移动无线传感网数据采集方法研究

姜敏 龚本灿

摘 要：数据采集作为移动无线传感网的研究热点之一，受到广泛关注。对数据采集中移动传感器节点法和移动Sink法的原理进行阐述，并对移动Sink法中随机移动、固定移动和受控移动的应用场景进行比较。相对于所有节点都移动的传感网而言，只有Sink移动的无线传感器网络更简单，应用更广。其中，Sink固定路径法的成本和能耗低且易于实现，而Sink受控移动法对数据的采集更为灵活有效，但其算法也更复杂且富有挑战性。

关键词：移动无线传感网;数据采集;移动传感器节点法;移动Sink法

DOI：10. 11907/rjdk. 191750 开放科学（资源服务）标识码（OSID）：

中圖分类号：TP393 文献标识码：A 文章编号：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

作者简介：姜敏（1978-），女，三峡大学计算机与信息学院硕士研究生，研究方向为无线传感器网络;龚本灿（1970-），男，博士，三峡大学计算机与信息学院教授、硕士生导师，研究方向为计算机网络。

0 引言

近年来，无线传感器网络（Wireless Sensor Network，WSN）在智能家居、智慧交通、灾情监控、农田监控等方面的应用越来越广泛。WSN通常由大量传感器节点和少量或单个Sink节点构成，传感器节点成百上千地部署在监控区域，感知周围的环境数据，并通过无线电通信的方式将数据在节点间多跳转发，最终转发至Sink，由Sink将数据提供给用户。

由于成本问题，传感器节点通常体积微小、携带能量有限。传统的WSN中，所有的传感器节点和Sink节点在网络部署完毕后位置固定不动，靠近Sink的传感器节点由于频繁中转数据，容易导致节点携带的能量过早耗尽、局部网络甚至整个网络提前失效、网络的生存时间大大缩短。

为尽量缓解这种“能量空洞”现象，提高网络的生存时间，研究人员提出了移动传感器网络（Mobile Wireless Sensor Network，MWSN），即在WSN中引入可以移动的传感器节点[1-4]。实际生活中，森林火灾监控或地震情况监控时，采用移动飞行器节点或移动小车节点收集静止传感器节点感知的数据并将其中转至Sink，即为MWSN的典型应用。但是，移动传感器节点的引入也带来了新的问题，节点移动速度通常远小于数据传输速度，容易导致数据采集延迟、数据溢出等现象。因此，数据采集方法作为MWSN的研究热点之一，一直受到广泛关注[5-10]。

移动传感器网络数据采集方法很多，按传感器节点类型通常可分为两类：移动传感器节点法和移动Sink法。按照Sink节点的移动方式，移动Sink法又可分为随机移动、固定移动和受控移动3类。随机移动是指Sink的移动速度和方向都是随机的，感知节点往往采用“预先存储+机会转发”的工作方式;固定移动是指Sink以恒定的速度沿预先设定或生产的路径移动以开展数据收集。通常，该方法适用于节点均匀分布或近似均匀分布的网络;受控移动是指Sink根据网络实时情况和节点反馈的实时信息决定下一步移动方向和位置，调整其移动路径[11]。

1 移动传感器节点法

移动传感器节点法是稀疏网络中一种非常有效的数据采集方法，文献[12]-文献[14]对此进行了研究。文献[12]设定传感器区域内有一个Sink节点和多个移动传感器节点，节点间距离大于节点的无线通信范围，部署比较稀疏。针对此模型，提出两种节点移动方法，以减少节点移动距离，提高数据采集吞吐量。第一种方法是基于移动距离的静态拓扑（Distance-based Static Topology，MST）方法：每个节点从数据的感应位置移动到数据的传递位置，建立多跳采集网进行数据采集，任务完成后，节点重新移回到感应位置，准备下一次数据采集，传递位置的选定规则是与采集网连接的移动距离最短。第二种方法是最短协商路由（Shortest Route with Negotiation，SR-N）方法：通过广播告知已经连接到Sink的节点位置信息，以便其它节点可以移动到最近的传递位置加入数据采集网，实现全局移动距离最短。文献[13]在SR-N方法的基础上提出了SR-N2方法，有效地拓展了节点之间的初始距离并实现故障节点处理;文献[14]提出了一种使用固定节点和移动节点进行数据采集和传输（Data Acquisition and Transmission with Fixed and Mobile Node，DATFM）的方法：DATFM方法将感应区域划分为多个子区域，每个固定节点负责一个子区域的数据采集，并将其存储转发至Sink。子区域内的其它节点移动连接到当前区域的固定节点传输其采集到的数据。

