基于数据价值动态估计的无线传感网移动sink数据收集方法

摘要

本发明公开了基于数据价值动态估计的无线传感网移动sink数据收集方法，属于传感器网络领域。所述发明包括构建包括结合所述历史数据构建数据空间分布图，根据所述数据空间分布图，确定对所述感知网络中所述感知节点的数据收集顺序，令所述sink节点按照所述数据收集顺序完成对所述感知网络中所述感知节点的数据收集。通过构建数据空间分布图将数据的时空相关性纳入sink节点进行数据收集的考虑因素，从而避免了采集到的数据具有较大的相似性导致后期不能得到客观结果的可能性，减少对网络资源的浪费，延长了网络的声明周期。

说明书

技术领域

本发明属于传感器网络领域，特别涉及基于数据价值动态估计的无线传感 网移动sink数据收集方法。

背景技术

无线传感器网络现在广泛的应用于环境监测，水下监控，野生动物保护， 建筑健康状况监测以及大型古遗址的监测报告。其中数据收集是这些应用最重 要的任务之一。利用无线传感器网络对野外大型土遗址进行长时间的监测与一 般的通用场景相比有着很大的区别。首先野外大型土遗址一般生存于远离城市 的地区，具有覆盖范围大，地理环境复杂的特点。如果利用基于multi-hopforward 的方法容易造成能量空洞，从而使得大大缩短网络的生命周期。其次大型土遗 址覆盖范围大，地理环境复杂并且为了避免二次破坏，节点都采用无人机部署， 因此很难保证节点之间的连通性。

已有的针对无线传感器网中基于移动sink的数据收集方法的研究主要有：

R.Shah等人提出一种基于三层架构的移动sink数据收集方法，将采集节点 作为第一层，将sink节点作为第二层，将数据接收设备作为第三层。sink节点 按照既定的移动方式在网络中移动并收集节点的数据，并将数据传送给数据收 集设备。

R.Sugihara等人提出通过合理的控制sink节点的移动速度降低了数据收集 的延迟。

L.He等人将sink节点收集数据的过程抽象成一个TSPN问题并且提出一种 启发式算法CSS，大大缩短了sink节点的数据收集延迟。

L.He,Y.Zhuang等人将移动sink的数据收集过程抽象成为一个,M/G/1队列 系统，通过研究这个队列系统的平均队长和服务时间的分布情况来调整队列系 统的工作方式从而算短sink节点的数据收集延迟。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：

针对移动sink的数据研究大都侧重与研究如何减少sink节点的数据收集延 迟，但是在收集数据的时候没有考虑到数据的时空相关性，所以导致采集到的 数据具有较大的相似性，所以浪费了网络资源从而缩短了网络的声明周期。

发明内容

为了解决现有技术的问题，本发明提供了基于数据价值动态估计的无线传 感网移动sink数据收集方法，所述基于数据价值动态估计的无线传感网移动sink 数据收集方法，包括：

