基于旋翼無人機(jī)近地面空間應(yīng)急物聯(lián)網(wǎng)節(jié)點(diǎn)動態(tài)協(xié)同部署

王巍 彭力 趙繼軍 朱天宇 崔益豪 田立勤

物聯(lián)網(wǎng)的快速發(fā)展給日常生活帶來了便利.同時,伴隨著民用無人機(jī)技術(shù)的成熟,遙感、巡檢、物流、航拍等應(yīng)用也豐富了人們感知世界的視角和改變世界的途徑.借助無人機(jī)平臺,近地面的全景立體監(jiān)測較好地滿足了應(yīng)用需求,因此,基于無人機(jī)的近地面空間物聯(lián)網(wǎng)得到了廣泛關(guān)注,在國防、科研及民用領(lǐng)域中,具有很好的應(yīng)用前景[1].

近地面空間物聯(lián)網(wǎng)應(yīng)具有對特定區(qū)域的全信息精準(zhǔn)立體感知能力,在低空和地面快速、魯棒地形成多層次立體異構(gòu)網(wǎng)絡(luò)的能力,以及安全可靠的區(qū)域應(yīng)急全信息數(shù)據(jù)鏈,實(shí)現(xiàn)事件動態(tài)評估預(yù)警、資源協(xié)同調(diào)度、態(tài)勢發(fā)展智能預(yù)判[2-3].目前,基于無人機(jī)平臺的物聯(lián)網(wǎng)相關(guān)研究如表1 所示.

表1 國內(nèi)外相關(guān)研究Table 1 Related works

可以看出,基于無人機(jī)的物聯(lián)網(wǎng)相關(guān)研究已成為前沿.研究者在網(wǎng)絡(luò)部署、通信節(jié)能、無人機(jī)軌跡規(guī)劃等方面都開展了卓有成效的工作,為基于無人機(jī)的感知網(wǎng)絡(luò)、通信網(wǎng)絡(luò)以及智能應(yīng)用奠定了基礎(chǔ).無人機(jī)以其出色的機(jī)動性能在自然災(zāi)害、突發(fā)事件等環(huán)境的監(jiān)測中得到了越來越多的關(guān)注,以此為平臺的應(yīng)急物聯(lián)網(wǎng)研究也逐漸成為研究熱點(diǎn)[15-17].目前,應(yīng)急物聯(lián)網(wǎng)中的無人機(jī)多作為空中中繼節(jié)點(diǎn)或感知節(jié)點(diǎn)搭載平臺出現(xiàn),相關(guān)研究也并未將感知和中繼結(jié)合討論.當(dāng)面對自然災(zāi)害等公共安全事件時,需要部署大量的無人機(jī)對環(huán)境進(jìn)行有效感知,同時也需要無人地面移動中繼對感知數(shù)據(jù)進(jìn)行存儲和轉(zhuǎn)發(fā).

當(dāng)發(fā)生地震、洪水、泥石流等自然災(zāi)害,以及污染物泄露等公共安全事件時,應(yīng)急物聯(lián)網(wǎng)需要被快速布署以實(shí)現(xiàn)對特定區(qū)域的協(xié)同感知.基于無人機(jī)對受災(zāi)區(qū)域的感知類型可以分為兩種,一種是分布式廣域監(jiān)視應(yīng)用,即通過固定翼無人機(jī)或機(jī)群搭載多類感知設(shè)備實(shí)現(xiàn);另一種是立體局域監(jiān)視應(yīng)用,即通過旋翼無人機(jī)機(jī)群搭載多類感知設(shè)備實(shí)現(xiàn),旋翼無人機(jī)往往被編隊(duì)或分簇應(yīng)用.

