《Sustainable Computing: Informatics and Systems》：Energy and coverage area aware dynamic sleep scheduling for green IoT
编辑推荐：
物联网中传感器节点的动态睡眠调度机制研究，提出基于冲突因子与剩余能量的多参数睡眠间隔计算方法，通过Python实现验证，较现有算法节能30-40%，有效延长网络寿命。
Amarjeet Kaur | Hema N.
计算机科学与工程系及信息技术系，Jaypee信息技术学院，印度北方邦诺伊达
摘要
物联网（IoT）是一种智能技术，它使传感器节点能够随时随地连接到互联网。然而，这些传感器节点由电池供电，在相互通信时消耗大量能量，从而缩短了物联网网络的寿命。因此，节约能源并构建一个节能的物联网系统已成为一个关键的研究挑战。为了节省能源，可以在传感器节点不活跃时将其置于睡眠模式。本文提出了一种针对感知层中传感器节点的节能且考虑覆盖范围的睡眠调度机制，以优化功耗并延长网络寿命。该睡眠调度机制根据传感器节点的重叠区域计算各自的睡眠间隔。使用冲突因子来识别重叠区域：传感器节点的冲突因子越高，与其他节点的重叠区域就越大。传感器节点的睡眠间隔通过考虑多个参数来确定，包括剩余能量水平、冲突因子、信息质量和变异系数。计算出的睡眠间隔通过节省传感器节点的能量来实现节能效果。这种睡眠调度机制使用Python编程实现。实验结果表明，所提出的算法相比EEA降低了约30-40%的能耗，相比GIIoT降低了30%，相比ECHSSM降低了29%，从而有效延长了整个网络的寿命。
引言
物联网（IoT）是一种将众多设备相互连接并连接到互联网的技术。这些设备应用于医疗保健、环境监测、家庭自动化、交通、智慧城市等领域，使日常生活更加便捷。在这些应用中，设备将物理世界与数字世界连接起来，从物理世界感知和收集数据，并将其发送到数字世界。文献中提出了物联网系统的三层架构：感知层、处理层和应用层。感知层从物理世界收集数据并发送到处理层进行分析，用户可以通过应用层查看处理后的数据以做出决策。感知层涉及传感器、执行器、网关等硬件组件，这些组件直接与物理环境交互。传感器节点是感知层的主要组成部分，它们由电池供电，电池电量用于数据感知、处理和通信。由于传感器节点的持续运行，导致电池电量不断消耗，最终缩短了网络寿命。因此，节约传感器节点的能源是物联网系统中的一个关键挑战。
为了节省能源，当传感器节点不活跃或多个节点从同一区域收集相同数据时，可以将其切换到睡眠模式。如图1所示，如果两个或多个节点的感知区域有重叠，可以根据它们的重叠或覆盖范围将部分节点置于睡眠模式以节省能源。图1展示了传感器节点A、B、C、H和F的重叠感知区域，所有重叠区域用不同形状的星星、圆圈和三角形标记出来。在这种情况下，由于与A、C和H的重叠，传感器节点B的冲突因子非常高，因此可以将其置于睡眠模式。这里的重叠区域由冲突因子确定，而冲突因子可以通过传感器节点的覆盖半径R和两个节点中心之间的距离来计算（见公式（1）。
另一方面，节点G的冲突因子为零，因为其感知区域不与其他任何节点重叠，因此它无法被置于睡眠模式，会一直运行直到电池完全耗尽。
图1中的场景在许多物联网应用中都可能出现，例如农业、环境监测、智慧城市等，这些应用收集非敏感数据。在这些应用中，传感器节点感知温度、湿度或污染物（环境监测）、土壤湿度、养分水平或植物健康（农业）以及交通管理、空气质量监测（智慧城市）等常见参数。因此，当传感器节点部署非常密集时，它们的感知区域很容易重叠，这时可以将处于重叠区域的传感器节点置于睡眠模式以节省能源。
这些方案有其优缺点。一方面，这些节点可能会收集冗余数据，导致网络流量增加，因为这些数据需要传输到网关节点，再传输到基站和处理层。这种冗余不仅需要处理层额外的存储空间，还需要更多的计算资源和处理时间来过滤无关数据并提取有用信息，从而降低了感知层和处理层的整体资源利用率。
尽管存在这些缺点，这种配置也带来了一些优势——尤其是提高了信息质量。然而，这以减少传感器节点的电池寿命为代价。此外，并非所有应用都需要高质量的数据。数据的重要性取决于具体应用。例如，在农业领域，测量土壤湿度、养分水平或植物健康时，超高精度的数据可能并不重要。而在医疗领域，需要高质量、准确的数据，因为数据质量直接影响诊断和治疗结果。
