基于无线传感器网络的车辆跟踪算法设计与分析
- 格式：pdf
- 大小：386.61 KB
- 文档页数：5
^
N N- 1
n= 2
∃ x n ∀ ! x ( n- 1 ) ∀
2 n∀
n= 1
( 12)
因为 & t 和 v t 都满足 GM 运动模型 , 把 & t 和 vt 分别代入式 ( 10) 可以求得预测值 &和 v n , 那么车辆 位置的预测值( x n ∀, y n ∀) 就可以由下式表示 x n∀
2 %x
( 14) y ( n- 1) ∀ y0 m= 1 sin & m∀ 通过式( 13) 可以计算出目标下一时刻的位置, 提前唤醒该区域内的节点, 确保跟踪的连续性. 2 3 2 跟踪区域更新周期 设 T fre 为跟踪区域的生命周期 , 也就说如果超 = 出 T fre没有更新, 那么移动的车辆可能脱离跟踪区 域 , 造成跟踪目标丢失 . T fre 的计算公式为 T fre = S = 2 L v max v max ! t an
^ ^ ^ ^ ^
2 L y = ! ( 1 - cos ! ) ! t an max 下式得到 A = 2!
根据参数方程的知识, 跟踪区域的面积可以由
∀yx#d !
2 0
( 8)
y n∀ 其中
^
=
x ( n- 1 ) ∀ y ( n- 1 ) ∀ x0
+ ∀ v n∀^cos & n∀ sin & n∀ cos & m∀
其中 : ∃ x 是序列中所有 x t 的平均值 ; # x 是序列中 x t 的自相关系数 , 如果采样序列长度为 N , 那么 ∃ x 和 # x 的表达式为 1 ∃ x = N
^ N n= 1 ^
∃ x n∀ ∃x
N
N
( 11)
因为( x , y ) 为跟踪区域边界上点的坐标 , 那么 # x =
1
目标跟踪模型和假设
当目标车辆进入网络的感知区域以后 , 网络探
收稿日期 : 2008 05 04 基金项目 : 铁道部科技计划项目资助 ( 2001X014) 作者简介 : 肖硕 ( 1981 ) , 男 , 江苏徐州人 , 博士生 . emai l: 04120136@ bjt u. edu. cn 魏学业 ( 1963 ) , 男 , 山东临朐人 , 教授 , 博士 , 博士生导师 .
62 S = 2 Rb = 2 L t an max
北
京
交
通
大
学
学
报
第 32 卷
^ ^ ^
( 4)
^
x ( t+
∀ )
= # )∃ xx t + ( 1 - # x
^ ^
( 10)
任取一条运动轨迹作为分析对象, 由于转向角不同 , 每一条 运动轨 迹都是 一个 圆弧 , 其对 应的 半径 为 R , 对应的圆心角为 ! , 那么 R 和 !的关系为 S 2 L R = = ! !tan max ( x , y ) 关于 !的参数方程为 x = 2 L ! sin ! ! t an m ax ( 6) ( 7) ( 5)
2 2 跟踪区域面积计算 车辆的特征不同, 跟踪区域 A 也将发生变化, 通过分析可知 A 是车长、 最大速度、 最大转角的函 数 A = f(L,
m ax ,
V m ax )
( 3)
如图 4 所示, 以车辆的当前位置为坐标原点构 建坐标系 , 以速度 V 的方向作为 Y 轴, 垂直速度的 方向作为 X 轴 .
Design and Analysis of Vehicle Tracking Algorithms Based on Wireless Sensor Networks
XIA O Shuo, WEI X ueye , WA N G Y u
( Schoo l of Electronics and I nformation Engineer ing , Beijing Jiaotong U niversity, Beijing 100044, China)
2
跟踪算法设计和分析
为了降低能耗 , 最有效的办法就是减少活动节
图3 Fig . 3
跟踪区域对比
Contrast of tracking region
点的数量 , 在目标跟踪中体现为减小跟踪区域 . 2 1 跟踪区域优化 图 1 中的跟踪区域是一个以目标车辆为圆心的 圆形区域 , 但是根据文献 [ 4 ] 中的车辆动力学内容 , 实际情况下, 车辆只可能到达圆中的一部分区域, 所 以很多节点在做没有意义的监测工作. 假设移动目 标是一个四轮车辆, 车辆的运动几何关系如图 2 所 示, 车辆前轮轴中点坐标为 P f = ( x f, y f) , 后轮轴中 点坐标为 P b = ( x b , y b ) , 向右的转角为 . 假设车辆 前后轮轴的间距为 L . 通过车辆动 力学可以得知 , P f= ( x f , y f) 在半径为 R f 的圆周上运动, P b = ( x b , y b ) 在半径为 R b 的圆周上运动. 由图 2 中的几何关系可以得到 R f 和 R b 的表 达式如下 L R f = sin Rb = L t an
表示车辆的转向圆半径 , 车辆的速度 .
