蔡 臻
(广东交通职业技术学院,广东广州510650)
RSSI传感网络在智能物流配送中的关键技术研究
蔡 臻
(广东交通职业技术学院,广东广州510650)
目前企业物流成本得不到有效的控制,运输工具的利用率较低,迂回、对流等不合理运输现象普遍存在。文章分析无线传感网络定位原理和在智能物流中的应用,提出一种基于RSSI粒子群的无线传感网络节点定位算法,将最小二乘法转换为利用粒子群求解全局最小误差优化的问题,从而实现对物流配送节点的精确定位,最后通过仿真实验验证新算法在物流节点定位的可行性和配送优势。
智能物流;接收信号强度指示;物流配送;粒子群算法
物流运输是整个物流工作中最为重要的环节,然而目前企业物流成本得不到有效的控制,运输工具的利用率较低,迂回、对流等不合理运输普遍存在[1][2]。如何降低运输成本是目前智能物流研究的重点和热点。
传统物流配送体系通过GPS实现对物流节点的定位。但GPS信号不能穿透障碍物,不能标识物品信息,也无法在桥梁、涵洞、水下、室内等复杂环境使用。因此未来车辆、物品属性信息和环境信息都需通过无线传感网络感知。无线传感网络是智能物流发展的方向和趋势,主要原因有以下几点:第一,GPS受天气和位置影响较大,信号不能穿透障碍物,无法在室内定位中使用;第二,智能物流不是单纯的位置信息,更不能简单地将车辆坐标替代货物位置。无线传感网络除了可以定位节点,还能标识物品属性信息(如温度、气压、重量、物品名称、车辆信息),感应交通流量,计算物流调度等;第三,GPS只能实现卫星与节点之间通信,不能形成智能物流中的物联网。物联网是互联网的延伸,将人员和物品通过无线传感网络联系在一起,形成人与物、物与物的相联,实现智能物流信息化、远程管理控制和智能化网络[3]。
“智能物流”是指物流信息化,在基于物联网基础上利用信息管理系统、信息处理技术、信息采集技术、信息流通等技术将货物从供应者移至需求者的整个过程[4]][5],以最少投入实现效益的最大化,是一种全局性智能社会物流管理体系[6]。
在对智能物流的研究中,国内对无线传感节点研究和应用都比国外晚很多。如1994英国年采用AT86RF230和ATmega1281无线传感芯片监测危险化学品物流信息;2002年法国物流公司结合物联网及其技术,利用无线传感器实现对配送物品的定位和识别,从而优化内部业务流程,提高物流配送效率。
论文结合国内外最新研究状况,提出一种基于RSSI粒子群的无线传感网络节点定位算法。
接收信号强度指示(RSSI,Received Signal Strength Indicator)是指对天线接收功率水平的指示,RSSI功率水平越高,无线电信号越强,RSSI值与传播距离成反比。设在已知节点发射半径内,测量某节点接收信号功率值,并根据信号传输损耗RADAR模型,将其带入公式(1),求出节点与信号源之间距离。
其中,P(d)为两点之间的距离为d时的信号强度;PT是节点发射的信号强度;PT(d0)两个节点在距离时损耗的信号强度;η是信号衰减指数,Xσ为修正值。将式(1)转换得到式(2):
然而在实际工程中,RSSI易受环境影响,无线信号反射、绕射等问题都会对传播产生影响。由于电磁环境的不确定性,RSSI一般会产生5%以内定位误差。
粒子群算法是一种基于鸟类群体觅食行为的模拟仿生算法[7]。在粒子群算法中,寻找全局最优问题的每个解对应搜索空间的每只鸟,称为粒子[8]。对每个粒子初始化向量,表示鸟的飞行位置和速率,每个粒子通过判断附近粒子到最优解的位置方向,从而改变自身坐标和飞行速率,迭代搜寻全局最优解。设传感节点记为P1(x1,y1),P2(x2,y2),…Pn(xn,yn),根据RSSI估算的抵达网络其他节点距离分别为d1,d2…,dn,而实际距离差值分别为ε1,ε2…,εn,根据粒子群算法得到方程组(3):
传感节点坐标(X̂,Ŷ)应同时满足上述方程组要求,若|ε1|+|ε2|+…+|εn|和越小,则节点(X̂,Ŷ)坐标最优,定位越精确,从而将利用最小二乘法求解过程转换为使用粒子群算法求解全局最小误差优化的问题,见式(4)。
新算法通过估计的距离与真实距离之间的差值ε1+ε2+…+εn之和判断粒子所处位置优劣,以此确定是否符合全局最优解要求。差值之和越小,适应度值越大,求解适应度公式为:
算法定位误差为:
实验数据采用北京超图公司提供的电子地图数据。初始化锚节点数量100,通信半径20 m,粒子群规模300,惯性权重Wmax=0.6,Wmin= 0.2,最大迭代次数600。实验中选择29个路口节点,以节点1为原节点,求经过节点10、13、24,到达目的节点21的最短路径,见图1。
