无线传感器网络增强型区域能量感知数据收集协议E-ZEAL研究

沙特国王大学学报无线传感器网络增强型区域能量感知数据收集协议阿雅·H放大图片作者：Allam Haha，Mohamed Taha.扎耶德埃及Benha大学计算机信息学院计算机科学系阿提奇莱因福奥文章历史记录：收到2019年2019年9月23日修订2019年10月28日接受在线发售2019年保留字：物联网（IoT）无线传感器网络路由协议基于区域的节能数据收集（ZEAL）A B S T R A C T在物联网时代，传感器节点的能耗是无线传感器网络面临的主要挑战之一由于传感器节点的电池寿命有限，因此降低能量消耗至关最近，基于区域的能量感知数据收集（ZEAL）路由协议被提出来改善能量消耗和数据传输。在本文中，ZEAL的增强，提出了提高无线传感器网络的性能，在能源消耗和数据传输。增强ZEAL（E-ZEAL）应用K-均值聚类算法来找到移动汇聚节点的最佳路径。同时，它为子汇聚节点提供了更好的选择.使用ns-3模拟器进行实验E-ZEAL的性能与ZEAL相当E-ZEAL将跳数和距离减少了50%以上，从而将数据收集阶段的速度提高了30%以上，并完成了数据交付。此外，E-ZEAL将网络的生命周期延长了30%。©2019作者（S）。由爱思唯尔公司出版代表沙特国王大学这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍到2050年，世界上大约70%的人将生活在城市地区，根据（局，2016年）。这种快速的城市增长已经给现有的基础设施带来了压力。为了满足这一新需求，世界各地的城市社区都将重点放在智慧城市和物联网应用上，以降低成本、改善互动和沟通，并增强服务。智能城市有许多物联网应用，如智能基础设施、智能交通、智能医疗和智能电网（Mohanty等人， 2016）等。 图 1说明了物联网在智慧城市中的一些应用（Arasteh et al.， 2016年）。物联网创新使城市建筑更容易通过节省能源消耗来提高其可持续性。例如，智能能源管理系统使用物联网设备连接分布式能源，*通讯作者：计算机科学系，计算机和信息学院，本哈大学，本哈曼苏拉路，旁边的控股公司供水和卫生本哈，Qalyubia省，埃及电子邮件地址：aya. fci.bu.edu.eg（A.H.Allam），mohamed.taha@fci.bu. edu.eg（M. Taha），hala. fci.bu.edu.eg（H.H. Zayed）。沙特国王大学负责同行审查着色、冷却、加热、照明和消防安全系统到中央管理软件。能源管理应用程序突出了高使用率和能源浮动的领域，以便工作人员可以解决这些问题 。研究 发现， 商业 建筑浪 费了大 约30% 的能 源（ Stauffer，2013）。因此，使用智能建筑能源管理系统对于节约能源消耗具有重要意义。随着越来越多的智能城市建筑使用能源管理系统，整个城市将变得更加可持续。在（Abate等人，物联网可以改变城市社区用水的方式。智能电表可以提高泄漏检测和信息完整性，避免因浪费而造成的收入损失。在（Talukder等人，随着越来越多的人搬到城市社区，交通拥挤，这已经是一个严重的问题，只会变得更糟。幸运的是，物联网非常适合对这一领域进行增强。从交通摄像头、车辆、智能手机和街道传感器收集数据，以实时筛选交通事件司机可以在事故发生时得到警告，并被引导到堵塞较少的道路物联网应用在智慧城市中的潜在成果和效益是巨大的，其影响将是可观的。物联网是物理对象的网络，例如设备，车辆，建筑物和其他物品。 这些对象嵌入有电子、软件、传感器和网络连接，使得能够在它们之间进行数据收集和交换（Ngu等人， 2017年）。 数据收集和传输是通过互联网进行的，而不需要人类的任何帮助（Yassen等人，2016年）。沿着这些路线，物联网将世界从真实的无生命物体改变为智能虚拟物体。https://doi.org/10.1016/j.jksuci.2019.10.0121319-1578/©2019作者。由爱思唯尔公司出版代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。