构建包括感知节点和服务器站点的感知网络，确定所述感知网络中所述感 知节点的位置信息，收集所述感知网络在预设时间内的历史数据；

令sink节点根据所述感知节点的位置信息对所述感知节点进行排序，根据 所述排序结果依次对所述感知节点进行感知检测；

确定数据感知精度，结合所述历史数据构建数据空间分布图；

令所述sink节点根据所述数据空间分布图，确定对所述感知网络中所述感 知节点的数据收集顺序；

令所述sink节点按照所述数据收集顺序完成对所述感知网络中所述感知节 点的数据收集。

可选的，所述构建包括感知节点和服务器站点的感知网络，确定所述感知 网络中所述感知节点的位置信息，包括：

构建包括感知节点和服务器站点的感知网络；

获取所述服务器站点的第一绝对位置信息以及所述感知网络中全部所述感 知节点的第二绝对位置信息；

收集所述感知网络中所述感知节点在预设时间内的历史数据。

可选的，所述令sink节点根据所述感知节点的位置信息对所述感知节点进 行排序，根据所述排序结果依次对所述感知节点进行感知检测，包括：

步骤一，获取全部所述感知节点与所述服务器站点的欧式距离，根据所述 欧式距离从小到大的顺序对所述全部感知节点进行排序；

步骤二，关闭所述全部感知节点的电源，并且将所述全部感知节点置于未 被监测状态，令sink节点置于所述服务器站点处；

步骤三，打开最小欧式距离对应的感知节点n_i的电源，令所述最小欧式距 离对应的感知节点n_i向所述sink节点发送控制测试数据包；

步骤四，如果所述sink节点接收到所述控制测试数据包后，向感知节点n_i发 送确认信息，并将所述感知节点n_i的发送功率设置为所述感知节点n_i的请求发 射功率，关闭所述感知节点n_i的电源，将所述感知节点n_i标记为已检测；

步骤五，如果所述感知节点n_i在误差允许时间内没有收到所述sink节点发 送的确认信息，则将所述感知节点n_i的发射功率置于最大值，如果所述感知节 点n_i的所述发射功率已经为最大值，则将所述感知节点n_i标记为已检测，对感 知节点n_i+1重复步骤四；

步骤六，当所述感知网络中全部所述感知节点均被标记为已检测后，设置 所述感知节点的数据发送功率。

可选的，所述确定数据感知精度，结合所述历史数据构建数据空间分布图， 包括：

确定数据感知精度的范围，在所述历史数据中随机选取样本数据，以所述 样本数据的采集地点为原点建立第一二维平面坐标系；

在所述历史数据中选取与所述样本数据的采集时间小于预设范围内的全部 数据，令所述全部数据构成第一数据集合，将所述第一数据集合中的数据标记 为未遍历；

从所述第一数据集合中选取随机数据，确定所述随机数据与样本数据的相 似度，根据所述随机数据的采集位置将所述相似度标记在所述二维平面坐标系 中，并将所述随机数据标记为已遍历；

检测到所述第一数据集合中全部数据均标记为已遍历后，获取数据相似度 精度要求向量，设置初始精度为100％，从所述相似度精度要求向量中选取第q 个数值，设置第一相似度要求范围为在所述第一二维平面坐标系 内选出相似度在中的第二数据，在所述第二数据中选取与所述样本 数据欧式距离最大的第三数据，以所述样本数据的采集地点为圆心，以所述第 三数据采集地点与所述样本数据采集地点之间的欧式距离为半径画圆，所述圆 与相邻圆之间的圆环即为相似度的数据空间分布图；

检测与所述数据相似度向量对应的数据的遍历结果，当所述数据已经全部 遍历后，则得到一定数据采集时间间隔的数据相似度空间分布图。

可选的，所述令所述sink节点根据所述数据空间分布图，确定对所述感知 网络中所述感知节点的数据收集顺序，包括：

令待发送数据的感知节点向所述sink节点发送数据收集请求控制指令；

所述sink节点接收到所述控制指令后，当所述sink节点的任务队列为空时， 则根据所述感知网络中所述感知节点的位置信息，向距离最近的感知节点移动， 当所述sink节点的任务队列不为空时，则从所述任务队列中选取一控制指令， 获取所述控制指令中的待处理数据信息；

所述sink节点从自身的感知数据库中选取数据，结合所述待处理数据信息 获取所述数据与所述待处理数据的时间间隔；

在所述数据空间分布图中选取与所述时间间隔相同的数据相似度空间分布 图，在所述数据相似度空间分布图中建立第二二维平面坐标系，在所述第二二 维平面坐标系中画出时间间隔等于所述数据与所述待处理数据的时间间隔的数 据相似度空间分布图，在所述第二二维平面坐标系中确定与所述数据收集请求 控制指令对应的数据的感知范围，确定所述感知范围与所述数据相似度分布图 的相交区域，获取所述相交区域的面积；

