基于遥感网络的洪涝灾害受灾点需求信息实时传送技术*

马书林

(长春信息技术职业学院，吉林 长春 130000)

洪涝灾害是一种发生频率较高的自然灾害，洪涝灾害是洪涝灾害之一，是指由强降雨、冰雪融化、堤坝溃决等原因引起的江河湖泊与沿海水量激增泛滥或山洪暴发造成的灾害。洪涝灾害几乎每年都有发生，严重影响人类生活、生产活动，造成了大量人员伤亡及财物损失[1-2]。洪涝灾害救援行动预案设计中，需要及时了解受灾点情况及需求信息，以便提供有效支援及所需物资[3]。灾害救援中，时间就是生命，受灾点信息传送技术是获取灾区信息的重要手段之一，受到了各界人士的广泛关注，现已有相关学者与技术人员提出了一些较好的信息传送技术[4-5]。刘广怡等[6]提出基于贝叶斯概率网络的洪涝灾害受灾点需求信息传送技术。对信息分组协议字段的历史信息进行分析，采用贝叶斯网络进行分组协议字段建模，并运用动态算法计算最大后验概率，据此纠正信息传送过程中的错误。通过降低计算复杂度，提升了信息传输效率，但信息传送过程中丢包率较高，传送成功率较低。邓雪峰等[7]提出基于机会网络的洪涝灾害受灾点需求信息传送技术。通过分析传感器间的网络通信状态，对其通信方式进行建模分析，引入机会网络理论，进行信息点密度计算，并获取传感器节点信息存储量及传送丢包率的内在关联，据此对信息传送技术进行研究。该技术的信息传送丢包率较低，但传送过程中，各节点所需能耗较高。

针对当前受灾点需求信息传送技术中存在的弊端，提出基于遥感网络的洪涝灾害受灾点需求信息实时传送技术，通过仿真实验与当前信息传送技术进行对比，验证了所提技术信息传送性能的优越性。

1 基于遥感网络的洪涝灾害受灾点需求信息实时传送技术

1.1 遥感网络信息传送节点簇区域构建与更新

遥感网络开始运行后，负责受灾点需求信息上传任务的网络节点TH，通过广播方式将其精准的时钟数据Timer发送出去，接收到时钟信息分组数据的网络节点i，根据节点对应坐标点与TH节点坐标点，计算二者之间的距离，并根据计算结果，以最近邻节点作为簇头，记作DH。确定簇头节点联结的节点范围，并对范围内的簇成员节点i进行标记，记作P-DH。对簇成员节点的受灾点需求信息进行分组，通过广播方式将分组后信息传递到簇头节点DH中。

簇成员节点分组信息包含了发送节点所有的受灾点需求信息以及能量消耗数据，根据簇范围内的簇成员节点能耗值大小，按自小而大的顺序进行排列，据此对簇头节点进行更新，并根据簇内节点的能量加权评估实现簇头节点的状态估计。簇头节点接收成员节点的分组信息后，节点i的能量感知阈值为[8]：

(1)

式中：H-d(i)代表对应节点的能量感知阈值，H(i)、H(j)分别代表节点i、j的能耗，j为簇内不同于节点i的簇内成员节点。

若现有簇头节点发生故障，则簇内其他节点都可能被选作新的簇头节点，根据节点i的路径能耗感知阈值，其阈值H-d(i)越大，说明节点i的性能越好，则被选作替换簇头节点的可能性越大。为简化计算，降低复杂度，利用簇成员节点的阈值加权∑H-d(i)与簇头节点的阈值反馈，求算簇头节点的决策系数μi为：

(2)

仅在μi>H-d(DH)时，需要更换簇头节点。设在周期T内，节点i替换簇头节点所需的轮询时间为Time(i)：

(3)

式中：λ代表节点信息传送的路径调节因子，取值范围[0，1]；ω代表节点的路径递归因子，取值范围[0，1]；仅在Time(i)

通过上述计算与分析，当且仅当约束条件μi>H-d(DH)与Time(i)

1.2 受灾点需求信息并行传输与路径优化

完成遥感网络各簇头节点与簇区域更新后，对各簇之间的信息资源进行分割；各簇头节点接收簇内成员节点传送的受灾点需求信息后，将接收到的信息分割为若干并行传送的信息分组，以信息分组形式将需求信息传送至下一跳的簇头节点，降低成本消耗与网络节点的能耗。

假设遥感网络内某簇头节点接收簇内节点传送的受灾点需求信息后，需要根据实时网络带宽，将所接收到的信息资源分割为N个互无关联的信息流，再以信息流方式将受灾点需求信息传送至下一跳节点，下一跳传送节点需要根据节点间信息传递能耗的最小化原则[9]，从遥感网络中的其他簇区域内选取。信息传送过程中所需最大带宽应小于或等于遥感网络的最大带宽，设网络带宽为B，则可通过N条子路径并行传输来提高信息传送效率，降低各节点的信息传送能耗。N的计算公式为：

(4)

