CN109862532B - 轨道交通状态监测多传感器节点布局优化方法及*** - Google Patents
轨道交通状态监测多传感器节点布局优化方法及*** Download PDFInfo
- Publication number
- CN109862532B CN109862532B CN201910152839.XA CN201910152839A CN109862532B CN 109862532 B CN109862532 B CN 109862532B CN 201910152839 A CN201910152839 A CN 201910152839A CN 109862532 B CN109862532 B CN 109862532B
- Authority
- CN
- China
- Prior art keywords
- node
- monitoring
- optimization
- rail transit
- layout
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种轨道交通状态监测多传感器节点布局优化方法及***。该方法包括:首先,确定轨道交通***状态的监测范围,以及监测对象的类型;并将所述监测范围分为多个逻辑区域,每个逻辑区域包含多个监测区间,并初始化每个监测区间的各类传感器的部署位置;其次,构建节点优化布局权重函数;再次,建立表征各节点状态感知能力的状态感知能力节点效用函数模型;建立表征各节点的网络传输能力的节点通信性能模型,并构建所述轨道交通***的综合优化效用函数;最后,根据所述综合优化效用函数及预设的寻优算法,确定所述轨道交通***最优的传感器节点。本发明有效地提升了状态监测感知能力和信息传输能力。
Description
技术领域
本发明涉及轨道交通状态监测无线通信技术领域,特别是涉及一种轨道交通状态监测多传感器节点布局优化方法及***。
背景技术
轨道交通已经成为旅客出行高效、节能的主要方式之一。随着运营里程的增加、运行速度的提升及信息技术的快速发展,给***运行的安全性和可靠性提出了更高的要求。因此,需要专用的轨道交通基础设施及其运行环境状态监测***,对***运行状态信息进行准确感知、实时传输及精确辨识,为列车安全可靠运行及决策支持提供丰富完备的数据和技术支撑。目前,轨道交通运行状态在线监测***构建不完善,传感器节点布设数量少,且多采用有线的方式进行监测信息的传输,***建设维护难度大、成本高、可扩展性差,难以满足信息监测完备性和传输实时性的要求。
轨道交通状态监测专用无线传感网***中,监测对象多样且监测环境复杂多变。传感器节点布局优化时,监测信息准确完备感知的同时,要确保监测信息稳定及时的传输到数据中心。但是,监测效能和通信效能很难兼顾,且不同监测位置和监测对象对***运行效能的影响能力各异,给无线监测网络节点布局带来了新的挑战。
发明内容
本发明所要解决的技术问题是提供一种轨道交通状态监测多传感器节点布局优化方法及***,用以保证轨道交通运行环境及基础设施状态获取的完整性和准确性,以及监测信息传输的稳定性和高效性,实现对保障列车运行安全、决策支持的能力提升。
为了解决上述问题,本发明公开了一种轨道交通状态监测多传感器节点布局优化方法,所述方法包括:
首先,确定轨道交通***状态的监测范围A,以及监测对象的类型N(1,2,…,n);并根据监测范围的地理特征及各类监测对象的作用范围,将所述监测范围A分为n个逻辑区域[A1,A2,…,An],每个逻辑区域包含k个监测区间a,并初始化每个监测区间的各类传感器的部署位置,每一部署位置称为节点;
其次,根据同类监测对象的各节点部署区间的状态信息对轨道交通***运行安全的影响能力,以及不同类监测对象的状态信息对轨道交通***运行安全的影响能力,构建节点优化布局权重函数;
再次,根据每个监测区间的各类传感器的部署位置,建立表征各节点状态感知能力的状态感知能力节点效用函数模型;根据所述节点优化布局权重函数,建立表征各节点的网络传输能力的节点通信性能模型,并根据所述状态感知能力节点效用函数模型及网络传输能力的节点通信性能模型构建所述轨道交通***的综合优化效用函数;
最后,根据所述综合优化效用函数及预设的寻优算法,确定所述轨道交通***最优的传感器节点。
进一步地,所述根据同类监测对象的各节点部署区间的状态信息对轨道交通***运行安全的影响能力,以及不同类监测对象的状态信息对轨道交通***运行安全的影响能力,构建节点优化布局权重函数的步骤包括:
对同类监测对象而言,监测区间权重系数Ρi通过对各逻辑区域的历史数据的整理分析得出,其中,对于交通条件易恶化或者存在容易影响交通安全的逻辑区域的监测区间权重系数较大;
对不同类监测对象而言,监测对象权重系数Οi通过对各监测对象的历史数据的整理分析得出,其中,对交通安全可靠性影响更大的监测对象的权重系数较大;
根据所述监测区间权重系数Ρi以及监测对象权重系数Οi构建节点优化布局权重函数。
