劉 丹 王霓虹

(東北林業(yè)大學(xué)，哈爾濱，150040)

1999 年，MIT Auto ID Center［1］提出較早的國(guó)際“物聯(lián)網(wǎng)”定義：在計(jì)算機(jī)互聯(lián)網(wǎng)的基礎(chǔ)上，利用射頻識(shí)別(RFID)、無(wú)線(xiàn)數(shù)據(jù)通信等技術(shù)，構(gòu)造一個(gè)覆蓋世界上萬(wàn)事萬(wàn)物的網(wǎng)絡(luò)，以實(shí)現(xiàn)物品的自動(dòng)識(shí)別和信息的互聯(lián)共享。2005年，國(guó)際電信聯(lián)盟［2］(ITU)發(fā)布的《ITU互聯(lián)網(wǎng)報(bào)告2005：物聯(lián)網(wǎng)》中正式給出了“物聯(lián)網(wǎng)”概念：指出物聯(lián)網(wǎng)是互聯(lián)網(wǎng)應(yīng)用的延伸，“RFID、傳感器技術(shù)、納米技術(shù)、智能嵌入技術(shù)”將是實(shí)現(xiàn)物聯(lián)網(wǎng)的4大核心技術(shù)。2009年，IBM公司首席執(zhí)行官彭明盛［3］首先提出“智慧地球”的新概念，物聯(lián)網(wǎng)在世界范圍掀起熱潮，發(fā)展物聯(lián)網(wǎng)技術(shù)被迅速納入多個(gè)國(guó)家的重大信息發(fā)展戰(zhàn)略中。

國(guó)內(nèi)對(duì)“物聯(lián)網(wǎng)”的定義為［4-5］：將各種信息傳感設(shè)備，如射頻識(shí)別(RFID)裝置、紅外感應(yīng)器、全球定位系統(tǒng)、激光掃描器等種種裝置與互聯(lián)網(wǎng)結(jié)合起來(lái)而形成的一個(gè)巨大網(wǎng)絡(luò)。其目的是讓所有的物品都與網(wǎng)絡(luò)連接在一起，系統(tǒng)可以自動(dòng)地、實(shí)時(shí)地對(duì)物體進(jìn)行識(shí)別、定位、追蹤、監(jiān)控，并觸發(fā)相應(yīng)事件。

物聯(lián)網(wǎng)的用途極其廣泛，已應(yīng)用于各種自然災(zāi)害的監(jiān)測(cè)、醫(yī)療衛(wèi)生、電力系統(tǒng)、智能交通、智能小區(qū)管理、軍事、航空和航天等多個(gè)領(lǐng)域［6］。作為信息產(chǎn)業(yè)的又一次革命，物聯(lián)網(wǎng)也將成為“數(shù)字林業(yè)”建設(shè)中的決定力量。當(dāng)前，物聯(lián)網(wǎng)已在森林防火、古樹(shù)名木管理、珍稀野生動(dòng)物保護(hù)、木材追蹤管理、苗木花卉栽培等多方面著手研究［7］。本文主要根據(jù)林業(yè)數(shù)據(jù)監(jiān)測(cè)的物聯(lián)網(wǎng)體系結(jié)構(gòu)，對(duì)監(jiān)測(cè)森林火災(zāi)的傳感器定位算法進(jìn)行研究，加速火場(chǎng)定位，最大程度地預(yù)防和減少森林火災(zāi)及其造成的損失。

1 基于林業(yè)數(shù)據(jù)監(jiān)測(cè)的物聯(lián)網(wǎng)體系結(jié)構(gòu)

物聯(lián)網(wǎng)的感知環(huán)節(jié)具有很強(qiáng)的異構(gòu)性，為進(jìn)一步讓林業(yè)數(shù)據(jù)監(jiān)測(cè)實(shí)現(xiàn)信息之間的互聯(lián)、互通與互操作，物聯(lián)網(wǎng)將以開(kāi)放、分層、可擴(kuò)展的網(wǎng)絡(luò)框架結(jié)構(gòu)［8］為基礎(chǔ)，分為4個(gè)層次：傳感器網(wǎng)絡(luò)層(傳感器布置、射頻識(shí)別系統(tǒng)等)→接入網(wǎng)絡(luò)層(網(wǎng)關(guān)、網(wǎng)橋、路由器等網(wǎng)絡(luò)連接設(shè)備)→中間件層(數(shù)據(jù)存儲(chǔ)服務(wù)器、監(jiān)測(cè)數(shù)據(jù)分析)→應(yīng)用層(結(jié)果呈現(xiàn)給系統(tǒng)管理員，并反饋給物聯(lián)網(wǎng)底層)。

