感器節(jié)點所受的虛擬力。

1.2 基于區(qū)域面積強度的虛擬力算法

將傳感器節(jié)點隨機分布在連棟溫室內(nèi)[29]，采用傳統(tǒng)虛擬力對連棟溫室實現(xiàn)感知覆蓋過程中，傳感器節(jié)點在溫室內(nèi)受虛擬力的移動，由于部分傳感器節(jié)點受到相鄰節(jié)點的虛擬合力為零，導(dǎo)致這些節(jié)點無法在溫室內(nèi)進行移動，出現(xiàn)一種收攏平衡狀態(tài)，如圖1所示。使無線傳感器感知覆蓋網(wǎng)絡(luò)陷入局部最優(yōu)，在連棟溫室內(nèi)產(chǎn)生大量的覆蓋重疊，同時對未覆蓋區(qū)域未進行進一步覆蓋，導(dǎo)致傳感器節(jié)點未能獲取連棟溫室內(nèi)不同位置作物的精確信息，同時產(chǎn)生了大量的重復(fù)的冗余數(shù)據(jù)。

圖1 傳統(tǒng)虛擬力算法產(chǎn)生的聚攏情況Fig. 1 Clustering generated by the traditional virtual force algorithm

通過研究表明，傳統(tǒng)虛擬力覆蓋算法的覆蓋結(jié)果對傳感器節(jié)點的初始狀態(tài)有較高的依賴性[30]。為使傳感器節(jié)點對連棟溫室內(nèi)黃瓜等作物實現(xiàn)覆蓋最大化，引入一定的虛擬力擾動避免陷入局部最優(yōu)，調(diào)整虛擬力的計算方式，從原理上避免局部平衡的出現(xiàn)。由此本文提出一種基于區(qū)域面積強度的虛擬力算法，引入溫室內(nèi)相鄰節(jié)點間的感知重疊覆蓋強度，調(diào)節(jié)相鄰傳感器節(jié)點間的虛擬力系數(shù)，消除連棟溫室內(nèi)相鄰傳感器節(jié)點間出現(xiàn)的收攏平衡狀態(tài)，從而避免因依賴感知節(jié)點的初始分布，導(dǎo)致無線傳感器網(wǎng)絡(luò)在連棟溫室內(nèi)對黃瓜等作物產(chǎn)生覆蓋聚攏以及低覆蓋率現(xiàn)象。

假設(shè)N個傳感器節(jié)點隨機部署在連棟溫室內(nèi)部，相鄰節(jié)點間的最優(yōu)歐氏距離為dth，傳感器節(jié)點最優(yōu)部署與相鄰傳感器節(jié)點在監(jiān)測區(qū)域的面積強度有關(guān)。

(2)

式中：ηi——相鄰傳感器節(jié)點的區(qū)域的強度；

t——傳感器節(jié)點si的第t個鄰居節(jié)點；

P——傳感器節(jié)點si的鄰居節(jié)點的總數(shù)；

Sit——相鄰傳感器節(jié)點的重疊覆蓋面積。

在連棟溫室內(nèi)傳感器節(jié)點的相鄰節(jié)點數(shù)目越多，產(chǎn)生的重疊覆蓋面積越大，導(dǎo)致該區(qū)域作物受到傳感器節(jié)點的感知覆蓋面積強度越高。在連棟溫室內(nèi)不同的兩個相鄰傳感器節(jié)點之間產(chǎn)生的距離各不相同，如果不能預(yù)先確定溫室內(nèi)的傳感器節(jié)點的隨機部署狀態(tài)，僅根據(jù)經(jīng)驗值設(shè)置重力參數(shù)，使得傳感器節(jié)點在受到虛擬力之后在連棟溫室內(nèi)產(chǎn)生過大的移動，無法取得良好的覆蓋效果，同時消耗過多的能量。

為降低算法在迭代過程中產(chǎn)生誤差同時提高無線傳感器網(wǎng)絡(luò)對連棟溫室內(nèi)黃瓜等作物的感知覆蓋率，通過傳感器節(jié)點之間的區(qū)域覆蓋強度和虛擬力系數(shù)計算出虛擬力，利用區(qū)域面積強度調(diào)節(jié)傳感器節(jié)點所受虛擬力大小。dij與閾值距離dth比較，判斷傳感器節(jié)點是否受到虛擬力的影響，改變傳感器分布情況，在連棟溫室內(nèi)有目的地擴張，提高連棟溫室內(nèi)對作物的有效覆蓋率。

假設(shè)每個傳感器之間的力為Fij(ij=1,2,3,…,n), 當(dāng)傳感器之間的距離小于距離閾值，斥力FijN(ij=1,2,3,…,n)生成;否則引力FijP(ij=1,2,3,…,n)生成。