进一步地,所述根据所述监测区间权重系数Ρi以及监测对象权重系数Οi构建节点优化布局权重函数的步骤包括:
根据如下公式构建节点优化布局权重函数λ′i:
λi'=f(Ρi,Οi),i=1,2,...,n
s.t.0≤Ρi≤1
0≤Οi≤1。
进一步地,在所述根据所述监测区间权重系数Ρi以及监测对象权重系数Οi构建节点优化布局权重函数的步骤之后还包括:
将所述节点优化布局权重函数λ′i通过如下公式进行归一化处理得到处理后的节点优化布局权重函数:
进一步地,所述状态感知能力节点效用函数模型为以下三个函数中的任意一个:
或
或
其中,
xi=|l'i-li|
li表示节点初始最优部署位置,l'i表示优化后节点的位置,xi表示节点初始位置和优化位置的距离,mi表示监测区间的长度;ξ为函数陡度调节系数,用来调节节点位置变化对效用函数的影响程度;所述三个状态感知能力节点效用函数模型都表示传感器节点的状态感知能力随着最佳感知位置偏离距离的增加而降低。
进一步地,所述表征各节点的网络传输能力的节点通信性能模型定义为:
S.T.α+β+γ=1
0≤α≤1
0≤β≤1
0≤γ≤1
进一步地,所述轨道交通***的综合优化效用函数为:
0≤ωi≤1
其中,ωi是自适应调节参数,用来调整不同业务的监测准确性效能和通信效能对***总效能的影响程度。
进一步地,所述根据所述综合优化效用函数及预设的寻优算法,确定所述轨道交通***最优的传感器节点的步骤包括:
采用粒子群算法进行节点布局优化,共有m个粒子参与为n个节点布局优化,每个粒子更新一次对应一组节点位置优化结果Lj=(l1j,...,lij,...,lnj),lij表示粒子j中第i个节点的位置;
根据各节点的位置对节点感知能力、节点有权度、有权介数、有权最短路径,以及综合优化效用函数进行计算,表示目前为止粒子j的对应综合优化效用函数的最大效用值,pgbest表示目前为止所有粒子对应综合优化效用函数的最大效用;
粒子群节点布局更新一次,则对应更新一次综合优化效用函数的值,直到完成设定的更新次数,找到轨道交通***最优的传感器节点。
进一步地,所述粒子群算法中粒子速度及带宽分配更新方法定义为:
lij(t+1)=lij(t)+vij(t+1)
其中,η代表惯性权重,用来全局和局部寻优能力,r1,r2为在(0,1)区间均匀分布的随机数;c1,c2为学习因子,决定了粒子本身经验及群体经验对粒子运动轨迹的影响;
tmax为最大迭代次数;t代表当前迭代次数;ωstart,ωend分别代表初始惯性权重和终止惯性权重。
本发明还提供一种轨道交通状态监测多传感器节点布局优化***,包括:
初始化单元,用于确定轨道交通***状态的监测范围A,以及监测对象的类型N(1,2,…,n);并根据监测范围的地理特征及各类监测对象的作用范围,将所述监测范围A分为n个逻辑区域[A1,A2,…,An],每个逻辑区域包含k个监测区间a,并初始化每个监测区间的各类传感器的部署位置,每一部署位置称为节点;
节点优化布局权重建模单元,用于根据同类监测对象的各节点部署区间的状态信息对轨道交通***运行安全的影响能力,以及不同类监测对象的状态信息对轨道交通***运行安全的影响能力,构建节点优化布局权重函数;
效用函数建模单元,根据每个监测区间的各类传感器的部署位置,建立表征各节点状态感知能力的状态感知能力节点效用函数模型;根据所述节点优化布局权重函数,建立表征各节点的网络传输能力的节点通信性能模型,并根据所述状态感知能力节点效用函数模型及网络传输能力的节点通信性能模型构建所述轨道交通***的综合优化效用函数;
寻优单元,用于根据所述综合优化效用函数及预设的寻优算法,确定所述轨道交通***最优的传感器节点
本发明提供的一种轨道交通状态监测多传感器节点布局优化方法及***,针对轨道交通专用无线传感网***的节点布局管理问题,根据监测对象的特征、监测区域的特征及网络可靠性的需求,采用监测准确与传输稳定兼顾的策略对节点布局方式进行优化,从而有效地提升了状态监测感知能力和信息传输能力。
附图说明
图1是本发明实施实例所述的一种轨道交通状态监测多传感器节点布局优化方法的流程图;
图2是本发明实施实例所述的一种轨道交通状态监测多传感器节点布局优化方法的工作原理图;
图3是本发明实施实例所述的一种轨道交通状态监测多传感器节点布局优化方法中粒子群优化方法的流程图;
图4是本发明实施实例所述的一种轨道交通状态监测多传感器节点布局优化***的结构示意图;
图5是本发明实施实例所述的一种轨道交通状态监测多传感器节点布局优化***的功能框架图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明进行进一步详细的说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
参照图1,示出了一种轨道交通状态监测多传感器节点布局优化方法的流程图,所述具体方法包括:
步骤101,确定轨道交通***状态的监测范围A,以及监测对象的类型N(1,2,…,n);并根据监测范围的地理特征及各类监测对象的作用范围,将所述监测范围A分为n个逻辑区域[A1,A2,…,An],每个逻辑区域包含k个监测区间a,并初始化每个监测区间的各类传感器的部署位置,每一部署位置称为节点;