确定与所述数据收集请求控制指令对应的数据与所述感知数据库中所有数 据的相似性，获取所述数据收集请求控制指令的信息增益；

将全部所述控制指令对应的信息增益从小到大进行排序，将最大信息增益 对应的控制指令对应的感知节点作为所述sink节点前往的目的地。

可选的，所述sink节点接收到所述控制指令后，还包括：

计算所述控制指令中的校验和；

如果所述校验和与所述控制指令中的校验值不同，则丢弃所述控制指令， 如果所述校验和与所述控制指令中的校验值相等，则将所述控制指令添加到所 述sink节点的任务队列中；

令所述sink节点获取自身的最大航行之间，如果所述最大航行时间不大于 所述当前位置与所述服务站之间的距离，则向所述服务器站点返航；如果所述 最大航行时间大于当前位置与所述服务器站点之间的距离，则进行后续处理。

本发明提供的技术方案带来的有益效果是：

通过构建数据空间分布图将数据的时空相关性纳入sink节点进行数据收集 的考虑因素，从而避免了采集到的数据具有较大的相似性导致后期不能得到客 观结果的可能性，减少对网络资源的浪费，延长了网络的声明周期。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用 的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实 施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。

图1是本发明提供的基于数据价值动态估计的无线传感网移动sink数据收 集方法的流程示意图；

图2是本发明提供的数据相似度空间分布图；

图3是本发明提供的控制包结构图；

图4是本发明提供的数据采集点在相似区域环形外示意图；

图5是本发明提供的数据采集点在相似区域环形外几何图；

图6是本发明提供的数据采集点在相似区域环形内示意图；

图7是本发明提供的数据采集点在相似区域环形内几何图；

图8是本发明提供的对比试验的平均数据价值的示意图；

图9是本发明提供的对比试验的总数据价值的示意图。

具体实施方式

为使本发明的结构和优点更加清楚，下面将结合附图对本发明的结构作进 一步地描述。

实施例一

本发明提供了基于数据价值动态估计的无线传感网移动sink数据收集方法， 所述基于数据价值动态估计的无线传感网移动sink数据收集方法，如图1所示， 包括：

11、构建包括感知节点和服务器站点的感知网络，确定所述感知网络中所 述感知节点的位置信息，收集所述感知网络在预设时间内的历史数据；

12、令sink节点根据所述感知节点的位置信息对所述感知节点进行排序， 根据所述排序结果依次对所述感知节点进行感知检测；

13、确定数据感知精度，结合所述历史数据构建数据空间分布图；

14、令所述sink节点根据所述数据空间分布图，确定对所述感知网络中所 述感知节点的数据收集顺序；

15、令所述sink节点按照所述数据收集顺序完成对所述感知网络中所述感 知节点的数据收集。

当前在无线传感器网的相关研究中，使用sink节点对一定范围内的数据进 行移动手机的方法是主要的研究方向，但是在数据收集上，还存在一定的缺陷， 即如果照顾数据收集的全面性时，收集到的数据会存在较大的相关性，使得后 期研究意义不大。为了解决上述问题，本方案提出了基于数据价值动态估计的 无线传感网移动sink数据收集方法，具体方案如下：

首先，构建包括有服务器站点和感知节点的感知网络，确定该感知网络中 全部节点的相关位置信息，并且收集该感知网络中一定时间内的数据作为历史 数据以便后续使用。

其次，令sink节点根据已经确定的感知节点的位置信息进行一个大致的排 序，并按该排序结果对感知网络中的感知节点进行检测，以便对某些不能正常 进行数据收发的感知节点进行检测状态标记以及发射功率模式的调整，从而为 后续的数据接收做好准备。

