涂經(jīng)科，梁俊斌 ，蔣 嬋，王天舒

1.廣西大學(xué) 計算機(jī)與電子信息學(xué)院，南寧 530004

2.廣西多媒體通信與網(wǎng)絡(luò)技術(shù)重點(diǎn)實驗室，南寧 530004

3.東軟集團(tuán)（南寧）有限公司，南寧 530007

1 引言

大規(guī)模無環(huán)有向管網(wǎng)（Large-Scale Acyclic Directed Pipe Networks，LSADPN）是指城市供水管網(wǎng)、石油及天然氣供給管網(wǎng)等可以建模為無環(huán)有向圖（DAG）的管道系統(tǒng)[1-4]，如圖1 所示[5]。LSADPN 是影響國家經(jīng)濟(jì)發(fā)展和社會穩(wěn)定的關(guān)鍵戰(zhàn)略基礎(chǔ)設(shè)施，需要保證它們安全穩(wěn)定運(yùn)行[6-9]。但是，LSADPN 往往具有分布地域廣闊、連接復(fù)雜、深埋地下等特點(diǎn)，因此對它們進(jìn)行實時、全面且準(zhǔn)確的監(jiān)測十分困難[10-11]。

圖1 LSADPN無環(huán)有向圖

為應(yīng)對各種污染和泄露事件對LSADPN 基礎(chǔ)設(shè)施的挑戰(zhàn)，對LSADPN 實時監(jiān)測系統(tǒng)被認(rèn)為是至關(guān)重要的。在傳統(tǒng)的監(jiān)測方案中，針對由化學(xué)或者生物污染造成的污染事件和由于管道受到老化、破損和人為惡意破壞造成的泄露事件，往往是通過安置靜態(tài)檢測儀器來進(jìn)行監(jiān)測[12-15]。但是，用于管道監(jiān)測的靜態(tài)傳感器的價格較為昂貴，并且對安裝的位置有嚴(yán)格限制（例如：電子放大聽漏儀要求安放在管道的暴露點(diǎn)，并且周邊噪音小），因此只能安裝在部分重要位置，監(jiān)測范圍較為有限[16-19]。

近年來，隨著納米技術(shù)、傳感技術(shù)和通信技術(shù)的發(fā)展，有研究提出基于移動物聯(lián)網(wǎng)的監(jiān)測方法，可投放一定數(shù)量的移動傳感器，從管網(wǎng)中獲取數(shù)據(jù)取得較準(zhǔn)確的監(jiān)測結(jié)果。整個監(jiān)測系統(tǒng)由匯聚節(jié)點(diǎn)、移動傳感器組成，它們的功能及特點(diǎn)描述如下：

（1）匯聚節(jié)點(diǎn)。是一種具有較強(qiáng)通信能力的節(jié)點(diǎn)，可以在相應(yīng)的管道接口結(jié)點(diǎn)預(yù)先布置一定數(shù)量的匯聚節(jié)點(diǎn)，以收集或接收移動傳感器上傳的流體數(shù)據(jù)。

（2）移動傳感器。在基于移動物聯(lián)網(wǎng)的LSADPN監(jiān)測系統(tǒng)中移動傳感器通?？煞譃閮深?，一類是自主移動的傳感器，一類是非自主移動的傳感器。①自主移動的移動傳感器，具有水質(zhì)監(jiān)測能力，還有較強(qiáng)的數(shù)據(jù)、通信和計算功能，同時具有動力單元可按規(guī)劃路線自主行動。②非自主移動的移動傳感器，具有水質(zhì)檢測的能力，還有有限數(shù)據(jù)存儲、通信和計算功能，但是沒有動力單元，無法自主移動；系統(tǒng)進(jìn)行監(jiān)測時，可以根據(jù)用戶成本投入指定數(shù)量的移動傳感器到LSADPN中，讓它們隨著管網(wǎng)內(nèi)的液體流動，從內(nèi)部進(jìn)行更準(zhǔn)確的監(jiān)測。當(dāng)它們經(jīng)過匯聚節(jié)點(diǎn)時，可以通過匯聚節(jié)點(diǎn)并上傳數(shù)據(jù)。

目前，基于移動物聯(lián)網(wǎng)的LSADPN監(jiān)測系統(tǒng)中遇到的主要困難包括：

（1）節(jié)點(diǎn)布置范圍受限，投放位置難以確定。在LSADPN 中，管道深埋地下且分布廣泛，不同地域下的管道密度懸殊，如部分地域管道分支分布密集但部分地域管道分支分布稀疏。因此，難以通過大范圍部署移動節(jié)點(diǎn)和匯聚節(jié)點(diǎn)覆蓋大部分管道。另外，許多管道的接口處無法安置匯聚節(jié)點(diǎn)或者投放移動傳感器，因此如何確定合適的管道分支來部署匯聚節(jié)點(diǎn)和投放移動節(jié)點(diǎn)是一大難點(diǎn)。

（2）監(jiān)測系統(tǒng)成本有限，難以大范圍投放節(jié)點(diǎn)。首先，在LSADPN 中，管道為無環(huán)有向管道且管道中的流體流向為單向流向，節(jié)點(diǎn)可能因為管道某處堵塞或閥門關(guān)閉而無法正常運(yùn)動。因此，可能會出現(xiàn)一個管道中有多個節(jié)點(diǎn)進(jìn)入而重復(fù)檢測或者部分管道沒有節(jié)點(diǎn)流入而無法被檢測等問題，出現(xiàn)多個節(jié)點(diǎn)浪費(fèi)的情況。其次，在監(jiān)測成本一定條件下，節(jié)點(diǎn)的投放數(shù)量有限，無法通過大量部署匯聚節(jié)點(diǎn)和釋放移動傳感器來達(dá)到較高的性能指標(biāo)。

