针对城市内无人机起降场布局规划不合理的现象,首先利用最大覆盖模型进行选址求解,但因其需求点分布不均且需求覆盖判定标准过于单一,使得求解结果出现覆盖率不高、选址过于集中的情况。针对此问题,考虑需求在空间内的连续分布,结合无...针对城市内无人机起降场布局规划不合理的现象,首先利用最大覆盖模型进行选址求解,但因其需求点分布不均且需求覆盖判定标准过于单一,使得求解结果出现覆盖率不高、选址过于集中的情况。针对此问题,考虑需求在空间内的连续分布,结合无人机禁飞区、应用场景等限制因素,提出了一种基于空间连续需求的无人机起降场最大覆盖模型选址办法,利用规则网格确定需求对象、多边形交点集(polygon intersection point set, PIPS)方法确定起降场候选点。以天津市滨海新区城市内无人机起降场选址研究为例,验证了改进模型的可行性,在起降场建设数量均为14时,改进模型将实际服务面积覆盖率从62.03%提升至88.61%。其结果表明:该方法更符合无人机起降场选址的实际需求,使起降场选址布局均匀合理,能够显著提高无人机起降场服务覆盖率。展开更多
相对于传统方式的无线传感器网络结构,带Mobile Agent(MA)的无线传感器网络(sensornetwork with mobile agent,SENMA)具有更高的能量效率和更长的网络生存时间.设计了一种针对SENMA的分簇算法:依据节点之间的位置关系将节点分为多个簇...相对于传统方式的无线传感器网络结构,带Mobile Agent(MA)的无线传感器网络(sensornetwork with mobile agent,SENMA)具有更高的能量效率和更长的网络生存时间.设计了一种针对SENMA的分簇算法:依据节点之间的位置关系将节点分为多个簇并选举出簇头节点,每个簇中,簇成员不与簇头进行通信,由簇头将监测数据回传至MA.实验证明这种算法能较好地平衡节点负载,缓解因节点失效导致的网络性能衰减.展开更多
文摘针对城市内无人机起降场布局规划不合理的现象,首先利用最大覆盖模型进行选址求解,但因其需求点分布不均且需求覆盖判定标准过于单一,使得求解结果出现覆盖率不高、选址过于集中的情况。针对此问题,考虑需求在空间内的连续分布,结合无人机禁飞区、应用场景等限制因素,提出了一种基于空间连续需求的无人机起降场最大覆盖模型选址办法,利用规则网格确定需求对象、多边形交点集(polygon intersection point set, PIPS)方法确定起降场候选点。以天津市滨海新区城市内无人机起降场选址研究为例,验证了改进模型的可行性,在起降场建设数量均为14时,改进模型将实际服务面积覆盖率从62.03%提升至88.61%。其结果表明:该方法更符合无人机起降场选址的实际需求,使起降场选址布局均匀合理,能够显著提高无人机起降场服务覆盖率。
文摘相对于传统方式的无线传感器网络结构,带Mobile Agent(MA)的无线传感器网络(sensornetwork with mobile agent,SENMA)具有更高的能量效率和更长的网络生存时间.设计了一种针对SENMA的分簇算法:依据节点之间的位置关系将节点分为多个簇并选举出簇头节点,每个簇中,簇成员不与簇头进行通信,由簇头将监测数据回传至MA.实验证明这种算法能较好地平衡节点负载,缓解因节点失效导致的网络性能衰减.