(1)在傳感器網(wǎng)絡(luò)層，通過(guò)傳感器采集各類(lèi)監(jiān)控信號(hào)，經(jīng)過(guò)無(wú)線(xiàn)傳感器的匯聚節(jié)點(diǎn)將信息收集，傳送給下一層的網(wǎng)絡(luò)空間。

(2)接入網(wǎng)絡(luò)層進(jìn)行數(shù)據(jù)融合或預(yù)處理。主要通過(guò)網(wǎng)橋、網(wǎng)關(guān)、路由器、交換機(jī)等網(wǎng)絡(luò)設(shè)備，將主體網(wǎng)進(jìn)行互聯(lián)，將從傳感器網(wǎng)絡(luò)層接收到的數(shù)據(jù)進(jìn)行一定的處理，傳遞給中間件層的數(shù)據(jù)服務(wù)器。

(3)中間件層，將通過(guò)網(wǎng)絡(luò)設(shè)備連通的網(wǎng)絡(luò)的傳感器網(wǎng)絡(luò)層傳輸來(lái)的數(shù)據(jù)，存儲(chǔ)在當(dāng)前的數(shù)據(jù)存儲(chǔ)服務(wù)器中，對(duì)數(shù)據(jù)進(jìn)行分類(lèi)處理，建立數(shù)據(jù)分析的算法與模型，從而為監(jiān)測(cè)數(shù)據(jù)面向應(yīng)用層的結(jié)果提供有力的保障。

(4)應(yīng)用層，將中間件層通過(guò)算法和模型而產(chǎn)生的結(jié)果，一方面在應(yīng)用層呈現(xiàn)給管理員，另一方面根據(jù)應(yīng)用需求，反饋給物聯(lián)網(wǎng)底層，實(shí)現(xiàn)對(duì)應(yīng)的控制。

本文重點(diǎn)要研究的傳感器節(jié)點(diǎn)定位算法主要集中在中間件層。通過(guò)建立定位算法，對(duì)部署在森林中的傳感器進(jìn)行良好的追蹤，盡早發(fā)現(xiàn)森林火災(zāi)的發(fā)生，降低火災(zāi)帶來(lái)的損失。

2 定位算法的實(shí)現(xiàn)

2.1 算法的提出

在森林火災(zāi)監(jiān)測(cè)中，通常需要對(duì)森林里各地點(diǎn)的風(fēng)速、溫度、濕度等參數(shù)進(jìn)行檢測(cè)，發(fā)生火災(zāi)時(shí)還須精確確定火災(zāi)地點(diǎn)。由于森林一般覆蓋面積較大，環(huán)境惡劣，多是無(wú)人值守區(qū)域，需要大量的節(jié)點(diǎn)協(xié)作才能完成監(jiān)測(cè)任務(wù)，因此無(wú)線(xiàn)傳感網(wǎng)絡(luò)進(jìn)行監(jiān)測(cè)的優(yōu)勢(shì)非常顯現(xiàn)。在森林火災(zāi)監(jiān)測(cè)系統(tǒng)中，發(fā)生火災(zāi)時(shí)的火災(zāi)位置對(duì)森林火災(zāi)監(jiān)測(cè)系統(tǒng)至關(guān)重要，這也是傳感器網(wǎng)絡(luò)應(yīng)該擁有的基本功能之一。