图2 F ig. 2 图1 传感器网络跟踪目标车辆
车辆运动几何关系
Geometr y relations of v ehicle motion
假设车辆以最大速度行驶, 由于转向角不同 , 会 产生若干条运动轨迹, 把各条轨迹叠加, 组成一个类 似心形的跟踪区域 A , A 是车辆在 T 时间内能到 达的范围. 如图 3 所示 , 是两种跟踪区域面积对比.
基于无线传感器网络的车辆跟踪算法设计与分析
肖 硕, 魏学业, 王 钰
( 北京交通大学 电子信息工程学院 , 北京 100044)
摘 要 : 设计了一种基于传感器网络的车辆跟踪方法 , 为了达到降低能量消耗的目的 , 文中结合车 辆动力学的知识 , 减小跟踪区域, 减少活动节点个数. 现实中 , 车辆运动带有目的性 , 车辆的位置和 速度在时间上具有相关性 , 为此本论文采用 GM 模型来预测车辆下一时刻的位置, 依据车辆位置 来更新跟踪区域 , 确保移动目标始终处于跟踪区域内 . 仿真结果表明 , 相对于 OCR 法 , 本方法降低 了 22% 的能量开支. 关键词: 无线传感网络; 车辆追踪; 车辆动力学 ; GM 预测模型 中图分类号 : T P 212 6 文献标志码 : A
^
^
( 13)
由式 ( 8) 可以计算出车辆实际能到达的范围, 这 个范围比以车辆为中心的圆形区域小很多, 只有圆 形面积的 46% . 2 3 跟踪区域更新 因为车辆不停移动, 它会逐渐脱离跟踪区域, 这
样就要不断更新跟踪区域 , 使目标始终处于区域内 . 因此传感器网络要根据目标当前的运动情况, 预测 出下一个时刻目标的位置, 提前唤醒该区域中的传 感器节点 , 使之进入工作状态 , 不至于丢失目标. 2 3 1 车辆位置预测 在车辆实际运动过程中 , 通常会向着一个目的 地不断前进, 而不是漫无目的的随机运动. 因此下一 时间段内车辆的位置、 速度都会和前一时间段内的 位置速度有相关性. 位置预测中常用的有卡尔曼算法需要事先知道 移动目标的运动参数 , 才能做出准确的预测, 而传感 网络跟踪的移动目标, 一般都无法预先获知目标的 运动参数, 高斯 马可夫 ( GM ) 方法不需要知道车辆 的运动参数, 就能 达到较好的预 测效果[ 5] , 所 以本 文采用 GM 运动模型来进行目标位置预测. 假设网络对车辆的运动状态采样间隔为 ∀ ,这 样就得到一个时间间隔为 ∀ 的序列 , 那么该序列满 足 GM 运动模型[ 4 ] x ( t+ ∀) = # x t + ( 1 - #) ∃ x + z 其中: z ~ N ( 0,
Abstract: A vehicle tracking scheme based on w ireless sensor net w orks ( WSNs) w as designed in t his paper. In order t o reduce energy dissipat ion, t he met hod used in this paper minimizes t he t racking re g ion and decreases number of act ive nodes w ith considering vehicular kinem at ics. Because t he vehicle usually t ravels w it h a dest inat ion in reality , t herefore vehicle s locat ion and velocit y are likely t o be correlated wit h it s current location and velocit y. So the gauss markov mobilit y model t o predict the ve hicle posit ion w as introduced, t he tracking region w as updat ed by the location of vehicle t o keep t he mobile t arget in t he t racking reg ion. T he simulation results show n that t his scheme can reduce energ y overhead by 22% compared w it h OCR. Key words: w ireless sensor net works; vehicle tracking; vehicular kinem at ics; gauss markov( GM ) pre dict ion model 移动目标跟踪是无线传感器网络应用的一个重 要领域, 如车辆追踪、 战场监测和野生动物习性监测 等. 在实际应用中, 受到环境和技术限制, 不可能频 繁更换传感器电池. 因此 , 在保证网络跟踪性能和寿 命的同时 , 低功耗就成为网络设计中的重要部分, 这 就需要传感器网络具有高效节能的跟踪算法 . 为了降低网络能耗, 目前流行的方法是构建跟 踪区域, 只有区域中的节点处于活动状态, 区域外的 节点处于休眠状态 [ 1] . 文献[ 2] 介绍的 OCR 方法 , 是 以车辆为圆心, 构成一个圆形区域来跟踪车辆. 但是 现实中 , 车辆只可能到达圆中的一部分区域, 很多节 点在做没有意义的监测工作 . 本文作者从减小跟踪 区域的面积着手, 研究无线传感器网络的节能策略.
