文摘
我们考虑到传感器网络分层优化问题在高速铁路交通枢纽(HRTH)。传感器网络优化的三个层次的关键领域传感器优化客运线传感器优化和整个区域的传感器优化。案例研究在中国特定HRTH表明,分层优化方法是有效的优化HRTH安全监测的传感器网络。
1。介绍
在中国高速铁路的快速发展,许多现代HRTHs建立与发展的要求。HRTHs成为multitransportation的穿越和接口包括高速铁路、民航、公路、水路、城市轨道交通、公共交通、机动车辆、出租车。HRTH客运网络的重要节点,是一个重要的大规模客流的分布位置。与高速铁路运营里程的增加,乘客将会持续的分布数量大幅增加,导致HRTHs面对严峻挑战在客流安全监控。
目前,视频监控系统主要用于HRTH安全监控方法。管理人员可以检测客流拥堵,异常行为的乘客,被遗弃的对象,利用监测系统等等。的基本工作流系统包括以下:(i)数据采集:分发监测传感器和开发一个传感器网络;(2)数据传输:选择合适的方法来传输数据从传感器获得的网络;(3)数据处理:利用高效的图像处理方法处理数据从传感器网络和获得处理结果获得基于安全监控的要求;(四)数据传播:选择各种渠道传播安全监控信息。目前,HRTH视频监控系统相关的研究主要集中在(2)和(3),提高检测精度和速度;具体研究(i)是稀缺的。其他部分的基础,对其他部分传感器网络有重要的影响。所以有必要HRTH安全监控传感器网络优化。
本文的其余部分组织如下:在下一节回顾相关文献。传感器网络的分层优化问题中描述部分3和部分4提出了一种传感器网络层次优化模型。一个案例研究报告5最后一节6涵盖了结论。
2。文献综述
安全监测传感器网络的优化问题HRTH属于艺术画廊的问题(AGP)于1973年首次提出在克利和Chvatal[的对话1]。根据对话,Chvatal橡皮相机总是足够的,有时是必要的。这个结论叫做艺术画廊定理,或者守望定理2]。Fisk使用三角测量技术和染色方法和得到的结论“任意简单多边形三角剖分后,相应的图可以3-stain”和同样的颜色的点可以覆盖整个简单多边形(3]。Avis,杜桑,Chazelle给不同的简单多边形三角剖分算法。对于任何简单的多边形与给定的点,我们可以确定监控的位置在一个简单多边形内的时间,做任何点在这个简单多边形能看到至少有一个监控(4,5]。李和林证明该算法解决所需的任何简单多边形的最小数量的警卫是np难6]。
美术馆定理证明后,越来越多的AGP提出的问题,包括以下几点:监视器可以移动的边缘,在对角监视器可以移动,需要至少两个显示器,可以彼此把守,一名警卫被移除而另一保安可以知道,和画廊应垂直的墙壁7,8]。
在计算几何,画廊可以抽象的简单多边形;把显示器抽象为一个点简单多边形,然后问题可以抽象为一个艺术画廊平面几何问题;美术馆保安问题可以抽象为多少分可以覆盖整个简单的多边形。变体问题可以抽象为关节警卫,侧盖,对角覆盖率,coguards,正交画廊警卫,警卫,有限的视角警卫,警卫有限的移动角度来看,正交多边形移动守卫,和其他问题(9,10]。
监测的非现实假设AGP及其变体问题的解决,如放大单监控的监控范围,扩大景深,而不是限制识别精度和速度,导致艺术画廊和相关问题的研究很难很好应用在视频监控的实际布局捕捉点。
应用研究的监测传感器布局主要是将视频监控传感器布局问题转化为集合覆盖问题。Chakrabarty和Bulusu用线性规划的方法获得最低活动保持覆盖节点集(11,12]。Meguerdichian等人更加复杂的覆盖模型,从最小化的角度揭示了区域的开始,考虑网络覆盖的问题统一运行时基于覆盖的程度(13]。Erdem那样预言正发党胜利和Sclaroff提出一个有效的算法来计算每个集合点的径向扫描相机的视觉范围,所以,总成本优化布局,而收集点布局约束可以见面14]。
3所示。问题描述
在本节中,传感器网络的分层优化问题从三个方面描述。首先,HRTH安全监测数据采集的需求进行了分析。其次,描述了传感器网络的分层结构。基于前两部分,安全监视的基本过程基于多层传感器网络设计的最后一部分。
3.1。HRTH安全监控的数据采集要求
