为更好地分析和统计动态交通流以获得道路交通信息,将物联网技术与智能交通系统相结合,提出一种基于物联网的智能交通探测系统ITFDS(Intelligent Transportation Flow Detection System Based on Internet of Things)。ITFDS通过车载传感器节点获取原始交通参数并进行初次融合,汇聚点作为信息收集、分发与数据二次融合的中心节点,物联网中心控制机房则负责系统数据的统计与管理。仿真实验证明,ITFDS能有效、即时地获得道路交通流量值并将其发送至各车辆,作为车辆选择行进线路的依据。
降低网络能耗、延长网络生存时间是无线传感器网络设计的重要目标.在分析现有主要成簇算法的基础上,提出一种基于能量密度的无线传感器网络能量预测成簇算法EPCBD(energy prediction clustering algorithm based on energy density).算法中,节点根据其通信范围内的能量密度与网络平均能量密度之比确定自己成为簇头节点的概率.为节省每轮成簇初始阶段节点进行广播所消耗的能量,建立了节点消耗能量的预测机制.仿真实验结果表明,与现有主要成簇算法相比,新的成簇算法拥有更长的网络生存周期和更优的网络监控质量.
提出了一种基于转发概率的动态数据转发策略:FPAD(forwarding probability-based adaptive data deliveryalgorithm).FPAD适用于由不同类型传感器节点构成的可监测不同对象的异构延迟容忍移动传感器网络HDTMSN(heterogeneous delay tolerant mobile sensor network).在这种网络中,各类节点拥有不同的通信能力、运动速度与消息存储能力,并且获取的数据消息具有不同的大小和不同的延迟容忍度.针对异构网络的特点,FPAD一方面根据节点能量消耗和消息传输延迟计算出节点的传输概率和转发概率,并以此进行数据消息的传输;另一方面,提出根据消息当前的延迟容忍度作为消息丢弃依据的消息队列管理机制.仿真实验结果表明,与现有的几种数据传输算法相比,FPAD的数据传输成功率更高、传输延迟更小,而且网络寿命相对较长.
针对节点负载不均衡和数据传输距离的问题,提出一种适用于异构网络的基于负载均衡和最短路径的分布式成簇算法DUBP(distributed and unequal clustering algorithm based on load balance and shortest path)。DUBP首先基于节点的能耗因子对网络动态分区,以均衡负载;然后结合网络拓扑结构和图论,利用Floyd算法求出节点间的最短距离作为路径因子;最后以节点的能量因子和路径因子作为辅助参数来竞争簇头,以避免低能量节点担任簇头,节省传输能耗。仿真表明,DUBP算法能显著延长网络寿命,有良好的适应性和能效性。