(3)

式中：αij——定向角度；

θij——定向角度，αij=θij+π；

wa——斥力系數(shù)；

wr——引力系數(shù)；

ηij——區(qū)域覆蓋強度。

(4)

式中：FiBD——來自監(jiān)測物體的引力和邊界對傳感器的斥力的總和；

Fij——傳感器之間存在的引力或斥力；

Fi——合力。

(5)

式中： MaxStep——傳感器節(jié)點最大移動距離；

Fix——傳感器節(jié)點微粒si在x軸上的虛擬力分量；

Fiy——傳感器節(jié)點微粒si在y軸上的虛擬力分量。

通過上述，利用傳感器節(jié)點之間區(qū)域覆蓋強度重新獲取傳感器節(jié)點之間所受虛擬力大小，消除由于傳統(tǒng)虛擬力方法依賴初始分布使相鄰傳感器節(jié)點產(chǎn)生的收攏平衡，利用AIVF算法實現(xiàn)對連棟溫室內(nèi)作物的網(wǎng)絡(luò)優(yōu)化覆蓋。

2 仿真試驗與結(jié)果分析

為了驗證本文算法在提高覆蓋質(zhì)量方面的有效性，選取傳統(tǒng)虛擬力算法[31](VFA)和粒子群優(yōu)化算法[32](PSO)進行對比分析和討論。仿真參數(shù)設(shè)置如表1所示。

表1 仿真參數(shù)Tab. 1 Simulation parameters

AIVF算法與VFA和PSO算法進行比較分析，圖2顯示了三種網(wǎng)絡(luò)覆蓋算法的覆蓋情況，起始覆蓋率為78.92%。PSO算法通過對每個傳感器節(jié)點進行計算獲取最優(yōu)位置，實現(xiàn)對傳感節(jié)點的最優(yōu)部署，且最終覆蓋率為86.59%，覆蓋率增加量僅為8.37%；VFA算法是通過對傳感器與節(jié)點間的距離進行計算，獲取傳感器所受的虛擬力值，以此對無線傳感網(wǎng)絡(luò)進行有效覆蓋，隨著迭代次數(shù)的增加其最終覆蓋率為95.68%，覆蓋率增加量為16.76%；雖然VFA算法覆蓋率增長量高于PSO算法的，但是兩種算法都沒有達(dá)到最優(yōu)覆蓋；AIVF算法利用區(qū)域面積強度結(jié)合重力系數(shù)改進傳感器節(jié)點所受虛擬力，在迭代第16次時其覆蓋率達(dá)到99.9%。AIVF算法在無線傳感網(wǎng)絡(luò)中得到的覆蓋率分別比VFA、PSO算法高了4.32%、13.31%。同時AIVF算法在運行時的覆蓋率提升速度也優(yōu)于其他算法，AIVF算法在經(jīng)過16次迭代時，AIVF算法的覆蓋率達(dá)到99.9%，而VFA算法在迭代50次時覆蓋率達(dá)到最大值。在VFA算法迭代效果達(dá)到最佳后，在第850次迭代之后其覆蓋率凸顯了該算法后期不穩(wěn)定。

為檢驗AIVF算法在不同傳感器個數(shù)情況下對連棟溫室的感知覆蓋優(yōu)于其他兩種算法，確定感知半徑為15 m，改變傳感器節(jié)點的部署數(shù)量進行試驗，試驗結(jié)果如圖3所示，隨著傳感器個數(shù)的不斷提升，三種算法對無線傳感器網(wǎng)絡(luò)的感知覆蓋率也不斷提升。在傳感器個數(shù)低于20時，隨著傳感器個數(shù)的不斷增加，三種算法的覆蓋率增加量在10%～20%；當(dāng)傳感器個數(shù)高于20個時，VFA算法和PSO算法在無線傳感網(wǎng)絡(luò)中的覆蓋率增加量趨于平緩，而AIVF算法隨著傳感器個數(shù)的增加，其覆蓋率增加量仍然提升，由此可以看出AIVF算法的覆蓋率提升性能優(yōu)于其他兩種方法。