其中：η代表调节参数，取值通常为对应区域所包含节点数量的倒数。

粒子群优化算法，也称PSO算法，是一种模拟自然生物种群随机、并行的，以及种群智能进化的启发式算法。采用粒子群优化算法对洪涝灾害受灾点需求信息实时传送的遥感网络节点路径进行优化，将各网络节点看作种群内的随机粒子，通过迭代计算寻找最优解，根据粒子的个体最优值以及全局最优值更新自身位置与速度。

为提高粒子群优化算法的全局搜索能力，提升寻优精确度，引入多尺度协同变异机制[10]。

设置尺度数量为M，初始化得到多尺度协同变异因子的初始方差δ0：

(5)

(6)

式中：k代表迭代次数，f代表非劣解的适应度函数，m的取值为m=1,2,…,M。第m个变异因子的标准差计算过程为：

(7)

(8)

(9)

式中：exp为指数函数，Fmax(X)和Fmin(X)分别代表粒子群的最大适应度与最小适应度，max()和min()分别代表极大值函数与极小值函数。

(10)

2 实验结果与分析

为了验证本文基于遥感网络的洪涝灾害受灾点需求信息实时传送技术的综合有效性，需要进行一次仿真实验，选择的编程工具为C++Builder。分别采用本研究的受灾点需求信息实时传送技术、基于贝叶斯概率网络的洪涝灾害受灾点需求信息传送技术以及基于机会网络的洪涝灾害受灾点需求信息传送技术进行实验，分别对比3种技术的信息传送时延(s)、信息传送成功率(%)及信息传送能耗(J)。实验结果的图、表中，TA代表本文的基于遥感网络的洪涝灾害受灾点需求信息实时传送技术，TB代表基于贝叶斯概率网络的洪涝灾害受灾点需求信息传送技术，TC代表基于机会网络的洪涝灾害受灾点需求信息传送技术。

2.1 信息传送时延对比实验

实验中设置不同的信息发送速率，对比3种受灾点需求信息传送技术在不同信息发送速率下的信息传送时延变化情况，实验结果如图1所示。从图1可知，3种技术的信息传送时延都随着信息发送速率的提高而增加，信息发送速率从20 bit/s提高到200 bit/s时，本文所推荐的信息传送技术的信息传送时延从0.45 s增加为1.2 s，基于贝叶斯概率网络的洪涝灾害受灾点需求信息传送技术的信息传送时延从0.5 s增加为1.42 s，基于机会网络的洪涝灾害受灾点需求信息传送技术的信息传送时延从0.55 s增加为1.48 s，本研究的信息传送技术的传送时延增量最小，且时延变化曲线最平缓，说明本研究的信息传送技术的传输效率较高，稳定性较好。

图1 3种技术的信息传送时延对比

2.2 信息传送成功率对比实验

实验中设置不同的信息发送速率，对比不同发送速率下，3种受灾点需求信息传送技术的信息传送成功率，实验结果如图2所示。

图2 3种技术的信息传送成功率对比

信息传送成功率的单位为%，从图2可知，3种技术的信息传送成功率都随着信息发送速率的增加而降低，信息发送速率由80bit/s提高到120bit/s时，本研究的信息传送技术的传送成功率降低了0.35%，基于贝叶斯概率网络的洪涝灾害受灾点需求信息传送技术的传送成功率降低了0.55%，基于机会网络的洪涝灾害受灾点需求信息传送技术的信息传送成功率降低了0.58%，本文的信息传送技术的成功率变化量最小，且变化曲线更平缓，说明其信息传送性能更好。

2.3 信息传送能耗对比实验

实验中选取的两组实验样本信息量分别为500 bits和800 bits，设置信息传送距离相同，探究3种信息传送技术的信息传送能耗与信息量变化之间的关系，得到的实验结果如表1所示。表1中，Tec代表信息传送技术；N代表所选实验样本中的信息量，单位为比特(bit)；EC代表信息传送能耗，单位为焦耳(J)。分析表1数据可知，信息传送距离相同，信息量不同时，3种信息传送技术的能耗随信息量的增加而增大，实验中的信息增量为300 bits，本研究的信息传送能耗增量为109 J，基于贝叶斯概率网络的洪涝灾害受灾点需求信息传送技术的能耗增量为179 J，基于机会网络的洪涝灾害受灾点需求信息传送技术的能耗增量为236 J，本文的信息传送技术的能耗增量最小。信息传送距离相同，信息量相同时，3种信息传送技术的能耗关系为EC(TA)

表1 3种技术的信息传送能耗对比

3 结束语

(1)受灾救援行动中，受灾点需求信息传送的及时性与可靠性至关重要。分析现有信息传送技术的不足之处，引入遥感网络技术与粒子群优化算法，提出基于遥感网络的洪涝灾害受灾点需求信息实时传送技术。

(2)构建并更新遥感网络信息传送节点中的簇头及簇区域，采用信息分组并行传输方式，提高信息传送效率。

(3)利用粒子群优化算法，结合多尺度协同变异机制，对信息传送路径进行寻优求解，保证信息传送成功率的同时，降低信息传送能耗。

(4)未来阶段，将深入研究信息传送过程中的影响因素，进一步控制不利因素的影响，提升信息传送效率，减少传送过程中的信息缺失情况；考虑信息传送技术所需成本开销，结合受灾点灾情，选择适当的技术手段实现需求信息高效、快速传达。