CN119255201B - 城市仿真领域智能设备自组织通讯方法及装置 - Google Patents
城市仿真领域智能设备自组织通讯方法及装置 Download PDFInfo
- Publication number
- CN119255201B CN119255201B CN202411774893.5A CN202411774893A CN119255201B CN 119255201 B CN119255201 B CN 119255201B CN 202411774893 A CN202411774893 A CN 202411774893A CN 119255201 B CN119255201 B CN 119255201B
- Authority
- CN
- China
- Prior art keywords
- internet
- things
- access point
- node
- group
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/06—Selective distribution of broadcast services, e.g. multimedia broadcast multicast service [MBMS]; Services to user groups; One-way selective calling services
- H04W4/08—User group management
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Multimedia (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提出一种城市仿真领域智能设备自组织通讯方法及装置,包括:收集物联网节点和接入点位置数据,聚类划分到不同的群组中;如果群组中没有接入点,则从群组中选择一个最中心的物联网节点作为管理节点;如果群组中有一个接入点,则基于物联网节点与其他物联网节点的距离和、以及与所述归属接入点的距离,选择管理节点;如果群组中有多个接入点,则将每个接入点和选择其作为归属接入点的物联网节点分到同一个分组。本发明能够提高通讯效率,增强网络稳定性,降低能耗。
Description
技术领域
本发明属于城市仿真技术领域,特别是涉及到一种城市仿真领域智能设备自组织通讯方法及装置。
背景技术
在城市仿真领域,作为物联网节点的智能设备的广泛应用极大地提升了信息采集的效率和准确性。然而,这些设备的通讯环境复杂多变,涉及高楼大厦、地下管网、公园绿地等多种地形和建筑,传统的无线通讯方式(如固定基站通讯)往往难以满足所有需求。因此,当前的一种常规做法是通过设备间的自组织网络(如无线传感器网络)来实现通讯。
这种自组织网络通常依赖于设备的地理位置信息和无线信号强度,自动建立和优化通讯链路。设备之间会相互通信,共享位置信息,并根据信号质量选择最优的通讯路径。然而,这种常规做法存在以下几个技术问题:
1.通讯效率低下:在复杂环境中,设备间信号干扰严重,导致通讯质量不稳定,进而影响数据传输的效率和准确性。
2.网络稳定性差:设备间频繁的自组织过程会增加网络的不稳定性,特别是在设备移动或环境变化时,网络拓扑结构容易发生较大变化。
3.能耗较高:频繁的自组织通讯和信号检测会消耗大量能量,降低设备的续航能力。
发明内容
本发明提出一种城市仿真领域智能设备自组织通讯方法及装置,能够提高通讯效率,增强网络稳定性,降低能耗。
为达到上述目的,本发明的技术方案是这样实现的:
一种城市仿真领域智能设备自组织通讯方法,包括:
S1、收集城市仿真领域物联网节点的位置数据以及无线信号的接入点的位置数据,转换作为聚类算法的输入数据;
S2、对所述输入数据进行K均值++算法,获得多个聚类中心;
S3、将所有的物联网节点和接入点,根据所述聚类中心,划分到不同的群组中;
S4、如果群组中没有接入点,则执行步骤S5;如果群组中有一个接入点,则执行步骤S6;如果群组中有多个接入点,则执行步骤S7;
S5、从群组中选择一个最中心的物联网节点作为管理节点,群组中的每个物联网节点从本群组以外的全网接入点中选择最近的接入点作为归属接入点;所述管理节点作为群组的中心,协调物联网节点间的通信,承担数据汇聚与转发的角色,增强群组内的信息流通,优化通信路径;
S6、群组中的每个物联网节点将所述一个接入点选为归属接入点,并基于物联网节点与其他物联网节点的距离和、以及与所述归属接入点的距离,选择管理节点;所述管理节点承担物联网节点与接入点之间的中继作用,作为中转站,实现物联网节点与接入点的通信;
S7、群组中每个物联网节点选择与之最近的接入点作为归属接入点;将每个接入点和选择其作为归属接入点的物联网节点分到同一个分组,从而形成子群组。
进一步的,步骤S5具体包括:
