Data Collection Scheme for Unmanned Aerial Vehicle-Aided Wireless Sensor Networks

Abstract

에너지 제약 센서 노드는 민간 및 군사 목적으로 원격 지역, 구릉지, 접근하기 어려운 지역에 배치되는 경우가 많다. 이러한 무선 센서 네트워크(WSN)에서는 무인 비행체(UAV)를 사용하여 센서 노드로부터 데이터를 수집할 수 있다. 저고도 UAV를 활용하면 데이터 수집 위치를 최적화해 WSN의 에너지 소비량을 줄일 수 있다. 본 연구에서는 데이터 운반 장치로서 UAV의 도움을 받아 구릉지에 대한 UAV 활용 WSN (UWSN) 시스템에서 에너지 효율적이고 빠른 데이터 수집(EFDC) 기법를 고안하였다. 제안한 EFDC 기법에서는 공동 최적화 문제에 대한 낮은 복잡도의 솔루션을 제공한다. 먼저 센서 그룹화를 위해 에너지 효율적인 하이브리드 분산 클러스터링 알고리즘을 제안하였다. 그런 다음 수정형 Tabu 검색 알고리즘을 적용하여 클러스터에서 데이터를 수집하는 UAV 위치를 최적화하였다. 결정된 데이터 수집 위치들을 대상으로 여행 세일즈맨 문제를 적용하고 유전자 알고리즘을 채택하여 데이터 수집 속도를 향상시켰다. 시뮬레이션 결과에 의한면, 제안한 EFDC 기법은 에너지 소비, 확장성, 제어 오버헤드, 지연 및 부하 분산 측면에서 기존 방식보다 우수한 성능을 갖는다.|Energy-constrained sensor nodes are often deployed in remote, hilly, and hard-to-reach areas for civilian and military purposes. In such wireless sensor networks (WSNs), an unmanned aerial vehicle (UAV) can be used to collect data from the sensor nodes. Low-altitude UAVs can be utilized to reduce the energy consumption of WSNs by optimizing the data collection position. In this study, we designed an energy-efficient and fast data collection (EFDC) scheme in UAV-aided WSNs for hilly areas with the help of a UAV as a data mule. We introduced a joint optimization problem based on the EFDC scheme and provided low-complexity solutions. First, we proposed a central bias hybrid energy-efficient distributed clustering algorithm for grouping the sensors. Then, we applied a modified tabu search algorithm to optimize the UAV position for collecting data from a cluster. To achieve fast data collection, we developed the traveling salesman problem with the derived data collection positions and solved it by applying a genetic algorithm. Based on our simulation results, the proposed EFDC scheme outperforms the conventional ones in terms of energy consumption, scalability, control overhead, delay, and load balancing.