CC BY
20МОДЕЛИРОВАНИЕ СБОРА ИНФОРМАЦИИ В СЕТЯХ С ДАТЧИКАМИ
НА ТРАНСПОРТНЫХ СРЕДСТВАХ
К. В. Ткачёв1, В. И. Мишуков2, С. П. Корсаков2
1Институт вычислительной математики и математической геофизики СО РАН
2
Высший колледж информатики Новосибирского государственного университета УДК 004.942
DOI: 10.24411/9999-018A-2020-10008
Описана разработанная авторами система имитационного моделирования Mobile Monitoring. С помощью этой системы можно моделировать сеть передачи данных с узлами, расположенными на движущихся объектах. Предполагается, что в узлах сети размещены датчики с возможностью определения своего местоположения и с приемо-передающими функциями. Основная цель системы Mobile Monitoring заключается в моделировании сбора и передачи данных во время движения узлов (например, передача информации о ситуации на дорогах, сбор данных о состоянии атмосферы и другие задачи мониторинга).
Ключевые слова: сети с подвижными узлами, передача данных, мониторинг, имитационное моделирование.
Введение
Сбор данных о состоянии окружающей среды с помощью различных датчиков (сенсоров) получил большое распространение в последние два десятилетия [1-3]. В последние годы предлагается новый подход: использовать не просто распределенные на территории сенсоры, а с добавленной мобильностью - для этого можно расположить устройства на движущемся транспорте. Такие датчики могут собирать и распространять информацию о ситуациях на дорогах среди всех участников движения. В статьях [4-6] описаны возможности использования автомобильной сенсорной сети (VehicleSensorNetworks) для различных задач. Одно из таких применений - мониторинг качества воздуха в городах, для этого датчики устанавливаются на автомобилях, которые движутся по городу и периодически замеряют данные о состоянии воздуха. Благодаря мобильности, сенсорный узел может проводить измерения в разных местах, тем самым снижая требования к большому количеству сенсорных узлов для мониторинга территории мегаполиса.
Моделирование передачи данных в сетях с подвижными узлами
Одна из основных задач в современных сетях передачи данных - составление баланса между скоростью сбора (а значит, своевременностью поступления важной информации) и стоимостью связи. Необходимо регулировать расписание передачи информации мобильными узлами при одновременном снижении расходов на связь. Например, в районе, где много автомобилей с датчиками мониторинга, можно уменьшить частоту сообщений некоторых узлов, чтобы исключить возможное дублирование. С другой стороны, на территориях, где ситуация часто меняется, узлу может потребоваться увеличить частоту передачи сообщений для повышения точности. Для решения подобных задач удобно использовать имитационное моделирование [7], чтобы иметь возможность провести многократные исследования на различных топологиях сети, с разными входными данными.
Работа выполнена при частичной финансовой поддержке Российского фонда фундаментальных исследований (гранты № 19-01-00562, 19-47-540007).
40
"Проблемы оптимизации сложных систем - 2020
Server
Рис. 1 Сбор информации от датчиков, размещенных на автобусах
Авторами была разработана система имитационного моделирования Mobile Monitoring для моделирования процесса сбора и распространения информации от датчиков, размещенных на транспортных средствах. Модель предусматривает загрузку карты, на которой происходит имитация дорожного движения общественного транспорта, на некоторых транспортных средствах установлены датчики передачи сообщений. Были введены следующие функциональные требования: визуализация модели транспортной сети; моделирование движения транспортных средств и сбора данных от движущихся узлов; расчет места событий, о которых получена важная информация (например, координаты аварий на дороге, или определение источника загрязнения атмосферы).
В системе MobileMonitoring предполагается, что датчики, размещенные на транспортных средствах, замеряют данные с периодичностью 1 измерение в N минут. Накапливается информация об участках, где произведены измерения, ведется статистика собранных данных. Данные хранятся в виде MS Excel таблиц. Необходимо учитывать особенности оборудования (радиус действия датчиков и др.), стоимость оборудования, скорость распространения информации. Решается задача оптимальной расстановки датчиков на автобусах для своевременного получения важной информации при ограничении на общую стоимость устройств (рис. 1).