S51,计算群组的中心节点:对于群组中的每个物联网节点,分别计算其与其他物联网节点之间的距离并求和,作为所述物联网节点的中心性评分,选择具有最高中心性评分的物联网节点作为群组的中心节点。
S52,选择归属接入点:对于群组中的每个物联网节点,计算其与全网接入点之间的距离,根据距离选择最近的接入点作为其归属接入点;所述全网接入点为其他群组中的接入点。
进一步的,步骤S6所述管理节点的选择方法包括:
S601、对于群组中每个物联网节点,计算所述物联网节点与其他物联网节点的距离和;
S602、计算每个物联网节点与所述归属接入点的距离;
S603、将每个物联网节点所述与其他物联网节点的距离和、以及与所述归属接入点的距离,以同样的权重计算加权和,作为所述物联网节点的综合距离;
S604、选择综合距离最小的物联网节点作为群组的管理节点。
进一步的,步骤S6所述管理节点的选择方法包括:
S611、对于群组中每个物联网节点,计算所述物联网节点与其他物联网节点的距离和,并设权重为1;
S612、计算每个物联网节点与所述归属接入点的距离,并设权重为10;
S613、将每个物联网节点所述与其他物联网节点的距离和及其权重、以及与所述归属接入点的距离及其权重,计算加权和,作为所述物联网节点的综合距离;
S614、选择综合距离最小的物联网节点作为群组的管理节点。
进一步的,步骤S6所述管理节点的选择方法包括:
S621、对于群组中每个物联网节点,计算所述物联网节点与其他物联网节点的距离和;
S622、选择距离和从小到大的前N个物联网节点作为候选节点;
S623、从所述候选节点中,选择与所述归属接入点的距离最小的候选节点作为群组的管理节点。
本发明另一方面还提出了一种城市仿真领域智能设备自组织通讯装置,包括:
收集模块:收集城市仿真领域物联网节点的位置数据以及无线信号的接入点的位置数据,转换作为聚类算法的输入数据;
聚类中心模块:对所述输入数据进行K均值++算法,获得多个聚类中心;
群组模块:将所有的物联网节点和接入点,根据所述聚类中心,划分到不同的群组中;
判断模块:如果群组中没有接入点,则进入无接入点模块;如果群组中有一个接入点,则进入一接入点模块;如果群组中有多个接入点,则进入多接入点模块;
无接入点模块:从群组中选择一个最中心的物联网节点作为管理节点,群组中的每个物联网节点从本群组以外的全网接入点中选择最近的接入点作为归属接入点;所述管理节点作为群组的中心,协调物联网节点间的通信,承担数据汇聚与转发的角色,增强群组内的信息流通,优化通信路径;
一接入点模块:群组中的每个物联网节点将所述一个接入点选为归属接入点,并基于物联网节点与其他物联网节点的距离和、以及与所述归属接入点的距离,选择管理节点;所述管理节点承担物联网节点与接入点之间的中继作用,作为中转站,实现物联网节点与接入点的通信;
多接入点模块:群组中每个物联网节点选择与之最近的接入点作为归属接入点;将每个接入点和选择其作为归属接入点的物联网节点分到同一个分组,从而形成子群组。
进一步的,所述无接入点模块具体包括:
中心节点单元:对于群组中的每个物联网节点,分别计算其与其他物联网节点之间的距离并求和,作为所述物联网节点的中心性评分,选择具有最高中心性评分的物联网节点作为群组的中心节点。
归属接入点单元:对于群组中的每个物联网节点,计算其与全网接入点之间的距离,根据距离选择最近的接入点作为其归属接入点;所述全网接入点为其他群组中的接入点。
进一步的,所述一接入点模块包括:
距离和单元:对于群组中每个物联网节点,计算所述物联网节点与其他物联网节点的距离和;
接入点距离单元:计算每个物联网节点与所述归属接入点的距离;
综合距离单元:将每个物联网节点所述与其他物联网节点的距离和、以及与所述归属接入点的距离,以同样的权重计算加权和,作为所述物联网节点的综合距离;
管理节点单元:选择综合距离最小的物联网节点作为群组的管理节点。
进一步的,所述一接入点模块包括:
距离和与权重单元:对于群组中每个物联网节点,计算所述物联网节点与其他物联网节点的距离和,并设权重为1;
接入点距离与权重单元:计算每个物联网节点与所述归属接入点的距离,并设权重为10;
加权和单元:将每个物联网节点所述与其他物联网节点的距离和及其权重、以及与所述归属接入点的距离及其权重,计算加权和,作为所述物联网节点的综合距离;
管理节点选择单元:选择综合距离最小的物联网节点作为群组的管理节点。
进一步的,所述一接入点模块包括:
距离和计算单元:对于群组中每个物联网节点,计算所述物联网节点与其他物联网节点的距离和;
候选节点单元:选择距离和从小到大的前N个物联网节点作为候选节点;
选择单元:从所述候选节点中,选择与所述归属接入点的距离最小的候选节点作为群组的管理节点。
本发明提出一种城市仿真领域智能设备自组织通讯方法及装置,能够提高通讯效率,增强网络稳定性,降低能耗。
为达到上述目的,本发明的技术方案是这样实现的:
一种城市仿真领域智能设备自组织通讯方法,包括:
S1、收集城市仿真领域物联网节点的位置数据以及无线信号的接入点的位置数据,转换作为聚类算法的输入数据;