（3）LSADPN 中流體運(yùn)動十分復(fù)雜，計算困難。在基于移動傳感器的LSADPN監(jiān)測方案中，難以對復(fù)雜的流體運(yùn)動進(jìn)行較為準(zhǔn)確的模擬和計算。在以往的文獻(xiàn)中，一般會假定管道內(nèi)流體的速度與容量是固定的，不會隨著時間改變，隨著流體漂流的節(jié)點(diǎn)移動速度也是穩(wěn)定不變的。然而，在實際的LSADPN 中，流體的速度經(jīng)常會隨著時間呈現(xiàn)不同的變化（如管道閥門關(guān)閉造成的流體速度為零；不同區(qū)域與時間的用水量高峰期造成流體速度大幅變化等），靜態(tài)的穩(wěn)定流體速度模型只適用于少數(shù)的情況。根據(jù)流體速度變化的規(guī)律，將流速速度變化模型分為三種模型：靜態(tài)穩(wěn)定流體模型、動態(tài)穩(wěn)定流體模型和動態(tài)隨機(jī)流體模型。靜態(tài)穩(wěn)定流體模型適用于管道內(nèi)水壓和流體流速不變的流體模型；動態(tài)穩(wěn)定流體模型是指根據(jù)時間的變化可推導(dǎo)出流體速度呈現(xiàn)規(guī)律變化的流體模型，例如通過把時間當(dāng)作參數(shù)推導(dǎo)出流體速度隨時間變化的函數(shù)，可以用來模擬城市一天的用水量變化情況；動態(tài)隨機(jī)流體模型是指管道內(nèi)水壓和流體速度隨著時間推移呈現(xiàn)不規(guī)則變化的模型，如水管的爆裂、地震等災(zāi)難造成的管道內(nèi)流體速度的不規(guī)則變化等。

（4）監(jiān)測系統(tǒng)的性能指標(biāo)考慮不足。在LSADPN中，往往根據(jù)不同的研究目標(biāo)會設(shè)置不同的性能指標(biāo)。LSADPN 監(jiān)測系統(tǒng)的較為重要的監(jiān)測指標(biāo)為：監(jiān)測范圍、監(jiān)測事故的精度、保護(hù)人口等。以監(jiān)測范圍為監(jiān)測指標(biāo)時，可能會造成高覆蓋、低人口的情況；以監(jiān)測事故的精度為性能指標(biāo)時，固定成本下有限的節(jié)點(diǎn)數(shù)量難以大范圍覆蓋管道實現(xiàn)事故的高精度定位；以保護(hù)人口為性能指標(biāo)時，單一指標(biāo)又會降低其他性能指標(biāo)的要求。另外，在現(xiàn)實生活中監(jiān)測需求往往是復(fù)雜且變化的，因此如何設(shè)置性能指標(biāo)框架，使其能滿足實際的監(jiān)測需求是一大難點(diǎn)。

本文將對LSADPN 中基于移動物聯(lián)網(wǎng)的監(jiān)測方案進(jìn)行綜述，主要貢獻(xiàn)為系統(tǒng)地歸納了基于移動物聯(lián)網(wǎng)中不同節(jié)點(diǎn)的部署方案，并以此為主軸介紹了部署方案的現(xiàn)狀。

2 國內(nèi)外研究現(xiàn)狀

目前，已經(jīng)有部分工作研究如何基于移動物聯(lián)網(wǎng)來對LSADPN進(jìn)行監(jiān)測。根據(jù)感知數(shù)據(jù)上傳的方式，可以將這些工作劃分為兩類：非自動上傳數(shù)據(jù)的方案和自動上傳數(shù)據(jù)的方案。

2.1 非自動上傳數(shù)據(jù)的方案

所謂非自動上傳數(shù)據(jù)，是指依靠人工捕獲移動傳感器的位置并上傳數(shù)據(jù)。這些移動節(jié)點(diǎn)相互獨(dú)立，互不通信。在這種方案中，可以通過投放大量移動傳感器來對管網(wǎng)進(jìn)行大范圍的覆蓋。但是節(jié)點(diǎn)之間沒有數(shù)據(jù)交互，通常無法判斷獲得監(jiān)測數(shù)據(jù)的時間延遲[20-23]。

為了能更好地定位移動傳感器在管道中的位置，Kim J H 等人[24]提出了一種基于RFID（無線射頻識別標(biāo)簽）的監(jiān)測方法SPAMMS。該方案在管道內(nèi)每隔一段距離就貼一個RFID標(biāo)簽，移動傳感器經(jīng)過標(biāo)簽時，獲取標(biāo)簽中的位置信息。最后在末端的泵站收集漂流的移動傳感器和監(jiān)測數(shù)據(jù)。然而，在長距離管道的情況下，移動節(jié)點(diǎn)經(jīng)常會因為撞擊或者能量耗盡而暫停工作，無法繼續(xù)接收流體數(shù)據(jù)。

為了改進(jìn)SPAMMS 中的問題，文獻(xiàn)[25-26]提出了基于移動節(jié)點(diǎn)維護(hù)和能耗的長距離管道泄漏監(jiān)測系統(tǒng)。Almazyad A S等人[25]提出的設(shè)計方案基于在管道內(nèi)部署一組移動無線傳感器節(jié)點(diǎn)，并允許它們按照預(yù)定順序協(xié)同工作。在這種機(jī)制下，一次只有一個節(jié)點(diǎn)處于活動狀態(tài)，而其他節(jié)點(diǎn)處于休眠狀態(tài)。下一次喚醒的節(jié)點(diǎn)根據(jù)三種喚醒技術(shù)之一進(jìn)行喚醒：基于位置的、基于時間的和中斷驅(qū)動的。然而，在移動節(jié)點(diǎn)能耗的降低下，泄漏檢測的精度也會隨之下降。

