Collaborative area monitoring using wireless sensor networks with stationary and mobile nodes

Date
2011-05Author
Lambrou, Theofanis P.Publisher
Πανεπιστήμιο Κύπρου, Πολυτεχνική Σχολή / University of Cyprus, Faculty of EngineeringPlace of publication
ΚύπροςCyprus
Google Scholar check
Keyword(s):
Metadata
Show full item recordAbstract
Αυτή η διατριβή εξετάζει τα προβλήματα σχεδιασμού διαδρομών για την βελτίωση της κάλυψης και του εντοπισμού γεγονότων σε μικτά δίκτυα αισθητήρων που αποτελούνται από σταθερούς και κινητούς κόμβους αισθητήρων. Τέτοια μικτά ασύρματα δίκτυα αισθητήρων γίνονται ελκυστικά με τις πρόσφατες προόδους στα κατανεμημένα ρομποτικά συστήματα και στα ενσωματωμένα συστήματα χαμηλής ισχύος.
Συμβατικά, τα δίκτυα αισθητήρων αποτελούνται από έναν μεγάλο αριθμό σταθερών αισθητήρων οι οποίοι εγκαθίστανται σε τυχαίες θέσεις σε μια μεγάλη περιοχή υπό παρακολούθηση. Ωστόσο, οι πυκνές τυχαίες εγκαταστάσεις των σταθερών αισθητήρων δεν μπορούν να εγγυηθούν πλήρη κάλυψη παρακολούθησης μεγάλων περιοχών και προϋποθέτουν απαγορευτικό κόστος και υπερβολικές παραβολές επικοινωνίας. Σε αυτήν την διατριβή, υποθέτουμε ένα διαφορετικό μμοντέλο δικτύου αισθητήρων το οποίο χρησιμοποιεί σταθερούς και κινητούς κόμβους αισθητήρων (μικτό ΑΔΑ) και ο κύριος στόχος είναι η ανάπτυξη αλγορίθμων σχεδιασμού πορειών που θα επιτρέπουν στους κινητούς αισθητήρες να συνεργάζονται και να παρακολουθούν περιοχές που δεν παρακολουθούνται από τους σταθερούς αισθητήρες. Οι μέθοδοι εύρεσης διαδρομών των κινητών κόμβων πρέπει να είναι συμβατές με τις ειδικές απαιτήσεις των δικτύων αισθητήρων όπως τον κατανεμημένο-συνεργάσιμο υπολογισμό, την περιορισμένη επικοινωνία και υπολογιστική ικανότητα και τη μερική γνώση του περιβάλλοντος. Επιπλέον, οι προτεινόμενες μμέθοδοι προγραμματισμού πορειών, πρέπει να επιτρέπουν στους κινητούς κόμβους να παρακολουθούν όλες της ακάλυπτες περιοχές του σταθερού δικτύου αισθητήρων και να βρίσκουν μια όσο το δυνατόν καλύτερη διαδρομή σε σχέση με την βελτίωσης της κάλυψης σε σύντομο χρονικό διάστημα ή της απόδοσης εντοπισμού γεγονότων. Εντούτοις, η ικανοποίηση όλων αυτών των κριτήριών σε τέτοια σύνθετα περιβάλλοντα δεν είναι πάντα δυνατή.
Στο πλαίσιο της ερευνητικής εργασίας διερευνήσαμε διάφορες μεθόδους και αλγόριθμους για να λύσουμε πρόβλημα εύρεσης πορειών ενός ή πολλαπλών κινητών αισθητήρων και διερευνήθηκαν εκτενώς διάφορες ιδιότητες και παράμετροι αυτών των αλγορίθμων. Η κύρια συνεισφορά αυτής της διατριβής είναι η ανάπτυξη ενός κατανεμημένου συνεργατικού πλαισίου προγραμματισμού πορειών που επιτρέπει στους κινητούς αισθητήρες να υπολογίζουν την διαδρομή που θα ακολουθήσουν αυτόνομα με στόχο να παρακολουθούν το δίκτυο αισθητήρων και να ελαχιστοποιούν την καθυστέρηση εντοπισμού γεγονότων. Η διαδρομή υπολογίζεται καθοδόν χρησιμοποιώντας μόνο τοπικές πληροφορίες, αυτό είναι πολύ σημαντικό στα πλαίσια μεγάλων και κατανεμημένων δικτύων αισθητήρων. Η προτεινόμενη μέθοδος έχει επίσης μεταφερθεί από το μοντέλο προσομοίωσης σε ένα πραγματικό πειραματικό δίκτυο αισθητήρων κινητών και σταθερών κόμβων και αξιολογήθηκε πειραματικά. Αυτή η διατριβή παρέχει καλύτερη κατανόηση και βαθύτερη γνώση στα τρέχοντα προβλήματα των μικτών δικτύων αισθητήρων και το πλαίσιο σχεδιασμού διαδρομών που αναπτύχτηκε υποστηρίζει μεγάλους αριθμούς κινητών αισθητήρων και διαφορετικές εγκαταστάσεις ανάπτυξης σταθερών αισθητήρων. Οι εφαρμογές αυτών των τύπων μικτών δικτύων αισθητήρων περιλαμβάνουν βελτίωση κάλυψης, αναζήτηση και εντοπισμός πηγής γεγονότος και δυναμικό έλεγχο του περιβάλλοντος. This dissertation investigates path planning problems for improving the coverage and detection performance of mixed sensor networks consisting of both static and mobile nodes. With recent advances in distributed robotics and low power embedded systems, such mixed wireless sensor networks (WSNs) are becoming attractive.
Conventionally, WSNs consist of a large number of static sensors randomly deployed in a large region of interest. However, dense random deployments of static sensors cannot guarantee complete sensing coverage of large areas and also imply prohibitive cost and excessive radio interference. In this dissertation, a different WSN model that employs stationary and mobile sensor nodes (mixed WSN) is assumed. The main objective of this work was to develop path planning algorithms to enable mobile sensors to collaborate and sample areas not easily or effectively monitored by stationary sensors. The path planning approaches should comply with the specific requirements of sensor networks like distributed-collaborative processing, limited communication and computation and partial knowledge of the environment. In addition, proposed path planning methods, should search the whole sensor field and find as efficient a route as possible in terms of coverage improvement over time and/or event detection performance. However, satisfying all of these criteria, in such complex environments, is not always possible and thus a priority consideration is required.
In the context of this research work, several methods and algorithms to solve this path-finding problem with single and multiple mobile sensors, alongside the several properties and parameters of these algorithms, were extensively investigated. The main contribution of this dissertation is the development of a distributed collaborative path planning framework that enables mobile sensors to find their path autonomously in order to search the sensor field area and minimize event detection delay. The path is estimated on-line using local information which is essential in the context of large, distributed WSNs. Further, the proposed approach was also transferred from simulation to a real-world mixed sensor network test-bed and evaluated experimentally.
This dissertation provides a better understanding and a deeper knowledge of the current problems of mixed sensor networks. The path planning framework developed is easily scalable to large numbers of mobile sensors and different static sensor deployments. Applications of these types of mixed sensor networks include sensor coverage improvement, search and detection of event sources, and dynamic environment monitoring.