接着，根据本次数据收集的需求，确定数据感知精度，并结合历史数据构 建数据空间分布图。

再次，令sink节点根据已建立的数据空间分布图，结合感知网络中感知节 点的相关度确定最佳的数据收集顺序。

最后，根据确定的数据收集顺序，进行感知网络中感知节点的数据收集。

本发明提供了基于数据价值动态估计的无线传感网移动sink数据收集方法， 包括构建包括结合所述历史数据构建数据空间分布图，根据所述数据空间分布 图，确定对所述感知网络中所述感知节点的数据收集顺序，令所述sink节点按 照所述数据收集顺序完成对所述感知网络中所述感知节点的数据收集。通过构 建数据空间分布图将数据的时空相关性纳入sink节点进行数据收集的考虑因素， 从而避免了采集到的数据具有较大的相似性导致后期不能得到客观结果的可能 性，减少对网络资源的浪费，延长了网络的声明周期。

可选的，所述构建包括感知节点和服务器站点的感知网络，确定所述感知 网络中所述感知节点的位置信息，即步骤11包括：

构建包括感知节点和服务器站点的感知网络；

获取所述服务器站点的第一绝对位置信息以及所述感知网络中全部所述感 知节点的第二绝对位置信息；

收集所述感知网络中所述感知节点在预设时间内的历史数据。

在实施中，服务器站点在感知网络中的位置记为：P_sta，以P_sta为原点以正 北方向为x轴正方向，以正东方向为y轴正方向建立二维平面坐标系Γ。以P_sta为 圆心，以为半径在Γ上划分出一块区域记为：由内所有的感 知节点所组成的网络记为所代表的就是本技术方案所讨论的网 络，也就是单sink节点收集数据的网络范围。

利用GPS测量服务器站点位置的绝对位置，并将其存入到sink节点的数据 库中。标记出网络中所有的感知节点，然后利用GPS获取网络中每个感 知节点的空间绝对位置信息，最后感知节点以及其相对应的空间位置信息存储 在sink节点的数据库中。

通过上述步骤完成了感知网络的构建，并且获取其中节点的位置关系以便 后续步骤使用。

可选的，所述令sink节点根据所述感知节点的位置信息对所述感知节点进 行排序，根据所述排序结果依次对所述感知节点进行感知检测，包括：

步骤一，获取全部所述感知节点与所述服务器站点的欧式距离，根据所述 欧式距离从小到大的顺序对所述全部感知节点进行排序；

步骤二，关闭所述全部感知节点的电源，并且将所述全部感知节点置于未 被监测状态，令sink节点置于所述服务器站点处；

步骤三，打开最小欧式距离对应的感知节点n_i的电源，令所述最小欧式距 离对应的感知节点n_i向所述sink节点发送控制测试数据包；

步骤四，如果所述sink节点接收到所述控制测试数据包后，向感知节点n_i发 送确认信息，并将所述感知节点n_i的发送功率设置为所述感知节点n_i的请求发 射功率，关闭所述感知节点n_i的电源，将所述感知节点n_i标记为已检测；

步骤五，如果所述感知节点n_i在误差允许时间内没有收到所述sink节点发 送的确认信息，则将所述感知节点n_i的发射功率置于最大值，如果所述感知节 点n_i的所述发射功率已经为最大值，则将所述感知节点n_i标记为已检测，对感 知节点n_i+1重复步骤四；

步骤六，当所述感知网络中全部所述感知节点均被标记为已检测后，设置 所述感知节点的数据发送功率。

在实施中，为了使得sink节点能够对感知网络中的感知节点进行排序，需 要根据前一步获取的每个感知节点的据对位置信息以及服务器站点的绝对位置 信息进行计算，以便获取网络中所有感知节点到服务站的欧式距离，进而 根据上述欧式距离从小到大的顺序对感知节点进行编号，设网络中共有m 个感知节点。则在二维空间范围内距离服务站最近的感知节点其编号将设为1， 距离服务器站点最远的感知节点其编号为m，同时利用n_i来唯一的标记一个感 知节点其中i为感知节点的节点号，i＝1,2,3....,m。

