作者搜索
新闻
  10.5.5
C-DBLP系统正式发布作者研究兴趣及学术活动展示功能，请访问作者页面试用。
  09.7.6
C-DBLP的文献BibTex信息展示功能正式上线，请访问文章详细页面使用。
  09.7.29
C-DBLP系统新增同名区分功能，欢迎大家在作者页面试用。该功能部分使用了清华大学王建勇老师课题组提出的GHOST（GrapH-based framewOrk for name diStincTion）算法，在此表示感谢。
  09.6.2
C-DBLP系统集成了作者的相关图片并在搜索结果页面展示，敬请试用。
  更多>>
 
无线传感器网络环境下时-空查询处理方法  BibTex
作者： 郭龙江 李建中 李贵林
单位： 哈尔滨工业大学计算机科学与技术学院 黑龙江哈尔滨150001
关键词： 传感器网络;时-空查询;事件;数据为中心的存储
出处： 软件学报 2006 年 04期
基金： 国家自然科学基金重点项目;国家自然科学基金;黑龙江省自然科学基金重点项目~~
全文链接： 查看全文>>
摘要：
　　在无线传感器网络环境中,观察者感兴趣的是由传感器网络监测得到的与时间-空间相关的事件,而不是传感器本身或者大量无关的观察数据.观察者会经常提出与事件相关的时-空查询,例如:“网络覆盖的某地理区域R中10:00~11:00发生了哪些事件?”.由于每个传感器节点只有有限的能量,因此,研究能量有效性的时-空查询处理算法成为一个重要的研究课题.给出了一种以数据为中心的时-空查询处理算法.针对3种不同的存储策略:以数据为中心的存储、外部存储和节点本地存储,分析比较了节点的能量消耗.系统地研究了在3种不同的数据存储策略下,事件发生的概率,节点密度,事件类型数目,查询数目,时-空查询地理区域的大小以及时-空查询时间窗口的大小对节点能量消耗的影响.理论与实验结果表明,在多数情况下,这种以数据为中心的时-空查询处理算法的能量消耗少于基于外部存储和本地存储的时-空查询处理算法.
正文快照：
　　近几年,无线传感器网络技术得到了飞速的发展.传感器网络是由一组传感器以Ad Hoc方式构成的有线或无线网络,其目的是协作地感知、采集和处理网络覆盖的地理区域中感知对象的信息,并发布给观察者[1].观察者感兴趣的是由传感器网络监测得到的与时间-空间相关的事件,而不是传感器
Spatio-Temporal Query Processing Method in Wireless Sensor Networks
Author： GUO Long-Jiang;LI Jian-Zhong+;LI Gui-Lin (School of Computer Science and Technology;Harbin Institute of Technology;Harbin 150001;China)
Keywords： sensor network;spatio-temporal query;event;data-centric storage
Abstract：
　In wireless sensor networks, observers are interested in spatio-temporal information monitored by sensors. Observers are not interested in sensor itself or massive irrelevant readings from sensors. They often issue spatio-temporal queries such as “Which events did happen in region R from 10:00 to 12:00?”. Since battery supply of sensors is limited, energy-efficient spatio-temporal query processing in sensor networks has become an important research problem. This paper presents a spatio-temporal query processing algorithm based on data-centric storage. The energy consumption of sensors in three storage strategies, namely external storage, local storage and data-centric storage, is analyzed and compared in this paper. The paper also studies the influence of the probability of an event occurring, node density, number of event types, number of queries, temporal window size and spatial area size in spatial-temporal query on energy consumption. Analytical and experimental results show that in most cases the spatio-temporal query processing algorithm proposed in this paper can save more energy than those algorithms based on the external storage and local storage strategies.