当前位置：
X-MOL 学术
›
Int. J. Commun. Syst.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Identification of optimal location points for efficient data gathering in IoT environment
International Journal of Communication Systems ( IF 1.7 ) Pub Date : 2021-05-03 , DOI: 10.1002/dac.4843 Tanuj Wala 1 , Narottam Chand 1 , Ajay K. Sharma 2
International Journal of Communication Systems ( IF 1.7 ) Pub Date : 2021-05-03 , DOI: 10.1002/dac.4843 Tanuj Wala 1 , Narottam Chand 1 , Ajay K. Sharma 2
Affiliation
|
Recent development in sensor technologies encourages the adoption of mobile data collectors (MDCs), that is, vehicles or robots, to collect data in the Internet of Things (IoT) environment. However, the slow travel speed of the MDCs leads to significant delays in the transmission of data. This work proposes an optimal region location point based route planning (ORLP-RP) scheme to construct a shorter tour with minimized data delivery latency. Primary goal of the work is to distinguish the overlapped wireless sensor network (WSN) clusters and specify the overlapped regions to find optimal location points within each identified region to ensure one-hop data gathering from each cluster. Thereafter, MDC trajectory is formed by using the nearest-neighbor (NN) heuristic approach that generates a near optimal solution. In performance evaluation, the ORLP-RP scheme has been compared with the existing algorithms such as EAPC, RDP, MOPSO, and NDCMC for data collection in terms of the number of optimal location points, total path length, data gathering latency, network lifespan, energy consumption, and data gathering ratio. Simulation results demonstrate the effectiveness of the proposed approach by improving the number of optimal location points with an average up to 58%, total path length improvement by 17%, energy consumption and network lifespan improvement on average by 18% and 12%, data gathering ratio by the MDC up to 9%, and reducing the delay of the MDC path by 21% compared with considered approaches. Thus, simulation results indicate better performance of the proposed scheme at all the indices listed above.
中文翻译：
物联网环境中高效数据采集的最佳位置识别