在交通運(yùn)輸通暢的情況下,空地通信可以通過多個移動地面站和衛(wèi)星中繼手段,來滿足應(yīng)急物聯(lián)網(wǎng)的通信需求.但是在自然災(zāi)害和公共安全事件中,往往交通運(yùn)輸不暢,尤其是面對重大的自然災(zāi)害時,覆蓋面大,受災(zāi)程度嚴(yán)重,此時災(zāi)救現(xiàn)場需要大量的物資、燃料、人員運(yùn)輸車輛,道路資源的占用給移動地面站快速進(jìn)入受災(zāi)區(qū)域帶來了極大的挑戰(zhàn).應(yīng)急通信保障主要通過應(yīng)急通信車,而應(yīng)急通信車一般都集中配置在省中心,部分省份會在地市級配置少量的應(yīng)急車,當(dāng)發(fā)生災(zāi)害后需要從各地調(diào)集車輛,受到道路條件、距離等限制,難以保證響應(yīng)速度.不同運(yùn)營商或者同一運(yùn)營商的不同應(yīng)急車,所采用的設(shè)備接口也各不相同,這樣不利于應(yīng)急通信系統(tǒng)之間的互聯(lián)互通.此外,應(yīng)急災(zāi)救所需的通信業(yè)務(wù)應(yīng)首先滿足對語音業(yè)務(wù)的需求,其次滿足對應(yīng)急物聯(lián)網(wǎng)感知數(shù)據(jù)傳輸需求.綜上,在自然災(zāi)害和公共安全事件中,實(shí)現(xiàn)對應(yīng)急物聯(lián)網(wǎng)感知數(shù)據(jù)傳輸?shù)囊苿拥孛嬲緮?shù)量較少,當(dāng)需要對多個區(qū)域同時進(jìn)行立體局域監(jiān)視應(yīng)用時,旋翼無人機(jī)編隊(duì)或分簇可能只有一個移動地面站作為存儲中繼平臺,因此研究此實(shí)際應(yīng)用背景下的應(yīng)急物聯(lián)網(wǎng)節(jié)點(diǎn)動態(tài)協(xié)同部署問題是十分有意義的.

在此應(yīng)用背景下,按需部署的無人機(jī)平臺在分布區(qū)域內(nèi)是大范圍、隊(duì)列化的,空域的分布范圍較廣,感測的數(shù)據(jù)量較大,與地面中繼的通信距離較遠(yuǎn).同時,地面中繼需要對多簇?zé)o人機(jī)空基平臺的感知數(shù)據(jù)進(jìn)行有效中繼,數(shù)據(jù)鏈路較多,且需要移動.為了在保證數(shù)據(jù)通信質(zhì)量,且有效降低無人機(jī)、移動地面站的通信能耗以及移動地面站的移動能耗,實(shí)現(xiàn)突發(fā)事件全信息的遠(yuǎn)距離傳輸,本文將研究基于旋翼無人機(jī)的近地面空間應(yīng)急物聯(lián)網(wǎng)節(jié)點(diǎn)部署協(xié)同優(yōu)化方法,實(shí)現(xiàn)對旋翼無人機(jī)空基平臺和移動地面站部署的協(xié)同優(yōu)化和更新迭代,完成感測數(shù)據(jù)的可靠中繼.

1 系統(tǒng)模型

本文在研究中,假設(shè)基于旋翼無人機(jī)近地面空間應(yīng)急物聯(lián)網(wǎng)的能耗由四部分組成,即無人機(jī)空基平臺的飛行動力能耗、無人機(jī)機(jī)載設(shè)備的運(yùn)行能耗、無人機(jī)與移動地面站的無線通信能耗、以及移動地面站的移動能耗.

無人機(jī)空基平臺的飛行動力能耗和無人機(jī)機(jī)載設(shè)備(如飛控、各類感知設(shè)備等) 的運(yùn)行能耗主要由感知任務(wù)決定.現(xiàn)有應(yīng)用中,隨著各類高清可見光視頻、紅外視頻等大數(shù)據(jù)量信息的出現(xiàn),通信能耗極大地增加.因此,有效降低無人機(jī)與移動地面站的無線通信能耗是主要研究動機(jī)之一.與此同時,數(shù)量較少、使用頻繁的移動地面站如靜止在某一隨機(jī)位置完成中繼任務(wù),則與各無人機(jī)群通信距離并非較優(yōu),必然會增加上述通信能耗;如靜止在某一簇?zé)o人機(jī)群的最佳中繼位置,此簇?zé)o人機(jī)群通信能耗較低,但其他機(jī)群的通信能耗較高.因此,通過移動地面站的合理移動,以其移動能耗的較少支出換取與各簇?zé)o人機(jī)群通信能耗的降低是主要研究動機(jī)之二.在此研究假設(shè)下,本小節(jié)構(gòu)建了系統(tǒng)模型.