步骤103,根据同类监测对象的各节点部署区间的状态信息对轨道交通***运行安全的影响能力,以及不同类监测对象的状态信息对轨道交通***运行安全的影响能力,构建节点优化布局权重函数;
步骤105,根据每个监测区间的各类传感器的部署位置,建立表征各节点状态感知能力的状态感知能力节点效用函数模型;根据所述节点优化布局权重函数,建立表征各节点的网络传输能力的节点通信性能模型,并根据所述状态感知能力节点效用函数模型及网络传输能力的节点通信性能模型构建所述轨道交通***的综合优化效用函数;
步骤107,根据所述综合优化效用函数及预设的寻优算法,确定所述轨道交通***最优的传感器节点。
本实施例针对轨道交通专用无线传感网***的节点布局管理问题,根据监测对象的特征、监测区域的特征及网络可靠性的需求,采用监测准确与传输稳定兼顾的策略对节点布局方式进行优化,从而有效地提升了状态监测感知能力和信息传输能力。
图2是本发明实施实例所述的一种轨道交通状态监测多传感器节点布局优化方法的工作原理图;其为图1所示实施例的一种细化方式,以下通过图2对图1各个步骤详细解释,具体为:
步骤1、确定轨道交通***状态的监测范围A,以及监测对象的类型N(1,2,…,n);并根据监测区域的地理特征及各类监测对象的作用范围,将监测区域分为n个逻辑区域集[A1,A2,…,An],每个逻辑区域包含k个监测区间a。k的取值和各类监测对象的重点监测区域数及监测对象状态一致性保持能力有关;
A=[A1 A2 … An]T
Ai=[ai1 ai2 … aik]
步骤2、初始化各类传感器的部署位置:在每个子监测区间的中心位置部署传感器节点,作为节点的初始位置;
L=[L1 L2 … Ln]T
Li=[li1 li2 … lik]
步骤3、根据轨道交通基础设施及其运行环境中同类节点监测区间划分的区别,以及不同类节点监测信息特性的差异,构建节点优化布局权重函数,主要考虑以下几个因素:
1)基于各传感器部署的监测区间,判断不同区间状态信息监测的重要度,作为同类节点内部布局优化的重要参考标准;
2)综合各类监测对象信息对轨道交通***运行安全性的影响能力,判断不同对象状态信息监测的重要度,作为不同类节点间布局优化的重要参考标准;
3)考虑权重的自适应动态变化,权衡同类节点位置差异和不同类节点业务重要度差异在进行权重函数构建过程中的贡献度。
首先,对同类监测对象而言,节点优化布局的权重是由节点部署区间的状态信息对轨道交通***运行安全的影响能力决定的。因此,监测区间权重系数Ρi可通过对历史数据的整理分析得出,某个区间内监测对象易恶化(如容易积水、积雪等),或者容易影响列车运行安全(如风口、滑坡等),这些区间的权重系数较大;
其次,对不同类监测对象而言,节点优化布局权重是由监测对象的状态信息对轨道交通***运行安全的影响能力决定的。因此,监测对象权重系数Οi同样可通过对历史数据的整理分析得出,某类监测对象的恶化对列车运行安全性可靠性影响更大,该监测对象的权重系数较大;
最后,结合监测区间权重系数和监测对象权重系数,构建综合节点布局优化权重函数。由于本发明涉及的是不同类节点在不同的区间内进行综合优化,Ρi和Οi之间相互作用关系是非线性的,因此,综合优化权重系数定义为:
λi'=f(Ρi,Οi),i=1,2,...,n
s.t.0≤Ρi≤1
0≤Οi≤1
节点布局优化权重系数λ′i归一化处理后,可得:
步骤4、根据轨道交通专用无线传感网信息监测准确性和完备性要求,建立节点布局优化模型,考虑以下几个因素:
1)重点监测区域的基础设施或运行环境的状态对***安全性影响最大,该类区间定义为重点区域,该类区间感知节点位置尽可能保持固定;
2)普通监测区域的基础设施或运行环境的状态对***安全性影响较小,该类区间内感知节点位置可以移动。但是为了保持信息感知的完备性,节点位置不得超过区间范围;
基于状态感知能力节点效用函数定义为:
或
或
其中,
xi=|l'i-li|
li表示节点初始最优部署位置,l'i表示优化后节点的位置,xi表示节点初始位置和优化位置的距离,mi表示监测区间的长度。
上述三个效用函数从上到下依次命名为效用函数1、效用函数2及效用函数3,它们都表示传感器节点的状态感知能力随着最佳感知位置偏离距离的增加而降低,效用函数1表示下降趋势为凹函数,效用函数2表示线性下降,效用函数3表示下降趋势为凸函数。***根据不同类监测对象感知能力下降趋势选择合适的效用函数。效用函数1中,ξ为函数陡度调节系数,用来调节节点位置变化对效用函数的影响程度。
步骤5、根据轨道交通专用无线传感网信息传输的稳定性和高效性要求,建立节点布局优化模型,考虑以下几个因素:
1)保证网络的连通性,确保每个节点的信息都可以传输到基站,即每个节点到基站之间至少有1条最短路径;
2)保证网络的可靠性,确保每个节点有多条传输路径,即节点的度最大化;
3)保证关键信息传输的可靠性,确保关键节点有多条最短路径,即关键节点介数最大化;