S2、对所述输入数据进行K均值++算法,获得多个聚类中心;
S3、将所有的物联网节点和接入点,根据所述聚类中心,划分到不同的群组中;
S4、如果群组中没有接入点,则执行步骤S5;如果群组中有一个接入点,则执行步骤S6;如果群组中有多个接入点,则执行步骤S7;
S5、从群组中选择一个最中心的物联网节点作为管理节点,群组中的每个物联网节点从本群组以外的全网接入点中选择最近的接入点作为归属接入点;所述管理节点作为群组的中心,协调物联网节点间的通信,承担数据汇聚与转发的角色,增强群组内的信息流通,优化通信路径;
S6、群组中的每个物联网节点将所述一个接入点选为归属接入点,并基于物联网节点与其他物联网节点的距离和、以及与所述归属接入点的距离,选择管理节点;所述管理节点承担物联网节点与接入点之间的中继作用,作为中转站,实现物联网节点与接入点的通信;
S7、群组中每个物联网节点选择与之最近的接入点作为归属接入点;将每个接入点和选择其作为归属接入点的物联网节点分到同一个分组,从而形成子群组。
进一步的,步骤S5具体包括:
S51,计算群组的中心节点:对于群组中的每个物联网节点,分别计算其与其他物联网节点之间的距离并求和,作为所述物联网节点的中心性评分,选择具有最高中心性评分的物联网节点作为群组的中心节点;
S52,选择归属接入点:对于群组中的每个物联网节点,计算其与全网接入点之间的距离,根据距离选择最近的接入点作为其归属接入点;所述全网接入点为其他群组中的接入点。
进一步的,步骤S6所述管理节点的选择方法包括:
S601、对于群组中每个物联网节点,计算所述物联网节点与其他物联网节点的距离和;
S602、计算每个物联网节点与所述归属接入点的距离;
S603、将每个物联网节点所述与其他物联网节点的距离和、以及与所述归属接入点的距离,以同样的权重计算加权和,作为所述物联网节点的综合距离;
S604、选择综合距离最小的物联网节点作为群组的管理节点。
进一步的,步骤S6所述管理节点的选择方法包括:
S611、对于群组中每个物联网节点,计算所述物联网节点与其他物联网节点的距离和,并设权重为1;
S612、计算每个物联网节点与所述归属接入点的距离,并设权重为10;
S613、将每个物联网节点所述与其他物联网节点的距离和及其权重、以及与所述归属接入点的距离及其权重,计算加权和,作为所述物联网节点的综合距离;
S614、选择综合距离最小的物联网节点作为群组的管理节点。
进一步的,步骤S6所述管理节点的选择方法包括:
S621、对于群组中每个物联网节点,计算所述物联网节点与其他物联网节点的距离和;
S622、选择距离和从小到大的前N个物联网节点作为候选节点;
S623、从所述候选节点中,选择与所述归属接入点的距离最小的候选节点作为群组的管理节点。
本发明另一方面还提出了一种城市仿真领域智能设备自组织通讯装置,包括:
收集模块:收集城市仿真领域物联网节点的位置数据以及无线信号的接入点的位置数据,转换作为聚类算法的输入数据;
聚类中心模块:对所述输入数据进行K均值++算法,获得多个聚类中心;
群组模块:将所有的物联网节点和接入点,根据所述聚类中心,划分到不同的群组中;
判断模块:如果群组中没有接入点,则进入无接入点模块;如果群组中有一个接入点,则进入一接入点模块;如果群组中有多个接入点,则进入多接入点模块;
无接入点模块:从群组中选择一个最中心的物联网节点作为管理节点,群组中的每个物联网节点从本群组以外的全网接入点中选择最近的接入点作为归属接入点;所述管理节点作为群组的中心,协调物联网节点间的通信,承担数据汇聚与转发的角色,增强群组内的信息流通,优化通信路径;
一接入点模块:群组中的每个物联网节点将所述一个接入点选为归属接入点,并基于物联网节点与其他物联网节点的距离和、以及与所述归属接入点的距离,选择管理节点;所述管理节点承担物联网节点与接入点之间的中继作用,作为中转站,实现物联网节点与接入点的通信;
多接入点模块:群组中每个物联网节点选择与之最近的接入点作为归属接入点;将每个接入点和选择其作为归属接入点的物联网节点分到同一个分组,从而形成子群组。
进一步的,所述无接入点模块具体包括:
中心节点单元:对于群组中的每个物联网节点,分别计算其与其他物联网节点之间的距离并求和,作为所述物联网节点的中心性评分,选择具有最高中心性评分的物联网节点作为群组的中心节点;
归属接入点单元:对于群组中的每个物联网节点,计算其与全网接入点之间的距离,根据距离选择最近的接入点作为其归属接入点;所述全网接入点为其他群组中的接入点。
进一步的,所述一接入点模块包括:
距离和单元:对于群组中每个物联网节点,计算所述物联网节点与其他物联网节点的距离和;
接入点距离单元:计算每个物联网节点与所述归属接入点的距离;
综合距离单元:将每个物联网节点所述与其他物联网节点的距离和、以及与所述归属接入点的距离,以同样的权重计算加权和,作为所述物联网节点的综合距离;
管理节点单元:选择综合距离最小的物联网节点作为群组的管理节点。
进一步的,所述一接入点模块包括:
距离和与权重单元:对于群组中每个物联网节点,计算所述物联网节点与其他物联网节点的距离和,并设权重为1;
接入点距离与权重单元:计算每个物联网节点与所述归属接入点的距离,并设权重为10;
加权和单元:将每个物联网节点所述与其他物联网节点的距离和及其权重、以及与所述归属接入点的距离及其权重,计算加权和,作为所述物联网节点的综合距离;
管理节点选择单元:选择综合距离最小的物联网节点作为群组的管理节点。
进一步的,所述一接入点模块包括:
距离和计算单元:对于群组中每个物联网节点,计算所述物联网节点与其他物联网节点的距离和;
候选节点单元:选择距离和从小到大的前N个物联网节点作为候选节点;
选择单元:从所述候选节点中,选择与所述归属接入点的距离最小的候选节点作为群组的管理节点。
与现有技术相比,本发明具有如下的有益效果:
1.提高通讯效率:本发明通过接入点聚类,将智能设备划分为多个相对集中的群组,减少了通讯距离和信号干扰,提高了数据传输的效率和准确性。
2.增强网络稳定性:本发明通过管理节点的设置,使群组内的设备和管理节点形成了相对稳定的网络结构,减少了频繁的自组织过程对网络稳定性的影响。
附图说明
图1是本发明实施例的流程示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
为使本发明专利的目的、特征更明显易懂,下面结合附图以及具体实施例对本发明作进一步的说明。
本实施例中实施的城市仿真领域智能设备自组织通讯方法,如图1所示;包括如下步骤:
步骤1:收集物联网节点的位置数据、接入点的位置数据,作为聚类算法的输入。
所述物联网节点,即是指城市仿真领域中物联网网络中的智能设备。
本步骤具体实现方式:
步骤11,数据准备:首先,收集物联网节点和接入点的位置数据。所述位置数据可以是经纬度坐标、地理位置描述或其他可以表示位置信息的形式。确保有足够的数据来代表物联网网络中的物联网节点和网络的接入点(主要是无线网络的接入点)。
步骤12,数据转换:将收集到的位置数据转换成适合聚类算法处理的形式。一种常见的表示方法是将位置数据转换成特征向量形式。例如节点与接入点之间的距离、角度或其他几何属性。将这些特征组织成向量形式,作为后续聚类算法(K均值++算法)的输入数据。
步骤2:进行K均值++算法,获得多个聚类中心。
具体实现:
步骤21,初始化第一个聚类中心:从所有输入数据中随机选择一个作为第一个聚类中心。
步骤22,选择下一个聚类中心:对于每个输入数据,计算它与已选择的聚类中心的最小距离,例如通过欧氏距离计算最小距离,先计算所述输入数据与每个聚类中心之间的欧式距离,然后选择最小距离。
步骤23,权重选择:根据最小距离计算的结果,选择下一个聚类中心。为了增加离先前选择的聚类中心较远的数据点被选为聚类中心的概率,可以使用被称为"K均值++"的加权概率方法。在该方法中,计算每个数据点作为下一个聚类中心的概率,该概率与其与已选择的聚类中心的距离的平方成正比。
步骤24,重复步骤22和步骤23,直到选择出K个聚类中心。
步骤25,聚类中心初始化完成:完成K个聚类中心的选择,这些聚类中心将用作K均值算法的初始中心。
K均值++算法是K均值算法的改进版本,用于更好地选择初始聚类中心。通过使用K均值++算法选择聚类中心,可以提高K均值算法的性能和收敛速度。
具体实现上述步骤时,可以使用编程语言(如Python)和相应的机器学习库(如scikit-learn)来实现K均值++算法。这些库通常提供了聚类算法的实现,包括K均值和K均值++算法。
步骤3:将所有的物联网节点和接入点,划分到聚类群组中。
本步骤以及以下步骤中所述计算,包括距离计算、相似度计算等等,都是使用物联网节点和接入点的位置数据转换的特征向量进行计算,后续不再特别说明。
具体实现:
步骤31,计算距离或相似度:对于每个物联网节点或接入点,计算它与各个聚类中心之间的距离或相似度。距离度量可以使用欧氏距离、曼哈顿距离等,相似度度量可以使用余弦相似度、相关系数等。
步骤32,分配到最近的聚类:将每个物联网节点或接入点分配到与其距离或相似度最近的聚类中心。通常,选择距离或相似度最小的聚类中心作为分配依据。
步骤33,更新聚类中心:根据已经分配到每个聚类中心的物联网节点和接入点,更新聚类中心的位置。可以通过计算每个聚类的平均位置或重新计算聚类中心的方式进行更新。
步骤34,重复迭代:重复执行步32、步骤33和步骤34,直到聚类中心的位置不再发生明显变化或达到预定的迭代次数。
步骤4:如果一个群组中,没有接入点,则执行步骤5;如果只有一个接入点,则执行步骤6;如果有多个接入点,则执行步骤7。
步骤5:从群组中选择一个最中心的物联网节点作为管理节点,群组中的每个物联网节点从全网接入点中选择最近的接入点作为归属接入点。
具体方法:
步骤51,计算群组的中心节点:对于群组中的每个物联网节点,计算它与其他节点之间的距离,可以使用欧氏距离、曼哈顿距离等,将所有节点的距离求和,作为每个物联网节点的中心性评分。选择具有最高中心性评分的物联网节点作为该群组的中心节点。