在排序完成后，关闭全部感知节点的电源，将全部感知节点置于未被检测 状态，打开所有未被检测的感知节点中节点号最小的感知节点n_i的电源。并调 整此节点的发送功率，使其以调整后的功率发送控制测试数据包给sink节点，

如果sink节点收到了感知节点n_i发送来的控制测试数据包，会向n_i发送确 认信息。如果感知节点n_i收到了移动sink发回来的确认信息，首先记录此时感 知节点n_i的发射功率并设置感知节点n_i的请求模式发射功率为然 后关掉节点n_i的电源，最后把节点n_i设置为已经被检测。如果相反，感知节点n_i在误差允许时间RTT+θ内没有收到sink节点发送的确认信息，则将该感知节点 的发射功率调整为最大发射功率状态。如果此时感知节点已处于最大发生功率 状态，则将该感知节点标记为已检测，同时令i++。其中RTT为数据包的平均往 返时间，θ为sink节点接收到一条控制测试数据包，到处理完这条控制测试包 所用的平均时间。

如果网络中所有感知节点都已经标记为已被遍历的节点后，则查看感 知节点的说明书，得到感知节点的数据通信范围R_data，以及相应的发射功率 然后设置感知节点的数据发送功率为数据通信范围以及其相应的 发射功率这个一般在节点的说明书中可以得到。因为数据通信范围是每个节点 在出厂的时候都测试得到的。这个时候节点的工作功率一般较小并且工作也比 较稳定是节点的正常工作功率。*表示的是所有感知节点，也就是会所所有感 知节点的发生功率都一样，这个是假设网络中用的是同一批节点(这个也是日 常最常用的，为了避免不同节点的差异性给网络设置带来不必要的麻烦)。

通过上述调整，使得整个感知网络中全部感知节点的发射功率都能够被sink 节点接收的状态，降低后续步骤中出现感知节点丢失或是不能与sink节点进行 通信的可能性。

可选的，所述确定数据感知精度，结合所述历史数据构建数据空间分布图， 包括：

确定数据感知精度的范围，在所述历史数据中随机选取样本数据，以所述 样本数据的采集地点为原点建立第一二维平面坐标系；

在所述历史数据中选取与所述样本数据的采集时间小于预设范围内的全部 数据，令所述全部数据构成第一数据集合，将所述第一数据集合中的数据标记 为未遍历；

从所述第一数据集合中选取随机数据，确定所述随机数据与样本数据的相 似度，根据所述随机数据的采集位置将所述相似度标记在所述二维平面坐标系 中，并将所述随机数据标记为已遍历；

检测到所述第一数据集合中全部数据均标记为已遍历后，获取数据相似度 精度要求向量，设置初始精度为100％，从所述相似度精度要求向量中选取第q 个数值，设置第一相似度要求范围为在所述第一二维平面坐标系 内选出相似度在中的第二数据，在所述第二数据中选取与所述样本 数据欧式距离最大的第三数据，以所述样本数据的采集地点为圆心，以所述第 三数据采集地点与所述样本数据采集地点之间的欧式距离为半径画圆，所述圆 与相邻圆之间的圆环即为相似度的数据空间分布图；

检测与所述数据相似度向量对应的数据的遍历结果，当所述数据已经全部 遍历后，则得到一定数据采集时间间隔的数据相似度空间分布图。

在实施中，获得本应用的精度要求范围[a,b]，应用的精度范围是使用这个 方法的应用提供的，也是一般的应用都会提供的参数，其实就是表示误差范围。 在历史数据数据中随意找一条数据d_i,t，其中i表示这条数据由节点n_i采集，t表 示这条数据的采集时间。

以数据d_i,t的采集地点为圆心，以正北方向为x轴，以正东方向为y轴， 建立第一二维平面坐标系这里设置迭代次数j＝1。在已有的历史数据中找 与数据d_i,t的采集时间相差在预设Δt×j范围内的所有数据，设这些数据组成集 合一个数据集合记为A，并标记A中所有数据为未被遍历的数据。