面向突發(fā)公共安全事件監(jiān)測的近地面空間應(yīng)急物聯(lián)網(wǎng)是一種立體異構(gòu)網(wǎng)絡(luò),其系統(tǒng)模型如圖1 所示,網(wǎng)絡(luò)共分為三層:第一層為由旋翼無人機(jī)組成的在近地面空間的移動Ad-hoc 網(wǎng)絡(luò),第二層為由具有數(shù)據(jù)采集轉(zhuǎn)發(fā)能力的非完整約束移動地面站(Mobile earth station,MES),第三層為云端.無人機(jī)空基平臺作為感知層,MES 作為sink節(jié)點(diǎn)和中繼節(jié)點(diǎn),完成近地面空間基于旋翼無人機(jī)空基平臺的檢測設(shè)備在能量受限條件下的遠(yuǎn)距離通信.本文重點(diǎn)研究兩者的協(xié)同部署問題,即從基于旋翼無人機(jī)的應(yīng)急物聯(lián)網(wǎng)網(wǎng)絡(luò)聯(lián)通性、地面移動中繼和無人機(jī)空基平臺的相互關(guān)系角度展開,著眼于根據(jù)無人機(jī)空基平臺的部署情況,實(shí)現(xiàn)應(yīng)急物聯(lián)網(wǎng)節(jié)點(diǎn)(無人機(jī)和地面移動中繼) 的動態(tài)協(xié)同部署.為了突出本文的論述重點(diǎn),此物聯(lián)網(wǎng)節(jié)點(diǎn)的感知覆蓋問題將依托其他方法解決,本文不再涉及.設(shè)在空中區(qū)域SK中,分布著K個空基監(jiān)測平臺(K={1,2,···,K} ?N+),所有監(jiān)測平臺按照三維Critical-square-grid 部署模型形成了L簇(L={1,2,···,L} ?N+),每簇包括Kl(l∈{1,2,···,L}) 個空基監(jiān)測平臺,K=ΣKl,由1 個MES 對此空域SK中的公共安全事件信息進(jìn)行匯聚、轉(zhuǎn)發(fā).其中,t時刻MES 的坐標(biāo)為(xt,yt),t時刻第j個旋翼無人機(jī)的坐標(biāo)為各無人機(jī)空基平臺和移動地面站的坐標(biāo)可以被云端獲知.經(jīng)聚簇后,第i(i∈L) 簇?zé)o人機(jī)空基平臺Drones cube 與當(dāng)前屬于本簇的移動地面站的相互關(guān)系如圖2 所示.

圖1 系統(tǒng)模型Fig.1 System model

假設(shè)空基監(jiān)測平臺的上行通信采用正交頻分多址(Orthogonal frequency division multiple access,OFDMA),移動地面站允許同時接入的旋翼無人機(jī)空基平臺數(shù)量上限為Msup.設(shè)旋翼無人機(jī)空基平臺與移動地面站采用視距通信,MES 的仰角為θ,則視距通信概率可用式(1) 近似描述[18],

式中,ψ與β取決于載波頻率和移動物聯(lián)網(wǎng)所處環(huán)境的參數(shù).

根據(jù)圖2 中空基平臺與移動地面站的空間關(guān)系可知,

圖2 位置關(guān)系Fig.2 Position relationship

2 節(jié)點(diǎn)動態(tài)協(xié)同部署

在基于旋翼無人機(jī)的近地面空間應(yīng)急物聯(lián)網(wǎng)中,移動地面站可以有效地解決空中感知層設(shè)備能量受限條件下的遠(yuǎn)距離通信問題,為超出直接通信范圍的空中感知設(shè)備提供交換信息的可能.由于搭載IoT感知設(shè)備的旋翼無人機(jī)與移動地面站采用視距通信,監(jiān)測點(diǎn)的密度和空域范圍需求對應(yīng)急物聯(lián)網(wǎng)空地節(jié)點(diǎn)通信的可靠性有一定的影響.此外,在移動地面站對Drones cube 的信息中繼轉(zhuǎn)發(fā)過程中,節(jié)能問題也不容忽視.本節(jié)將研究Drones cube 的網(wǎng)格密度與最小仰角的關(guān)系、最佳路徑點(diǎn)的計算方法以解決上述問題,實(shí)現(xiàn)近地面空間應(yīng)急物聯(lián)網(wǎng)空地節(jié)點(diǎn)動態(tài)協(xié)同部署.