移动传感器节点法适用于稀疏网络的数据采集，但每个节点都移动，会导致节点对监测区域的感应时间减少，实时性较差;且每个节点的造价较高，不适宜大量使用。相比较而言，移动Sink法只有少量的节点移动，应用范围更广。

2 移动Sink法

2.1 Sink随机移动法

文献[15]针对稀疏传感器网络，提出了一种Data MULEs方案，将网络结构分为3层。顶层是固定的Sink节点，负责将接收的数据汇总处理并转发给用户;中间层是移动的Sink，作为中转节点，接收、缓存数据，并将其中转至固定Sink，文中也称其为MULEs;底层是固定的传感器节点，用于感知数据并发送至MULEs。该方案采集数据时，中间层的MULEs随机移动，近距离接收底层传感器节点的感知数据，并将其中转至顶层Sink。数据的传输距离短，以降低网络能耗，延长网络存活时间。

Sink随机移动法中，移动Sink的路径随机，不需要专门规划，实现简单，但可能出现某些区域的感知数据一直没有被随机访问到，导致数据采集区域的“不完整”，且实时性较差。

2.2 Sink固定移动法

文献[16]通过建立最大化最小能耗概率模型，提出了一种最大化最小能耗概率（Maximizing Minimum Probability of Energy Consumption，MMPEC）的数据收集方法，其应用场景如图1所示。

图1 MMPEC应用场景

该方法将网络模型中的节点分为两类，即能单跳直接与Sink通信的汇聚点和其余子节点。子节点通过单跳或多跳的方式连接汇聚点，并通过汇聚点向Sink发送数据，Sink轮询每个汇聚点完成数据采集。MMPEC分布式优化所有子节点到其对应汇聚点的路径长度，使总路径取得最小值的概率最大，相应地总能耗达到最低的概率也最大。

文献[17]针对节点均匀分布的网络模型，提出了一种Sink节点移动路径规划算法（Movement Path Optimization Algorithm of Sink Node for Wireless Sensor Networks，MPOA）。MPOA考虑Sink节点的停留位置和移动距离，建立网络生存时间最大化模型，并使用修正混合粒子群算法对该模型求解，从而得到网络能耗均衡、生存时间最优的Sink移动路径进行数据采集。

文献[18]针对节点随机分布的网络模型，提出了一种基于二分法与移动Sink的无线传感网数据收集协议（Protocol based on dichotomy and Mobile Sink，PBDM），其初始移动轨迹如图2（a）所示。

（a）初始移动轨迹                       （b）重新二分后的移動轨迹

图2 移动Sink轨迹

PBDM首先将模型区域划分为面积相等的两个子区域，并采用静态Sink与移动Sink相结合的方法进行数据采集，静态Sink始终位于整个区域的中心，而移动Sink沿两个子域的交界线移动，如图2（a）所示。网络运行过程中，节点能量逐渐耗尽而导致不断死亡。当子区域1（包含1.1-1.4）的节点存活率小于某个常数时，对子区域2（包含2.1-2.4）重新进行二分，并选择新的交界线作为移动Sink的移动路线，如图2（b）所示，依此重复。PBDM在进行数据采集时，对比节点到静态Sink、移动Sink的距离，选择最小距离进行数据传输，以延长网络存活时间。此外，分别考虑单个Sink沿交界线移动以及4个Sink沿交界线移动的情况。结果证明，4个移动Sink的方法在网络生存时间、数据收集效率方面更优于单Sink移动的方法。

Sink固定移动法中，预先有针对性地对移动Sink的轨迹进行优化固定，以延长网络的生存时间，更具实用性，但对数据延迟因素考虑较少，实时性不强。

2.3 Sink受控移动法

文献[19]提出了一种无线传感网移动数据采集的三层框架方案，将网络分为传感器层、簇头层和移动Sink层。在传感器层，采用分布式负载均衡分簇（Load Balanced Clustering，LBC）算法进行节点的自组织分簇，每个簇内产生多个簇头。在簇头层，多个簇头间协调工作，以实现簇内节能通信和簇间网络连通。在移动Sink层，选定Sink在每个簇中的停留位置，优化其移动轨迹，有效地从簇头接收数据，并将其传输到固定基站。移动Sink收集数据时，采用多入多出（Multiple-Input Multiple-Output，MIMO）技术，以减小数据延迟。