N N- 1
n= 2
∃ x n ∀ ! x ( n- 1 ) ∀
2 n∀
n= 1
( 12)
因为 & t 和 v t 都满足 GM 运动模型 , 把 & t 和 vt 分别代入式 ( 10) 可以求得预测值 &和 v n , 那么车辆 位置的预测值( x n ∀, y n ∀) 就可以由下式表示 x n∀
2 %x
( 14) y ( n- 1) ∀ y0 m= 1 sin & m∀ 通过式( 13) 可以计算出目标下一时刻的位置, 提前唤醒该区域内的节点, 确保跟踪的连续性. 2 3 2 跟踪区域更新周期 设 T fre 为跟踪区域的生命周期 , 也就说如果超 = 出 T fre没有更新, 那么移动的车辆可能脱离跟踪区 域 , 造成跟踪目标丢失 . T fre 的计算公式为 T fre = S = 2 L v max v max ! t an
^ ^ ^ ^ ^
2 L y = ! ( 1 - cos ! ) ! t an max 下式得到 A = 2!
根据参数方程的知识, 跟踪区域的面积可以由
∀yx#d !
2 0
( 8)
y n∀ 其中
^
=
x ( n- 1 ) ∀ y ( n- 1 ) ∀ x0
+ ∀ v n∀^cos & n∀ sin & n∀ cos & m∀
其中 : ∃ x 是序列中所有 x t 的平均值 ; # x 是序列中 x t 的自相关系数 , 如果采样序列长度为 N , 那么 ∃ x 和 # x 的表达式为 1 ∃ x = N
^ N n= 1 ^
∃ x n∀ ∃x
N
N
( 11)
因为( x , y ) 为跟踪区域边界上点的坐标 , 那么 # x =
1
目标跟踪模型和假设
当目标车辆进入网络的感知区域以后 , 网络探
收稿日期 : 2008 05 04 基金项目 : 铁道部科技计划项目资助 ( 2001X014) 作者简介 : 肖硕 ( 1981 ) , 男 , 江苏徐州人 , 博士生 . emai l: 04120136@ bjt u. edu. cn 魏学业 ( 1963 ) , 男 , 山东临朐人 , 教授 , 博士 , 博士生导师 .
62 S = 2 Rb = 2 L t an max
北
京
交
通
大
学
学
报
第 32 卷
^ ^ ^
( 4)
^
x ( t+
∀ )
= # )∃ xx t + ( 1 - # x
^ ^
( 10)
任取一条运动轨迹作为分析对象, 由于转向角不同 , 每一条 运动轨 迹都是 一个 圆弧 , 其对 应的 半径 为 R , 对应的圆心角为 ! , 那么 R 和 !的关系为 S 2 L R = = ! !tan max ( x , y ) 关于 !的参数方程为 x = 2 L ! sin ! ! t an m ax ( 6) ( 7) ( 5)
2 2 跟踪区域面积计算 车辆的特征不同, 跟踪区域 A 也将发生变化, 通过分析可知 A 是车长、 最大速度、 最大转角的函 数 A = f(L,
m ax ,
V m ax )
( 3)
如图 4 所示, 以车辆的当前位置为坐标原点构 建坐标系 , 以速度 V 的方向作为 Y 轴, 垂直速度的 方向作为 X 轴 .
Design and Analysis of Vehicle Tracking Algorithms Based on Wireless Sensor Networks
XIA O Shuo, WEI X ueye , WA N G Y u
( Schoo l of Electronics and I nformation Engineer ing , Beijing Jiaotong U niversity, Beijing 100044, China)
2
跟踪算法设计和分析
为了降低能耗 , 最有效的办法就是减少活动节
图3 Fig . 3
跟踪区域对比
Contrast of tracking region
点的数量 , 在目标跟踪中体现为减小跟踪区域 . 2 1 跟踪区域优化 图 1 中的跟踪区域是一个以目标车辆为圆心的 圆形区域 , 但是根据文献 [ 4 ] 中的车辆动力学内容 , 实际情况下, 车辆只可能到达圆中的一部分区域, 所 以很多节点在做没有意义的监测工作. 假设移动目 标是一个四轮车辆, 车辆的运动几何关系如图 2 所 示, 车辆前轮轴中点坐标为 P f = ( x f, y f) , 后轮轴中 点坐标为 P b = ( x b , y b ) , 向右的转角为 . 假设车辆 前后轮轴的间距为 L . 通过车辆动 力学可以得知 , P f= ( x f , y f) 在半径为 R f 的圆周上运动, P b = ( x b , y b ) 在半径为 R b 的圆周上运动. 由图 2 中的几何关系可以得到 R f 和 R b 的表 达式如下 L R f = sin Rb = L t an
表示车辆的转向圆半径 , 车辆的速度 .