為了進(jìn)一步提高泄漏檢測的精度和智能性，Liu Y等人[26]提出了一種利用固有模函數(shù)、近似熵和主成分分析法構(gòu)造信號特征集，并利用支持向量機(jī)（Support Vector Machine，SVM）作為分類器進(jìn)行泄漏檢測的泄漏識別方法。文章提出了一種基于無線傳感器網(wǎng)絡(luò)的管道監(jiān)測系統(tǒng)和基于支持向量機(jī)的泄漏識別方法。機(jī)器學(xué)習(xí)可以模擬人類通過學(xué)習(xí)活動獲取知識的過程，能夠使泄漏檢測的精度和智能性自動提高。

通過分析以上的算法可以發(fā)現(xiàn)，該類方案通過投放大量的移動傳感器，并在管道上安裝RFID 來實現(xiàn)移動傳感器的定位，從而實現(xiàn)較高的監(jiān)測精度和較廣的監(jiān)測范圍。同時，考慮到移動傳感器的有限能耗，進(jìn)一步對移動傳感器的能耗、監(jiān)測精度進(jìn)行了智能優(yōu)化，實現(xiàn)了較低的能耗與較高的監(jiān)測精度。這些算法都是適用于需要覆蓋范圍較廣的管道應(yīng)用場景，并在此之上進(jìn)一步提高管道監(jiān)測精度。以上算法的性能優(yōu)缺點(diǎn)，如表1所示。

以上這些方案具有成本低、監(jiān)測范圍廣的優(yōu)點(diǎn)，但是文中移動傳感器的投放位置只考慮一個，不適用于多個移動傳感器的部署方案，無法有效地對管網(wǎng)進(jìn)行大范圍覆蓋。

為了改進(jìn)以上問題，且以最少的節(jié)點(diǎn)滿足較大的管道監(jiān)測范圍和事故定位的精度，Suresh 等人[27-28]設(shè)計了一個高概率覆蓋整個管網(wǎng)的解決方案。該方案采用多個移動傳感器進(jìn)行投放，利用信標(biāo)節(jié)點(diǎn)（RFID）來事故進(jìn)行定位。他們更進(jìn)一步提出在一定成本下，如何部署有限的移動傳感器使得管網(wǎng)覆蓋面積最大化問題[29]。該文利用整數(shù)線性規(guī)劃（Integer Linear Programming，ILP）和貪婪啟發(fā)式（Greedy Heuristic Method，GHM）方法對問題進(jìn)行了新的建模，實驗結(jié)果證明，算法得出的管網(wǎng)覆蓋面積比之前的更大。由于實驗中未考慮非線性的影響因子（如流體流速等），而采用整數(shù)線性規(guī)劃對問題建模，使得定位的精度出現(xiàn)較大的偏差。

表1 基于非自動上傳數(shù)據(jù)單投放位置的監(jiān)測算法優(yōu)缺點(diǎn)對比表

為了使得定位的精度更加準(zhǔn)確，文獻(xiàn)[30]將傳感器和信標(biāo)節(jié)點(diǎn)的最優(yōu)配置問題描述為一個混合整數(shù)非線性規(guī)劃（Mixed Integer Nonlinear Programming，MINLP）問題，以在預(yù)算約束下使定位精度最大化。他們提出以最大化平均感測覆蓋（Maximize Average Sensing Coverage，MASC）和最大化下限感測覆蓋（Maximize the Lower Bound Sensing Coverage，MLBSC）為性能目標(biāo)。實驗結(jié)果表明，MASC 和MLBSC 的性能都優(yōu)于使傳感器數(shù)量最小化的解決方案。但是該算法的復(fù)雜度較高，且需要部署大量的RFID來實現(xiàn)更大的管道監(jiān)測范圍。

分析以上的算法可以發(fā)現(xiàn)，在一定成本的限制下，該類方案通過尋找最佳的移動傳感器部署位置來達(dá)到較大的監(jiān)測范圍和較高的監(jiān)測精度。同時，將監(jiān)測事件中非線性的影響因子納入計算公式，進(jìn)一步提高監(jiān)測精度，提升監(jiān)測系統(tǒng)的性能。這些算法都適用于覆蓋范圍較廣和對精度有較高要求的應(yīng)用場景，通過不斷優(yōu)化算法，達(dá)到更廣的監(jiān)測范圍和更高的監(jiān)測精度。以上各個算法的優(yōu)缺點(diǎn)，如表2所示。

本節(jié)的所有方案都是通過RFID 來實現(xiàn)LSADPN監(jiān)測系統(tǒng)中移動傳感器的事件定位，但是在管道分支分布密集的區(qū)域，有限的成本下無法部署大量RFID 來實現(xiàn)移動傳感器的定位。另外，該類方案需要人工物理在管道的末端出口捕獲移動傳感器，各個傳感器之間互不通信，無法控制監(jiān)測延遲。

2.2 自動上傳數(shù)據(jù)的方案

為了控制時間延遲，另一種研究方案是采用監(jiān)測數(shù)據(jù)自動上傳的方式。根據(jù)移動傳感器是否能自主移動，自動上傳的方式分為兩種情況。第一種是利用自主移動傳感器進(jìn)行監(jiān)測。這類傳感器通常具有自主移動能力和較強(qiáng)的通信能力，能及時到規(guī)定區(qū)域收集并且上傳監(jiān)測數(shù)據(jù)[31-35]。第二種是利用非自主移動傳感器進(jìn)行監(jiān)測。這類傳感器通常不具備動力裝置，它們隨著液體漂流，通過接收器節(jié)點(diǎn)上傳數(shù)據(jù)[36-39]。