制作和主办：Elsevier可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.comA.H. Allam等人 /沙特国王大学学报-计算机与信息科学34（2022）36-4637图3.第三章。 WSN架构（Ryu等人， 2015年）。Fig. 1. 物联网应用。对象此外，它赋予人类控制周围每一个物体的特权（Madakam等人，2015年）。IoT包含四个主要组件：1）传感器和设备，2）用户界面，3）网络连接和4）数据处理，如图2所示（S等人，2009年）。基于物联网应用，该架构被定义为连接这些组件（Devi Kotha和MnssvkrGupta，2018）。网络连接是物联网技术的重要组成部分之一。无线传感器网络代表了物联网应用中实现网络连接的主要技术。无线传感器网络由传感器和网关节点组成。传感器节点相互通信，将数据传递到网关节点。然后，网关节点从传感器节点收集数据并通过互联网传递给操作员。图3示出了WSN的架构。WSN中的主要挑战之一是由于传感器节点的寿命短而节省传感器节点的能量消耗（Alduais等人，2016年）。最近，提出了基于区域的能量感知数据收集路由协议（ZEAL）来解决WSN中的能量消耗问题（Gallegos等人，2018年）。在第一个循环中，ZEAL形成独立的路由区域（节点集）。区域基于一个或多个移动汇的轨迹而彼此独立。每个区域具有一个或多个移动汇聚节点、子汇聚节点和成员节点。移动汇以恒定的速度在起点和终点之间来回移动（循环移动）。在随后的周期中，移动汇点在各个区域之间移动，以通过子汇点节点从成员节点收集数据。在本文中，一个增强的ZEAL，命名为（E-ZEAL），以提高无线传感器网络的性能，在能源消耗和数据传输。E-ZEAL应用K-均值聚类算法来找到移动汇聚节点的最佳路径。此外，它提供了更好的选择sub-sink节点。使用ns-3模拟器进行实验图二. IoT组件。将E-ZEAL的性能与ZEAL进行比较。与ZEAL相比，E-ZEAL降低了能耗和端到端延迟。与ZEAL相比，E-ZEAL增加了网络的生命周期、平均吞吐量和数据传输。论文的其余部分组织如下：第2节提供了一个简单的介绍无线传感器网络路由协议和ZEAL协议。第三节介绍了拟议的工作。第4节展示了结果并进行了讨论。最后，第五对本文进行了总结。2. 相关工作路由协议对无线传感器网络的性能起着至关重要的作用路由协议用于找到从源节点到目的地节点的数据移动的最佳路径（Singh等人， 2010年）。最优路由路径是由能源消耗和服务质量的条款。根据无线传感器网络的网络结构，将路由协议分为平面协议、层次（分簇）协议和基于位置的协议。分层路由协议是最著名的方案（Singh和Sharma，2015）。分层路由协议具有许多优点，例如网络可扩展性、负载平衡和各种节点之间的能量分布（Al-Shalabi等人，2018年）。分层路由协议将WSN划分为簇（节点组）。每个簇都有一个或多个簇头。 簇头负责从簇内的传感器节点收集数据，并将其传递到网关节点。LEACH（Heinzelman等人，2000），PEGASIS（Lindsey andRaghavend，n.d），TEEN（Manjeshwar and Agrawal，n. d. ）和HEED（Younis和Fahmy，2004）是最流行的分层路由协议。在另一种分类中，基于用于建立从源到目的地的路由的方案，路由协议可以分类为：主动路由协议：为网络中的所有节点预先建立路由。反应式路由协议：根据从源到目的地的请求建立路由。混合路由协议：结合主动和被动路由协议。Heinzelman等人（2000）提出了基站的移动性（mobile-sink）以节省能量消耗并增加传感器网络的寿命。路径约束协议被提出来确定移动汇点移动通过的路径并从网络节点收集数据该路径可以是直线、圆形路径或随机路径，以仅访问传感器场中的选定节点子集Tang等人（2012）提出了多个增强型特定部署子汇（MESS）协议。它采用路径受限的轨迹，并采用可靠高效的数据检索机制.这些子汇沿●●●¼上午38点Allam等人 /Journal of King Saud University- Computer and Information Sciences 34（2022）36- 46Chen等人（2013）提出了虚拟圆组合直路由（VCCSR）协议，以收集来自成员的数据在每个集群中使用最短路径。