传感器技术的最新发展鼓励采用移动数据收集器 (MDC)，即车辆或机器人，在物联网 (IoT) 环境中收集数据。然而，MDC 的缓慢行进速度导致数据传输的显着延迟。这项工作提出了一种基于最佳区域位置点的路线规划（ORLP-RP）方案，以构建具有最小数据传输延迟的较短旅行。这项工作的主要目标是区分重叠的无线传感器网络 (WSN) 集群并指定重叠区域以在每个识别的区域内找到最佳位置点，以确保从每个集群收集一跳数据。此后，通过使用最近邻 (NN) 启发式方法生成近似最优解的 MDC 轨迹。在绩效评估中，ORLP-RP方案与现有的EAPC、RDP、MOPSO、NDMCC等算法在最佳位置点数、总路径长度、数据采集时延、网络寿命、能耗等方面进行了比较。数据收集率。仿真结果证明了该方法的有效性，最优位置点数平均提高 58%，总路径长度提高 17%，能耗和网络寿命平均提高 18% 和 12%，数据收集MDC 的比率高达 9%，与考虑的方法相比，MDC 路径的延迟减少了 21%。因此，仿真结果表明所提出的方案在上面列出的所有指标上都有更好的性能。MOPSO 和 NDMCC 在最佳位置点数量、总路径长度、数据采集延迟、网络寿命、能耗和数据采集率方面进行数据采集。仿真结果证明了该方法的有效性，最优位置点数平均提高 58%，总路径长度提高 17%，能耗和网络寿命平均提高 18% 和 12%，数据收集MDC 的比率高达 9%，与考虑的方法相比，MDC 路径的延迟减少了 21%。因此，仿真结果表明所提出的方案在上面列出的所有指标上都有更好的性能。MOPSO 和 NDMCC 在最佳位置点数量、总路径长度、数据采集延迟、网络寿命、能耗和数据采集率方面进行数据采集。仿真结果证明了该方法的有效性，最优位置点数平均提高 58%，总路径长度提高 17%，能耗和网络寿命平均提高 18% 和 12%，数据收集MDC 的比率高达 9%，与考虑的方法相比，MDC 路径的延迟减少了 21%。因此，仿真结果表明所提出的方案在上面列出的所有指标上都有更好的性能。能耗和数据采集率。仿真结果证明了该方法的有效性，最优位置点数平均提高 58%，总路径长度提高 17%，能耗和网络寿命平均提高 18% 和 12%，数据收集MDC 的比率高达 9%，与考虑的方法相比，MDC 路径的延迟减少了 21%。因此，仿真结果表明所提出的方案在上面列出的所有指标上都有更好的性能。能耗和数据采集率。仿真结果证明了该方法的有效性，最优位置点数平均提高 58%，总路径长度提高 17%，能耗和网络寿命平均提高 18% 和 12%，数据收集MDC 的比率高达 9%，与考虑的方法相比，MDC 路径的延迟减少了 21%。因此，仿真结果表明所提出的方案在上面列出的所有指标上都有更好的性能。MDC 的数据收集率高达 9%，与考虑的方法相比，MDC 路径的延迟减少了 21%。因此，仿真结果表明所提出的方案在上面列出的所有指标上都有更好的性能。MDC 的数据收集率高达 9%，与考虑的方法相比，MDC 路径的延迟减少了 21%。因此，仿真结果表明所提出的方案在上面列出的所有指标上都有更好的性能。
更新日期：2021-06-21
中文翻译：
物联网环境中高效数据采集的最佳位置识别
传感器技术的最新发展鼓励采用移动数据收集器 (MDC)，即车辆或机器人，在物联网 (IoT) 环境中收集数据。然而，MDC 的缓慢行进速度导致数据传输的显着延迟。这项工作提出了一种基于最佳区域位置点的路线规划（ORLP-RP）方案，以构建具有最小数据传输延迟的较短旅行。这项工作的主要目标是区分重叠的无线传感器网络 (WSN) 集群并指定重叠区域以在每个识别的区域内找到最佳位置点，以确保从每个集群收集一跳数据。此后，通过使用最近邻 (NN) 启发式方法生成近似最优解的 MDC 轨迹。在绩效评估中，ORLP-RP方案与现有的EAPC、RDP、MOPSO、NDMCC等算法在最佳位置点数、总路径长度、数据采集时延、网络寿命、能耗等方面进行了比较。数据收集率。仿真结果证明了该方法的有效性，最优位置点数平均提高 58%，总路径长度提高 17%，能耗和网络寿命平均提高 18% 和 12%，数据收集MDC 的比率高达 9%，与考虑的方法相比，MDC 路径的延迟减少了 21%。因此，仿真结果表明所提出的方案在上面列出的所有指标上都有更好的性能。MOPSO 和 NDMCC 在最佳位置点数量、总路径长度、数据采集延迟、网络寿命、能耗和数据采集率方面进行数据采集。仿真结果证明了该方法的有效性，最优位置点数平均提高 58%，总路径长度提高 17%，能耗和网络寿命平均提高 18% 和 12%，数据收集MDC 的比率高达 9%，与考虑的方法相比，MDC 路径的延迟减少了 21%。因此，仿真结果表明所提出的方案在上面列出的所有指标上都有更好的性能。MOPSO 和 NDMCC 在最佳位置点数量、总路径长度、数据采集延迟、网络寿命、能耗和数据采集率方面进行数据采集。仿真结果证明了该方法的有效性，最优位置点数平均提高 58%，总路径长度提高 17%，能耗和网络寿命平均提高 18% 和 12%，数据收集MDC 的比率高达 9%，与考虑的方法相比，MDC 路径的延迟减少了 21%。因此，仿真结果表明所提出的方案在上面列出的所有指标上都有更好的性能。能耗和数据采集率。仿真结果证明了该方法的有效性，最优位置点数平均提高 58%，总路径长度提高 17%，能耗和网络寿命平均提高 18% 和 12%，数据收集MDC 的比率高达 9%，与考虑的方法相比，MDC 路径的延迟减少了 21%。因此，仿真结果表明所提出的方案在上面列出的所有指标上都有更好的性能。能耗和数据采集率。仿真结果证明了该方法的有效性，最优位置点数平均提高 58%，总路径长度提高 17%，能耗和网络寿命平均提高 18% 和 12%，数据收集MDC 的比率高达 9%，与考虑的方法相比，MDC 路径的延迟减少了 21%。因此，仿真结果表明所提出的方案在上面列出的所有指标上都有更好的性能。MDC 的数据收集率高达 9%，与考虑的方法相比，MDC 路径的延迟减少了 21%。因此，仿真结果表明所提出的方案在上面列出的所有指标上都有更好的性能。MDC 的数据收集率高达 9%，与考虑的方法相比，MDC 路径的延迟减少了 21%。因此，仿真结果表明所提出的方案在上面列出的所有指标上都有更好的性能。
京公网安备 11010802027423号