步骤52,选择归属接入点:对于群组中的每个物联网节点,计算它与全网接入点之间的距离。根据距离选择与每个节点最近的接入点作为其归属接入点。由于本群组没有接入点,所以所述全网接入点是指其他群组中的接入点。
从而,对于没有接入点的群组,将选择一个最中心的物联网节点作为管理节点,并为该群组中的每个物联网节点选择最近的接入点作为归属接入点。
本群组中由于物联网节点都是连接到其他群组的接入点,这些接入点与本群组物联网节点的距离相对较大,无法正常通信的可能性较大,因此需要管理节点。管理节点能作为群组的中心,协调物联网节点间的通信,确保信息有效传递。例如物联网节点与接入点无法通信时,管理节点可以介入,尤其自己或指定其他物联网节点作为中继来完成与接入点的通信。管理节点还能承担数据汇聚与转发的角色,增强群组内的信息流通,提升整体通信效率和稳定性。例如,组内物联网节点之间的通信,现有技术中往往都是要通过接入点来转发,在本发明中则可以由管理节点转发。
步骤6:群组中的每个物联网节点将所述一个接入点选为归属接入点,并从物联网节点中选择管理节点。
从物联网节点中选择管理节点有3种优选实施方法,下面分别进行描述。
方法1:物联网节点与其余所有物联网节点的距离和占50%的参考权重,物联网节点与接入点的距离占50%的参考权重。
具体为:
对于每个物联网节点:
计算该物联网节点与其他物联网节点的距离和:计算方法为计算该物联网节点与群组中其他每个物联网节点的距离,并将所有距离求和。
计算该物联网节点与所述归属接入点的距离。
计算综合距离:将该物联网节点与其他物联网节点的距离和乘以权重因子(50%),将该物联网节点与所述归属接入点的距离乘以权重因子(50%)。计算二者的加权和作为该物联网节点的综合距离。
选择综合距离最小的物联网节点作为该群组的管理节点。
本方法通过均衡考虑物联网节点间及与接入点间的距离,优化通信路径,减少信号干扰,增强网络适应性和稳定性。同时,促进负载均衡,提升整体通信效率。实现简单,易于扩展,适用于不同规模和分布的智能设备网络,为城市规划领域的智能设备自组织通讯提供了高效、可靠的解决方案。
方法2:物联网节点与其余物联网节点的距离和权重是1,物联网节点与接入点的距离权重为10。
具体为:
对于每个物联网节点:
计算该物联网节点与其他物联网节点的距离和:计算方法为计算该物联网节点与群组中其他每个物联网节点的距离,并将所有距离求和,权重设置为1。
计算该物联网节点与所述归属接入点的距离,权重设置为10。
计算二者的加权和作为该物联网节点的综合距离。
选择综合距离最小的物联网节点作为该群组的管理节点。
本方法通过显著提高物联网节点与接入点间距离的权重(10倍于节点间距离),优先确保节点与接入点的紧密连接。这有助于减少通信延迟和信号衰减,提高数据传输的稳定性和效率。同时,方法实现简单,适应性强,能有效优化接入点选择,为智能设备自组织通讯提供稳定可靠的接入服务。
方法3:根据物联网节点与其余物联网节点距离和,算出总和最小的前N个候选节点,从这N个候选节点中选择与接入点距离最小的作为管理节点。
具体为:
对于每个物联网节点:
计算该物联网节点与其他物联网节点的距离和:计算方法为计算该物联网节点与群组中其他每个物联网节点的距离,并将所有距离求和;
选择距离和最小的前N个节点:即从所有节点中选择距离和从最小开始排列的前N个节点作为候选节点。
在候选节点中,选择与所述归属接入点距离最小的那个候选节点作为该群组的管理节点。
本方法通过先选出与其他节点距离和最小的前N个节点作为候选,再从候选节点中选择与归属接入点距离最近的节点作为管理节点,实现了局部最优与全局最优的结合。此方法有助于在降低节点间通信成本的同时,确保节点与接入点的紧密连接,提高通信效率和网络稳定性。此外,方法灵活性强,可根据网络规模调整N值,适用于不同规模的网络。
通过步骤6中的三种方法中任一种,可以选择出只有一个接入点的群组的管理节点。由于只有一个接入点情况下,确实存在这一个接入点无法直接有效地服务群组中所有物联网节点的可能性,特别是当接入点位置偏远或信号覆盖范围有限时。因此,选择一个合适的管理节点作为中继,可以确保物联网节点与接入点之间的通信顺畅,提高通信效率和稳定性。所述管理节点作为中继,是指管理节点不仅承担物联网节点的常规功能,还额外承担了物联网节点与接入点之间的中继作用。这意味着如果物联网节点与接入点之间的直接连接出现问题(如信号弱、干扰等),管理节点可以作为一个中转站,帮助物联网节点将数据转发给接入点,确保数据的连续性和完整性。另外所述管理节点还负责组内物联网节点之间的相互通信的管理。
上述方法中提到的管理节点选择方法(如中心性评分、综合距离计算等)都是为了在这种情况下找到最优的管理节点。
步骤7:每个物联网节点选择与之最近的接入点作为归属接入点;将每个接入点和选择其作为归属接入点的物联网节点分到同一个分组,从而形成子群组。
具体实现方法:
选择最近的归属接入点:对于每个物联网节点,计算它与群组中所有接入点之间的距离。选择距离最近的接入点作为该节点的归属接入点。