2.1 網(wǎng)格密度

在待監(jiān)測區(qū)域內(nèi),基于3D-critical-square-grid覆蓋的無人機(jī)空基監(jiān)測平臺在空中編隊(duì)組網(wǎng),此時需要討論網(wǎng)格布點(diǎn)密度(垂直密度下限ρVmin、水平密度下限ρH-min)、監(jiān)測空域底層高度hmin(m)、頂層高度hmax(m) 以及最小仰角θmin(rad)間的關(guān)系.

圖3 Drones cube 中無人機(jī)空基監(jiān)測平臺立體結(jié)構(gòu)Fig.3 The three-dimensional structure of the air based monitoring platform for unmanned aerial vehicle in drones cube

也可在給定部署密度和監(jiān)測區(qū)域的指標(biāo)下,計算Drones cube 中的水平面監(jiān)測點(diǎn)個數(shù)KV、垂直面監(jiān)測點(diǎn)個數(shù)KH.

2.2 最佳路徑點(diǎn)

搭載異構(gòu)感知設(shè)備的旋翼無人機(jī)與移動地面站采用視距通信時,為了使近地面空間應(yīng)急物聯(lián)網(wǎng)系統(tǒng)有效節(jié)能,在保證可靠通信的前提下,可以通過降低通信能耗、縮短移動地面站的移動距離等方式實(shí)現(xiàn),進(jìn)而延長旋翼無人機(jī)的滯空時間和移動地面站的生存周期.

在PLOS(θ)≥ε的約束下,需要最小化通信功率和移動地面站在L簇?zé)o人機(jī)空基平臺Drones cube 間的移動距離,

其中,di-1,i為移動地面站從i－1 簇?zé)o人機(jī)空基平臺Drones cube 移動到第i簇的移動距離.

結(jié)合式(4) 可得優(yōu)化問題為[1]:

其中,|Ci|為與移動地面站通信的第i簇Drones cube 中空基平臺的數(shù)量.對于L簇?zé)o人機(jī)空基平臺,當(dāng)移動地面站按照式(8) 和(9) 優(yōu)化的結(jié)果運(yùn)動時,就能得到上述問題的最優(yōu)解,即得到移動地面站的運(yùn)動策略.結(jié)合系統(tǒng)模型,由式(8)和(9)可得[19],

其中,j∈Ci,i∈L,為MES 移動到第i簇Drones cube 時的坐標(biāo).

上述最小化問題是一個二次約束二次規(guī)劃(Quadratically constrained quadratic program,QCQP) 問題,可描述為,

定理1.式(12) 中的二次型矩陣P0正定.

證明.根據(jù)引理1,P0為嚴(yán)格對角占優(yōu)實(shí)方陣.又因?yàn)閜ij=pji,pii＞0(i=1,2,···,2L),則P0的任何主子式仍為嚴(yán)格對角占優(yōu)的,根據(jù)引理3,可知P0的任何主子式大于零,即P0的順序主子式必大于零,二次型矩陣P0正定.

定理2.式(13) 中的矩陣Pi半正定.

證明.設(shè)矩陣Pi=(pij)2L×2L,p2i-1,2i-1=p2i,2i=2,其余元素為0,則Hermitian 矩陣Pi半正定.

根據(jù)上述的證明結(jié)論,可知式(12) 和(13) 描述的優(yōu)化問題為凸二次約束二次規(guī)劃問題(Convex-QCQP).

通過求解凸二次約束二次規(guī)劃問題,即可在保證可靠通信的前提下,得到移動地面站MES 在L簇?zé)o人機(jī)空基平臺Drones cube 間的最佳路徑點(diǎn)(i∈L),降低通信能耗的同時縮短移動地面站的移動距離,進(jìn)而延長了旋翼無人機(jī)的滯空時間和移動地面站的生存周期.此外,通過算法的迭代也可適應(yīng)由旋翼無人機(jī)空基平臺飄移帶來的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)微弱變化的影響,在保持近地面空間應(yīng)急物聯(lián)網(wǎng)的通信動態(tài)節(jié)能的前提下,使得具有移動地面站的最佳路徑點(diǎn)得到實(shí)時更新.

算法1.近地面空間應(yīng)急物聯(lián)網(wǎng)的移動地面站最佳路徑點(diǎn)更新算法

3 實(shí)驗(yàn)與分析

在面向突發(fā)公共安全事件監(jiān)測的近地面空間應(yīng)急物聯(lián)網(wǎng)中,移動地面站MES 可以有效地解決旋翼無人機(jī)能量受限條件下的遠(yuǎn)距離通信問題,為超出直接通信范圍的旋翼無人機(jī)提供交換信息的可能.此時,網(wǎng)絡(luò)的能耗主要來自于MES 與旋翼無人機(jī)的通信以及MES 的移動,因此,本小節(jié)將從移動能耗和通信能耗兩方面開展實(shí)驗(yàn)與分析.