4)保证网络生命周期最大化,确保关键节点能耗最小化和普通节点能耗的均衡化,即节点有权最短路径的最小化和均衡化;
基于网络传输能力的节点通信性能效用函数定义为:
S.T.α+β+γ=1
0≤α≤1
0≤β≤1
0≤γ≤1
节点介数bi表示网络最短路径经过该节点的数量,介数大代表该点以最小通信代价传输数据的路径越多;节点的有权介数是考虑了节点监测对象和监测区间的节点介数,是由节点介数bi和节点的综合权重系数λi共同决定的:
节点最短路径ri表示该点监测信息通过最少跳数前向传送到基站的跳数,最短路径小代表节点信息传输的通信代价小;节点的有权介数是考虑了节点传输能耗的最短路径。为了和度与介数保持同样的单调递增,本发明在定义有权介数时选用了节点剩余能量指标,即有权最短路径越小代表节点剩余能量越多,同时还考虑了关键节点生命周期最大化的需求,因此是由节点最短路径ri和节点的综合权重系数λi共同决定的:
步骤6、根据各节点状态感知能力及网络通信能力的综合协同优化要求,建立***效用函数,考虑以下几个因素:
1)传感器节点布局优化的目的是在保证信息监测准确完备的同时,确保监测信息稳定可靠地传输到基站;
2)各传感器监测对象不同,监测区间不同,为了最大化监测***的整体效能,在节点布局优化的时候考虑各节点能力的非对称性。
无线监测***的综合优化效用函数为:
0≤ωi≤1
其中,ωi是自适应调节参数,用来调整不同业务的监测准确性效能和通信效能对***总效能的影响程度。
步骤7、根据***效用函数,对区域内所有传感器节点的布局进行综合优化:
由于***效用函数是非线性函数,节点布局是非线性优化过程,本发明采用粒子群算法对节点布局进行优化:
采用粒子群算法进行节点布局优化,共有m个粒子参与为n个节点布局优化,每个粒子更新一次就对应一组节点位置优化结果Lj=(l1j,...,lij,...,lnj),lij表示粒子j中第i个节点的位置。根据各节点的位置对节点感知能力、节点有权度、有权介数、有权最短路径,以及***整体效用记性计算,表示目前为止粒子j的最大效用值,pgbest表示目前为止所有粒子的最大效用。粒子群节点布局更新一次,则对应更新一次***效用,直到完成设定的更新次数,找到最优的分配结果。
粒子速度及带宽分配更新方法定义为:
lij(t+1)=lij(t)+vij(t+1)
其中,η代表惯性权重,用来调节PSO算法的全局和局部寻优能力,r1,r2在(0,1)区间均匀分布的随机数;c1,c2为学习因子,决定了粒子本身经验及群体经验对粒子运动轨迹的影响。
tmax为最大迭代次数;t代表当前迭代次数;ωstart,ωend分别代表初始惯性权重和终止惯性权重。粒子群不断的更新位置进行节点布局优化,经过设定好的优化次数后,寻找到使效用函数达到最大值的节点布局结果,使无线传感网综合感知和通信效能达到最高。
节点布局结果反映了***在保证信息感知完备性和准确性的同时,对节点进行优化布局的过程。实现以下几个目标:
1)优先保证关于列车运行安全信息及关键位置信息监测的准确性,然后优化节点布局提升感知信息传输的稳定性;
2)在节点优化布局过程中,充分考虑了不同监测对象及不同监测区域的非对称性,保证了监测信息传输的有效性和高效性;
3)在节点优化布局过程中,采用了有权最小路径模型,提升了关键节点及***的整体生命周期。
参照图3,示出了基于粒子群算法的轨道交通状态监测多传感器节点布局优化的流程图,具体步骤为:
步骤1、初始化每个粒子的优化速度和位置(初始化带宽分配值);
步骤3、更新粒子的优化速度和位置(更新粒子的带宽分配值);
步骤5、判断是否满足结束条件(更新次数是否达到设定的最大次数),不满足则继续进行更新,否则结束更新,并输出最佳布局结果。
本实施例根据轨道交通基础设施及运行环境监测需求、监测对象分布特征、传感器感知能力、通信能力及资源状态等特性,设计一种节点布局优化方法,可以根据轨道交通无线监测***对信息感知完备性、感知网络联通性、信息传输高效性等要求进行传感器节点的优化部署。确保全线轨道交通基础设施及其运行环境状态信息的准确完整获取、监测网络的连续稳定工作、监测信息的分级可靠传输,有效提升监测***的状态感知和数据通信能力。本发明设计多目标优化模型来解决无线传感网节点布局问题,从***综合效能最高的最终目标出发,采用多节点多目标综合优化模式。首先,考虑到不同对象监测信息特征、同类对象监测位置特征等信息,针对性的建立了各节点效用对***效用贡献度的权重系数;其次,监测对象的能力保持范围各不相同,且在同一监测区间内不同位置节点的感知能力也各不相同,针对性的建立了节点信息感知效用函数;再次,节点部署结构决定了***内各节点的度、介数及最短路径,同时结合各节点监测对象及监测区域的重要度,针对性的建立了节点通信效用函数;最后,建立了综合效用优化模型,可以兼顾***内各节点信息感知的完备性、准确性及其传输的稳定性、可靠性;同时采用高效的寻优算法,找到最优的节点布局方案,保证了轨道交通状态监测无线传感网综合效能最大限度的发挥。