VCCSR找到了一个有效的虚拟结构来有效地路由数据。虚拟结构由虚拟圆和直线的组合组成。在（Dhamdhere和Guru，2014）中，提出了基于路径的最优终端分配（OTABP）协议。它是一种主动式路由协议，使一个或多个移动sink在受约束的路径中移动以从子sink收集数据。子sink从传感器节点收集数据，并将所有数据包发送到移动sink。根据与其他网络节点的距离选择子汇。移动水槽控制其速度取决于在子接收器中排队的数据量。Mitra和Sharma（2018）提出了一种基于虚拟网格结构的分层路由协议。其中，数据被传送到移动sink分三个阶段：1）传感器将数据发送到候选子sink，然后2）候选子sink将数据发送到子sink节点，最后3）子sink将数据发送到移动sink。移动信宿的路径选择取决于跳数和数 据 生 成 速 率 。 Vaillas 等 人 （ 2019 ） 提 出 了 地 理 和 分 层 路 由（IoGHR）的集成，以增加网络寿命。IoGHR将网络划分为虚拟网格，每个网格由包括簇头（CH）在内的四个节点组成。在每个网格中，CH从节点收集数据并将其传递到移动sink。移动sink通过预定义的路径从CH收集数据。表1示出了路径约束的WSN协议的不同特性的比较。最近，提出了基于区域的能量感知数据收集（ZEAL）路由协议以改善能量消耗和数据递送（Gallegos等人， 2018年）。ZEAL是一种混合的分层路由协议.它用于从传感器节点收集数据的移动节点的 场 景 。 ZEAL 路 径 被 约 束 为 直 线 。 由 于 我 们 的 改 进 是 针 对（ZEAL）提出的，因此我们对其进行了详细的讨论。然后在下一节中，我们提出了我们的修改，以提高ZEAL在数据传输和能源消耗方面的性能。ZEAL基于最大量最短路径（MASP）协议（Gao等人，2009年）。使用OMNET++模拟器开发和评估MASP。MASP将网络节点分为三种类型：移动汇聚节点：以恒定的路径和速度移动以从子汇聚节点收集数据，子汇聚节点：从传感器节点接收数据分组并将它们发送到移动汇聚节点，成员节点：感知数据，生成数据包，并将数据包发送给子汇聚节点。MASP是一种主动式路由协议，它优化了传感器节点和子节点之间的映射，以最大化移动节点收集的数据量，并平衡能量消耗。在每个网络中，至少有一个汇聚节点。仅允许子汇聚节点与移动汇聚节点建立直接通信。MASP协议是根据-发现阶段：将网络划分为区域并确定所有候选子汇聚节点。见图4。数据收集阶段基于MASP。选择阶段：其中子汇聚节点聚集来自传感器节点的数据并将其递送到移动汇聚节点，如图4所示。ZEAL提出了对MASP的增强，以提高能耗和数据交付方面的性能。一其中一项改进是缩短了设置阶段的时间。另外，ZEAL不依赖于时钟同步。因此，ZEAL的设置阶段在一个循环中执行，而不是在MASP发现阶段的两个循环中执行。与MASP类似，网络节点被划分为移动汇聚节点、子汇聚节点和成员节点.ZEAL处理分为两个阶段：2.1. 设置阶段建立阶段分为两个半周期：第一个半周期和第二个半周期. 第一个半周期：移动接收器以恒定速度在稳定路径中 移 动 ，并发送BCST 1消息，分配的区域ID。每个区域的时隙通过除以-将半周期的时间缩短预定义数量的区域。每个节点接收BCST 1成为子宿候选，并发送UCST 1消息到移动宿。之后，移动信宿从每个子信宿接收UCST 1，并确定每个子信宿的测距时间最后，在第一个半周期结束时，移动接收器定义了com，每个子水槽的通信时间第二半周期：在开始时，每个候选子宿被分配到一个时隙。移动汇点计算成员要求参数（Mreq）（Gao等人，2009;Gallegos等人，2016年，如图所示。（一）. Mreq是每个子sink的理想成员节点数。接下来，移动信宿在其时隙内向每个子信宿发送具有其Mreq值的UCST 2消息。当子宿接收到UCST 2时，每个子宿向同一区域内的所有成员节点发送BSCT 2消息。BSCT 2包括区域ID、Mreq值和其间的跳数。然后，每个成员节点基于BSCT 2更新其参数。