3.1 节点定位偏差测试
节点定位偏差测试见图2所示。RSSI算法易受环境影响,平均定位偏差为2.35%。新算法利用RSSI的最小二乘法转换为粒子群最小误差模型,定位平均误差为0.62%。
图1 电子地图数据
图2 平均地定位偏差结果较图
3.2 路径搜索结果测试
新算法通过粒子群淘汰适应度低下的物流网络节点,再结合Dijkstra最短通路算法搜索的路径为:1→2→3→4→5→10→9→8→13→25→24→25→29→20→21,总程度为16 336.7 m,比单纯利用Dijkstra算法计算的里程缩短232.3 m,从而避免物流运输择径的盲目性。
本文提出基于一种基于RSSI粒子群的无线传感网络节点定位算法,将RSSI中最小二乘法求解过程转换为使用粒子群算法求解全局最小误差优化的问题,实现对物流配送节点的精确定位和配送优化。
[1]沈军,黄春华,罗护,等.基于RSSI优化的模型参数实时估计定位算法[J].计算机工程与设计,2012,(2):23-29.
[2]黄作维,张喜梅.GIS支持下的物流配送系统研究[J].江西师范大学学报(自然科学版),2009,(1):216-220.
[3]姜代红,沈洁.嵌入式移动GIS开发运行平台的设计与实现[J].计算机工程与设计,2007,(20):148-154.
[4]宋欣,王翠荣.基于线性回归的无线传感器网络分布式数据采集优化策略[J].计算机学报,2012,(3):231-235.
[5]董启刚,刘军.无线传感器网络在物流中的应用模式研究[J].物流技术,2011,(23):45-49.
[6]陈琦,韩冰,秦伟俊,等.基于Zigbee/GPRS物联网网关系统的设计与实现[J].计算机研究与发展,2011,(2):266-269.
[7]刘富春,王雯雯,黄华灿,等.面向智能安全物流应用的无线传感器网络设计[J].自动化技术与应用,2012,(4):262-266.
[8]张纪升,王笑京,牛树云,等.最优化路网可观可控性的DSRC网设计模型研究[J].交通运输系统工程与信息,2015,(3):155-159.
Research on the Key Technology of Intelligent Logistics Distribution Based on RSSI WSN
CAI Zhen
(Guangdong Communication Polytechnic,Guangzhou 510650,China)
Currently,the problem exists that logistics cost can not be effectively controlled,such as low utilization of vehicles,detour,convection unreasonable transportation widespread.The paper analyzes the wireless sensor network positioning principle,proposes applying intelligent logistics to achieve the precise positioning of logistics nodes based on RSSI Particle Swarm wireless sensor network node localization algorithm,whose feasibility of new algorithms targeting and distribution advantages are verified by the simulation.
intelligent logistics;RSSI;logistics and distribution;PSO
F253.9
A
1671-8496-(2016)-04-0047-03
2016-09-19
蔡臻(1981-),男,实验师,硕士
研究方向:网络工程
2016年广东交通职业技术学院科研项目“RSSI传感网络在智能物流配送中的关键技术研究”(项目编号:粤交职院[2016]35号);广东省高等职业技术教育研究会2015年重点课题“职业教育数字化实践教学与改革研究”(项目编号:GDGZ15Z007);广东省职业技术教育学会科研规划项目“职业院校信息化教学环境构建的研究与实践”(项目编号:201503Y52)