2.2.1 自主移動傳感器監(jiān)測

該類方案中，移動傳感器可以自主行走、收集并上傳監(jiān)測數(shù)據(jù)，因此能更方便地到達(dá)事故區(qū)域。但是這類移動傳感器價格較為昂貴，在固定成本下，可投放的數(shù)量十分有限，無法對網(wǎng)絡(luò)進(jìn)行大規(guī)模的覆蓋。并且由于大部分管道遠(yuǎn)離地表，向地表基站的通信比較不穩(wěn)定。

為了對水下的石油和天然氣管道進(jìn)行監(jiān)測，Khan A等人[40]提出一種基于視覺反饋的水下自動機(jī)器人控制方法。機(jī)器人自帶有攝像機(jī)，對捕捉到的管道圖像進(jìn)行處理，以獲取管道的方向信息，跟蹤管道進(jìn)行檢測。然而，即使在最佳的水下條件下，水下能見度范圍也往往只有幾米。因此，通常很難通過攝像頭捕捉的管道圖像來確定大面積管道的狀況。

為了進(jìn)一步提高管道檢測定位結(jié)果的可靠性，Guan M等人[41]提出了集成一個海底探測器和網(wǎng)絡(luò)上的船載水上和水下集成移動地圖系統(tǒng)。該系統(tǒng)的數(shù)據(jù)采集包括聲學(xué)圖像和管道路由的水上和水下地形圖。文章中設(shè)計了一種位置偏差校正方法以提高管道的精度檢測定位，即實時動態(tài)定位數(shù)據(jù)中的管道定位校正和綜合數(shù)據(jù)中的管道水平路由校正。以上兩種方案只能監(jiān)測管道外部的破損情況，無法對管道內(nèi)部流體進(jìn)行監(jiān)測，獲取流體的質(zhì)量數(shù)據(jù)。

為了更好地獲取流體信息，以便判斷污染和泄漏等情況。Basagni S 等人[42]提出，每隔一段距離就放置一個用于監(jiān)測流體的固定傳感器。文中利用自動水下機(jī)器人定期從水下各固定傳感器收集數(shù)據(jù)并傳送到位于水面或陸上的匯聚節(jié)點(diǎn)。該方案利用整數(shù)線性規(guī)劃模型模擬機(jī)器人移動路徑。但明顯該方案的水下監(jiān)測范圍依賴于固定傳感器布局，并且成本固定情況下，很難部署大量的節(jié)點(diǎn)進(jìn)行大范圍的監(jiān)測。

以上這些方案都是通過操控可自主移動的航行器來實現(xiàn)對管道的監(jiān)測。這些航行器可經(jīng)由控制中心操控，達(dá)到特定管道進(jìn)行詳細(xì)的檢測。這些算法都是針對水下管道監(jiān)測的應(yīng)用場景，同時不斷優(yōu)化算法，達(dá)到更大的監(jiān)測范圍和監(jiān)測精度。但是這些自主移動的航行器成本昂貴，投放的數(shù)量十分有限，只能對特定的管道分支進(jìn)行監(jiān)測，無法覆蓋大面積的管道。另外以上方案中的機(jī)器人都未進(jìn)入管道，且都只能用于水下管道的監(jiān)測。以上各個算法的優(yōu)缺點(diǎn)，如表3所示。

表2 基于非自動上傳數(shù)據(jù)多投放位置的監(jiān)測算法優(yōu)缺點(diǎn)對比表

表3 基于自主移動傳感器的水下管道監(jiān)測算法優(yōu)缺點(diǎn)對比表

為了能適應(yīng)管道的所在不同地理環(huán)境，Li X、Yu W等人[43-44]研究了復(fù)雜管道中自主機(jī)器人的最優(yōu)檢測問題。通過尋找區(qū)域內(nèi)所有邊界點(diǎn)都可見的最小點(diǎn)集來實現(xiàn)覆蓋整個管道，然后利用自主機(jī)器人進(jìn)入管道，依次到達(dá)這些點(diǎn)，收集管道內(nèi)的流體和管道信息。但是該文所提出的“畫廊守衛(wèi)”路徑規(guī)劃算法，是針對凹凸不平的墻面，應(yīng)用在管道模型上還是有所缺陷。

Edelkamp S 等人[45]提出了一種三維管道檢測的方法。首先，該方法生成一組在期望的檢查質(zhì)量下其聯(lián)合可見性覆蓋檢查區(qū)域的航路點(diǎn)，在生成航路點(diǎn)后，采用多目標(biāo)運(yùn)動規(guī)劃方法，計算出一條無碰撞、動態(tài)可行的軌跡，該軌跡訪問所有的航路點(diǎn)，同時尋求最小化行駛距離來覆蓋整個管道。

以上兩種的路徑規(guī)劃算法通常依賴于將無障礙空間分解為凸的無障礙區(qū)域，導(dǎo)致管道模型的處理精度不高，規(guī)劃路徑不是最優(yōu)。文獻(xiàn)[46]提出了一種基于快速探索隨機(jī)樹（Rapidly exploring Random Trees，RRT）的運(yùn)動規(guī)劃算法，基于RRT的方法可以直接處理非凸的自由空間，因此比文獻(xiàn)[44-45]中移動規(guī)劃算法所需的幾何表示更容易生成。

以上這些方案研究了管道中自主移動傳感器的運(yùn)動規(guī)劃優(yōu)化問題，該問題基本分為三個步驟：（1）生成最小點(diǎn)集；（2）找到訪問這些最小點(diǎn)的最佳順序；（3）生成可行的運(yùn)動路徑，以按照最優(yōu)的順序訪問最小點(diǎn)。但是由于移動傳感器的自身能力（如：電源、數(shù)據(jù)存儲能力等）和管道障礙的限制，步驟（1）甚至（2）的最優(yōu)解可能是不可行的。因此，如何將所有這些問題和從一層到另一層的反饋信息結(jié)合起來，是一大難點(diǎn)。這些算法的監(jiān)測精度較高，但是由于自主移動傳感器成本較為昂貴，可投放的數(shù)量較少，無法實現(xiàn)大范圍的管道覆蓋。因此，這些算法主要適用于精度要求高但覆蓋范圍較小的應(yīng)用場景。以上各個算法的優(yōu)缺點(diǎn)，如表4所示。