當(dāng)前，位置信息的準(zhǔn)確定位的方法很多，可以通過(guò)全球定位系統(tǒng)GPS實(shí)現(xiàn)定位;但其用戶(hù)節(jié)點(diǎn)通常能耗高、體積大，成本較高，還需要固定的基礎(chǔ)設(shè)施。因此，在GPS應(yīng)用受限的情況下，采用體積小、能量消耗低、價(jià)格低廉的傳感器網(wǎng)絡(luò)，可很好地解決定位問(wèn)題。典型的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)定位技術(shù)，有基于接收信號(hào)強(qiáng)度指示(RSSI)、基于到達(dá)時(shí)間(TOA)、基于到達(dá)時(shí)間差(TDOA)和基于到達(dá)角度(AOA)等方法。但這些方法多需要額外硬件設(shè)備支持;RSSI定位技術(shù)［9］雖然無(wú)需額外硬件設(shè)備支持，但基于RSSI的定位結(jié)果常不穩(wěn)定，故應(yīng)用性受到一定限制。在此，將加權(quán)質(zhì)心的定位算法應(yīng)用到森林火災(zāi)的監(jiān)測(cè)中。該算法在現(xiàn)有的質(zhì)心定位算法基礎(chǔ)上，通過(guò)對(duì)馬爾可夫鏈的狀態(tài)預(yù)測(cè)來(lái)確定感知節(jié)點(diǎn)對(duì)目標(biāo)檢測(cè)的不同影響力，并利用集合劃分的思想對(duì)目標(biāo)位置進(jìn)行合理的劃分，以確定目標(biāo)的軌跡，對(duì)監(jiān)測(cè)火災(zāi)的傳感器進(jìn)行準(zhǔn)確定位，確定火場(chǎng)發(fā)生地。

2.2 算法的描述

南加州大學(xué)的Nirupama Bulusu等人［10］提出傳感器定位的質(zhì)心算法，該算法的主要思想是：傳感器感知節(jié)點(diǎn)每隔一段時(shí)間進(jìn)行一次目標(biāo)檢測(cè)，當(dāng)目標(biāo)出現(xiàn)在感知節(jié)點(diǎn)的感知區(qū)域范圍內(nèi)時(shí)，將目標(biāo)位置確定為感知節(jié)點(diǎn)所組成的多邊形的質(zhì)心，多邊形所有頂點(diǎn)坐標(biāo)的平均值就是質(zhì)心節(jié)點(diǎn)的坐標(biāo)。當(dāng)系統(tǒng)得到所有能夠檢測(cè)到目標(biāo)的感知節(jié)點(diǎn)的位置信息后，就可以根據(jù)這些感知節(jié)點(diǎn)所組成的多邊形的頂點(diǎn)坐標(biāo)來(lái)估算目標(biāo)當(dāng)前的位置。

本文應(yīng)用的加權(quán)質(zhì)心定位算法是對(duì)定位質(zhì)心算法的一種改進(jìn)，利用加權(quán)因子體現(xiàn)各感知節(jié)點(diǎn)對(duì)目標(biāo)位置的影響程度，是一種基于網(wǎng)絡(luò)連通性的定位算法。具體算法如下：