分割群组为子群组:根据每个节点的归属接入点,将群组分割为多个子群组。将具有相同归属接入点的节点放在同一个子群组中。
当群组中存在多个接入点时,每个接入点都有能力为周围的物联网节点提供服务,从而降低了单一接入点故障导致的通信中断风险。在这种情况下,物联网节点可以直接选择与其最近的接入点作为归属接入点,而不需要额外的管理节点来承担中继任务。只需要划分出合理的子群组即可。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种城市仿真领域智能设备自组织通讯方法,其特征在于,包括:
S1、收集城市仿真领域物联网节点的位置数据以及无线信号的接入点的位置数据,转换作为聚类算法的输入数据;
S2、对所述输入数据进行K均值++算法,获得多个聚类中心;
S3、将所有的物联网节点和接入点,根据所述聚类中心,划分到不同的群组中;
S4、如果群组中没有接入点,则执行步骤S5;如果群组中有一个接入点,则执行步骤S6;如果群组中有多个接入点,则执行步骤S7;
S5、从群组中选择一个最中心的物联网节点作为管理节点,群组中的每个物联网节点从本群组以外的全网接入点中选择最近的接入点作为归属接入点;所述管理节点作为群组的中心,协调物联网节点间的通信,承担数据汇聚与转发的角色,增强群组内的信息流通,优化通信路径;
S6、群组中的每个物联网节点将所述一个接入点选为归属接入点,并基于物联网节点与其他物联网节点的距离和、以及与所述归属接入点的距离,选择管理节点;所述管理节点承担物联网节点与接入点之间的中继作用,作为中转站,实现物联网节点与接入点的通信;
S7、群组中每个物联网节点选择与之最近的接入点作为归属接入点;将每个接入点和选择其作为归属接入点的物联网节点分到同一个分组,从而形成子群组。
2.根据权利要求1所述的城市仿真领域智能设备自组织通讯方法,其特征在于,步骤S5具体包括:
S51,计算群组的中心节点:对于群组中的每个物联网节点,分别计算其与其他物联网节点之间的距离并求和,作为所述物联网节点的中心性评分,选择具有最高中心性评分的物联网节点作为群组的中心节点;
S52,选择归属接入点:对于群组中的每个物联网节点,计算其与全网接入点之间的距离,根据距离选择最近的接入点作为其归属接入点;所述全网接入点为其他群组中的接入点。
3.根据权利要求1所述的城市仿真领域智能设备自组织通讯方法,其特征在于,步骤S6所述管理节点的选择方法包括:
S601、对于群组中每个物联网节点,计算所述物联网节点与其他物联网节点的距离和;
S602、计算每个物联网节点与所述归属接入点的距离;
S603、将每个物联网节点所述与其他物联网节点的距离和、以及与所述归属接入点的距离,以同样的权重计算加权和,作为所述物联网节点的综合距离;
S604、选择综合距离最小的物联网节点作为群组的管理节点。
4.根据权利要求1所述的城市仿真领域智能设备自组织通讯方法,其特征在于,步骤S6所述管理节点的选择方法包括:
S611、对于群组中每个物联网节点,计算所述物联网节点与其他物联网节点的距离和,并设权重为1;
S612、计算每个物联网节点与所述归属接入点的距离,并设权重为10;
S613、将每个物联网节点所述与其他物联网节点的距离和及其权重、以及与所述归属接入点的距离及其权重,计算加权和,作为所述物联网节点的综合距离;
S614、选择综合距离最小的物联网节点作为群组的管理节点。
5.根据权利要求1所述的城市仿真领域智能设备自组织通讯方法,其特征在于,步骤S6所述管理节点的选择方法包括:
S621、对于群组中每个物联网节点,计算所述物联网节点与其他物联网节点的距离和;
S622、选择距离和从小到大的前N个物联网节点作为候选节点;
S623、从所述候选节点中,选择与所述归属接入点的距离最小的候选节点作为群组的管理节点。
6.一种城市仿真领域智能设备自组织通讯装置,其特征在于,包括:
收集模块:收集城市仿真领域物联网节点的位置数据以及无线信号的接入点的位置数据,转换作为聚类算法的输入数据;
聚类中心模块:对所述输入数据进行K均值++算法,获得多个聚类中心;
群组模块:将所有的物联网节点和接入点,根据所述聚类中心,划分到不同的群组中;
判断模块:如果群组中没有接入点,则进入无接入点模块;如果群组中有一个接入点,则进入一接入点模块;如果群组中有多个接入点,则进入多接入点模块;
无接入点模块:从群组中选择一个最中心的物联网节点作为管理节点,群组中的每个物联网节点从本群组以外的全网接入点中选择最近的接入点作为归属接入点;所述管理节点作为群组的中心,协调物联网节点间的通信,承担数据汇聚与转发的角色,增强群组内的信息流通,优化通信路径;
一接入点模块:群组中的每个物联网节点将所述一个接入点选为归属接入点,并基于物联网节点与其他物联网节点的距离和、以及与所述归属接入点的距离,选择管理节点;所述管理节点承担物联网节点与接入点之间的中继作用,作为中转站,实现物联网节点与接入点的通信;