仿真實(shí)驗(yàn)中,設(shè)近地面空間應(yīng)急物聯(lián)網(wǎng)的旋翼無人機(jī)空基平臺被初始部署在0.5×0.5(km2) 的空域內(nèi),飛行高度0.10～0.50(km),仿真參數(shù)如表2所示.

表2 仿真參數(shù)Table 2 Simulation parameters

圖4 展示了不同分布的4 簇Drones cube,應(yīng)用K近鄰方法和本文方法確定的最佳路徑點(diǎn).實(shí)驗(yàn)中每簇Drones cube 包括27 個空基監(jiān)測平臺,Drones 間距10(m),Drones cube 間距D(m),按照三維Critical-square-grid 部署模型進(jìn)行部署.圖中“○” 表示Drones cube 中的無人機(jī)監(jiān)測平臺,“◆” 表示根據(jù)本文所提出的協(xié)同優(yōu)化方法計算得到的在各Drones cube 間進(jìn)行監(jiān)測數(shù)據(jù)中繼轉(zhuǎn)發(fā)的最佳路徑點(diǎn),“*” 表示基于K近鄰方法計算得到的在各Drones cube 間進(jìn)行監(jiān)測數(shù)據(jù)中繼轉(zhuǎn)發(fā)的最佳路徑點(diǎn).可以看出,在Drones cube 的不同分布下,相比較基于K近鄰方法得到的最佳路徑點(diǎn),基于本文方法得到的最佳路徑點(diǎn)有向?qū)ΨQ中心匯聚的趨勢.特別是當(dāng)Drones cube 的間距D較大時,此特征較為明顯.通過匯聚作用,減小移動地面站MES 在不同簇之間的移動距離,降低移動能耗,進(jìn)而提高移動地面站的生存周期.

圖4 不同分布的最佳路徑點(diǎn)(hmin=160 m)Fig.4 The optimal path points in different distribution condition (hmin=160 m)

設(shè)t時刻MES 的位置、速度分別為pt=本文僅討論面向非突發(fā)狀況的MES 數(shù)據(jù)中繼,因此假設(shè)其運(yùn)動狀態(tài)穩(wěn)定,速度vt恒定.此時,MES 的移動能耗主要由路徑點(diǎn)變化決定.設(shè)t時時刻MES 由最佳路徑點(diǎn)運(yùn)動到t+1 時刻的最佳路徑點(diǎn),位移為Di,l=pt+1－pt=,則移動能耗為[20],Ei,l(Di,l,vt)=,與MES 的移動距離正相關(guān).

圖5 展示了在上述實(shí)驗(yàn)中應(yīng)用K近鄰方法和本文方法對MES 移動距離的定量化影響.針對直線、三角和圓形分布,MES 的移動距離在兩種方法的影響下,都表現(xiàn)出隨Drones cube 間距D增大的線性增長.但基于本文方法的移動距離增加速率較小,使得兩種方法下的移動距離差線性增加.以K近鄰方法為基準(zhǔn)方法,通過計算兩種方法下的MES 移動距離差和K近鄰方法下的移動距離的比值ratio=12.9%,表明K近鄰方法下的MES 移動距離增長率是本文方法下的MES 移動距離增長率的1.148 倍,因此,當(dāng)Drones cube 大間距部署時,本文方法對降低MES 移動能耗是十分有效的,此結(jié)論與上述對最佳路徑點(diǎn)的匯聚作用定性分析是一致的.

圖5 三種Drones cube 分布下的MES 移動距離Fig.5 MES moving distance under three kinds of drones cube distribution

此外,實(shí)驗(yàn)中還對Drones cube 的網(wǎng)格布點(diǎn)密度(垂直密度下限ρVmin、水平密度下限ρH-min)、底層高度H=hmin參數(shù)進(jìn)行了調(diào)整,ρV-min=ρHmin∈[0.03,0.1875],H∈[100,500],并基于K近鄰方法和本文方法,進(jìn)行了相似實(shí)驗(yàn).實(shí)驗(yàn)結(jié)果表明,參數(shù)的變化對上述的結(jié)論無顯著影響,在確定的近地面空間應(yīng)急物聯(lián)網(wǎng)節(jié)點(diǎn)部署協(xié)同優(yōu)化方法下,Drones cube 的間距D是影響MES 移動能耗的主要參數(shù).