图4是本发明实施实例所述的一种轨道交通状态监测多传感器节点布局优化***的结构示意图;图5为本发明实施实例所述的一种轨道交通状态监测多传感器节点布局优化***的功能框架图,其实现了图4所示的各个功能结构。可以理解的是,图1-图3所示方法实施例的解释说明均可以应用于本实施例。如图4所示,轨道交通状态监测多传感器节点布局优化***包括:依次连接的初始化单元401、节点优化布局权重建模单元403、效用函数建模单元405以及寻优单元407;具体地:
初始化单元401,用于确定轨道交通***状态的监测范围A,以及监测对象的类型N(1,2,…,n);并根据监测范围的地理特征及各类监测对象的作用范围,将所述监测范围A分为n个逻辑区域[A1,A2,…,An],每个逻辑区域包含k个监测区间a,并初始化每个监测区间的各类传感器的部署位置,每一部署位置称为节点;
节点优化布局权重建模单元403,用于根据同类监测对象的各节点部署区间的状态信息对轨道交通***运行安全的影响能力,以及不同类监测对象的状态信息对轨道交通***运行安全的影响能力,构建节点优化布局权重函数;
效用函数建模单元405,根据每个监测区间的各类传感器的部署位置,建立表征各节点状态感知能力的状态感知能力节点效用函数模型;根据所述节点优化布局权重函数,建立表征各节点的网络传输能力的节点通信性能模型,并根据所述状态感知能力节点效用函数模型及网络传输能力的节点通信性能模型构建所述轨道交通***的综合优化效用函数;
寻优单元407,用于根据所述综合优化效用函数及预设的寻优算法,确定所述轨道交通***最优的传感器节点。
本实施例针对轨道交通节点部署位置不同对***监测能力及通信能力的影响,研究一种合理有效的基于多目标的节点综合效能优化方法,进行传感器节点部署位置的研究,在多监测对象、复杂监测环境情况下保证了信息感知的准确性和完整性,以及信息传输的稳定性和可靠性,确保为轨道交通***的安全运行及决策提供丰富精准的数据和技术支持。
本领域普通技术人员可以理解,实现上述实施例的全部或者部分步骤/单元/模块可以通过程序指令相关的硬件来完成,前述程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述实施例各单元中对应的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光碟等各种可以存储程序代码的介质。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种轨道交通状态监测多传感器节点布局优化方法,其特征在于,包括:
首先,确定轨道交通***状态的监测范围A,以及监测对象的类型N(1,2,…,n);并根据监测范围的地理特征及各类监测对象的作用范围,将所述监测范围A分为n个逻辑区域[A1,A2,…,An],每个逻辑区域包含k个监测区间a,并初始化每个监测区间的各类传感器的部署位置,每一部署位置称为节点;
其次,根据同类监测对象的各节点部署区间的状态信息对轨道交通***运行安全的影响能力,以及不同类监测对象的状态信息对轨道交通***运行安全的影响能力,构建节点优化布局权重函数;
再次,根据每个监测区间的各类传感器的部署位置,建立表征各节点状态感知能力的状态感知能力节点效用函数模型;根据所述节点优化布局权重函数,建立表征各节点的网络传输能力的节点通信性能模型,并根据所述状态感知能力节点效用函数模型及网络传输能力的节点通信性能模型构建所述轨道交通***的综合优化效用函数;
最后,根据所述综合优化效用函数及预设的寻优算法,确定所述轨道交通***最优的传感器节点;
其中,所述根据同类监测对象的各节点部署区间的状态信息对轨道交通***运行安全的影响能力,以及不同类监测对象的状态信息对轨道交通***运行安全的影响能力,构建节点优化布局权重函数的步骤包括:
对同类监测对象而言,监测区间权重系数Pi通过对各逻辑区域的历史数据的整理分析得出,其中,对于交通条件易恶化或者存在容易影响交通安全的逻辑区域的监测区间权重系数较大;
对不同类监测对象而言,监测对象权重系数Oi通过对各监测对象的历史数据的整理分析得出,其中,对交通安全可靠性影响更大的监测对象的权重系数较大;
根据所述监测区间权重系数Pi以及监测对象权重系数Oi构建节点优化布局权重函数;
其中,所述根据所述监测区间权重系数Pi以及监测对象权重系数Oi构建节点优化布局权重函数的步骤包括:
根据如下公式构建节点优化布局权重函数λi′:
λi′=f(Pi,Oi),i=1,2,...,n
s.t.0≤Pi≤1
0≤Oi≤1;
其中,在所述根据所述监测区间权重系数Pi以及监测对象权重系数Oi构建节点优化布局权重函数的步骤之后还包括:
将所述节点优化布局权重函数λi′通过如下公式进行归一化处理,得到处理后的节点优化布局权重函数:
其中,所述状态感知能力节点效用函数模型为以下三个函数中的任意一个:
或
或
其中,
xi=|l′i-li|