取出A中的任意一条数据d_α,β，利用公式来计算d_α,β与d_i,t之 间的相似度，然后根据d_α,β的采集位置将d_α,β与d_i,t的相似度标记在中，最后 将d_α,β标记为已遍历的数据。

判断A中数据是否已经被标记为已被遍历后，确定应用的数据相似度精度 要求设置初始精度s_init＝100％。设置当前相似度精度要求序号q＝0。取 出相似度精度要求向量中第q个数值，设置当前相似度要求范围为先在第一二维坐标系中找到相似度在范围中的第二数据，然后找 出这些数据中距离d_i,t空间距离最大的数据作为第三数据，以第三数据和数据 d_i,t之间的欧式距离为半径以为圆心画圆，并将此圆记为c_q，由c_q与c_q-1其 中q≠0。所确定的圆环就是相似度为的数据空间分布图。

设置相似度要求序号:q＝q+1，判断中的数据是否已经全部遍历完，则 得到了数据采集时间间隔为Δt×j的数据相似度空间分布图，如图2所示。

令迭代次数j＝j+1，判断感知数据数据库中是否存在与数据d_i,t的采集时 间相差在Δt×j范围内的数据，如果全部遍历完成后则完成了基于时间划分的数 据相似度空间分布图。

本步骤通过基于数据相似度将多组数据对应的感知节点在二维坐标系中进 行标记，并且将不同采集时间间隔的数据绘制成同心圆的形状，从而便于后续 步骤中sink节点能够根据数据的相似度做为选取感知节点的权重，从而选取处 最佳数据采集路线。

可选的，所述令所述sink节点根据所述数据空间分布图，确定对所述感知 网络中所述感知节点的数据收集顺序，包括：

令待发送数据的感知节点向所述sink节点发送数据收集请求控制指令；

所述sink节点接收到所述控制指令后，当所述sink节点的任务队列为空时， 则根据所述感知网络中所述感知节点的位置信息，向距离最近的感知节点移动， 当所述sink节点的任务队列不为空时，则从所述任务队列中选取一控制指令， 获取所述控制指令中的待处理数据信息；

所述sink节点从自身的感知数据库中选取数据，结合所述待处理数据信息 获取所述数据与所述待处理数据的时间间隔；

在所述数据空间分布图中选取与所述时间间隔相同的数据相似度空间分布 图，在所述数据相似度空间分布图中建立第二二维平面坐标系，在所述第二二 维平面坐标系中画出时间间隔等于所述数据与所述待处理数据的时间间隔的数 据相似度空间分布图，在所述第二二维平面坐标系中确定与所述数据收集请求 控制指令对应的数据的感知范围，确定所述感知范围与所述数据相似度分布图 的相交区域，获取所述相交区域的面积；

确定与所述数据收集请求控制指令对应的数据与所述感知数据库中所有数 据的相似性，获取所述数据收集请求控制指令的信息增益；

将全部所述控制指令对应的信息增益从小到大进行排序，将最大信息增益 对应的控制指令对应的感知节点作为所述sink节点前往的目的地。

在实施中，当感知节点n_i如果有数据d_i,t要向sink节点发送时，则调整该感 知节点的工作模式为请求模式，调整发射功率为给sink节点发送数据收集 请求的控制包con_i,t，其中i表示此条控制包的结构如图3所示，控制包的内容 包括此条数据的采集时间DataTime字段，表示采集地点的source字段，表示 感知范围的SR字段，以及本条数据的CRC校验和的CRC字段。

当sink节点在收到感知节点发送来的控制包，判断自己的任务队列是否为 空，如果sink节点的任务队列为空，则sink节点向距离自己最近的感知节点移 动，如果sink节点的任务队列不为空则从任务队列里面取出一条控制指令con_i,t， 提取出控制包中数据的采集时间t，采集地点以及数据感知范围的信息