為了進(jìn)一步探討本文算法隨優(yōu)化問題規(guī)模增加導(dǎo)致的時間復(fù)雜度變化,在仿真平臺中通過測試程序,對算法運(yùn)行時長進(jìn)行統(tǒng)計,數(shù)據(jù)如表3、表4 所示.

表3 旋翼無人機(jī)數(shù)量與算法運(yùn)行時長Table 3 Number of drones and algorithm running time

表4 Drones cube 簇數(shù)與算法運(yùn)行時長Table 4 Number of drones cube and algorithm running time

表3 展示了Drones cube 的簇數(shù)L=4 時,旋翼無人機(jī)的數(shù)量與算法運(yùn)行時長的關(guān)系.可以看出算法運(yùn)行平均運(yùn)行時長隨無人機(jī)數(shù)量增加而增長.三種分布相比較,圓形分布下的算法運(yùn)行平均時長與直線分布情況相比有所增加,主要是分布情況復(fù)雜所致.表4 展示了旋翼無人機(jī)數(shù)量K=108 時,Drones cube 的簇數(shù)與算法運(yùn)行時長的關(guān)系.實(shí)驗(yàn)中針對各種情況分別運(yùn)行5 次算法,可以看出隨著簇數(shù)L的增加,算法運(yùn)行平均運(yùn)行時長均有所增長,說明算法的時間復(fù)雜度隨優(yōu)化問題規(guī)模增加.根據(jù)文獻(xiàn)[21－22],通過分析可知本文提出的核心算法時間復(fù)雜度為O(L3.5K).Drones cube 的簇數(shù)對算

法的性能影響較大,因此在使用本文所提出算法時,應(yīng)對簇數(shù)加以限制.

圖6 展示了4 簇Drones cube 與位于最佳路徑點(diǎn)的MES 通信時的能耗變化.其中圖6(a)～6(c) 為對稱型規(guī)則分布情況,4 簇Drones cube 的總傳輸能量隨部署間距D的增大而非線性增長,圖6(d) 為非對稱隨機(jī)分布情況,由于Drones cube 的隨機(jī)部署,因此靜態(tài)通信能量變化無明顯規(guī)律.為了更進(jìn)一步展現(xiàn)各簇的傳輸能量差異,本文以D=50(m) 和D=100(m) 的情況為例,如圖6(a)～6(c) 中的兩個子圖所示,分析近地面空間應(yīng)急物聯(lián)網(wǎng)通信能耗的縱向不均衡性[20].子圖中“■”和“▲” 分別為基于本文方法和K近鄰方法的4 簇Drones cube 的通信能耗.可以看出,基于本文方法,直線分布和三角分布情況下,各簇Drones cube間存在通信能耗的縱向不均衡現(xiàn)象.這主要是由于本文方法得到的最佳路徑點(diǎn)有向?qū)ΨQ中心匯聚的趨勢,特別是當(dāng)Drones cube 的間距D較大時,不均衡現(xiàn)象較強(qiáng).對于直線分布,位于兩端的Drones cube 距離其對稱中心較遠(yuǎn),對于三角分布,位于角點(diǎn)的Drones cube 距離其對稱中心較遠(yuǎn),因此通信能耗相比較其他位置的Drones cube 較高.而圓形分布情況下,位于圓上的Drones cube 距離其對稱中心相同,因此不存在縱向不均衡現(xiàn)象.此外,在圖6(d) 所示的Drones cube 隨機(jī)分布情況下,由于各簇Drones cube 位置隨機(jī),無明顯對稱中心,因此各簇均表現(xiàn)出縱向不均衡現(xiàn)象.因此,在實(shí)際使用中,應(yīng)盡可能采用圓形分布以避免縱向不均衡現(xiàn)象.

