一种基于zigbee星型组网的安全状况信息化监测方法与流程

1.本发明应用于安全状况信息化监测领域，具体是一种基于zigbee星型组网的安全状况信息化监测方法。


背景技术：

2.交通运输业的快速发展，有效地改善了道路交通结构与运输效率，创造了可观的社会经济价值。但随之而来的交通事故数量也迅速增加，交通安全问题日益凸显。据世界卫生组织统计，全世界几乎每年有120多万人死于道路交通事故，数百万人受伤或致残。全球每年交通事故造成的经济损失高达5180亿美元，其中发展中国家占1000亿美元。如何有效减少道路交通事故、提高道路交通安全水平已经成为道路交通健康持续发展亟待解决的问题。
3.基于zigbee星型组网的公路施工路段安全状况信息化监测系统是动态的交通管理系统，监测有可能导致交通事故发生的人、车、路、环境等因素。从而对这些可能的安全隐患进行及时预警，提高公路施工安全水平，建立起一套完整的安全状况信息化监测系统。
4.信息化监测随着科技的进步在多领域发光发热，其远程监控监测的能力十分适用于许多无法简单高效进行人力监测的领域，例如公路施工路段，由于公路施工路段具备的分散度广，分散距离长的特性，使得施工路段无法利用简单的机械或人力进行监测，因此需要利用信息化监测手段，但现有的信息化监测手段存在如下缺陷：数据包的发送传输过程中常由于碰撞等原因导致发送故障造成遗漏发送或重复发送。


技术实现要素：

5.本发明所要解决的技术问题是针对现有技术的不足，提供一种基于zigbee星型组网的安全状况信息化监测方法。
6.为解决上述技术问题，本发明的一种基于zigbee星型组网的安全状况信息化监测方法，其包括如下步骤：
7.传感器节点采集被测对象的特征信号并发送至协调器；
8.协调器将接收的特征信号输入值与预设阀值进行对比，并依照对比结果判断是否发出报警；
9.其中，所述传感器节点发送信号至协调器的过程中根据csma/ca算法竞争信道资源。
10.作为一种可能的实施方式，进一步的，所述传感器节点发送信号至协调器的过程中根据csma/ca算法竞争信道资源的具体步骤包括：
11.1)传感器节点处于退避状态；
12.2)传感器节点在下一超帧醒来执行时隙csma/ca算法，发送信号；
13.3)传感器节点进入退避状态；
14.4)重复步骤1)
‑
步骤3)。
15.作为一种可能的实施方式，进一步的，所述步骤1)
‑
步骤2)之间进行执行两次csma/ca算法检测和发送数据的时间计算，并判断计算结果是否大于当前超帧中剩余的时隙数；若大于，则将数据推迟到下一个超帧发送，节点进入等待队列处于休眠状态；若小于，则直接执行。
16.作为一种可能的实施方式，进一步的，所述步骤2)
‑
步骤3)之间，节点等待目标回复应答帧并判断是否收到应答帧；若收到，则判定传输成功；若未收到，则判定传输失败并进行数据包重传操作；其中，重传操作次数上限为预设值。
17.作为一种可能的实施方式，进一步的，所述步骤1)具体为：空闲节点处于休眠过程，在下一超帧进入退避状态，等概率跳转到w0个退避时隙数中的一个进入退避状态。
18.作为一种可能的实施方式，进一步的，所述步骤2)具体包括：
19.2.1)延迟传输的数据包在下一个超帧进入退避状态，等概率跳转到w0个退避时隙数中的一个；
20.2.2)延迟传输的数据包进入退避状态后每过一个时隙，退避计数器数值减一；
21.2.3)待传输的数据帧以概率1
‑
d进入时隙csma/ca算法检测。
22.作为一种可能的实施方式，进一步的，所述步骤3)具体为：退避结束后数据包进行传输，传输完成后进入休眠状态，并判断是否发生碰撞，若是，则发生碰撞后进入退避状态重复步骤2)
‑
3)，若否，则完成本次操作。
23.作为一种可能的实施方式，进一步的，还包括步骤：将接收的特征信号输入值通过网络传到用户终端及远端物联网平台上。
24.一种基于zigbee星型组网的安全状况信息化监测系统，包括：
25.传感器网络，由多个用于采集被测对象输入特征信号的传感器节点组成，并输出给协调器进行数据分析和处理；
26.4g网络模块，用于将协调器接收到的输入特征信号通过网络上传到物联网平台进行展示；
27.辅助电源，用于为传感器网络、4g网络模块提供电力；
28.用户终端，其通过网络与所述传感网络连接通信，用于显示所述传感网络检测到的结果。
29.作为一种可能的实施方式，进一步的，所述传感器网络中的传感器节点输出信号至协调器的过程中根据csma/ca算法竞争信道资源。
