بهینه سازی پوشش در شبکه های حسگر بی سیم

نویسندگان

1 دانشجوی کارشناسی ارشد گروه GIS، دانشکده ی مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیر الدین طوسی، تهران، ایران

2 دانشیار گروه GIS، دانشکده ی مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیر الدین طوسی، تهران، ایران

3 استادیار گروه GIS، دانشکده ی مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیر الدین طوسی، تهران، ایران

چکیده

سال­ها است که شبکه‌های حسگر بی‌سیم برای مشاهده و نظارت بر رخدادها و محیط اطراف به کار گرفته ‌شده‌اند. این شبکه‌ها برای کاربردهای مختلفی از قبیل نظارت بر میدان جنگ، نظارت بر ترافیک، پیگیری یک هدف، نظارت بر آتش‌سوزی جنگل و غیره مورد استفاده قرار می‌گیرند. عملکرد موفقیت‌آمیز شبکه‌های حسگر بی‌سیم، وابسته به پوشش مناسب محیط می‌باشد. میزان پوشش نیز، وابستگی شدیدی به زیرساخت‌ها از جمله تعداد و مکان حسگرهای مورد استفاده برای نظارت بر محیط دارد. بنابراین یک قدم اساسی در مرحله‌ی طراحی شبکه، تعیین استراتژی جانمایی حسگرها می‌باشد. الگوریتم‌های جانمایی زیادی در سال‌های اخیر به منظور حداقل کردن محدودیت‌های شبکه و بهینه نمودن پوشش ارائه شده است؛ اما آنچه که در این مقاله مورد توجه قرارگرفته، استفاده از شکل واقعی محیط در مسأله‌ی جانمایی می‌باشد که در کارهای گذشته کمتر دیده شده است. حسگر‌های استفاده شده در این تحقیق دوربین‌های ویدئویی می‌باشند که با توجه به نحوه‌ی عملکرد آن‌ها مشخص است که برای کشف یک هدف یا رخداد نیاز به دید مستقیم به آن می‌باشد. از طرف دیگر نقاط رؤیت‌پذیر از مکان حسگر‌ها را با استفاده از تحلیل‌های خط دید و Viewshed  می‌توان مشخص نمود. بنابراین با تلفیق این تحلیل‌ها و روش‌های جابجایی حسگر‌ها، می‌توان نتایج قابل قبولی را به دست آورد. در واقع هدف ما استفاده از کاربردها، قابلیت‌ها و آنالیزهای GIS در مسأله‌ی جانمایی حسگرها به منظور واقعی‌تر شدن این مسأله و تطابق آن با محیط واقعی می‌باشد. به همین منظور از الگوریتم Minimax که بر اساس دیاگرام ورونوی می‌باشد برای بهینه‌سازی پوشش بر روی یک منطقه‌ی شهری و یک منطقه‌ی طبیعی بدون عوارض استفاده شده که نهایتا منتج به افزایش 12 درصدی پوشش در منطقه‌ی شهری و افزایش 19 درصدی در منطقه‌ی طبیعی گردیده است.که خارج از این چارچوب تهیه شده باشند، معذور است.