假設(shè)傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)集合為S={s1、s2、…、sN}，每個(gè)節(jié)點(diǎn)可以感知的范圍為Ai，則N個(gè)節(jié)點(diǎn)感知范圍的總和Ar=當(dāng)兩點(diǎn)不重合，并且感知區(qū)域不相交的情況下，每一時(shí)刻只有一個(gè)節(jié)點(diǎn)能夠感知到目標(biāo)，而目標(biāo)在下一時(shí)刻的位置，只與當(dāng)前位置有關(guān)。若以Xn記錄第n時(shí)刻目標(biāo)出現(xiàn)在網(wǎng)絡(luò)中感知節(jié)點(diǎn)區(qū)域的編號(hào)，則{Xn，n=1、2…}是一個(gè)馬爾可夫鏈，其狀態(tài)集合為{1、2、…、N}，Xt=i表示在 t時(shí)刻目標(biāo)處于Ai感知區(qū)內(nèi)。在每一個(gè)時(shí)刻，感知節(jié)點(diǎn)能夠感知到是否有目標(biāo)出現(xiàn)在自己的感知區(qū)域內(nèi)，因此，當(dāng)馬爾可夫鏈進(jìn)入下一個(gè)狀態(tài)時(shí)，將會(huì)引起感知節(jié)點(diǎn)檢測(cè)值的改變。假設(shè)，當(dāng)馬爾可夫鏈進(jìn)入狀態(tài)j時(shí)，獨(dú)立于以前的狀態(tài)和節(jié)點(diǎn)檢測(cè)值，以概率p(j|i)改變節(jié)點(diǎn)sj的檢測(cè)值，且當(dāng)sj∈nbrsi時(shí)，1;當(dāng)sj?nbrsi時(shí)，p(j|i)=0。通過(guò)節(jié)點(diǎn)對(duì)目標(biāo)的檢測(cè)，可以觀測(cè)到每一時(shí)刻網(wǎng)絡(luò)中感知節(jié)點(diǎn)的檢測(cè)值。以∈{0，1}表示節(jié)點(diǎn)i在t時(shí)刻的檢測(cè)值，檢測(cè)到目標(biāo)值為1，未檢測(cè)到目標(biāo)值為0。因此，表示網(wǎng)絡(luò)中所有的感知節(jié)點(diǎn)在t時(shí)刻的檢測(cè)結(jié)果;Y1，T=(Y1、…、YT)表示網(wǎng)絡(luò)中的感知節(jié)點(diǎn)在時(shí)刻T以前所有的檢測(cè)結(jié)果。以X1，T=(X1、…、XT)表示在時(shí)刻T以前目標(biāo)的狀態(tài)集合。根據(jù)以上說(shuō)明，可以得出聯(lián)合分布函數(shù)：以δt(i)表示t時(shí)刻狀態(tài)處于i的最大概率(其中：i=1、…、N，且 t=1、…、T)：表示目標(biāo)當(dāng)前處于第j個(gè)節(jié)點(diǎn)、而后移動(dòng)到第i個(gè)節(jié)點(diǎn)的感知區(qū)域的概率。由于概率都是非負(fù)的，且過(guò)程必須轉(zhuǎn)移到某個(gè)狀態(tài)，因此，當(dāng)jnbri時(shí)，假設(shè)節(jié)點(diǎn)si的檢測(cè)概率為ηi，則=1-ηi，可推導(dǎo)出式(3)：

利用Baum-Welch方法，通過(guò)網(wǎng)絡(luò)中感知節(jié)點(diǎn)感知到的歷史信息，可以計(jì)算出馬爾可夫模型的相關(guān)參數(shù)π、η、Pt=［pij］。因此，通過(guò)節(jié)點(diǎn)自身信息就可以計(jì)算出節(jié)點(diǎn)的權(quán)重δt(i)的值，其中：

若在t時(shí)刻，δt的值大于0的感知節(jié)點(diǎn)的坐標(biāo)依次為：(x1，y1)、(x2，y2)、…、(xn，yn)，各個(gè)感知節(jié)點(diǎn)對(duì)應(yīng)的權(quán)值為：

通過(guò)權(quán)值的計(jì)算，目標(biāo)的位置坐標(biāo)(x，y)表示為：

通過(guò)以上算法的描述，根據(jù)傳感器節(jié)點(diǎn)的感知區(qū)域，利用馬爾可夫鏈模型推導(dǎo)出節(jié)點(diǎn)的權(quán)重，最終近似準(zhǔn)確定位感知節(jié)點(diǎn)的位置。

2.3 算法的實(shí)現(xiàn)及產(chǎn)生的結(jié)果

在森林中布置的傳感器節(jié)點(diǎn)在未檢測(cè)到火災(zāi)發(fā)生的參數(shù)時(shí)，各節(jié)點(diǎn)處于休眠狀態(tài)。當(dāng)節(jié)點(diǎn)感知到目標(biāo)進(jìn)入感知區(qū)域時(shí)，根據(jù)上述改進(jìn)后的加權(quán)質(zhì)心算法快速計(jì)算感知節(jié)點(diǎn)對(duì)應(yīng)的權(quán)值。根據(jù)計(jì)算出的權(quán)值和節(jié)點(diǎn)的位置信息，計(jì)算出定位目標(biāo)的坐標(biāo)，從而快速查找到森林火災(zāi)發(fā)生位置，進(jìn)行準(zhǔn)確定位。