30.本发明采用以上技术方案，具有以下有益效果：本发明采用改进离散马尔可夫链模型研究时隙csma/ca算法，考虑延迟传输、数据包重传和ack应答帧三个因素，改善不同网络条件下的网络性能，应用前景广泛。
附图说明
31.下面结合附图与具体实施方式对本发明做进一步详细的说明：
32.图1为本发明实施例节点活跃/休眠模式转换图；
33.图2为本发明实施例离散马尔可夫链状态转移图。
具体实施方式
34.为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述。
35.本发明提供了一种基于zigbee星型组网的安全状况信息化监测方法，其包括如下步骤：
36.传感器节点采集被测对象的特征信号并发送至协调器；
37.协调器将接收的特征信号输入值与预设阀值进行对比，并依照对比结果判断是否发出报警；
38.将接收的特征信号输入值通过网络传到用户终端及远端物联网平台上。
39.其中，所述传感器节点发送信号至协调器的过程中根据csma/ca算法竞争信道资源。
40.进一步的，所述传感器节点发送信号至协调器的过程中根据csma/ca算法竞争信道资源的具体步骤包括：
41.1)传感器节点处于退避状态；
42.所述步骤1)具体为：空闲节点处于休眠过程，在下一超帧进入退避状态，等概率跳转到w0个退避时隙数中的一个进入退避状态。
43.所述步骤1)
‑
步骤2)之间进行执行两次csma/ca算法检测和发送数据的时间计算，并判断计算结果是否大于当前超帧中剩余的时隙数；若大于，则将数据推迟到下一个超帧发送，节点进入等待队列处于休眠状态；若小于，则直接执行。
44.2)传感器节点在下一超帧醒来执行时隙csma/ca算法，发送信号；
45.具体包括：
46.2.1)延迟传输的数据包在下一个超帧进入退避状态，等概率跳转到w0个退避时隙数中的一个；
47.2.2)延迟传输的数据包进入退避状态后每过一个时隙，退避计数器数值减一；
48.2.3)待传输的数据帧以概率1
‑
d进入时隙csma/ca算法检测。
49.所述步骤2)
‑
步骤3)之间，节点等待目标回复应答帧并判断是否收到应答帧；若收到，则判定传输成功；若未收到，则判定传输失败并进行数据包重传操作；其中，重传操作次数上限为预设值。
50.3)传感器节点进入退避状态；
51.具体为：退避结束后数据包进行传输，传输完成后进入休眠状态，并判断是否发生碰撞，若是，则发生碰撞后进入退避状态重复步骤2)
‑
3)，若否，则完成本次操作。
52.4)重复步骤1)
‑
步骤3)。
53.一种基于zigbee星型组网的安全状况信息化监测系统，包括：
54.传感器网络，由多个用于采集被测对象输入特征信号的传感器节点组成，并输出给协调器进行数据分析和处理；
55.4g网络模块，用于将协调器接收到的输入特征信号通过网络上传到物联网平台进行展示；
56.辅助电源，用于为传感器网络、4g网络模块提供电力；
57.用户终端，其通过网络与所述传感网络连接通信，用于显示所述传感网络检测到
的结果。
58.功率单元。
59.其中，所述传感器网络中的传感器节点输出信号至协调器的过程中根据csma/ca算法竞争信道资源。
60.实施例：
61.实际操作过程中传感器节点的活跃/休眠模式转换如图1所示；节点活跃/休眠模式转换包含以下三个主要过程：
62.节点在下一超帧醒来执行时隙csma/ca算法，进入退避状态，但在退避完成后执行第一次cca之前，会判断执行两次cca检测和发送数据的时间(包括接收ack应答帧的时间)，如果大于当前超帧中剩余的时隙数，则将数据推迟到下一个超帧发送，节点进入等待队列，此时节点处于休眠状态。
63.当节点成功接入信道传输数据时，如果因为数据包碰撞收不到ack应答帧，节点不丢弃数据包而是将数据包进行重传，重传次数上限的确定会影响到整个网络的性能。
64.节点传输数据包后要等待目标节点回一个应答帧，收不到应答帧则认为传输失败。
65.以下给出各个状态和转移概率的符号表示。
66.(1)b1：表示节点处于退避状态或cca检测状态。
67.(2)t：表示节点处于运输状态。
68.(3)c：表示节点传输的数据包碰撞。
69.(4)s：表示数据包成功传输后，节点进入休眠状态。
70.(5)s
l
：表示休眠状态中的节点有数据包待传。
71.(6)a：便是等待ack应答帧。
72.下面是节点的休眠/活跃状态的流程：