کلیدواژه‌ها


[1]     Kuorilehto, M., M. Hä, and T.D. Hä, A survey of application distribution in wireless sensor networks. EURASIP Journal on Wireless Communications and Networking, 1900. 2005(5): pp. 774-788.
[2]     Tsai, H.-W., C.-P. Chu, and T.-S. Chen, Mobile object tracking in wireless sensor networks. Computer communications, 2007. 30(8): pp. 1811-1825.
[3]     Akkaya, K. and M. Younis, A survey on routing protocols for wireless sensor networks. Ad hoc networks, 2005. 3(3): pp. 325-349.
[4]     Dandekar, D.R. and P. Deshmukh, Relay Node Placement for Multi-Path Connectivity in Heterogeneous Wireless Sensor Networks. Procedia Technology, 2012. 4: pp. 732-736.
[5]     Tamboli, N. and M. Younis, Coverage-aware connectivity restoration in mobile sensor networks. Journal of network and computer applications, 2010. 33(4): pp. 363-374.
[6]     Vuran, M.C., Ö.B. Akan, and I.F. Akyildiz, Spatio-temporal correlation: theory and applications for wireless sensor networks. Computer Networks, 2004. 45(3): pp. 245-259.
[7]     Misra, S., M. Pavan Kumar, and M.S. Obaidat, Connectivity preserving localized coverage algorithm for area monitoring using wireless sensor networks. Computer communications, 2011. 34(12): pp. 1484-1496.
[8]     Sahoo, P.K. and J.-P. Sheu, Limited mobility coverage and connectivity maintenance protocols for wireless sensor networks. Computer Networks, 2011. 55(13): pp. 2856-2872.
[9]     Leoncini, M., G. Resta, and P. Santi, Partially controlled deployment strategies for wireless sensors. Ad hoc networks, 2009. 7(1): pp. 1-23.
[10]  Lee, D. and A. Lin, Computational complexity of art gallery problems. Information Theory, IEEE Transactions on, 1986. 32(2): pp. 276-282.
[11]  Gregg, W.W., W.E. Esaias, G.C. Feldman, R. Frouin, S.B. Hooker, C.R. McClain, and R.H. Woodward, Coverage opportunities for global ocean color in a multimission era. Geoscience and Remote Sensing, IEEE Transactions on, 1998. 36(5): pp. 1620-1627.
[12]  Ghosh, A. and S.K. Das, Coverage and connectivity issues in wireless sensor networks. Mobile, Wireless, and Sensor Networks: Technology, Applications, and Future Directions, 2006: pp. 221-256.
[13]  Megerian, S., F. Koushanfar, G. Qu, G. Veltri, and M. Potkonjak, Exposure in wireless sensor networks: theory and practical solutions. Wireless Networks, 2002. 8(5): pp. 443-454.
[14]  Chakrabarty, K., S.S. Iyengar, H. Qi, and E. Cho, Grid coverage for surveillance and target location in distributed sensor networks. Computers, IEEE Transactions on, 2002. 51(12): pp. 1448-1453.
[15]  Zou, Y. and K. Chakrabarty. Sensor deployment and target localization based on virtual forces. in INFOCOM 2003. Twenty-Second Annual Joint Conference of the IEEE Computer and Communications. IEEE Societies. 2003: IEEE.
[16]  Aurenhammer, F., Voronoi diagrams—a survey of a fundamental geometric data structure. ACM Computing Surveys (CSUR), 1991. 23(3): pp. 345-405.
[17]  Wang, G., G. Cao, and T. La Porta, Movement-assisted sensor deployment. Mobile Computing, IEEE Transactions on, 2006. 5(6): pp. 640-652.
[18]  Howard, A., M.J. Matarić, and G.S. Sukhatme, Mobile sensor network deployment using potential fields: A distributed, scalable solution to the area coverage problem, in Distributed Autonomous Robotic Systems 5. 2002, Springer. pp. 299-308.
[19]  Megerian, S., F. Koushanfar, M. Potkonjak, and M.B. Srivastava, Worst and best-case coverage in sensor networks. Mobile Computing, IEEE Transactions on, 2005. 4(1): pp. 84-92.
[20]  Argany, M., M.A. Mostafavi, F. Karimipour, and C. Gagné, A GIS based wireless sensor network coverage estimation and optimization: a Voronoi approach, in Transactions on Computational Science XIV. 2011, Springer. pp. 151-172.
[21]  Huang, Q., Solving an open sensor exposure problem using variational calculus. Washington Univ., Dept. Comput. Sci., St. Louis, MO, Tech. Rep. WUCS-03-1, 2003.
[22]  Meguerdichian, S., S. Slijepcevic, V. Karayan, and M. Potkonjak. Localized algorithms in wireless ad-hoc networks: location discovery and sensor exposure. in Proceedings of the 2nd ACM international symposium on Mobile ad hoc networking & computing. 2001: ACM.
[23]  Gau, R.-H. and Y.-Y. Peng. A dual approach for the worst-case-coverage deployment problem in ad-hoc wireless sensor networks. in Mobile Adhoc and Sensor Systems (MASS), 2006 IEEE International Conference on. 2006: IEEE.
[24]  Ying, T., Z. Shu-Fang, and W. Ying. A distributed protocol for ensuring both probabilistic coverage and connectivity of high density wireless sensor networks. in Wireless Communications and Networking Conference, 2008. WCNC 2008. IEEE. 2008: IEEE.
[25]  Argany, M., M.A. Mostafavi, V. Akbarzadeh, C. Gagné, and R. Yaagoubi, Impact of the Quality of Spatial 3D City Models on Sensor Networks Placement Optimization. GEOMATICA, 2012. 66(4): p. 291-305.