图2 F ig. 2 图1 传感器网络跟踪目标车辆
车辆运动几何关系
Geometr y relations of v ehicle motion
假设车辆以最大速度行驶, 由于转向角不同 , 会 产生若干条运动轨迹, 把各条轨迹叠加, 组成一个类 似心形的跟踪区域 A , A 是车辆在 T 时间内能到 达的范围. 如图 3 所示 , 是两种跟踪区域面积对比.
基于无线传感器网络的车辆跟踪算法设计与分析
肖 硕, 魏学业, 王 钰
( 北京交通大学 电子信息工程学院 , 北京 100044)
摘 要 : 设计了一种基于传感器网络的车辆跟踪方法 , 为了达到降低能量消耗的目的 , 文中结合车 辆动力学的知识 , 减小跟踪区域, 减少活动节点个数. 现实中 , 车辆运动带有目的性 , 车辆的位置和 速度在时间上具有相关性 , 为此本论文采用 GM 模型来预测车辆下一时刻的位置, 依据车辆位置 来更新跟踪区域 , 确保移动目标始终处于跟踪区域内 . 仿真结果表明 , 相对于 OCR 法 , 本方法降低 了 22% 的能量开支. 关键词: 无线传感网络; 车辆追踪; 车辆动力学 ; GM 预测模型 中图分类号 : T P 212 6 文献标志码 : A
^
^
( 13)
由式 ( 8) 可以计算出车辆实际能到达的范围, 这 个范围比以车辆为中心的圆形区域小很多, 只有圆 形面积的 46% . 2 3 跟踪区域更新 因为车辆不停移动, 它会逐渐脱离跟踪区域, 这
样就要不断更新跟踪区域 , 使目标始终处于区域内 . 因此传感器网络要根据目标当前的运动情况, 预测 出下一个时刻目标的位置, 提前唤醒该区域中的传 感器节点 , 使之进入工作状态 , 不至于丢失目标. 2 3 1 车辆位置预测 在车辆实际运动过程中 , 通常会向着一个目的 地不断前进, 而不是漫无目的的随机运动. 因此下一 时间段内车辆的位置、 速度都会和前一时间段内的 位置速度有相关性. 位置预测中常用的有卡尔曼算法需要事先知道 移动目标的运动参数 , 才能做出准确的预测, 而传感 网络跟踪的移动目标, 一般都无法预先获知目标的 运动参数, 高斯 马可夫 ( GM ) 方法不需要知道车辆 的运动参数, 就能 达到较好的预 测效果[ 5] , 所 以本 文采用 GM 运动模型来进行目标位置预测. 假设网络对车辆的运动状态采样间隔为 ∀ ,这 样就得到一个时间间隔为 ∀ 的序列 , 那么该序列满 足 GM 运动模型[ 4 ] x ( t+ ∀) = # x t + ( 1 - #) ∃ x + z 其中: z ~ N ( 0,
Abstract: A vehicle tracking scheme based on w ireless sensor net w orks ( WSNs) w as designed in t his paper. In order t o reduce energy dissipat ion, t he met hod used in this paper minimizes t he t racking re g ion and decreases number of act ive nodes w ith considering vehicular kinem at ics. Because t he vehicle usually t ravels w it h a dest inat ion in reality , t herefore vehicle s locat ion and velocit y are likely t o be correlated wit h it s current location and velocit y. So the gauss markov mobilit y model t o predict the ve hicle posit ion w as introduced, t he tracking region w as updat ed by the location of vehicle t o keep t he mobile t arget in t he t racking reg ion. T he simulation results show n that t his scheme can reduce energ y overhead by 22% compared w it h OCR. Key words: w ireless sensor net works; vehicle tracking; vehicular kinem at ics; gauss markov( GM ) pre dict ion model 移动目标跟踪是无线传感器网络应用的一个重 要领域, 如车辆追踪、 战场监测和野生动物习性监测 等. 在实际应用中, 受到环境和技术限制, 不可能频 繁更换传感器电池. 因此 , 在保证网络跟踪性能和寿 命的同时 , 低功耗就成为网络设计中的重要部分, 这 就需要传感器网络具有高效节能的跟踪算法 . 为了降低网络能耗, 目前流行的方法是构建跟 踪区域, 只有区域中的节点处于活动状态, 区域外的 节点处于休眠状态 [ 1] . 文献[ 2] 介绍的 OCR 方法 , 是 以车辆为圆心, 构成一个圆形区域来跟踪车辆. 但是 现实中 , 车辆只可能到达圆中的一部分区域, 很多节 点在做没有意义的监测工作 . 本文作者从减小跟踪 区域的面积着手, 研究无线传感器网络的节能策略.