73.(1)对于成功传输完数据包的休眠节点，也是在有数据传输的下一个超帧醒来，所以s的下一个状态是b1。
74.(2)当没有数据帧传输时，节点以概率1
‑
w停留在s状态。
75.(3)当有数据帧到来时，以概率w转移到b1，并在下一个超帧时段醒来。
76.(4)节点停留在s
l
状态的概率是1
‑
k。
77.(5)由状态s
l
转移到b1的概率是k。
78.(6)由状态b1转移到s
l
的概率是g。
79.(7)停留在b1状态的概率是1
‑
g。
80.(8)由b进入t的概率是t，数据成功传输的概率是p
s
，则由a转移到s的概率是p
s
。
81.用稳态转移概率表示即：
82.x
b1
＝x
b1
*(1
‑
g) x
sl
*k x
c
*(1
‑
p
s
) w*x
s
83.x
sl
＝(1
‑
k)*x
sl
x
b1
*g
84.x
s
＝(1
‑
w)*x
s
x
a
85.x
a
＝x
t
86.x
t
＝x
b
*t
87.本发明使用了改进的时隙csma/ca算法马尔科夫链模型。
88.先定义模型中用到的概率，状态和时间变量。模型中用到的概率如下定义：
89.(1)α：节点第一次执行cca检测时信道忙的概率。
90.(2)β：节点第二次执行cca检测时信道忙的概率。
91.(3)t：节点执行第一次cca的概率。
92.(4)w：节点在休眠过程中，有数据包要传送的概率。
93.(5)d：节点由退避状态进入等待休眠的概率。
94.(6)p
c
：由于多个节点同时发送数据帧导致数据包碰撞的概率。
95.(7)p
b
：节点开始进行传输的概率。
96.(8)p
t
：节点处于某次传输状态的概率。
97.模型中用到的状态变量如下定义：
98.(1)s(t)：表示节点处于退避，cca检测，传输数据包，数据包碰撞，数据包传输后接收ack帧，无数据待传休眠状态，有数据待传休眠状态这些状态中的一种。
99.(2)b(t)：表示当前退避计数器的值。
100.(3)c(t)：表示当前节点进行的cca的次数。
101.(4)l(t)：表示当前的退避或cca处于的级数。
102.(5)r(t)：表示碰撞的数据包当前重传的次数。
103.模型中用到的时间变量如下定义：
104.(1)t
cca
：进行一次cca所需要的时隙长度。
105.(2)t
data
：传输数据帧所需要的时隙长度。
106.(3)t
wack
：等待一个ack帧所需的时隙长度。
107.(4)t
ack
：接收一个ack帧所需的时隙长度。
108.(5)t
pck
：发送数据包需要的时隙长度。
109.(6)t
delay
：等待队列持续的时隙长度。
110.(7)t
sleep
：节点休眠持续的时隙长度。
111.(8)t
cap
：cap持续的时隙长度。
112.(9)t
inactive
：表示节点在非活跃状态的休眠时间。
113.(10)t
incap
：表示节点在cap中的延迟传输休眠时间。
114.(11)l：成功进行一次传输所需要的时隙数。
115.(12)以上的时间变量均以时隙为单位。
116.时隙csma/ca算法离散马尔可夫链状态转移图如图2所示；
117.用{s(t)，l(t)，b(t)，c(t)，r(t)}可表示上述模型的任一状态的随机过程。这五个变量的取值如下，令m＝macmaxcsmabackoff，表示退避上限；r＝amaxframeretries，表示重传上限：
118.(1)s(t)的取值：b，退避状态；cca，cca检测；t，传输数据包；c，数据包碰撞；a，数据包传输后接收ack帧；s，无数据待传休眠状态；s
l
，有数据待传休眠状态。
119.(2)b(t)的取值：0到w
i
‑
1之间的整数，w
i
＝w02
min(i，amaxbe
‑
macminbe
)，w0＝2
macminbe
。
120.(3)c(t)的取值：0，1，2。
121.(4)l(t)的取值：0到m之间的整数。
122.(5)r(t)的取值：0到r之间的整数。
123.对于l(t)，b(t)，c(t)，r(t)来说，如果在s(t)的状态中没有定义，则用*来表示。
124.令x
s，l，b，c，r
＝p{s(t)，l(t)，b(t)，c(t)，r(t)}表示该状态在马尔可夫链中稳态的概率，用t
s，l，b，c，r
表示该状态持续的时间长度，t
s，l，b，c，r
的取值表示如下：
125.(1)t
s，l，b，c，r
＝0，当s(t)＝b，b(t)＝０，c(t)＝0.
126.(2)t
s，l，b，c，r
＝t
pck
，当s(t)＝t.
127.(3)t
s，l，b，c，r
＝t
ack
，当s(t)＝t
ack
，
128.(4)t
s，l，b，c，r
＝t
sleep
‑
t
delay
，当s(t)＝s.
129.(5)t
s，l，b，c，r
＝t
delay
，当s(t)＝s
l
.
130.并且，用p{s2，l2，b2，c2，r2|s1，l1，b1，c1，r1}来表示状态的转移。则转移概率如下所示：
131.因为w表示空闲节点休眠过程中有数据包要传送的概率，因此节点一直处干空闲休眠的概率为1
‑
w，即：
132.p{s，*，*，*，*|s，*，*，*，*}＝1
‑
w
133.(2)空闲节点休眠过程中有数据包要传送，在下一个超帧进入退避状态，等概跳转到w0个退避时隙数中的一个，即：
134.p{b，0，i，2，0|s，*，*，*，*}＝w/w0，i＝０，
…
，w0‑1135.(3)延迟传输的数据包在下一个超帧进入退避状态，等概跳转到w0个退避时隙数中的一个，即：
136.p{b，j，i，2，k|s
l
，j，*，*，k}＝1/w0，i＝0，
…
，w0‑
1，j＝０，
…
，m，k＝0，
…
，r
137.(4)每过一个时隙，退避计数器数值减一，即：
138.p{b，j，i
‑
1，2，k|b，j，i，2，k}＝1，i＝1，
…
，w0‑
1，j＝0，
…
，m，k＝0，
…
，r
139.(5)待传输的数据帧以概率d进入延迟休眠，即：
140.p{b，j，i
‑
1，2，k|b，j，i，2，k}＝1，i＝1，
…
，w0‑
1，j＝0，
…
，m，k＝0，
…
，r
141.(6)待传输的数据帧以概率1
‑
d进入第一次cca检测，即：
142.p{cca，j，0，2，k|b，j，０，2，k}＝1
‑
d，j＝0，
…
，m，k＝0，
…
，r
143.(7)第一次或第二次cca检测到信道忙的概率，即：
144.i＝0，
…
，w
i
‑
1，j＝0，
…
，m，k＝0，
…
，r
145.(8)两次cca检测信道均空闲的概率，即：
146.户{t，*，*，*，k|b，j，0，2，k}＝(1
‑
α)(1
‑
β)，j＝0，
…
，m，k＝0，
…
，r
147.(9)第一次cca信道空闲的概率，即：
148.p{b，j 1，i，2，k|cca，j，0，2，k}＝α/w
j
1，j＝0，
…
，m，k＝0，
…
，r
149.(10)第二次cca信道空闲的概率，即：
150.p{b，j 1，i，2，k|cca，j，0，1，k}＝β/wj 1，i＝0，
…
，w
j
1
‑
1，j＝0，
…
，m，k＝0，
…
，r
151.(11)退避结束后成功传输的概率，即：
152.p{s，*，*，*，*|cca，m，0，2，r}＝[α (1
‑
α)β](1
‑
p
c
)(1
‑
w)
[0153]
(12)传输过程中发生碰撞的概率，即：
[0154]
p{c，*，*，*，k|t，*，*，*，k}＝p
c
，k＝0，
…
，r
[0155]
(13)传输时，成功传输并一直处于空闲休眠状态的概率，即：
[0156]
p{s，*，*，*，*|t，*，*，*，k}＝(1
‑
p
c
)(1
‑
w)，k＝0，
…
，r
[0157]
(14)传输成功后，再次有数据要发送，进入退避状态的概率，即：
[0158]
户{b，0，i，2，0|t，*，*，*，k}＝(1
‑
pc)w/w0，i＝0，
…
，w
j 1
‑
1，k＝0，
…
，r
[0159]
模型中的稳态概率定义如下：
[0160]
(1)x
b，0，0，2，k
表示在第k次重传的第0次退避中，节点的退避计数器记为0的稳态概率；
[0161]
(2)x
b，j
‑
1，0，2，k
表示在第k次重传的第j
‑
1次退避中，节点的退避计数器记为0的稳态概率；
[0162]
(3)x
b，j，0，2，k
表示在第k次重传的第j次退避中，节点的退避计数器记为0的稳态概率
[0163]
下面来讨论节点处于某一个状态的稳态概率，由以上转移概率的推导可以得到如下的式子：
[0164]
当节点处于{b，j
‑
1，0，2，k}状态时，若剩余时间足够进行数据传输，并且两次cca检测有一次结果是信道忙，那么节点会进行第j次退避，因为只要进行第j次退避，最终肯定会处于{b，j，0，2，k}状态，用稳态概率式子表示，即：
[0165]
x
b，j，0，2，k
＝x
b，j
‑
1，0，2，k
(1
‑
d)[α (1
‑
α)β]
[0166]
以此类推，有：
[0167]
x
b，j，0，2，k
＝x
b，j
‑
10，2，k
(1
‑
d)[α (1
‑
α)β]＝x
b，0，0，2，k
(1
‑
d)
j
[α (1
‑
α)β]
j
，j＝1，
…
，m，k＝0，
…
，r
[0168]
而对于计数器值为i的情况，若第j次退避一开始节点计数器的值就小于i，则不可能到达{b，j，i，2，k}状态，而第j次退避一开始节点计数器的值就大于i的概率是(w
j
‑
i)/w
j
，那么第k次重传的第j次退避中，节点的退避计数器记为i的稳态概率为：
[0169]
x
b，j，i，2，k
＝(w
j
‑
i)/w
j
{x
b，j
‑
1，0，2，k
(1
‑
d)[α (1
‑
α)β]}，i＝0，
…
，w0‑
1，j＝1，
…
，m，k＝0，
…
，r
[0170]
当剩余cap时间不够完成一次传输，节点进入延迟传输，即：
[0171]
x
sl，j，*，2，k
＝dx
b，j，0，2，k
，i＝0，
…
，w0‑
1，j＝0，
…
，m，k＝0，
…
，r
[0172]
节点在以下两种情况下，会由休眠状态转移到{b，0，i，2，0}状态：
[0173]
成功传输进入休眠状态后，有数据到来，需要再次在cap中传输，概率的大小为：
[0174][0175]
(2)r次重传后，依然没有传输成功，此时节点将数据包丢弃，进入空闲休眠状态后，有数据到来，需要再次在cap中传输，概率的大小为：
[0176]
p2＝wx
b，m，0，2，r
(1
‑
d)[α (1
‑
α)β](w0‑
i)/w0[0177]
则由休眠状态转移到{b，0，i，2，0}状态的概率大小为：
[0178][0179]
*(1
‑
d)[α (1
‑
α)β]}，i＝0，
…
，w0‑
1，j＝0，
…
，m，k＝0，
…
，r
[0180]
马尔可夫链中所有状态稳态概率和为一。
[0181]
本实施例提供的一种基于zigbee星型组网的公路施工路段安全状况信息化监测
系统，包括传感器单元、分析单元、辅助电源、用户终端、物联网平台；
[0182]
传感器单元，用于采集被测对象输入特征信号，向传感器提供电源，向敏感元件两端施加固定电压释放出电子，把采集的物理信号转换为电信号，输出与被测量有确定关系的物理量信号；
[0183]
分析单元由协调器充当，用于采集多个传感器节点的数据，整合安全信息再通过射频、4g网络发送至终端用户、互联网平台；
[0184]
辅助电源分布于传感器单元、分析单元，用于为传感器单元、分析单元提供电力；
[0185]
用户终端通过射频信号接收报警信息，互联网平台通过网络与协调器进行通信，用于显示分析结果。
[0186]
本实施例提供的一种基于zigbee星型组网的公路施工路段安全状况信息化监测方法，包括以下步骤：
[0187]
步骤1：传感器节点通过传感器采集被测对象输入特征信号，输出与被测量有确定关系的物理量信号；
[0188]
步骤2：分析单元即协调器结点
[0189]
步骤3：变化通过4g网络传到互联网平台，根据设定正常工作的阈值，与实时的输入值进行对比，如果对比发现异常则进行振动提醒，此时就能判断是由于传感器故障而引起的数值问题。
[0190]
本发明能够及时地监测传感器设备的实际工作状况，在传感器设备工作存在故障的情况下，能够发出预警。另外，还能够科学地预测传感器设备的故障问题,从而确保传感器设备工作的安全和稳定；
[0191]
本发明是将相应的服务提供给应用传感器设备的工作者、传感器设备专家等人，关键作用在于引导管理工作者有效管理传感器设备的工作情况。
[0192]
以上所述为本发明的实施例，对于本领域的普通技术人员而言，根据本发明的教导，在不脱离本发明的原理和精神的情况下凡依本发明申请专利范围所做的均等变化、修改、替换和变型，皆应属本发明的涵盖范围。