2.2.2 非自主移動傳感器監(jiān)測

這類方案中移動傳感器往往不具有動力裝置，只能隨著流體漂流收集數(shù)據(jù)，在遇到接收器時上傳監(jiān)測數(shù)據(jù)。采用接受器上傳數(shù)據(jù)的方式降低了對移動節(jié)點(diǎn)的要求，但是網(wǎng)絡(luò)的整體覆蓋效果十分依賴于監(jiān)測系統(tǒng)的布局。

Oliker N 等人[47]描述了一種適用于無環(huán)有向管網(wǎng)系統(tǒng)中固定傳感器和移動傳感器的二元整數(shù)規(guī)劃模型。該方法通過計算匯聚節(jié)點(diǎn)和移動傳感器的組合方式和投放位置，最大化管網(wǎng)系統(tǒng)的監(jiān)控范圍。在此之上，他們更進(jìn)一步利用貝葉斯定位方法（Bayesian Localization）提高污染事件的定位精度，同時大大提高了監(jiān)測精度[48]。

雖然以監(jiān)控范圍為性能指標(biāo)會最大化監(jiān)測區(qū)域，但是可能會造成高覆蓋、低人口的情況，因此更需要高覆蓋的是人口密集的區(qū)域。

為了改善以監(jiān)控范圍最大化為性能的缺陷，Du R等人[49]以保護(hù)人口為性能指標(biāo)，提出了一種新的優(yōu)化方案，利用優(yōu)化的貪婪算法來研究移動傳感器和匯聚節(jié)點(diǎn)的部署位置，從而達(dá)到監(jiān)控范圍內(nèi)的保護(hù)人口的最大化。然而，文章中卻沒有提及如何對感興趣的管道區(qū)域進(jìn)行劃分。

Venkateswaran P 等人[50]開發(fā)出了一種新的自適應(yīng)監(jiān)測水分布網(wǎng)絡(luò)的混合體系結(jié)構(gòu)。該文采用兩階段規(guī)劃和部署方法，首先集成工作結(jié)構(gòu)、事件，以及社區(qū)信息和模擬基礎(chǔ)分析，其次確定安裝現(xiàn)場傳感器和主流化基礎(chǔ)設(shè)施的分配。該混合體系結(jié)構(gòu)可以在網(wǎng)絡(luò)中根據(jù)需要自適應(yīng)地調(diào)整感知分辨率，根據(jù)事件確定所需的感知能力，并對變化的事件嚴(yán)重性做出響應(yīng)。

以上這些算法主要是針對固定成本下性能指標(biāo)最優(yōu)化的問題進(jìn)行求解，即首先計算合適的匯聚節(jié)點(diǎn)與移動傳感器的數(shù)量搭配比，然后再選擇最優(yōu)的位置進(jìn)行傳感器的投放或安裝。該類方案的監(jiān)測范圍較大，多個移動傳感器與匯聚節(jié)點(diǎn)組成的移動傳感網(wǎng)絡(luò)使得監(jiān)測延遲大大降低。前兩個算法以最大化監(jiān)測范圍作為性能指標(biāo)，適用于范圍較廣和監(jiān)測精度較高的應(yīng)用場景。后兩個算法則以保護(hù)人口作為性能指標(biāo)，適用于人口密集的管道區(qū)域。但是以上的算法都是以單個目標(biāo)為性能指標(biāo)，在實際的監(jiān)測過程中，必須同時考慮故障檢測率、覆蓋率、時間、延遲等多個目標(biāo)。以上各個算法的優(yōu)缺點(diǎn)，如表5所示。

表4 基于自主移動傳感器的運(yùn)動規(guī)劃監(jiān)測算法優(yōu)缺點(diǎn)對比表

Perelman L S等人[51]以檢測故障概率、識別管道故障位置率和故障定位準(zhǔn)確率為性能指標(biāo)，研究了大型無環(huán)有向管網(wǎng)系統(tǒng)管道故障位置識別的傳感器優(yōu)化配置問題。這個問題可以看作是一個最小測試覆蓋（Minimum Test Coverage，MTC）問題，并且是NP 難的。文章提出了兩種貪婪算法，最后給出一些實際的供水網(wǎng)絡(luò)模型進(jìn)行了詳細(xì)的計算實驗。

在此之上，Sankary N等人[52-53]構(gòu)造了一種多目標(biāo)混沌遺傳算法。這個多目標(biāo)框架提供了高性能權(quán)衡集，將監(jiān)測系統(tǒng)的系統(tǒng)成本與眾多性能目標(biāo)進(jìn)行比較，以提供高性能和彈性的監(jiān)測系統(tǒng)。為了自定義多目標(biāo)之間的權(quán)重，使得系統(tǒng)具有較好的性能，Aral M M等人[54]提出了一種基于多目標(biāo)的算法框架。該文中自定義不同目標(biāo)的權(quán)重比例，然后采用遺傳算法求解移動傳感器的部署位置，使得總性能期望最大化。該方案利用權(quán)重平衡多個目標(biāo)參數(shù)，但是沒有考慮在不同監(jiān)測事件下，各個目標(biāo)權(quán)重的比例和變動情況。