文献[20]针对数据延迟受限的无线传感网，提出了一种启发式加权集合规划（Weighted Rendezvous Planning，WRP）。为延长网络存活时间，WRP考虑中转节点的负载，给网络中每个传感器节点分配一个加权值，依此选择不超过最大负载代价的节点成为汇聚节点（Rendezvous Point，RP）。在此基础上，考虑减小数据延迟，采用旅行商算法获得Sink遍历所有RP节点的最短路径。

文献[21]针对节点随机分布的矩形网络模型，提出了一种基于簇间Dubins 平滑曲线的移动数据采集算法，其数据采集框架如图3所示。

图3 移动数据采集框架

该算法首先采用LEACH分簇思想，将监测区域分成若干个簇;其次求出每个簇的质心和簇内节点的平均剩余能量，依此确定每个簇的数据采集点，即距离质心最近且剩余能量不低于平均剩余能量的节点;随后，簇内节点采用Prim算法构造最小生成树多跳路径，将数据中转到数据采集点缓存;最后，移动Sink沿规划好的Dubins 平滑曲线遍历数据采集点，完成数据采集。为缩短遍历路径，降低数据延迟，采集点的遍历次序通过遗传算法求解旅行商问题确定，曲线的起止点通过最优方式组合选取。

Sink受控移动法在考虑延长网络生存时间的同时，着重降低数据采集延迟，更具实时性，但算法也更复杂。

3 结语

随着无线传感器制造技术的持续进步和网络技术的不断发展，越来越多的移动传感网应用于人们的生活中。从农田监测到火灾或地震灾情监控，移动传感网的应用前景愈加广泛。通常用3个性能标准衡量一个有效的移动传感网数据采集方法：网络能耗、数据延迟和数据传输可靠性。针对不同的应用场景，需要最大化不同的性能指标，不存在适用于所有场景的移动传感网数据采集方法。

相对于所有节点都移动的移动传感器节点法而言，只有Sink移动的无线传感器网络更简单，应用更广。Sink移动法中，随机移动省去了路径规划的开销，但是由此导致的不确定性增强，容易产生数据采集盲区，无法进行有针对性的数据采集，且不能保证实时性;固定移动可以有针对性地采集数据并规划路径，具有更强的实用性，但移动路径无法调整，导致移动轨迹附近的节点能耗较重，与随机移动相比，“能量空洞”现象的缓解效果较差;受控移动的数据采集方法着重于实时性，即延迟受限。与其它两种移动方法相比，该类算法更灵活，也更复杂，且更具挑战性[11]。

参考文献：

[1] 莫文杰，郑霖. 优化网络生命周期和最短化路径的WSN移动sink路径规划算法[J]. 计算机应用，2017（8）：2150-2156.

[2] 常李，管有庆. 移动汇聚节点在仓储中的数据采集技术及应用[J]. 计算机技术与发展，2018，28（11）：168-172.

[3] 杨莺，杨武德，吴华瑞，等. 基于移动sink的农田无线传感器网络数据收集策略[J]. 计算机科学，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] 王丽君，蒋林华，景鑫，等. 基于社会属性的移动Sink数据收集机制研究[J]. 软件导刊，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. 基于能耗均衡的无线传感网移动Sink数据收集技术研究[D]. 南京：南京邮电大学，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，杨富贵，等. 最大化最小能耗概率的移动Sink无线传感器网络数据收集方法[J]. 电子学报，2015，43（12）：2470-2475.

[17] 陈友荣，陆思一，任条娟，等. 一种无线传感网的Sink节点移动路径规划算法研究[J]. 传感技术学报，2017，30（12）：1933-1940.

[18] 梁青，焦峰. WSN中基于二分法与移动Sink的数据收集协议[J]. 计算机工程，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] 张美燕，蔡文郁. 基于Dubins曲线的无线传感网聚类移动数据采集算法[J]. 传感技术学报，2019，32（4）：603-609.

（责任编辑：孙 娟）