li表示节点初始最优部署位置,l′i表示优化后节点的位置,xi表示节点初始位置和优化位置的距离,mi表示监测区间的长度;ξ为函数陡度调节系数,用来调节节点位置变化对效用函数的影响程度;所述三个状态感知能力节点效用函数模型都表示传感器节点的状态感知能力随着最佳感知位置偏离距离的增加而降低;
其中,所述表征各节点的网络传输能力的节点通信性能模型定义为:
S.T.α+β+γ=1
0≤α≤1
0≤β≤1
0≤γ≤1
其中,所述轨道交通***的综合优化效用函数为:
0≤ωi≤1
其中,ωi是自适应调节参数,用来调整不同业务的监测准确性效能和通信效能对***总效能的影响程度。
2.根据权利要求1所述的轨道交通状态监测多传感器节点布局优化方法,其特征在于,所述根据所述综合优化效用函数及预设的寻优算法,确定所述轨道交通***最优的传感器节点的步骤包括:
采用粒子群算法进行节点布局优化,共有m个粒子参与为n个节点布局优化,每个粒子更新一次对应一组节点位置优化结果Lj=(l1j,...,lij,...,lnj),lij表示粒子j中第i个节点的位置;
根据各节点的位置对节点感知能力、节点有权度、有权介数、有权最短路径,以及综合优化效用函数进行计算,表示目前为止粒子j的对应综合优化效用函数的最大效用值,pgbest表示目前为止所有粒子对应综合优化效用函数的最大效用;
粒子群节点布局更新一次,则对应更新一次综合优化效用函数的值,直到完成设定的更新次数,找到轨道交通***最优的传感器节点。
4.一种轨道交通状态监测多传感器节点布局优化***,其特征在于,包括:
初始化单元,用于确定轨道交通***状态的监测范围A,以及监测对象的类型N(1,2,…,n);并根据监测范围的地理特征及各类监测对象的作用范围,将所述监测范围A分为n个逻辑区域[A1,A2,…,An],每个逻辑区域包含k个监测区间a,并初始化每个监测区间的各类传感器的部署位置,每一部署位置称为节点;
节点优化布局权重建模单元,用于根据同类监测对象的各节点部署区间的状态信息对轨道交通***运行安全的影响能力,以及不同类监测对象的状态信息对轨道交通***运行安全的影响能力,构建节点优化布局权重函数;
效用函数建模单元,根据每个监测区间的各类传感器的部署位置,建立表征各节点状态感知能力的状态感知能力节点效用函数模型;根据所述节点优化布局权重函数,建立表征各节点的网络传输能力的节点通信性能模型,并根据所述状态感知能力节点效用函数模型及网络传输能力的节点通信性能模型构建所述轨道交通***的综合优化效用函数;
寻优单元,用于根据所述综合优化效用函数及预设的寻优算法,确定所述轨道交通***最优的传感器节点;
其中,所述根据同类监测对象的各节点部署区间的状态信息对轨道交通***运行安全的影响能力,以及不同类监测对象的状态信息对轨道交通***运行安全的影响能力,构建节点优化布局权重函数包括:
对同类监测对象而言,监测区间权重系数Pi通过对各逻辑区域的历史数据的整理分析得出,其中,对于交通条件易恶化或者存在容易影响交通安全的逻辑区域的监测区间权重系数较大;
对不同类监测对象而言,监测对象权重系数Oi通过对各监测对象的历史数据的整理分析得出,其中,对交通安全可靠性影响更大的监测对象的权重系数较大;
根据所述监测区间权重系数Pi以及监测对象权重系数Oi构建节点优化布局权重函数;
其中,根据所述监测区间权重系数Pi以及监测对象权重系数Oi构建节点优化布局权重函数包括:
根据如下公式构建节点优化布局权重函数λi′:
λi′=f(Pi,Oi),i=1,2,...,n
s.t.0≤Pi≤1
0≤Oi≤1;
其中,在根据所述监测区间权重系数Pi以及监测对象权重系数Oi构建节点优化布局权重函数之后还包括:
将所述节点优化布局权重函数λi′通过如下公式进行归一化处理,得到处理后的节点优化布局权重函数:
其中,所述状态感知能力节点效用函数模型为以下三个函数中的任意一个:
或
或
其中,
xi=|l′i-li|
li表示节点初始最优部署位置,l′i表示优化后节点的位置,xi表示节点初始位置和优化位置的距离,mi表示监测区间的长度;ξ为函数陡度调节系数,用来调节节点位置变化对效用函数的影响程度;所述三个状态感知能力节点效用函数模型都表示传感器节点的状态感知能力随着最佳感知位置偏离距离的增加而降低;
其中,所述表征各节点的网络传输能力的节点通信性能模型定义为:
S.T.α+β+γ=1
0≤α≤1
0≤β≤1
0≤γ≤1
其中,所述轨道交通***的综合优化效用函数为:
0≤ωi≤1
其中,ωi是自适应调节参数,用来调整不同业务的监测准确性效能和通信效能对***总效能的影响程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910152839.XA CN109862532B (zh) | 2019-02-28 | 2019-02-28 | 轨道交通状态监测多传感器节点布局优化方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910152839.XA CN109862532B (zh) | 2019-02-28 | 2019-02-28 | 轨道交通状态监测多传感器节点布局优化方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109862532A CN109862532A (zh) | 2019-06-07 |