根据不同的安全预警集中,安全监控可以分为三个层次,每一层都有其特定的数据采集的要求。安全监测的数据采集要求HRTH如表所示1。
要求三个层次之间的关系如图1。要求覆盖区域逐渐增加从第一层到第三层,和数据采集的及时性和精度从相反的方向逐渐增加。
3.2。传感器网络的分层结构
根据上面的数据采集要求分析,传感器网络安全监控HRTH分为三个层次,这是一一对应的数据采集要求的水平。传感器网络的分层结构如表所示2。
3.3。基本结构的基于多层传感器网络的安全监控
根据上面的分析在这一节中,一个基本的过程安全监控是基于多层传感器网络设计的。结构如图2。
观察图2在第一层次,检测到异常关键领域通过监测传感器,然后是异常检测数据被传输到控制中心,并通知监控人员做出回应。在第二个层次,客流数据获得通过监测传感器和传输到控制中心。根据传感器之间的关联关系,可以处理客流数据获取实时客流状态,搜索帖子节点客运专线,预测客流的变化趋势。监控人员可以预先警告客流拥堵,使应急根据处理结果。第三个层次主要关注HRTH的整体安全状态。监控人员需要使用传感器观察功能区在HRTH第一或第二层次的安全预警。这个层次是一个补充前两个层次。
4所示。传感器网络层次优化模型
根据问题描述部分3,提出了传感器网络的分层优化模型在这一节中。传感器网络安全监控HRTH从三个层次结构进行了优化基于上述层次组织。分级优化框架如图3。
4.1。关键领域传感器优化
关键领域传感器优化的核心问题是确定HRTH的关键领域。根据不同区域的特点,关键领域主要分为拥堵地区和敏感地区。每个地区都有其特定的测定方法。
以下4.4.1。交通拥堵区域确定方法
交通拥堵地区主要是由计算结果。有三种主要的方法来计算客流和设施容量之间的关系,如下所述。
(1)能力的方法。能力方法用于确定设施堵塞。该方法将客运线划分为多个单位和计算单元的容量平衡。当设施设计能力小于实际容量,这个设施被认为是一个关键领域。计算出的设施设计能力 是设备的宽度。是预测客流量。是高峰时间系数。
(2)延迟的方法。延迟是一个重要的参数来判断乘客拥堵的路线。乘客延误HRTH主要源于排队,拥挤的,等行为。三种行为的计算如表所示3。
(3)密度的方法。客流密度是衡量交通拥堵的一个有效指标水平。客流密度越高,越在客运线出现拥堵。这叫堵塞密度和密度计算 拥堵的密度吗th段的客运线。设备的可用区域吗th段的客运线。乘客数量的吗th段的客运线。
4.1.2。敏感区域确定方法
敏感区域的决心,而决心拥堵区域,相对比较简单,没有具体的计算方法。最敏感的地区确定基于HRTH安全监控的实际需求。常见的敏感区域包括分布设施领域,防火设施区域,办公区域,和安全检查。
4.2。客运线传感器优化
客运线传感器优化的核心问题是确定客运线类型和生成乘客下建立设施布局。
4.2.1。准备客运线类型确定
乘客在HRTH主要可以分为客运输出线,乘客输入行,和乘客传输线。这三种类型的客运线路描述如下。
(1)乘客输入行。乘客输入行始于乘客到达HRTH,乘客在列车后完成。之间的时期乘客到达和离开的时候,有几个事件发生,比如购买门票,购物、餐饮、和中等待火车。乘客输入行和过程如图所示4。
(2)乘客输出线。乘客的输出线始于火车到达HRTH,乘客离开HRTH后完成。乘客与乘客输入行相比,输出线几乎没有事件和相对比较简单。输出乘客流特征的集中,密度高,停留时间短。乘客的输出线和过程如图5。
(3)客运传输线。旅客传输线类似于旅客输入线和相对简单,所以我们不详细介绍它。
4.2.2。客运线代
确定客运专线类型后,客运线生成基于HRTH建立设施布局。生成步骤如下所示。
步骤1。马克的几何中心设施HRTH功能区和使用这些术语叫做几何中心的点。
步骤2。用有向线段连接几何中心基于乘客移动轨迹在不同类型客运铁路线。
步骤3。分类有向线段,用不同的颜色来表示不同类型客运铁路线,并使用不同的厚度表示的客流。
4.3。整个区域的传感器优化
为了确保所有功能区HRTH被传感器,覆盖整个区域的传感器优化框架提出了在这一节中。后空间二维、空间分区和可见性分析,我们改变整个地区传感器优化问题转化为集合覆盖问题和发展一个集合覆盖模型。整个地区传感器优化框架如图6。
