基于森林火灾数据监测的物联网定位算法应用

刘 丹 王霓虹

(东北林业大学，哈尔滨，150040)

1999 年，MIT Auto ID Center［1］提出较早的国际“物联网”定义：在计算机互联网的基础上，利用射频识别(RFID)、无线数据通信等技术，构造一个覆盖世界上万事万物的网络，以实现物品的自动识别和信息的互联共享。2005年，国际电信联盟［2］(ITU)发布的《ITU互联网报告2005：物联网》中正式给出了“物联网”概念：指出物联网是互联网应用的延伸，“RFID、传感器技术、纳米技术、智能嵌入技术”将是实现物联网的4大核心技术。2009年，IBM公司首席执行官彭明盛［3］首先提出“智慧地球”的新概念，物联网在世界范围掀起热潮，发展物联网技术被迅速纳入多个国家的重大信息发展战略中。

国内对“物联网”的定义为［4-5］：将各种信息传感设备，如射频识别(RFID)装置、红外感应器、全球定位系统、激光扫描器等种种装置与互联网结合起来而形成的一个巨大网络。其目的是让所有的物品都与网络连接在一起，系统可以自动地、实时地对物体进行识别、定位、追踪、监控，并触发相应事件。

物联网的用途极其广泛，已应用于各种自然灾害的监测、医疗卫生、电力系统、智能交通、智能小区管理、军事、航空和航天等多个领域［6］。作为信息产业的又一次革命，物联网也将成为“数字林业”建设中的决定力量。当前，物联网已在森林防火、古树名木管理、珍稀野生动物保护、木材追踪管理、苗木花卉栽培等多方面着手研究［7］。本文主要根据林业数据监测的物联网体系结构，对监测森林火灾的传感器定位算法进行研究，加速火场定位，最大程度地预防和减少森林火灾及其造成的损失。

1 基于林业数据监测的物联网体系结构

物联网的感知环节具有很强的异构性，为进一步让林业数据监测实现信息之间的互联、互通与互操作，物联网将以开放、分层、可扩展的网络框架结构［8］为基础，分为4个层次：传感器网络层(传感器布置、射频识别系统等)→接入网络层(网关、网桥、路由器等网络连接设备)→中间件层(数据存储服务器、监测数据分析)→应用层(结果呈现给系统管理员，并反馈给物联网底层)。

(1)在传感器网络层，通过传感器采集各类监控信号，经过无线传感器的汇聚节点将信息收集，传送给下一层的网络空间。

(2)接入网络层进行数据融合或预处理。主要通过网桥、网关、路由器、交换机等网络设备，将主体网进行互联，将从传感器网络层接收到的数据进行一定的处理，传递给中间件层的数据服务器。

(3)中间件层，将通过网络设备连通的网络的传感器网络层传输来的数据，存储在当前的数据存储服务器中，对数据进行分类处理，建立数据分析的算法与模型，从而为监测数据面向应用层的结果提供有力的保障。

(4)应用层，将中间件层通过算法和模型而产生的结果，一方面在应用层呈现给管理员，另一方面根据应用需求，反馈给物联网底层，实现对应的控制。

本文重点要研究的传感器节点定位算法主要集中在中间件层。通过建立定位算法，对部署在森林中的传感器进行良好的追踪，尽早发现森林火灾的发生，降低火灾带来的损失。

2 定位算法的实现

2.1 算法的提出

在森林火灾监测中，通常需要对森林里各地点的风速、温度、湿度等参数进行检测，发生火灾时还须精确确定火灾地点。由于森林一般覆盖面积较大，环境恶劣，多是无人值守区域，需要大量的节点协作才能完成监测任务，因此无线传感网络进行监测的优势非常显现。在森林火灾监测系统中，发生火灾时的火灾位置对森林火灾监测系统至关重要，这也是传感器网络应该拥有的基本功能之一。

当前，位置信息的准确定位的方法很多，可以通过全球定位系统GPS实现定位;但其用户节点通常能耗高、体积大，成本较高，还需要固定的基础设施。因此，在GPS应用受限的情况下，采用体积小、能量消耗低、价格低廉的传感器网络，可很好地解决定位问题。典型的无线传感器网络定位技术，有基于接收信号强度指示(RSSI)、基于到达时间(TOA)、基于到达时间差(TDOA)和基于到达角度(AOA)等方法。但这些方法多需要额外硬件设备支持;RSSI定位技术［9］虽然无需额外硬件设备支持，但基于RSSI的定位结果常不稳定，故应用性受到一定限制。在此，将加权质心的定位算法应用到森林火灾的监测中。该算法在现有的质心定位算法基础上，通过对马尔可夫链的状态预测来确定感知节点对目标检测的不同影响力，并利用集合划分的思想对目标位置进行合理的划分，以确定目标的轨迹，对监测火灾的传感器进行准确定位，确定火场发生地。

2.2 算法的描述

南加州大学的Nirupama Bulusu等人［10］提出传感器定位的质心算法，该算法的主要思想是：传感器感知节点每隔一段时间进行一次目标检测，当目标出现在感知节点的感知区域范围内时，将目标位置确定为感知节点所组成的多边形的质心，多边形所有顶点坐标的平均值就是质心节点的坐标。当系统得到所有能够检测到目标的感知节点的位置信息后，就可以根据这些感知节点所组成的多边形的顶点坐标来估算目标当前的位置。