接着，sink节点从自身的感知数据数据库中选择一条数据d_k,h，提取该数据 的空间信息数据采集时的时间信息h。然后计算d_k,h与控制包所代表的数 据之间的时间距离|h-t|。

在所有数据相似度分布图中找到时间间隔为|h-t|的数据相似度空间分布 图，以为圆心以为x轴正方，以垂直的方向为y轴正方向建立第 二二维平面坐标系Η。是感知数据库中的另外一条数据所对应的数据地点。 以为圆心在中Η画出时间间隔为|h-t|的数据相似度空间分布图。以为圆 心以为半径在Η中画出数据d_i,t的感知范围。找出感知范围与数据相似度分 布图的相交区域，并以的方向依次标记为z_i其中i＝1,2,3,...,n。从数据相似 度分布图的最里层开始分别计算相似度分布图与感知范围在每个圆环内的相交 区域面积。假设当前要计算的圆环标记为an_i。

如果在an_i外如图4所示，我们令令假设数据的感知 区域与此圆环相交于A,B两点，连接O₁O₂，连接AO₁，连接AO₂，连接BO₁， 连接BO₂。最后我们可以将其抽象成图5所示的几何图形。因此我们可以使用 以下方法计算此圆环内的相交面积。从图中我们可以看出，存在两个扇形AO₁B 和AO₂B以及两个全等三角形ΔAO₂O₁和ΔO₂BO₁经过分析可知。相似子区域z₁的 面积s₁为：

其次由余弦定理我们可以得到因此扇形 AO₂B的面积为：

同理我们可以得到扇形AO₁B的面积为根据 海伦公式我们可以得到其中

因此我们可以得到如果在an_i外时相似区域的面积为：

如果在an_i内如图6所示，我们根据可以将问题抽象为图7所示的几何图 形，以下的方法计算相似区域的面积。

从图中我们可以看到

|z₂|＝|z|-|z₁|-|z₃|

其中z₁的面积由上个步骤可以计算得到，通过图形我们可以看出z₃的面积 为扇形AO₂B的面积减去ABO₂区域的面积，而ABO₂区域的面积等与扇形面积 减去ΔAO₂O₁的和ΔBO₂O₁的面积。根据以上的分析以及结合余弦定理，海伦公 式我们可以得到

重复步骤上述直到遍历完所有相似区域。

上述步骤已经计算了所有相似子区域的面积，则数据d_i,t与数据d_k,h之间的 相似度可表示为：

其中表示，这条数据中有多少百分比大小的数据其与中心数据的相似度 为s_i。Z的大小就是数据的感知范围所确定的区域(也就是半径为感知范围的 圆)。

确定找出d_i,t与感知数据数据库中所有数据的相似性，并找出最大值记为 并根据公式计算数据d_i,t所带来的信息增益，并 将控制指令con_i,t的信息增益设置为

根据控制指令的所代表的信息增益对控制指令从小到大进行排序，找出信 息增益最大的控制指令记为：con_α,β。将作为移动sink收集数据的当前目的 地。

本步骤通过结合已构建的数据分布图，将数据相关性纳入sink节点设计对 感知网络中的感知节点进行路线设计的范围，从而在一定程序上避免了相关度 过高的数据对后期数据分析的影响，增强了sink节点收集到的数据的可用性。

可选的，所述sink节点接收到所述控制指令后，还包括：

计算所述控制指令中的校验和；

如果所述校验和与所述控制指令中的校验值不同，则丢弃所述控制指令， 如果所述校验和与所述控制指令中的校验值相等，则将所述控制指令添加到所 述sink节点的任务队列中；

令所述sink节点获取自身的最大航行之间，如果所述最大航行时间不大于 所述当前位置与所述服务站之间的距离，则向所述服务器站点返航；如果所述 最大航行时间大于当前位置与所述服务器站点之间的距离，则进行后续处理。