多接入点模块:群组中每个物联网节点选择与之最近的接入点作为归属接入点;将每个接入点和选择其作为归属接入点的物联网节点分到同一个分组,从而形成子群组。
7.根据权利要求6所述的城市仿真领域智能设备自组织通讯装置,其特征在于,所述无接入点模块具体包括:
中心节点单元:对于群组中的每个物联网节点,分别计算其与其他物联网节点之间的距离并求和,作为所述物联网节点的中心性评分,选择具有最高中心性评分的物联网节点作为群组的中心节点;
归属接入点单元:对于群组中的每个物联网节点,计算其与全网接入点之间的距离,根据距离选择最近的接入点作为其归属接入点;所述全网接入点为其他群组中的接入点。
8.根据权利要求6所述的城市仿真领域智能设备自组织通讯装置,其特征在于,所述一接入点模块包括:
距离和单元:对于群组中每个物联网节点,计算所述物联网节点与其他物联网节点的距离和;
接入点距离单元:计算每个物联网节点与所述归属接入点的距离;
综合距离单元:将每个物联网节点所述与其他物联网节点的距离和、以及与所述归属接入点的距离,以同样的权重计算加权和,作为所述物联网节点的综合距离;
管理节点单元:选择综合距离最小的物联网节点作为群组的管理节点。
9.根据权利要求6所述的城市仿真领域智能设备自组织通讯装置,其特征在于,所述一接入点模块包括:
距离和与权重单元:对于群组中每个物联网节点,计算所述物联网节点与其他物联网节点的距离和,并设权重为1;
接入点距离与权重单元:计算每个物联网节点与所述归属接入点的距离,并设权重为10;
加权和单元:将每个物联网节点所述与其他物联网节点的距离和及其权重、以及与所述归属接入点的距离及其权重,计算加权和,作为所述物联网节点的综合距离;
管理节点选择单元:选择综合距离最小的物联网节点作为群组的管理节点。
10.根据权利要求6所述的城市仿真领域智能设备自组织通讯装置,其特征在于,所述一接入点模块包括:
距离和计算单元:对于群组中每个物联网节点,计算所述物联网节点与其他物联网节点的距离和;
候选节点单元:选择距离和从小到大的前N个物联网节点作为候选节点;
选择单元:从所述候选节点中,选择与所述归属接入点的距离最小的候选节点作为群组的管理节点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411774893.5A CN119255201B (zh) | 2024-12-05 | 2024-12-05 | 城市仿真领域智能设备自组织通讯方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411774893.5A CN119255201B (zh) | 2024-12-05 | 2024-12-05 | 城市仿真领域智能设备自组织通讯方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN119255201A CN119255201A (zh) | 2025-01-03 |
| CN119255201B true CN119255201B (zh) | 2025-03-04 |
Family
ID=94018731
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202411774893.5A Active CN119255201B (zh) | 2024-12-05 | 2024-12-05 | 城市仿真领域智能设备自组织通讯方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN119255201B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104053175A (zh) * | 2014-06-17 | 2014-09-17 | 安徽理工大学 | 一种物联网感知层拓扑控制方法 |
| CN110072194A (zh) * | 2018-01-22 | 2019-07-30 | 海能达通信股份有限公司 | 一种业务调度方法、装置及无中心节点的集群系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107360215A (zh) * | 2017-06-21 | 2017-11-17 | 深圳市盛路物联通讯技术有限公司 | 一种物联网中基于地理位置的数据上报控制方法及系统 |
| EP3783952A1 (en) * | 2019-08-20 | 2021-02-24 | Mitsubishi Electric R&D Centre Europe B.V. | Method for providing network orchestration for industrial communication system |
| CN119045355A (zh) * | 2024-08-21 | 2024-11-29 | 广东科技学院 | 一种基于大数据的智慧农业物联网数据采集与控制系统 |
