МЕТОД ФОРМУВАННЯ ЗОН ПОКРИТТЯ СЕНСОРНОЇ МЕРЕЖІ З НЕРІВНОМІРНОЮ ЩІЛЬНІСТЮ ВУЗЛІВ

Автор(и)

  • Олександр Воронець Національний технічний університет «Харківський політехнічний інститут», м. Харків, Україна, Україна
  • Павло Пустовойтов Національний технічний університет «Харківський політехнічний інститут», м. Харків, Україна, Україна

DOI:

https://doi.org/10.20998/2413-4295.2025.02.05

Ключові слова:

сенсорна мережа, енергоефективність, трафік, зони покриття, математична модель, метод оптимізації, діаграма Вороного

Анотація

Представлено новий метод формування зон покриття у бездротових сенсорних мережах з нерівномірною щільністю вузлів, який враховує критичність енергетичного стану, змінний попит у просторі та фізичні перешкоди в середовищі. Запропонований підхід базується на модифікованій зваженій діаграмі Вороного та нелінійному математичному апараті оптимізації, який дозволяє адаптивно розподіляти зони обслуговування залежно від поточних характеристик вузлів і трафіку. На відміну від класичних моделей із фіксованою геометрією покриття, розроблений метод динамічно оновлює зони відповідальності з урахуванням зміни енергії, рівня навантаження та умов доступу до середовища.

Результати чисельного моделювання, проведеного на прикладі мережі з 12 вузлів, показали, що адаптивна топологія суттєво перевершує класичний підхід за критерієм збалансованості енергоспоживання. Було зафіксовано, що вузли з високою енергією отримують більші зони покриття, тоді як енергетично обмежені вузли обслуговують лише малу частину області або виводяться з активного використання. Такий розподіл забезпечує зменшення навантаження на критичні елементи мережі та подовжує загальний час її функціонування. Додатково модель виявила здатність до ефективної реакції на зони з підвищеним попитом завдяки включенню в оптимізаційні обмеження просторового навантаження та характеристик середовища. У роботі також виконано порівняння запропонованого методу з класичною діаграмою Вороного. Як у таблицях, так і на графіках продемонстровано переваги адаптивного підходу у формуванні нерівномірних зон із урахуванням багатьох параметрів. Отримані результати підтверджують, що розроблений метод може бути застосований у складних умовах та перспективних сценаріях розгортання сенсорних мереж, де необхідно досягти високого рівня енергоефективності, стабільності та гнучкої адаптації до змін у середовищі.

Посилання

Voronets V., Pustovoitov P. A method for forming a packet transmission plan at peak network load, which reduces the response. Control, navigation and communication systems. Collection of scientific works, 2024, Vol. 1, no. 75, рр. 185–188, doi: 10.26906/sunz.2024.1.185.

Pustovoitov P., Voronets V., Voronets O., Sokol H., Okhrymenko M. Assessment of QOS indicators of a network with UDP and TCP traffic under a node peak load mode. Eastern-European Journal of Enterprise Technologies, 2024, Vol. 1, no. 4 (127), рр. 23–31, doi: 10.15587/1729-4061.2024.299124.

Chowdhury A., De D. Energy-efficient coverage optimization in wireless sensor networks based on Voronoi-Glowworm Swarm Optimization-K-means algorithm. Ad Hoc Networks, 2021, Vol. 122, рр. 102660, doi: 10.1016/j.adhoc.2021.102660.

Shreenath S. VORONOI-KHHS approach coupled with EESC protocol for energy-efficient coverage optimization in wireless sensor networks. Journal of Ambient Intelligence and Humanized Computing, 2024, doi: 10.1007/s41870-024-02333-8.

Sun Y., Wang Y., Li X. An adaptive learning gray wolf optimizer for coverage optimization in wireless sensor networks. Expert Systems with Applications, 2023, Vol. 216, р. 119470, doi: 10.1016/j.eswa.2023.119470.

Li Y., Zhang H., Wang J. VKECE-3D: Energy-efficient coverage enhancement in three-dimensional heterogeneous wireless sensor networks. Sensors, 2023, Vol. 23, no. 2, р. 573, doi: 10.3390/s23020573.

Das S., Roy S., Ghosh S. Efficient energy aware area coverage in WSNs: a 2L-Voronoi based approach. Wireless Networks, 2024, doi: 10.1007/s11276-024-03345-9.

Kong X., Qian Y., Xu B. Coverage optimization in wireless sensor networks with a modified arithmetic optimization algorithm. Proceedings of SPIE, 2023, Vol. 12609, р. 1260911, doi: 10.1117/12.2671692.

Chen H., Lu L. An improved coverage optimization method for video sensor networks based on whale optimization algorithm. IEEE Electronics Express, 2023, Vol. 20, no. 8, p. 20230570, doi: 10.1587/elex.20.20230570.

Sadowski B., Nowicki M., Wójcik M. Coverage and lifetime optimization by self-optimizing sensor networks. Sensors, 2023, Vol. 23, no. 8, p. 3930, doi: 10.3390/s23083930.

Shan S. Optimization of 3D WSN coverage based on equilibrium optimization algorithm. Journal of Artificial Intelligence Practice, 2023, Vol. 6, no. 3, рp. 39–47, doi: 10.23977/jaip.2023.060305.

Argany M., Mostafavi M. A., Karimipour F. A local 3D Voronoi-based optimization method for sensor network deployment in complex indoor environments. Sensors, 2021, Vol. 21, no. 23, p. 8011, doi: 10.3390/s21238011.

##submission.downloads##

Опубліковано

2025-07-20

Як цитувати

Воронець, О., & Пустовойтов, П. (2025). МЕТОД ФОРМУВАННЯ ЗОН ПОКРИТТЯ СЕНСОРНОЇ МЕРЕЖІ З НЕРІВНОМІРНОЮ ЩІЛЬНІСТЮ ВУЗЛІВ. Вісник Національного технічного університету «ХПІ». Серія: Нові рішення у сучасних технологіях, (2(24), 35–42. https://doi.org/10.20998/2413-4295.2025.02.05

Номер

Розділ

Інформаційні технології та системи управління