本文应用的加权质心定位算法是对定位质心算法的一种改进，利用加权因子体现各感知节点对目标位置的影响程度，是一种基于网络连通性的定位算法。具体算法如下：

假设传感器网络中的节点集合为S={s1、s2、…、sN}，每个节点可以感知的范围为Ai，则N个节点感知范围的总和Ar=当两点不重合，并且感知区域不相交的情况下，每一时刻只有一个节点能够感知到目标，而目标在下一时刻的位置，只与当前位置有关。若以Xn记录第n时刻目标出现在网络中感知节点区域的编号，则{Xn，n=1、2…}是一个马尔可夫链，其状态集合为{1、2、…、N}，Xt=i表示在 t时刻目标处于Ai感知区内。在每一个时刻，感知节点能够感知到是否有目标出现在自己的感知区域内，因此，当马尔可夫链进入下一个状态时，将会引起感知节点检测值的改变。假设，当马尔可夫链进入状态j时，独立于以前的状态和节点检测值，以概率p(j|i)改变节点sj的检测值，且当sj∈nbrsi时，1;当sj∉nbrsi时，p(j|i)=0。通过节点对目标的检测，可以观测到每一时刻网络中感知节点的检测值。以∈{0，1}表示节点i在t时刻的检测值，检测到目标值为1，未检测到目标值为0。因此，表示网络中所有的感知节点在t时刻的检测结果;Y1，T=(Y1、…、YT)表示网络中的感知节点在时刻T以前所有的检测结果。以X1，T=(X1、…、XT)表示在时刻T以前目标的状态集合。根据以上说明，可以得出联合分布函数：以δt(i)表示t时刻状态处于i的最大概率(其中：i=1、…、N，且 t=1、…、T)：表示目标当前处于第j个节点、而后移动到第i个节点的感知区域的概率。由于概率都是非负的，且过程必须转移到某个状态，因此，当jnbri时，假设节点si的检测概率为ηi，则=1-ηi，可推导出式(3)：

利用Baum-Welch方法，通过网络中感知节点感知到的历史信息，可以计算出马尔可夫模型的相关参数π、η、Pt=［pij］。因此，通过节点自身信息就可以计算出节点的权重δt(i)的值，其中：

若在t时刻，δt的值大于0的感知节点的坐标依次为：(x1，y1)、(x2，y2)、…、(xn，yn)，各个感知节点对应的权值为：

通过权值的计算，目标的位置坐标(x，y)表示为：

通过以上算法的描述，根据传感器节点的感知区域，利用马尔可夫链模型推导出节点的权重，最终近似准确定位感知节点的位置。

2.3 算法的实现及产生的结果

在森林中布置的传感器节点在未检测到火灾发生的参数时，各节点处于休眠状态。当节点感知到目标进入感知区域时，根据上述改进后的加权质心算法快速计算感知节点对应的权值。根据计算出的权值和节点的位置信息，计算出定位目标的坐标，从而快速查找到森林火灾发生位置，进行准确定位。

在实验中，网络中的节点随机部署在一个矩形区域内。假设节点覆盖率及节点通信半径可调节，网络中节点的位置可知，经过随机30次的实验，结果如图1所示。当节点密度很低时，质心定位的平均误差较大，而加权定位的误差较小;随着节点密度的增大，当接近10%的时候，各定位算法的平均误差较接近。

图1 平均定位误差对比

3 结束语

本文在介绍物联网的现状以及物联网的应用架构体系后，部署在森林中进行火灾监控的传感器在接收数据后，将数据通过接入网络层传输到数据存储器，进行火灾的火点定位。本文将物联网技术中的质心定位算法引入，并将该算法中的定位误差较大的缺点进行改进。利用加权质心定位算法，根据传感器节点的感知区域，计算传感器节点的权值，从而完成着火点的快速定位，减少因森林火灾造成的损失。通过仿真试验，质心定位算法的平均定位误差率在节点密度较小的情况下，误差较大;但加权质心算法的平均定位误差处于平缓变化之中。总体看，关于缩小误差率的问题，还仍有待进一步提高。

［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］宁焕生，张瑜，刘芳丽，等.中国物联网信息服务系统研究［J］.电子学报，2006，34(12A)：2514-2517.

［5］封松林，叶甜春.物联网/传感网发展之路初探［J］.中国科学院院刊，2010，25(1)：50-54.

［6］石军.“感知中国”促进中国物联网加速发展［J］.通信管理与技术，2009(5)：1-3.

［7］刘强，崔莉，陈海明.物联网关键技术与应用［J］.计算机科学，2010，37(6)：1-4，10.

［8］沈苏彬，范曲立，宗平，等.物联网的体系结构与相关技术研究［J］.南京邮电大学学报：自然科学版，2009，29(6)：1-11.

［9］张先毅，王英龙，赵洪磊.无线传感器网络节点自身定位算法［J］.信息技术与信息化，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.