-
2024
- 2024-12-05 CN CN202411774893.5A patent/CN119255201B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104053175A (zh) * | 2014-06-17 | 2014-09-17 | 安徽理工大学 | 一种物联网感知层拓扑控制方法 |
| CN110072194A (zh) * | 2018-01-22 | 2019-07-30 | 海能达通信股份有限公司 | 一种业务调度方法、装置及无中心节点的集群系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN119255201A (zh) | 2025-01-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Elbakly et al. | A robust zero-calibration RF-based localization system for realistic environments | |
| CN101873607B (zh) | Wlan室内分步式rd-anfis定位方法 | |
| CN103237291B (zh) | 移动终端的整合定位方法和信息服务主动推荐方法 | |
| CN102325369B (zh) | 基于参考点位置优化的wlan室内单源线性wknn定位方法 | |
| CN108415048B (zh) | 基于空间聚类的大规模网络rtk定位方法及系统 | |
| CN109743741A (zh) | 无线路由器部署方法、装置、存储介质及电子设备 | |
| CN110351754A (zh) | 基于Q-learning的工业互联网机器设备用户数据计算卸载决策方法 | |
| CN102547918A (zh) | 一种基于非测距的无线传感网三维节点定位方法 | |
| JP2018521311A (ja) | 人工ニューラルネットワークの測位性能を改善するための方法および装置 | |
| CN111510957B (zh) | 基于多目标约束优化的移动边缘服务器坐标定位方法 | |
| Wu et al. | A Hybrid Mobile Node Localization Algorithm Based on Adaptive MCB‐PSO Approach in Wireless Sensor Networks | |
| CN110798851B (zh) | 无线异构网络的能量效率和负载均衡的联合优化方法 | |
| Wang et al. | Improved DV-Hop based on parallel and compact whale optimization algorithm for localization in wireless sensor networks | |
| CN106792764B (zh) | 一种配电终端通信接入网无线基站规划方法 | |
| CN111225353B (zh) | 一种基于虚拟小区与宏小区协作的室内定位系统及方法 | |
| CN109714382A (zh) | 一种非平衡边缘云mec系统的多用户多任务迁移决策方法 | |
| CN116321189B (zh) | 一种面向边缘计算中基于深度强化学习的服务器部署方法 | |
| CN111918337A (zh) | 一种业务负载均衡的无人机基站最优部署方法 | |
| CN106954187A (zh) | 一种基于异构网络的室内定位方法 | |
| Mohanta et al. | A three-dimensional wireless sensor network with an improved localization algorithm based on orthogonal learning class topper optimization | |
| Cao et al. | DV-Hop based localization algorithm using node negotiation and multiple communication radii for wireless sensor network | |
| CN119255201B (zh) | 城市仿真领域智能设备自组织通讯方法及装置 | |
| CN105554771A (zh) | 基于密集分布的毫微微用户资源分配方法 | |
| CN117676462A (zh) | 一种融合Wi-Fi和蓝牙的双三角定位方法 | |
| CN108990148B (zh) | 面向室内协作定位的参考点选择方法 |
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 |