圖6 不同分布的Drones cube 靜態(tài)通信能量(H=160 m)Fig.6 Static communication energy under different kinds of Drones cube distribution (H=160 m)

對于近地面空間應(yīng)急物聯(lián)網(wǎng)的各簇Drones cube,其通信能耗的縱向不均衡性將降低網(wǎng)絡(luò)整體生存周期,因此需度量其縱向不均衡性,并分析其對網(wǎng)絡(luò)的影響.定義靜態(tài)通信能耗不均衡率κ為所有Drones cube 最大和最小通信能量之差與剩余能量的比值.以直線分布為例,計算κ隨Drones cube的間距D和通信時長t的關(guān)系,如圖7 所示.

圖7 直線分布Drones cube 靜態(tài)通信能耗縱向不均衡率Fig.7 Vertical disequilibrium rate of energy consumption in Drones cube static communication under linear distribution

圖7 展示了Drones cube 直線分布時κ隨間距D非線性增加,隨時間t線性增加的趨勢.盡管各簇Drones cube 通信能耗的不均衡率有所上升,但由于空基監(jiān)測平臺應(yīng)用于突發(fā)狀況,且空中懸停飛行能耗使得其一般應(yīng)用于短時監(jiān)測,在較短時間內(nèi),t對κ的影響不大.根據(jù)本文設(shè)定的部署空域0.5×0.5(km2),取D=400(m),則縱向不均衡率κ為0.005725%.對κ與D的關(guān)系進(jìn)行擬合,可知當(dāng)D ＞6 000(m) 時,κ ＞1%,因此,本文提出的方法在中遠(yuǎn)距離范圍內(nèi),對通信能耗縱向不均衡性影響不大,適用于中遠(yuǎn)距離通信.

本文方法是以移動能耗和通信能耗的協(xié)同優(yōu)化為目標(biāo),而非K近鄰方法僅考慮通信能耗,因此各簇Drones cube 通信能耗有所提高,但增加不大.圖8 展示了在直線、三角和圓形分布下,以K近鄰方法為參考方法,基于本文方法的各簇Drones cube 通信能耗增長率.可以看出,直線分布的Drones cube部署方法,其通信能耗增加最快,當(dāng)D=400(m)時,通信能耗增長率僅為0.12%,相比較于圖5 所示的K近鄰方法下移動距離的增長率ratio=12.9%,本文提出的協(xié)同優(yōu)化方法是可行的.同時,在實(shí)際使用中,應(yīng)盡可能采用圓形分布以降低通信能耗增長率.

圖8 三種Drones cube 分布下的靜態(tài)通信能耗增長率Fig.8 Energy consumption growth rate of static communication under three kinds of Drones cube distribution

在移動地面站對空中Drones cube 監(jiān)測平臺進(jìn)行信息中繼轉(zhuǎn)發(fā)的過程中,Drones cube 的網(wǎng)格布點(diǎn)密度(垂直密度下限ρV-min、水平密度下限ρH-min)、底層高度H=hmin、及其間隔距離D的變化都將對通信能耗產(chǎn)生影響.面向突發(fā)公共安全事件,按照無人機(jī)空基監(jiān)測平臺的部署要求和監(jiān)測精度,在一定的近地面監(jiān)測空域SK內(nèi),假設(shè)Drones cube 的網(wǎng)格布點(diǎn)密度為定值,本文實(shí)驗(yàn)中取ρV-min=ρH-min=0.0675,討論Drones cube 底層高度H、間隔距離D變化時對通信能耗的影響.根據(jù)上述分析,相比較于K近鄰方法,不同分布下應(yīng)用本文方法確定的最佳路徑點(diǎn),均具有向?qū)ΨQ中心匯聚的趨勢,因此本文中將以直線分布的Drones cube 為例,分析其與移動地面站通信時的總傳輸能耗、H和D的關(guān)系,如圖9 所示.

圖9(a)中列出了H={150,160,170,180,190,200}(m),D={50,75,100,125,150,175}(m)時與移動地面站通信的 Drones cube靜態(tài)通信能耗.通過對計算,可知在的函數(shù)中無H和D的交叉項(xiàng).圖9(b) 為直線分布的Drones cube 與移動地面站通信時的靜態(tài)通信能量場,能量梯度表明H對影響較大.