Для работы у пользователя системы Mobile Monitoring должны быть входные данные. Пользователь выбирает маршруты, для которых нужно создать модели транспортных средств, генерирует случайный источник распространения информации, создает модель движения транспортных средств за определенный промежуток времени. На выходе получается модель с движущимися транспортными средствами, участками распространения сообщений, временем сбора и передачи информации. При запуске открывается основная форма системы и дополнительная форма, на которой моделируются и визуализируются источники распространения сообщений (рис. 2).
Время процесса моделирования зависит от количества транспортных средств, в расчете используется большое количество точек - координат, по которым движется общественный транспорт. Для облегчения создания модели использованы участки сетки - квадраты, по которым пролегает маршрут. Расчет времени, потраченного на моделирование в каждом квадрате, ведется с учетом параметров: средняя скорость передвижения и среднее время ожидания на остановках.
_ х
SWD l<oнфигypaция:C:\Users\Useг\50uгce\repos\D¡plom\SystAnalysJг1\Configs\STRING_FORMAГ_JSON_Bug^ Язык русский (России № И' | Темы
Рис. 2 Окно системы Mobile Monitoring
2. Задача сбора информации о состоянии атмосферы в мегаполисе
В качестве апробации работы системы Mobile Monitoring рассматривалась задача, в которой можно использовать сбор данных от датчиков, размещенных на транспорте - мониторинг состояния атмосферы на заданной территории, определение источника загрязнения. Было смоделировано движение общественного транспорта в Советском районе г. Новосибирска. С помощью оптимальной расстановки датчиков на некоторых транспортных средствах, движущихся по заданным маршрутам (автобусы, троллейбусы) решалась задача обнаружения центров загрязнения на заданной территории не позднее, чем за заданное время T. Было получено расписание сбора данных для каждого заданного значения Т.
Заключение
Рассмотрена актуальная задача мониторинга в мегаполисе с помощью узлов на движущихся объектах. Мобильность сенсорных датчиков увеличивает покрываемую область, а оптимизация частоты сбора данных и передачи их в аналитический центр позволяет построить эффективный процесс сбора данных. Описанная система имитационного моделирования Mobile Monitoring позволяет моделировать движения транспорта и передачу данных в нестационарной сети. В качестве примера рассмотрено моделирование сбора информации о загрязнении атмосферы в Новосибирске.
Список литературы
1. Бондур В.Г., Шахраманьян М.А., Воробьев В.Е., и др. МЕГАПОЛИС - интегрированные технологии оценки загрязнения атмосферы крупных городов в региональном и глобальном масштабах на основе аэрокосмического и наземного мониторинга для уменьшения негативных последствий антропогенных воздействий. М.: НИИ АЭРОКОСМОС, 2011. 1888 с.
2. S. Zhang and H. Zhang. A review of wireless sensor networks and its applications // IEEE Intern. conf. on automation and logistics, Zhengzhou, 2012. P. 386-389.
42 "Проблемы оптимизации сложных систем - 2020"
3. Nittel S. A Survey of geosensor networks: Advances in dynamic environmental monitoring // Sensors. 2009. Vol. 9(7). p. 5664-5678.
4. O. Sokolova, V. Shakhov and A. Yurgenson, On Messages Transmission in Intelligent Transport System // 2019 International Russian Automation Conference (RusAutoCon), Sochi (Russia), 2019. P. 1-5.
5. S. Kaivonen and E. C.-H. Ngai. Real-time air pollution monitoring with sensors on city bus // Digital Communications and Networks. 2019. Vol. 6, N 1. P. 22-30.
6. Andrey V. Materukhin, Andrey A. Maiorov, Oleg G. Gvozdev, Olga D. Sokolova Simulation of Spatio-Temporal Data Streams from Geosensors Located On mobile Objects // Proc. of 15th Intern. Asian School-Seminar "Optimization problems of complex systems" (OPCS-2019). P. 179-183.
7. Рудометов С. В., Соколова О. Д. Моделирование передачи сообщений между движущимися объектами в транспортной среде (Simulation of messages transmission between moving objects in a transport environment) // Программные продукты и системы. 2019. № 1. С. 141-145.
Ткачёв Кирилл Валерьевич - мл. науч. сотр. Института вычислительной математики и математической геофизики СО РАН;
630090, Новосибирск;ЕтаИ: [email protected];
Мишуков Владислав Иванович - студент Высшего колледжа информатики НГУ
630099, Новосибирск; Email: [email protected];
Семен Павлович Корсаков - студент Высшего колледжа информатики НГУ
630099, Новосибирск; Email: [email protected]