在第二个半周期结束时，每个成员节点建立到同一区域中的所有子汇的路由。图5示出了设置阶段的细节。此外，它还将路由表填充到网络中的所有节点。数据列Mreqdt×atds×mtð1Þ表1路径受限的无线传感器网络协议特性比较。议定书年水槽数量路由建立节点特征限制一团糟2012单个积极主动异构需要手动部署子汇VCCSR2013单个查询驱动异构需要手动部署子汇OTABP2014多积极主动均匀需要节点位置感知（Mitra和Sharma，2018）2018单个积极主动均匀需要节点位置感知IoGHR（Vaiden等人， 2019年度）2019多积极主动均匀需要节点位置感知联系我们-×A.H. Allam等人 /沙特国王大学学报-计算机与信息科学34（2022）36-4639图五、ZEAL的设置阶段（Gallegos等人， 2018年）。其中，dt是每个子信宿向移动信宿发送数据的数据速率，Δ t是分配给每个子信宿的时隙，ds是用于向子信宿节点发送数据的应用数据速率MT是移动信宿的总路径时间。在建立阶段，由于子sink节点之间的距离较近，会出现通信时间重叠和碰撞问题。为了避免这个问题，提出了选择性时间分配（SelectiveTA）算法（Gallegos等人，2018年）。Selec-tiveTA应用两个过滤器：过滤器-1：去除重叠的时隙，当许多子宿在时隙中重叠时，具有最大时隙的子宿优先于其他子宿候选者。过滤器-2：从每个区域中消除一定百分比的子汇候选。此百分比由网络管理员设置。被移除的子宿时隙被分配给其他子宿，导致用于它们的时隙增加。此外，消除子宿候选者保留了能量并减少了网络流量，因为没有创建到被移除的子宿的路由。但是，它可能会影响数据的传递，一些成员节点失去通信到移动sink。2.2. 数据收集阶段在设置阶段之后，执行数据收集阶段，如图6所示。其中，子sink节点收集数据并在特定时隙中将数据传送到移动sink。每个成员节点使用等式2计算同一区域内的所有子汇聚节点的优先级（Pr）。（二）、每个成员节点选择具有最高优先级的子汇聚节点。数据聚合过程在每个周期执行如下：移动汇聚节点向所有子汇聚节点发送POLL1消息。一秒钟。然后向同一区域内的所有成员节点广播包含区域ID和休眠时间的SLP消息。每个成员节点接收SLP消息重新广播到其他成员节点，直到区域内的所有成员进入睡眠。3. 增强的基于区域的节能数据收集（E-ZEAL）ZEAL利用两种技术通过减少成员节点的唤醒时间来节省能量：减少建立阶段时间和占空比机制。然而，ZEAL例如，短路径增加了用于通信的跳数，消耗更多的能量，并且降低了数据递送，但减少了数据收集阶段时间。另一方面，移动到成员节点附近的长路径减少了用于通信的跳数，节省了能量，并且改善了数据递送，但是增加了数据收集阶段时间。ZEAL不处理移动-接收路径的布局因此，挑战在于找到能够实现所有参数之间平衡的最优路径在这种情况下，增强型ZEAL（E-ZEAL）路由协议的提出，以提高无线传感器网络的数据传输和能量消耗方面的性能该算法分为三个阶段（预处理阶段、设置阶段、数据采集阶段）.数据收集阶段与ZEAL相同，没有任何修改，类似于以上预处理阶段的详细信息和设置阶段的修改将在以下小节中讨论。3.1. 预处理阶段在预处理阶段，E-ZEAL为移动汇聚节点找到最优路径最优路径被定义为子汇聚节点和成员节点组的跳数和距离最小E-ZEAL应用K-means聚类算法来找到类似于（Xing等人，2008年）。预处理阶段的伪代码在算法1中给出接下来，子汇聚节点向移动汇聚节点发送数据分组，直到分配的时隙结束或者数据分组的队列被耗尽。算法1：预处理阶段N个节点PrMreq1-aNhopsð2ÞL节点的位置的集合{L1，L2.. . Ln}K最佳聚类其中a是0和1之间的权重值，Nhops是子宿和成员节点之间的跳数。Mreq是子汇聚节点的理想成员节点数。ZEAL提出了一种占空比机制来降低能耗。占空比机制在成员节点上应用唤醒/睡眠时隙，其中成员节点唤醒以发送数据并进入睡眠模式，直到睡眠时间用完。睡眠时间等于[（半周期时间当前时间）2]。该机制实现如下，当移动汇聚节点从当前区域移出以移入下一个区域时，它向当前区域中的最后一个子汇聚节点发送POLL2消息一旦最后一个子汇聚节点接收到POLL2，它就减少睡眠时间K1，K2最佳kCKmean质心集{C1，C2，，Ck}D质心距离集{D1，D2，.