在實(shí)驗(yàn)中，網(wǎng)絡(luò)中的節(jié)點(diǎn)隨機(jī)部署在一個(gè)矩形區(qū)域內(nèi)。假設(shè)節(jié)點(diǎn)覆蓋率及節(jié)點(diǎn)通信半徑可調(diào)節(jié)，網(wǎng)絡(luò)中節(jié)點(diǎn)的位置可知，經(jīng)過(guò)隨機(jī)30次的實(shí)驗(yàn)，結(jié)果如圖1所示。當(dāng)節(jié)點(diǎn)密度很低時(shí)，質(zhì)心定位的平均誤差較大，而加權(quán)定位的誤差較小;隨著節(jié)點(diǎn)密度的增大，當(dāng)接近10%的時(shí)候，各定位算法的平均誤差較接近。

圖1 平均定位誤差對(duì)比

3 結(jié)束語(yǔ)

本文在介紹物聯(lián)網(wǎng)的現(xiàn)狀以及物聯(lián)網(wǎng)的應(yīng)用架構(gòu)體系后，部署在森林中進(jìn)行火災(zāi)監(jiān)控的傳感器在接收數(shù)據(jù)后，將數(shù)據(jù)通過(guò)接入網(wǎng)絡(luò)層傳輸?shù)綌?shù)據(jù)存儲(chǔ)器，進(jìn)行火災(zāi)的火點(diǎn)定位。本文將物聯(lián)網(wǎng)技術(shù)中的質(zhì)心定位算法引入，并將該算法中的定位誤差較大的缺點(diǎn)進(jìn)行改進(jìn)。利用加權(quán)質(zhì)心定位算法，根據(jù)傳感器節(jié)點(diǎn)的感知區(qū)域，計(jì)算傳感器節(jié)點(diǎn)的權(quán)值，從而完成著火點(diǎn)的快速定位，減少因森林火災(zāi)造成的損失。通過(guò)仿真試驗(yàn)，質(zhì)心定位算法的平均定位誤差率在節(jié)點(diǎn)密度較小的情況下，誤差較大;但加權(quán)質(zhì)心算法的平均定位誤差處于平緩變化之中?？傮w看，關(guān)于縮小誤差率的問(wèn)題，還仍有待進(jìn)一步提高。

［1］Sanjay Sarma，David L Brock，Kevin Ashton.MIT Auto ID WH-001：The networked physical world［R］.Massachusetts：MIT Press，2000：8-9.

［2］International Telecommunication Union(ITU).ITUInternet reports 2005：The internet of things［R］.Tunis：World Summit on the Information Society(WSIS)，2005：17-18.

［3］Amardeo C，Sarma J G.Identities in the future internet of things［J］.Wireless Pers Commun，2009，49：353-363.

［4］寧煥生，張瑜，劉芳麗，等.中國(guó)物聯(lián)網(wǎng)信息服務(wù)系統(tǒng)研究［J］.電子學(xué)報(bào)，2006，34(12A)：2514-2517.

［5］封松林，葉甜春.物聯(lián)網(wǎng)/傳感網(wǎng)發(fā)展之路初探［J］.中國(guó)科學(xué)院院刊，2010，25(1)：50-54.

［6］石軍.“感知中國(guó)”促進(jìn)中國(guó)物聯(lián)網(wǎng)加速發(fā)展［J］.通信管理與技術(shù)，2009(5)：1-3.

［7］劉強(qiáng)，崔莉，陳海明.物聯(lián)網(wǎng)關(guān)鍵技術(shù)與應(yīng)用［J］.計(jì)算機(jī)科學(xué)，2010，37(6)：1-4，10.

［8］沈蘇彬，范曲立，宗平，等.物聯(lián)網(wǎng)的體系結(jié)構(gòu)與相關(guān)技術(shù)研究［J］.南京郵電大學(xué)學(xué)報(bào)：自然科學(xué)版，2009，29(6)：1-11.

［9］張先毅，王英龍，趙洪磊.無(wú)線(xiàn)傳感器網(wǎng)絡(luò)節(jié)點(diǎn)自身定位算法［J］.信息技術(shù)與信息化，2008(1)：34-37.

［10］Bulusu N，Heidemann J，Estrin D.GPS-less low cost outdoor localization for very small devices［J］.IEEE Personal Communications Magazine，2000，7(5)：28-34.