在实施中，在sink节点接收到所述控制指令后，需要根据CRC计算控制包 的校验和，如果与控制包所包括的校验和不同，则判定此条数据出错，扔掉此 条数据。如果sink节点判断控制包的校验和正确则将此条控制包加入它的任务 队列中。

之后，sink节点查询自己的现在剩余的最大航行时间t_last，并计算t_last×v_f与 ||P_sk-P_sta||之间的大小关系，vf是sink节点的移动速度，可以在开始的时候直 接获得，Psk是指sink节点自身的位置。如果前者小于后者则sink节点直接返 航回服务站。

在完成上述步骤后，根据sink节点任务队列的具体内容进行后续处理，这 里不再赘述。

本步骤添加了对控制指令进行校验以及续航检测的步骤，分别是为了防止 sink节点由于指令内容接收不全从而导致路线错误以及在数据收集过程中因电 池没电导致数据收集中断。

本发明提供了基于数据价值动态估计的无线传感网移动sink数据收集方法， 包括构建包括结合所述历史数据构建数据空间分布图，根据所述数据空间分布 图，确定对所述感知网络中所述感知节点的检测顺序，令所述sink节点按照所 述检测顺序完成对所述感知网络中所述感知节点的数据收集。通过构建数据空 间分布图将数据的时空相关性纳入sink节点进行数据收集的考虑因素，从而避 免了采集到的数据具有较大的相似性导致后期不能得到客观结果的可能性，减 少对网络资源的浪费，延长了网络的声明周期。

下面我们通过一组实验来验证本发明数据收集方法的性能以及相对于其他 方法的优势，实验主要对以下两种算法的性能进行比较：

DEDV算法：即本发明的方法

GAAP算法：该算法是基于移动sink节点的数据收集方法，移动sink节点 通过接收感知节点发送来的数据收集请求，通过计算数据价值与移动sink节点 能耗来判断是否收集数据

最优算法：该算法假设所有数据收集的请求在最开始已经获得，并且线下 已经计算好移动sink的行驶路线，属于本算法的最优解的上界。

实验主要从最终的数据价值来衡量本发明的优势

仿真初始化条件：申请人根据土遗址监测应用的真实场景部署网络节点。 在半径为500m大小的区域分别部署30，50，100，200个感知节点，移动sink 节点的移动速度为3m/s，最大航行时间为20min。

仿真实验过程：

实验过程中我们模拟感知节点随机的发送数据收集请求给移动sink节点， 规定移动sink节点从服务站出发再回到服务站为一个工作轮，每种算法都经历 20个工作轮，其结果为20个工作轮的平均值。

仿真实验结果：图8表示两种算法的平均数据价值，根据收集到的数据总 的数据的总价值除以一共收集了多少个节点得到平均每个节点的数据价值。从 图中可以看出DEDV所平均收集的数据价值明显高于GAAP，同时随着节点数 量的增加DEDV提升的幅度与大大增加与GAAP，这是因为随着节点数量的增 加数据之间的相似性越来越明显，由于考虑了数据相似性DEDV可以避免收集 数据相似性较大的数据而GAAP并没有对数据的相似性做区分，因此其收集的 数据平均价值比较低。同时从图9中也可以看出利用DEDV方法所收集的数据 其总数据价值明显高于利用GAAP方法所收集的数据具有的数据价值。

需要说明的是：上述实施例提供的基于数据价值动态估计的无线传感网移 动sink数据收集方法进行数据收集的实施例，仅作为该数据收集方法中在实际 应用中的说明，还可以根据实际需要而将上述数据收集方法在其他应用场景中 使用，其具体实现过程类似于上述实施例，这里不再赘述。

上述实施例中的各个序号仅仅为了描述，不代表各部件的组装或使用过程 中的先后顺序。

以上所述仅为本发明的实施例，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。