以上算法都是采用多目標(biāo)性能指標(biāo)算法來監(jiān)測管道的故障事件。對比單目標(biāo)性能指標(biāo)的算法，多目標(biāo)性能指標(biāo)算法可以更好地應(yīng)對實際的復(fù)雜管道故障事件，更好地平衡不同的性能指標(biāo)，達(dá)到較優(yōu)的監(jiān)測效果。但是在調(diào)配不同事件不同參數(shù)的權(quán)重時，往往需要人為調(diào)試權(quán)重，可能導(dǎo)致最終的監(jiān)測效果不佳。第一個算法適用于監(jiān)測精度高和覆蓋范圍廣的管道，后兩個算法性能指標(biāo)是多目標(biāo)性能框架，更適用于復(fù)雜故障的管道監(jiān)測。以上各個算法的優(yōu)缺點(diǎn)，如表6所示。

3 應(yīng)用

隨著納米技術(shù)、傳感技術(shù)和通信技術(shù)的發(fā)展，采用基于移動物聯(lián)網(wǎng)的監(jiān)測技術(shù)來執(zhí)行監(jiān)測任務(wù)，逐步成為可能。例如：SPAMMS[24]、MISE-PIPE[55]、PipeProbe[56]等。相比于靜態(tài)傳感器的監(jiān)測方案，基于移動傳感器的監(jiān)測方案能夠進(jìn)入管道內(nèi)部，更詳細(xì)收集具體的流體信息，達(dá)到更優(yōu)的監(jiān)測效果。基于移動物聯(lián)網(wǎng)監(jiān)測方案中，能夠?qū)崟r獲取詳細(xì)的流體數(shù)據(jù)，有利于對管道故障的準(zhǔn)確分析，判斷LSADPN 中流體信息不斷更新的情況，用于分析、建模和控制管道監(jiān)測系統(tǒng)是十分便利、可行的。

Chen Y等人[57]開發(fā)了一款基于無線傳感器網(wǎng)絡(luò)解決方案的遠(yuǎn)程實時高頻水質(zhì)監(jiān)測系統(tǒng)。該項目開發(fā)的水質(zhì)監(jiān)測系統(tǒng)利用BIO（Bristol Is Open，一家由布里斯托爾大學(xué)和布里斯托爾市議會組成的合資企業(yè)）的基礎(chǔ)設(shè)施進(jìn)行無線通信和數(shù)據(jù)處理、存儲和再分配。該系統(tǒng)借助于物聯(lián)網(wǎng)時代開發(fā)的云計算、軟件化網(wǎng)絡(luò)和開源平臺，由數(shù)據(jù)采集、數(shù)據(jù)傳輸、數(shù)據(jù)存儲和數(shù)據(jù)可視化等全過程組成，如圖2所示。

另外，他們在實驗中利用BIO 提供的Wi-Fi 網(wǎng)絡(luò)在布里斯托爾市區(qū)實時、高頻地收集水質(zhì)數(shù)據(jù)。該系統(tǒng)易于擴(kuò)展到多個站點(diǎn)，建立一個大型傳感器網(wǎng)絡(luò)，進(jìn)行大范圍的管道監(jiān)測。該系統(tǒng)還具有高采樣頻率、低成本和從網(wǎng)頁獲得實時讀數(shù)的特點(diǎn)，獲取的流體數(shù)據(jù)更準(zhǔn)確、及時，監(jiān)測精度高。

表5 基于非自主移動傳感器的單性能指標(biāo)監(jiān)測算法優(yōu)缺點(diǎn)對比表

表6 基于非自主移動傳感器的多性能指標(biāo)監(jiān)測算法優(yōu)缺點(diǎn)對比表

圖2 系統(tǒng)的工作流程圖

Lai T T T等人[58]設(shè)計了一種用于管道監(jiān)測中傳感器自主部署的無線傳感器網(wǎng)絡(luò)系統(tǒng)TriopusNet。Triopus-Net的工作原理是自動釋放位于水管源頭集中存儲庫中的傳感器節(jié)點(diǎn)。在自動部署期間，TriopusNet 運(yùn)行傳感器部署算法來確定節(jié)點(diǎn)的位置。當(dāng)節(jié)點(diǎn)在管道內(nèi)流動時，它通過延伸機(jī)械臂將自身鎖定到管道的內(nèi)表面來執(zhí)行放置。通過不斷地將節(jié)點(diǎn)釋放到管道中，TriopusNet系統(tǒng)構(gòu)建了一個由相互連接的傳感器節(jié)點(diǎn)組成的無線網(wǎng)絡(luò)，如圖3所示。

圖3 管道監(jiān)測圖

當(dāng)一個節(jié)點(diǎn)在低電池電量下運(yùn)行或遇到故障時，TriopusNet 系統(tǒng)會從存儲庫中釋放一個新節(jié)點(diǎn)，并執(zhí)行一個節(jié)點(diǎn)替換算法，用新節(jié)點(diǎn)替換故障節(jié)點(diǎn)。最后文章通過在實驗管道試驗臺上創(chuàng)建和收集真實數(shù)據(jù)來評估系統(tǒng)。與靜態(tài)部署相比，TriopusNet 能夠使用較少的傳感器節(jié)點(diǎn)覆蓋管道中的傳感區(qū)域，同時保持?jǐn)?shù)據(jù)采集率高的節(jié)點(diǎn)之間的網(wǎng)絡(luò)連通性。實驗結(jié)果還表明，Triopus-Net 可以從電池耗盡節(jié)點(diǎn)造成的網(wǎng)絡(luò)斷開中恢復(fù)，并成功地用新節(jié)點(diǎn)替換電池耗盡節(jié)點(diǎn)。