根据上述讨论和公式（1），可以得出以下结论：如果冲突因子为零，表示没有其他节点与其重叠，意味着该节点可以独立运行而不受干扰，因此不能置于睡眠模式。相反，如果传感器节点的冲突因子较高，则表示它与多个节点重叠，在这种情况下，可以将其置于睡眠模式以节省能源。因此，本文提出的算法根据剩余能量水平和冲突因子来计算此类节点的睡眠间隔。
所提出的动态睡眠调度机制通过以下方式帮助节约能源：
1) 本文提出了一种睡眠调度机制和分层传感器节点部署策略，以提高物联网网络中感知层的能源效率。
2) 提出了一种算法来确定传感器节点的最佳睡眠间隔。
3) 睡眠间隔是根据传感器节点的剩余能量水平和冲突因子来计算的。
4) 此外，所提出的机制还考虑了多个参数，如之前的睡眠间隔、信息质量和变异系数，以实现更高效的调度。
本文的其余部分结构如下：第二节探讨了提高物联网感知层能源效率的相关技术；第三节描述了所提算法的系统模型；第四节详细介绍了该算法；第五节介绍了实验设置；第六节讨论了结果及其分析；第七节提供了与现有算法的比较分析；第八节总结了本文；第九节指出了局限性并概述了未来的研究方向。
相关研究
能源效率是物联网系统感知层中的一个关键且复杂的问题。许多研究已经探讨了这个问题，并提出了多种有效的方法。其中一种方法是能量高效网格索引树（EGF-tree）[17]，该方法通过将感知区域划分为网格来优化数据收集、查询处理和数据聚合的能源消耗。该研究还概述了EGF-tree的构建过程。
系统架构
文献中提出了一种适用于物联网系统的能源高效架构（见图2-12）。该架构包含三层：感知层、处理层和应用层。感知层或感知层从现实环境中收集原始数据并发送到处理层，处理层对原始数据进行处理并呈现为有意义的信息，用户通过应用层使用这些信息。
感知层
提出的算法
如图1和图3所示，当两个或多个传感器节点的覆盖区域重叠时，可以选择将部分节点置于睡眠模式以节省能源并延长网络寿命。这一概念通过冲突因子来量化。根据公式（1），如果冲突因子为零，节点的睡眠间隔会比冲突因子非零时更短。这种睡眠调度机制既延长了单个传感器节点的寿命，也延长了整个网络的寿命。
实验设置
睡眠间隔的计算取决于信息质量（QoI）、冲突因子和变异系数（CoV）以及剩余电池电量。如讨论所述，较短的睡眠间隔由于频繁的感知、处理和通信活动会导致更高的能源消耗；而较长的睡眠间隔则通过允许节点在更长时间内保持不活跃状态来减少能源使用。传感器节点的能耗可以根据[21]中描述的方法来计算：
结果讨论
图4展示了传感器节点随机部署的网络场景，以及每个节点的状态（“唤醒”、“睡眠”和“死亡”）。经过几轮模拟后，图表显示了所有节点的状态。
图5展示了两种情况下传感器节点的睡眠间隔。在第一种情况下，没有考虑冲突因子，即冲突因子值为'0'；在第二种情况下，考虑了冲突因子。图表展示了...
比较分析
本节将所提出的算法与"An Energy-Efficient Architecture for IoTs (EEA)" [21]中著名的算法进行了性能比较。尽管[21]提出了一种适用于物联网系统的能源高效架构及其相应的算法，但它为比较提供了合适的基础。
结论
由于物联网系统的感知层更紧密地与现实环境和硬件组件交互以收集实时数据，这些组件在数据收集、处理和传输过程中消耗更多能源，因此需要更加关注能源节约。本文提出了一种动态睡眠调度算法，以实现物联网系统的能源高效感知层。该算法考虑了节点的重叠区域并计算了节点的冲突因子。
局限性及未来工作
本节讨论了所提出的睡眠调度机制的局限性，包括：1. 所提出的算法没有检查网络边界和角落等关键区域，也没有考虑网络内的特定目标区域。
2. 在当前的模拟中，仅考虑了初始能量水平、传输范围、处理能力和感知特性相同的同质传感器节点。
作者声明
我们衷心感谢您和审稿人对我们题为“绿色物联网的能源和覆盖范围感知动态睡眠调度”（手稿ID：SUSCOM-D-25–01318R1）的手稿提供的宝贵反馈。这些详细评论对提高我们工作的清晰度和质量非常有帮助。
我们已经仔细回应了审稿人提出的所有评论，并附上了逐点回复文档，说明了修订后的手稿中所做的更改。
CRediT作者贡献声明
Amarjeet Kaur：撰写——审稿与编辑；Hema N.：监督。