圖2 覆蓋率變化過程對比Fig. 2 Comparison of coverage change process

圖3 覆蓋率受傳感器個數(shù)的影響Fig. 3 Coverage is affected by the number of sensors

為了進一步驗證AIVF算法在無線傳感器網(wǎng)絡(luò)中的感知覆蓋性能，對傳感器節(jié)點的感知半徑進行調(diào)整。試驗結(jié)果如圖4所示，分別是三種算法在不同感知半徑的情況下對監(jiān)測區(qū)域產(chǎn)生感知覆蓋率變化情況，感知半徑r=3、6、9、12、15 m。從圖中可以看出，三種算法的覆蓋率都得到了提高，VFA和PSO兩種算法都隨著感知半徑的增加，覆蓋率的增加量很高，但覆蓋率依然很低，而AIVF算法產(chǎn)生覆蓋率高于其他兩種算法，表明AIVF算法的性能明顯優(yōu)于其他兩種算法。當(dāng)感知半徑小于9 m時，AIVF算法和VFA算法的覆蓋率增長速度基本相同且覆蓋率增加了63%，而PSO算法僅提高了38%；在感知半徑為9～12 m時，VFA算法覆蓋率增加量逐漸降低，雖然PSO算法產(chǎn)生的覆蓋率增加量沒有變，但依然低于AIVF算法產(chǎn)生的覆蓋率增加量，且覆蓋率低于AIVF算法和VFA算法。當(dāng)感知半徑大于12時，VFA算法和PSO算法的覆蓋率增加趨于平緩，而AIVF算法的覆蓋率仍然得到很大的提升。圖5是節(jié)點數(shù)目與節(jié)點移動距離平均值的關(guān)系，可以看出AIVF的移動平均距離最小，保證了傳感器節(jié)點的能量消耗低于其他兩種算法所需要；隨著節(jié)點數(shù)量的增加，覆蓋率增高的同時移動距離平均值差異較小。

圖4 覆蓋率受感知半徑的影響Fig. 4 Coverage affected by perceived radius

圖5 不同節(jié)點數(shù)目下的節(jié)點移動距離的平均值Fig. 5 Average moving distance of nodes under different number of nodes

綜合以上可以看出，隨著感知半徑不斷增加，AIVF算法的覆蓋效果明顯優(yōu)于其他兩種算法，同時隨著傳感器個數(shù)的增加VFA和PSO算法作用下的感知覆蓋率增長速度逐漸下降，而AIVF算法作用下的增長量仍然很高。同時，基于區(qū)域面積強度算法對連棟溫室實現(xiàn)無線傳感器網(wǎng)絡(luò)感知覆蓋，避免了相鄰傳感器節(jié)點產(chǎn)生的收攏現(xiàn)象，如圖6所示。

圖6 基于區(qū)域面積強度的傳感器網(wǎng)絡(luò)感知覆蓋Fig. 6 Sensor network sensing coverage based on regional area intensity

3 結(jié)論

針對大型連棟溫室的無線傳感器網(wǎng)絡(luò)感知覆蓋方法，采用改進傳統(tǒng)虛擬力對連棟溫室中黃瓜等作物實現(xiàn)無線傳感網(wǎng)絡(luò)有效監(jiān)測覆蓋。通過連棟溫室內(nèi)不同位置的傳感器節(jié)點產(chǎn)生的重疊覆蓋強度不同，調(diào)節(jié)傳感器節(jié)點所受虛擬力大小，減少重疊覆蓋區(qū)域，實現(xiàn)對連棟溫室內(nèi)黃瓜等作物的優(yōu)化覆蓋。

1) 提高對連棟溫室內(nèi)作物感知覆蓋率：本文算法與VFA和PSO兩種算法在同等條件下對連棟溫室內(nèi)黃瓜等作物實現(xiàn)網(wǎng)絡(luò)感知覆蓋，通過三種算法地對比，AIVF算法對連棟溫室內(nèi)作物的感知覆蓋率分別提高了4.32%和13.31%，傳感器節(jié)點能夠更加精準(zhǔn)地采集溫室內(nèi)不同位置作物的環(huán)境信息

2) 提高無線傳感器網(wǎng)絡(luò)在連棟溫室內(nèi)感知性能：在連棟溫室內(nèi)調(diào)節(jié)感知半徑時，AIVF算法對溫室內(nèi)作物的感知覆蓋率增加了63%，PSO算法僅提升38%；同時，VFA算法的感知覆蓋率增加量低于AIVF算法的。隨著傳感器個數(shù)的不斷變化，當(dāng)傳感器個數(shù)大于20個時，VFA和PSO兩種算法的感知覆蓋率增加量為0.1%～0.3%，而AIVF算法的感知覆蓋率增加量為2.8%～3.3%。

3) 在連棟溫室內(nèi)部署的傳感器節(jié)點參數(shù)發(fā)生變化時，傳感器節(jié)點在AIVF算法中產(chǎn)生的平均移動距離在12～13 m而VFA和PSO兩種算法產(chǎn)生的平均移動距離在23～46 m、17～22 m，降低了傳感器節(jié)點在溫室內(nèi)移動過程中的能量消耗，且長時間在連棟溫室內(nèi)進行數(shù)據(jù)采集。