為了提高供水網(wǎng)絡(luò)系統(tǒng)的故障恢復(fù)能力，Han Q等人[59]提出了一個集成的中間件框架，用于快速準(zhǔn)確地識別復(fù)雜管道網(wǎng)絡(luò)中具有不確定性行為的故障。文中提出的方法將基于物聯(lián)網(wǎng)的傳感、領(lǐng)域特定模型和模擬與機(jī)器學(xué)習(xí)方法相結(jié)合，以識別故障（管道破裂、污染事件）。由于網(wǎng)絡(luò)組件、物理力學(xué)和人工操作的限制，這些技術(shù)的組合導(dǎo)致了故障識別中固有的成本-精度-延遲權(quán)衡。

文章中研究了三個關(guān)鍵的恢復(fù)問題：在少量故障情況下的多故障隔離、地震等極端事件下的水系統(tǒng)狀態(tài)估計和水網(wǎng)污染源識別，同時設(shè)計并實現(xiàn)了傳感器仿真數(shù)據(jù)集成框架AquaSCALE，如圖4 所示，并將其應(yīng)用于多個并發(fā)管道故障的定位。

Sankary N 等人[60]提出了一種預(yù)警系統(tǒng)，即在網(wǎng)絡(luò)節(jié)點(diǎn)處放置固定傳感器，在網(wǎng)絡(luò)管道內(nèi)流動的網(wǎng)絡(luò)節(jié)點(diǎn)上部署內(nèi)聯(lián)移動傳感器，并通過地面收發(fā)器與移動傳感器進(jìn)行無線通信的數(shù)據(jù)傳輸和分析，系統(tǒng)操作圖如圖5所示。該預(yù)警系統(tǒng)的性能是根據(jù)污染檢測所需的時間、檢測可能性、事件檢測前受影響的人口以及小型、中型和大型市政網(wǎng)絡(luò)的系統(tǒng)總成本來衡量的。該文利用增廣凌亂遺傳算法進(jìn)行多目標(biāo)優(yōu)化，探討了系統(tǒng)性能與規(guī)模的內(nèi)在權(quán)衡。增強(qiáng)的凌亂遺傳算法有助于解決部署的傳感器數(shù)量變化的問題。結(jié)果表明，每個目標(biāo)的帕累托前沿與每個解決方案的成本有很好的對應(yīng)關(guān)系，為之后的優(yōu)化預(yù)算決策提供了一個較好的工具。

圖4 AquaSCALE系統(tǒng)框架圖

圖5 Sankary N等人提出的系統(tǒng)操作圖

為了降低監(jiān)測成本，Suresh M A 等人[61]提出了一種移動無線傳感器網(wǎng)絡(luò)系統(tǒng)，該系統(tǒng)由移動傳感器（它們的移動借助于基于流量的監(jiān)控系統(tǒng)中固有的流量）和幫助定位傳感器的靜態(tài)信標(biāo)組成，如圖6所示。該文介紹了第一個完整的結(jié)構(gòu)設(shè)計、算法和協(xié)議，以實現(xiàn)對基于流量監(jiān)控系統(tǒng)的最佳監(jiān)控。該文提出的解決方案包括傳感和通信模型、傳感器和信標(biāo)通信的MAC 和組管理協(xié)議以及傳感器和信標(biāo)放置算法。最后，通過大量的仿真和概念驗證系統(tǒng)的實現(xiàn)，證明了算法的有效性，例如傳感器數(shù)量的顯著減少，而敏感范圍則略有增加。

圖6 配水系統(tǒng)監(jiān)測圖

4 存在的問題以及未來的研究方向

綜上所述，目前已經(jīng)有許多基于移動物聯(lián)網(wǎng)的LSADPN監(jiān)測的研究，但由于LSADPN中的管道分支深埋地下、分布廣泛、密度不均等特點(diǎn)，使其變成一項較為困難的監(jiān)測問題。目前的研究方案主要基于單性能指標(biāo)的最大化和多性能指標(biāo)的目標(biāo)函數(shù)最大化兩種。在一定的成本下，如何最優(yōu)化不同的性能指標(biāo)是研究的重難點(diǎn)。雖然目前已經(jīng)有一定的研究成果，但是仍然有一些問題，具體主要表現(xiàn)如下：

（1）節(jié)點(diǎn)投放數(shù)量和部署范圍受限。在以往的研究方案中，往往是以監(jiān)測范圍最大化為系統(tǒng)的性能指標(biāo)，這就意味著需要部署更多的移動傳感器和接收器節(jié)點(diǎn)。但是由于系統(tǒng)成本的限制，往往只能部署一定數(shù)量的移動傳感器和接收器節(jié)點(diǎn)。例如，利用RFID 對移動傳感器的定位時，雖然RFID的價格較為低廉，可實現(xiàn)較大數(shù)量投放，但是RFID的定位范圍較小，因此無法大范圍覆蓋管道系統(tǒng)；匯聚節(jié)點(diǎn)雖然監(jiān)測范圍較大，但是匯聚節(jié)點(diǎn)成本較為昂貴，也無法實現(xiàn)較大數(shù)量的投放?，F(xiàn)有的分配節(jié)點(diǎn)數(shù)量以及部署位置的主要方法可分為可自主移動傳感器和不可自主移動傳感器兩類。可自主移動的傳感器方案中移動傳感器的成本較為昂貴，可分配的數(shù)量較少，一般是通過計算傳感器的最佳移動路徑來選擇投放的位置。該類方案中的移動傳感器可自主上傳監(jiān)測數(shù)據(jù)，實現(xiàn)高精度的監(jiān)測。但是在固定成本下，難以投放大量的可自主移動傳感器實現(xiàn)大范圍的管道檢測。不可自主移動傳感器方案中移動傳感器成本較低，可實現(xiàn)較大數(shù)量的投放，通過貪婪固定成本下的移動傳感器數(shù)量和投放的管道位置，依次進(jìn)行遍歷，得出最佳的節(jié)點(diǎn)分配數(shù)量和投放位置。該類方案可實現(xiàn)較大范圍的管道監(jiān)測，但是該類方案中的移動傳感器無法自動上傳數(shù)據(jù)，通常需要固定的傳感器來收集監(jiān)測數(shù)據(jù)或人工收集移動傳感器的監(jiān)測數(shù)據(jù)，造成延遲較大、監(jiān)測精度不高等問題。因此，在有限成本下，如何分配節(jié)點(diǎn)的數(shù)量，在合適的管道位置投放這些節(jié)點(diǎn)，是一大難點(diǎn)。