CN109862532B true CN109862532B (zh) | 2021-08-03 |
Family
ID=66899432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910152839.XA Active CN109862532B (zh) | 2019-02-28 | 2019-02-28 | 轨道交通状态监测多传感器节点布局优化方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109862532B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110337085A (zh) * | 2019-07-16 | 2019-10-15 | 东北电力大学 | 一种基于云技术的质量监控*** |
CN110544010B (zh) * | 2019-07-30 | 2023-04-07 | 同济大学 | 影响轨道交通***全局效能涌现的关键要素的辨识方法 |
CN111546379B (zh) * | 2020-04-26 | 2021-07-13 | 西安交通大学 | 一种工业机器人运行状态监测的传感器布局方法 |
CN113242274B (zh) * | 2021-04-08 | 2022-04-22 | 北京交通大学 | 铁路防灾监测***信息分级回传方法 |
CN114264784B (zh) * | 2021-12-03 | 2023-08-22 | 淮阴工学院 | 基于传感器风险区间模型的养殖水情判断方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184637A (zh) * | 2011-04-28 | 2011-09-14 | 北京交通大学 | 基于传感器网络的交通状态获取方法、装置以及*** |
CN103716388A (zh) * | 2013-12-20 | 2014-04-09 | 北京交通大学 | 一种传感器网络通信节点优化布控方法 |
CN105828426A (zh) * | 2015-12-22 | 2016-08-03 | 北京交通大学 | 高速铁路基础设施监测传感网节点能量管理方法及*** |
CN108123971A (zh) * | 2016-11-28 | 2018-06-05 | 天津市军联科技有限公司 | 基于rfid和wsn的铁路危险品运输监控*** |
CN108289287A (zh) * | 2018-01-19 | 2018-07-17 | 深圳市鑫汇达机械设计有限公司 | 面向轨道交通的环境参数无线监测*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8149748B2 (en) * | 2006-11-14 | 2012-04-03 | Raytheon Company | Wireless data networking |
-
2019
- 2019-02-28 CN CN201910152839.XA patent/CN109862532B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184637A (zh) * | 2011-04-28 | 2011-09-14 | 北京交通大学 | 基于传感器网络的交通状态获取方法、装置以及*** |
CN103716388A (zh) * | 2013-12-20 | 2014-04-09 | 北京交通大学 | 一种传感器网络通信节点优化布控方法 |
CN105828426A (zh) * | 2015-12-22 | 2016-08-03 | 北京交通大学 | 高速铁路基础设施监测传感网节点能量管理方法及*** |
CN108123971A (zh) * | 2016-11-28 | 2018-06-05 | 天津市军联科技有限公司 | 基于rfid和wsn的铁路危险品运输监控*** |
CN108289287A (zh) * | 2018-01-19 | 2018-07-17 | 深圳市鑫汇达机械设计有限公司 | 面向轨道交通的环境参数无线监测*** |
Non-Patent Citations (2)
Title |
---|
IoT based rail track health monitioring and information system;C.Chellaswamy;《2017 International conference on Microelectronic Devices,Circuits and Systems(ICMDCS)》;20171218;全文 * |