步骤1 (HRTH空间二维)。HRTH空间二维三维空间到二维平面图和缩减的布局设施和工具。HRTH空间二维后,我们可以获得一个整体HRTH的示意图表示。
第二步(HRTH空间分区)。获得示意图表示后,我们的设施和仪器抽象为方形或长方形,延长广场和矩形的两边。一个空间分区示例如图7。
(一)
(b)
第三步(可见性分析)。基于HRTH空间分区,我们分析每个地区的能见度示意图表示。可见性分析包括两个部分。
第一部分是分析几何可见度。假设该地区中心是铺设的位置。如果两个区域之间的联系是不打断了设施或仪器,这两个地区被认为是几何可见度。图8(一个)是一个几何可见度分析样本。几何的可见性是。
第二部分是视觉范围分析。我们设置一个传感器的覆盖一个圆的半径是传感器的视觉范围。圆的区域覆盖的可视区域。图8 (b)是一个可视范围分析样本。视觉的可见性是。
(一)
(b)
步骤4(整个区域的集合覆盖模型传感器优化)。在这一步中,我们开发一个集合覆盖模型来描述整个地区传感器优化问题。
(1)符号和变量。考虑以下: :地区指数, :总金额的地区, :视觉范围的传感器, :地区之间的距离和地区, :加权值, :0 - 1变量;如果传感器设置在区域,;否则,, :0 - 1变量;如果区域的视觉范围可以覆盖区域,;否则,。
(2)目标函数。整个区域的传感器优化模型的目标函数是写如下:
目标函数最小化的传感器覆盖整个HRTH功能区。
(3)约束。整个传感器面积的约束优化模型介绍如下,以确保解决方案的实际可行性:
约束(4)代表,每个地区HRTH至少应该由一个传感器。约束(5)确保传感器和覆盖区域之间的距离不能大于传感器的视觉范围。约束(6)代表该地区的距离大于传感器的视觉范围无法覆盖的传感器。约束(7)和约束(80 - 1变量的约束。
第五步(解算法)。为了解决上面的优化模型中,本节提出了一种启发式算法。是二维的区域设置。元素数量在吗。是该地区组传感器布局。元素数量在吗。算法实现过程如图9。
5。一个案例研究
为了说明拟议的传感器网络分层模型和算法优化问题,使用实际数据进行案例研究从特定HRTH在中国。我们选择的综合传输层HRTH作为优化对象。
这一层是由转移大厅,停车场,旅客输出系统和旅客输入系统。有六个入口,六个出口,和四个售票处在这一层。换乘大厅与地铁、出租车和公共汽车。整个层各种客运铁路线和乘客之间的交叉线。
我们使用分层优化方法中提到的部分4在这一层优化传感器网络。如下所示的分层优化。
5.1。关键领域传感器优化
根据实际客流数据在这一层,我们使用的关键区域确定方法中提到的部分4所示。1确定关键领域。关键领域在这一层的分布如图10。
5.2。客运线传感器优化
通过分析术语叫做点和客运轨道移动,我们在这一层生成客运铁路线。客运线路如图11。
5.3。整个区域的传感器优化
遵循整个区域图中提到的传感器优化框架6;空间分区如图所示12和空间分区结果如图13。
后空间分区,分为58层区域。通过可见性分析,我们可以获得58的视觉可见性设置区域和使用启发式算法来找到一个解决方案整个地区传感器优化模型。最后的传感器布局区域设置。启发式算法获得的解决方案是如图14。
根据分层优化,最后安全监测传感器网络HRTH图所示15。
6。结论
在本文中,我们考虑了传感器网络在HRTH分层优化的问题。提出了一种分层优化框架,从三个层次关键领域的问题已经解决了传感器优化客运线传感器优化和整个区域的传感器优化。第三层次,整个区域的传感器优化模型,设计了一种启发式算法。案例研究在中国特定HRTH表明,分层优化方法是有效的优化HRTH安全监测的传感器网络。在未来,考虑布局成本优化方法是进一步研究的可能性。
利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项研究受到了中央大学的基础研究基金(批准号2015 jbm044),中国国家自然科学基金(批准号61374157),北京交通大学的优秀教师基金(批准号2014 rc005)。