圖9 直線分布的Drones cube 靜態(tài)通信能耗與H 和D 的關(guān)系Fig.9 The relationship between the energy consumption of drones cube static communication and H and D

基于上述(H,D) 的離散數(shù)據(jù),進(jìn)行二項(xiàng)式擬合,可以得到Drones cube 在直線分布時的擬合靜態(tài)通信能量為(H,D)=2.622+0.01533D+0.4845H+0.00295D2+0.02268H2.在95% 的置信區(qū)間內(nèi),擬合方差SSE 為8.519×10-12,確定系數(shù)R-square 為1,均方根誤差RMSE 為5.42×10-7.根據(jù)擬合結(jié)果,可知在(H,D) 的函數(shù)中無H和D的交叉項(xiàng),且H及H2項(xiàng)系數(shù)較大,因此在H∈[150,200](m),D∈[50,175](m) 范圍內(nèi),H對影響較大.

圖11 展示了Drones cube 直線分布情況下MES 在最佳路徑點(diǎn)間移動過程中,對空基監(jiān)測平臺數(shù)據(jù)中繼轉(zhuǎn)發(fā)的動態(tài)通信能量變化.定義相鄰Drones cube 中心連線的垂直平分線與相鄰最佳路徑點(diǎn)連線的交點(diǎn)位置為軟切換點(diǎn)(Soft switch point),相鄰最佳路徑點(diǎn)的中點(diǎn)位置為硬切換點(diǎn)(Hard switch point).若MES 在軟切換點(diǎn)改變中繼簇,即停止對第i個Drones cube 中繼,開始對第i+1 個Drones cube 中繼,稱為軟切換模式.若MES 在硬切換點(diǎn)改變中繼簇,則稱為應(yīng)切換模式.對于圖中所示的Drones cube 直線分布情況,軟切換點(diǎn)即為相鄰Drones cube 中心連線的中點(diǎn),其中實(shí)線為硬切換模式下的動態(tài)通信能耗及平均通信能耗,虛線為軟切換模式下的動態(tài)通信能耗及平均通信能耗.可以看出,軟切換模式下的平均通信能耗較低,較為節(jié)省能量,且通信功率無突變,降低網(wǎng)內(nèi)干擾,延長設(shè)備壽命.因此,MES 在基于本文方法確定的最佳路徑點(diǎn)間移動時,需在軟切換模式下運(yùn)行.對于三角分布和圓形分布的Drones cube,也有相似的結(jié)論.

圖10 直線分布的Drones cube 靜態(tài)通信能耗擬合Fig.10 Energy consumption fitting of drones cube static communication under linear distribution

圖11 直線分布的Drones cube 動態(tài)通信能耗(H=150,D=75)Fig.11 Dynamic communication energy consumption of drones cube under linear distribution(H=150,D=75)

綜上,針對按照三維Critical-square-grid 模型編隊(duì)的Drones cube,首先,在根據(jù)應(yīng)用需求確定部署坐標(biāo)(x,y) 后,應(yīng)盡可能減小H以降低通信能耗;其次,若監(jiān)測高度H確定,應(yīng)首選圓形分布部署,再選三角分布和直線分布部署,以避免或弱化通信耗能的縱向不均衡現(xiàn)象,并降低通信能耗增長率,提高網(wǎng)絡(luò)整體生存周期;再次,當(dāng)上述部署方案確定后,可應(yīng)用本文提出的方法,減小移動地面站MES在不同簇之間的移動距離,降低移動能耗,進(jìn)而提高移動地面站的生存周期,特別是當(dāng)Drones cube 大間距D部署時;最后,MES 在最佳路徑點(diǎn)間移動時需采用軟切換模式,降低通信能耗,降低網(wǎng)內(nèi)干擾,延長設(shè)備壽命.

4 結(jié)論

面向基于旋翼無人機(jī)的近地面空間應(yīng)急物聯(lián)網(wǎng)應(yīng)用,本文提出了一種物聯(lián)網(wǎng)空地節(jié)點(diǎn)部署協(xié)同優(yōu)化方法.根據(jù)按需部署的旋翼無人機(jī)平臺在分布區(qū)域內(nèi)大范圍、隊(duì)列化、存在位置漂移的特點(diǎn),通過協(xié)同優(yōu)化旋翼無人機(jī)空基平臺和移動地面站的部署,并迭代更新,在提供可靠通信的同時,減少移動地面站的移動能耗,提高了單位時間內(nèi)移動地面站和旋翼無人機(jī)空基平臺信息交換的次數(shù),進(jìn)而提高了中繼效率.進(jìn)而解決近地面空間應(yīng)急物聯(lián)網(wǎng)應(yīng)用中物聯(lián)網(wǎng)空地節(jié)點(diǎn)能量受限條件下的遠(yuǎn)距離通信問題.