轨道交通***状态监测专用无线传感网资源优化配置方法研究;马小平;《中国博士学位论文全文数据库》;20190115;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109862532A (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109862532B (zh) | 轨道交通状态监测多传感器节点布局优化方法及*** | |
Wang et al. | Adaptive Traffic Signal Control for large-scale scenario with Cooperative Group-based Multi-agent reinforcement learning | |
CN105701571A (zh) | 一种基于神经网络组合模型的短时交通流量预测方法 | |
CN108320516B (zh) | 基于尖点突变和量子粒子群优化的道路通行能力评价方法 | |
CN103747537B (zh) | 一种基于熵度量的无线传感器网络离群数据自适应检测方法 | |
CN105512745A (zh) | 基于粒子群—bp神经网络的风电功率区间预测方法 | |
CN113593228B (zh) | 一种高速公路瓶颈区域自动驾驶协同控制方法 | |
CN113359849B (zh) | 一种针对运动目标的多无人机协同快速搜索方法 | |
CN111553469A (zh) | 一种无线传感器网络数据融合方法、装置和存储介质 | |
Wei et al. | The path planning scheme for joint charging and data collection in WRSNs: A multi-objective optimization method | |
CN107919918A (zh) | 一种移动节点辅助水下物联网数据可靠采集方法 | |
CN115063184A (zh) | 电动汽车充电需求建模方法、***、介质、设备及终端 | |
Li et al. | Fedvanet: Efficient federated learning with non-iid data for vehicular ad hoc networks | |
Zhao et al. | Adaptive swarm intelligent offloading based on digital twin-assisted prediction in VEC | |
Liang et al. | Surrogate-assisted Phasmatodea population evolution algorithm applied to wireless sensor networks | |
CN116758740B (zh) | 一种基于数字孪生和信息树的智慧交通高效模拟方法 | |
CN115329985B (zh) | 无人集群智能模型训练方法、装置和电子设备 | |
Zhang et al. | Multi-objective route search for electric vehicles using ant colony optimization | |
Li et al. | Intelligent traffic data transmission and sharing based on optimal gradient adaptive optimization algorithm | |
Wu et al. | Federation-based deep reinforcement learning cooperative cache in vehicular edge networks | |
CN114916013A (zh) | 基于车辆轨迹预测的边缘任务卸载时延优化方法、***及介质 | |
Yu et al. | Minimize pressure difference traffic signal control based on deep reinforcement learning | |
Zhao et al. | An optimisation method for a co-operative driving system at road junctions | |
Qing et al. | The forecast and the optimization control of the complex traffic flow based on the hybrid immune intelligent algorithm | |
CN105246121A (zh) | 一种移动sink信息收集路径的可变维粒子群构建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |