Оптимизация расписания сна в беспроводных сенсорных сетях с учётом полезности узлов и приоритизации критических целей

Почему важно держать бодрствующими крошечных цифровых стражей

От умных ферм до сигнализации о лесных пожарах — беспроводные сенсорные сети тихо наблюдают за нашим миром. Эти разбросанные и питающиеся от батарей устройства измеряют температуру, движение, уровень загрязнений и многое другое, затем отправляют данные в центральный узел. Но есть загвоздка: как только батареи иссякают, сеть становится слепой. В статье рассматривается на первый взгляд простая, но крайне практичная проблема — как решать, какие датчики должны оставаться включёнными, а какие можно безопасно переводить в спящий режим, чтобы важные объекты наблюдались как можно дольше?

Проблема постоянного наблюдения за всем сразу

Во многих реальных развертываниях десятки или сотни датчиков наблюдают одну и ту же зону или группу важных точек, таких как мосты, клапаны или химические резервуары. Включение всех датчиков одновременно гарантирует хорошее покрытие, но тратит энергию и укорачивает срок службы всей сети. Хуже того, реальные датчики не ведут себя как идеальные лампочки, которые либо полностью видят цель, либо нет. Их способность обнаруживать объект уменьшается с расстоянием и по мере разрядки батареи, поэтому покрытие — это вопрос вероятностей, а не уверенности. Существующие методы планирования плохо справляются с этой запутанной реальностью. Они часто держат включёнными слишком много перекрывающихся датчиков, не защищают те немногие устройства, которые охраняют труднодоступные точки, и игнорируют остаток заряда каждого узла, что приводит к появлению «слепых» участков раньше, чем нужно.

Более разумный способ распределять нагрузку

Авторы предлагают новую стратегию расписания сна, которая рассматривает сеть подобно городской электросети: выявляет узкие места, распределяет нагрузку и включает только действительно необходимое. Во-первых, они улучшают модель обнаружения: вероятность того, что датчик заметит цель, зависит не только от расстояния, но и от оставшейся энергии. Это создаёт «вероятностно-энергетическое» представление покрытия, более правдиво отражающее поведение аппаратуры с течением времени. Затем они разбивают обширную сеть на меньшие независимые регионы датчиков и целей, которые действительно взаимодействуют между собой. Этот шаг, называемый иерархическим раздельным покрытием, превращает огромную глобальную задачу в множество более мелких подзадач, которые можно решить гораздо эффективнее.

Поиск слабых мест и выбор подходящих помощников

Внутри каждого региона метод ищет самое слабое звено: цель, которая рискует остаться без покрытия, потому что на неё опирается лишь немногое количество разряженных датчиков. Эта цель становится «критической» и требует первоочередной защиты. Для датчиков, которые могут видеть эту критическую цель, алгоритм вычисляет простую полезностную оценку, объединяющую оставшийся заряд каждого узла и количество в данный момент непокрытых целей, которые он способен помочь наблюдать. В каждом раунде активируется датчик с наивысшей полезностью вокруг самой уязвимой цели, после чего обновляется картина покрытия. Со временем разные датчики по очереди несут нагрузку, обеспечивая, чтобы труднодоступные точки не были забыты, а расход энергии оставался сбалансированным.

Проверка плана на практике

Чтобы оценить эффективность стратегии, авторы проводят компьютерные эксперименты на сетях разного размера и с разной топологией, сравнивая свой подход — названный UCTF-SS — с несколькими известными методами планирования: случайным выбором, жадным отбором по энергии, схемами кластеризации, методом беспроводной передачи энергии и генетическим алгоритмом. Они измеряют, как долго сеть поддерживает полное или почти полное покрытие, сколько узлов должно быть включено в каждом раунде и насколько равномерно расходуется энергия. Во всех испытаниях UCTF-SS дольше сохраняет работоспособность сети, поддерживает более высокое покрытие и более равномерно распределяет расход батарей, причём при этом в любой момент включена лишь небольшая доля сенсоров.

Что это означает для реальных развертываний сенсорных сетей

Проще говоря, исследование показывает, что можно гораздо дольше вести цифровое наблюдение за критическими точками, если стратегически выбирать, какие датчики держать активными, и уделять особое внимание самым уязвимым участкам сети. Фокусируясь на слабо защищённых целях, чередуя датчики по критерию полезности и оставшегося заряда, а также упрощая сеть до меньших регионов, предложенный метод растягивает ограниченные батареи, не жертвуя бдительностью. Для проектировщиков умных городов, промышленных предприятий и систем экологического мониторинга это означает реже менять батареи, получать более надёжные данные и иметь сети, которые стареют равномерно, а не выходят из строя пятнами внезапной темноты.

Цитирование: Wu, J., Tian, S., Qi, X. et al. Optimizing sleep scheduling in wireless sensor networks via node utility and critical target prioritization. Sci Rep 16, 10389 (2026). https://doi.org/10.1038/s41598-026-40548-w

Ключевые слова: беспроводные сенсорные сети, энергоэффективный мониторинг, расписание сна, покрытие целей, время жизни сети