机坪感知网络的快速收敛平均一致性时间同步算法

针对机坪感知网络(APSN)的传统平均一致性时间同步算法(ATS)因其分布式迭代特点而导致收敛速度慢、算法效率低的问题,基于代数连通度影响一致性算法收敛速度的原理,提出了一种可快速收敛的平均一致性时间同步算法(FCATS)。首先,在APSN内的双跳邻居节点间添加虚拟链路来增加网络的连通性;然后,基于单跳与双跳邻居节点信息对节点的相对时钟偏斜、逻辑时钟偏斜与偏移进行更新;最后,根据时钟参数更新过程进行一致性迭代。仿真结果表明,FCATS经过一致性迭代能够得到收敛,与ATS相比,在收敛速度上提升了50%左右,在不同拓扑条件下收敛速度能够提升20%以上,可见收敛速度得到了明显改善。

机坪感知场景下基于移动智能体的机会路由控制方法

针对机坪感知网络中存在的间歇性路由及弱连接问题,提出一种基于移动智能体(mobile agent,M-Agent)的机会路由控制方法。根据机坪保障运行特点,利用M-Agent连接非连通子域,完成对机坪感知数据流的分类模型设计,实现数据机会传输控制最优决策及负载均衡的数据汇集。在机会网络仿真平台(opportunistic network environment,ONE)环境中进行仿真,实验结果与经典Epidemic和Prophet算法进行比较,在节点数和缓存容量层面,消息投递率提高8.07%~20.6%、网络开销降低20.31%~48.79%,通信时延降低7.48%~12.31%,表明该路由控制方法在机坪感知网络中的可行性与有效性。

基于视觉的机坪感知方法研究

近年来我国航空运输量得到了快速增长,航空运输快速增长的同时,也增加了飞行器在机坪区域的刮碰风险。为进一步提升航空运输在机坪区域的效率及安全,提出了一种高鲁棒的机坪感知方法。通过卷积神经网络实现机坪场景下的飞机以及行人检测,通过主干网络进行特征提取,并在此基础上通过目标生成模块、目标偏移量预测模块以及目标框大小预测模块进行目标检测。实验结果表明,文章的方法在对飞机及行人均有较好的检测效果,同时文章的方法可适应不同的光线场景。

基于接触图的机坪感知网络机会控制

为解决民航机坪覆盖面积大、设备分布分散以及资源受限导致的消息投递率低、传输时延长以及网络开销大的问题,提出一种机坪感知网络机会控制方法(MPCS)。利用机坪节点接触特性,融合节点多维属性构建节点转发能力模型筛选候选转发节点,提高目标跟踪准确度;依据节点分布确定可转发节点数,即消息副本转发数,解决多副本传输开销大问题;结合余弦相似度进一步确定候选转发节点并转发消息,扩大消息传播范围,提高消息投递率。在ONE仿真模拟器的验证结果表明,与传统Epidemic、Prophet和Spray and Wait相比,MPCS策略的消息平均投递率达到80%,消息平均时延低至235 s,表现了相对较好的网络性能。

智慧机坪网格结构下的负载均衡控制对策

受航班流驱动,民航机坪感知网络呈现节点数量多且分散、数据异构性强、网络拓扑动态变化等特点,造成负载失衡、节点资源消耗快、网络生命短等问题。借鉴网格结构思想,提出一种基于蚁群优化算法(ACO)的负载均衡机坪路由控制方法,用负载量定义启发因子,将转移概率的信息素参数进行负相关变换,实现路径传输的负载均衡,并通过部署网络节点密度来优化网络的拓扑结构。仿真结果表明,基于ACO的改进路由算法比LEACH算法在均衡网络能耗、提高数据传输率以及延长网络生命周期方面均具有优越性。