（2）LSADPN監(jiān)測系統(tǒng)中非線性因子考慮不足。以上的大部分研究中，都是將監(jiān)測系統(tǒng)的流體數(shù)據(jù)當(dāng)成靜態(tài)參數(shù)，并沒有考慮非線性因子對目標(biāo)性能的影響。例如，在實際的流體系統(tǒng)中，管道內(nèi)的流體壓力會隨著時間做不同規(guī)則的非均勻變化。流體速度變化的模型大概可分為靜態(tài)穩(wěn)定流體模型、動態(tài)穩(wěn)定流體模型和動態(tài)隨機(jī)流體模型，靜態(tài)的流體速度模型只適用于極少數(shù)的情況。因此，在實際的監(jiān)測系統(tǒng)中，需要對這些非線性因子的實際變化模型展開研究。

（3）移動節(jié)點(diǎn)的通信能力有限，數(shù)據(jù)傳輸延遲較大。在LSADPN監(jiān)測系統(tǒng)中，移動傳感器與接收器節(jié)點(diǎn)之間的通信基本是采用水聲通信，但是傳播延遲較大，可靠性較低，數(shù)據(jù)傳輸?shù)膩G失率較大。同時，移動傳感器需要經(jīng)過接收器才能將數(shù)據(jù)上傳，為了實現(xiàn)較低的數(shù)據(jù)傳輸延遲，需要大量地安裝接收器節(jié)點(diǎn)。但是LSADPN中管道分布廣泛，為了實現(xiàn)更大范圍的監(jiān)測，移動傳感器和接收器節(jié)點(diǎn)的距離常常較遠(yuǎn)。因此，如何調(diào)整移動傳感器和接收器節(jié)點(diǎn)的部署位置，使其具有較低的傳輸時延，同時又有較好的監(jiān)測性能是一大難點(diǎn)。

（4）LSADPN 監(jiān)測系統(tǒng)中多性能指標(biāo)難以平衡。LSADPN 監(jiān)測系統(tǒng)的研究主要有單性能指標(biāo)和多性能指標(biāo)兩類。單性能指標(biāo)的監(jiān)測系統(tǒng)只能在特定需求的監(jiān)測環(huán)境中才能更好地使用。但是面對實際的復(fù)雜需求時，往往需要考慮多個性能指標(biāo)，并考慮如何分配各個指標(biāo)的權(quán)重使之監(jiān)測效益最大化?？梢愿鶕?jù)不同的事件和事件的緊急程度來設(shè)定不同的權(quán)重分配順序。管道故障情況大概可以分為：管道泄露、管道污染和例行檢查這三種情況。另外，根據(jù)管道的故障嚴(yán)重程度，緊急程度的不同可劃分為不緊急、較為緊急和緊急?？梢苑謩e對這幾種不同的管道故障情況和緊急程度設(shè)置相對應(yīng)的性能目標(biāo)和權(quán)重優(yōu)先分配順序。例如在面對突發(fā)的較大管道泄露事件時，監(jiān)測范圍和監(jiān)測精度最為重要，應(yīng)該分配較大的權(quán)重；在面對管道的滲漏時，監(jiān)測的精度尤為重要，應(yīng)該賦予更大的權(quán)重；在對管道進(jìn)行例行檢查時，在滿足一定的監(jiān)測范圍時就必須考慮有限成本，應(yīng)該對其賦予較大的權(quán)重。因此，如何設(shè)計一個多性能指標(biāo)框架，平衡不同的性能指標(biāo)也是研究中的重點(diǎn)。

針對以上問題，未來的研究方向如下：（1）固定成本下節(jié)點(diǎn)的投放數(shù)量和投放位置，如何在有限成本下部署一定數(shù)量的節(jié)點(diǎn)使得監(jiān)測性能最大化；（2）LSADPN 監(jiān)測系統(tǒng)中非線性因子的模型建模，對這些非線性因子進(jìn)行合理化的建模，使得監(jiān)測性能最大化；（3）設(shè)計節(jié)點(diǎn)之間的低延遲數(shù)據(jù)傳輸方法，將移動傳感器收集的數(shù)據(jù)盡可能地快速上傳；（4）設(shè)計多性能指標(biāo)的性能平衡框架。如何在不同的管道事件中，平衡不同的性能參數(shù)，相應(yīng)地分配適宜權(quán)重，使得監(jiān)測系統(tǒng)的監(jiān)測效益最大。

5 結(jié)束語

LSADPN包括了水、油、氣等大規(guī)模管道系統(tǒng)，是國民經(jīng)濟(jì)與安全的重要設(shè)施，因此對它們進(jìn)行快速、有效的監(jiān)測十分重要。但是，由于大部分管道深埋地下且分布廣泛，使得監(jiān)測這些管道十分困難。首先，本文介紹了基于移動物聯(lián)網(wǎng)的LSADPN監(jiān)測方案的背景，然后分析、總結(jié)了LSADPN系統(tǒng)中不同節(jié)點(diǎn)部署方案優(yōu)劣。最后，雖然現(xiàn)有的研究已經(jīng)獲得一定進(jìn)展，但是依然存在一些問題。為了繼續(xù)改善LSADPN的監(jiān)測方案，提出了幾個待解決的問題，并分析了下一步的研究方案。