，Dk}H质心之间的角度的集合{H1，H2，T平均时间Kmean路径输入L输出：D、T、H1 K，D，T，H，C=2 K =轮廓（L）/* 函数，以获得最佳的最佳k（Kesseeuw，1987），用于K均值方法（de Amorim和Hennig，2016）*/3 K1 K K24 C = K均值（L，K）/* 计算K后返回质心。平均数 */5 H=计算-角度（C）6 D =计算-距离（C）7T =计算-路径时间（D）/* 从K均值质心返回的角度*//* 返回质心向量之间的距离 *//* 所有K-means路径的返回时间 */图六、Z E A L 的 数据收集阶段（Gallegos等人， 2018年）。þþ时速40英里Allam等人 /Journal of King Saud University- Computer and Information Sciences 34（2022）36- 46在算法1中，采用了Silhouette（1987）提出的方法来寻找最佳聚类数（k）。因此，为K-means聚类算法设置聚类数输入（de Amorim和Hennig，2016）。K-means聚类算法在子汇聚节点的选择上具有相等的权重。优先级直接与Mreq成比例，并且优先级与Nhops成比例。因此，执行归一化以得到最大Mreq和最小Nhops的倒数，如等式（1）所示（三）、Rithm由Hartigan和Wong（1979）提出。它是一种无监督的学习算法，可以对相似的数据点进行分组，并找出共同的模式。它搜索一个固定的产品介绍MreqmaxMreq1Nhops1最小Nhopsð3Þ数据集中的聚类数（k）聚类被定义为由于某些相似性而分组的数据点的集合k是指数据集中所需质心的数量。质心表示聚类的中心。在无线传感器网络场景中，成员节点和子汇聚节点的位置代表数据集。质心是具有最小跳数和距成员节点和子汇聚节点的最小距离的位置的集合;该方法在Xing等人（2008）中介绍。研究人员设计了一条经过一组位置的路线，这些位置是会合点，移动接收器从靠近设计路线的子接收器节点收集数据。重命名点表示成员节点的集群中心，如图7所示。所提出的E-ZEAL算法适用于相同的方法，通过实现K-均值聚类算法，以找到最佳路径的移动汇节点预，此外，我们建议修改的优先级的子sink的选择，通过添加子sink和成员节点之间的距离。仅依赖于Nhop是不够的，因为中继节点可能选择具有较少跳数但具有较长距离的子汇聚节点，这可能导致更多的能量消耗。图8示出了跳数和距离之间的折衷情况的示例，节点1基于较少的跳数选择子宿3而不是子宿6。尽管子宿6更靠近节点1。因此，除了Mreq和Nhops之外，距离（dist）是选择子汇的重要参数。子宿与多个节点之间的距离基于欧几里德范数来计算，如等式（1）中所示（四）、在算法1中发送第一，成员节点的分布得到子汇聚节点。然后，应用轮廓方法来获得最佳k，以用作K均值聚类的输入distm;sqx2-x12y2-y12ð4Þ排序算法确定了聚类的中心和这些中心的位置。连接中心后，将计算角度并设置路径。3.2. 设置阶段E-ZEAL在设置阶段的主要功能与ZEAL相似但是我们修改了优先级等式（Eq.2）以提供子汇聚节点的更好选择。如等式2中所述，优先级取决于每个子汇聚节点的成员数量（Mreq），其中，（x1，y1）表示成员节点m的位置，（x2，y2）表示子汇聚节点s的位置类似于跳数，优先级与距离成正比，因为能量消耗增加以覆盖更长的距离。为了实现所有项（Mreq、Nhops、dist）之间的平衡，对距离参数进行归一化。距离归一化是相对于最小距离的反向进行的。当量图5示出了在针对Mreq和Nhops进行归一化并且添加归一化距离参数之后的优先级方程的最终形式。子宿和成员节点之间的跳数（Nhops），以及a，用于实现Mreq和Nhops之间的平衡的权重参数。然而，ZEAL产品介绍MreqmaxMreq11恩霍普斯县1 1min Nhopsmin Nhopsð5Þ确定a的值。首先，我们试图找到a的最佳值。但我们发现，只要网络架构发生变化，a就会发生变化。因此，我们通过对Mreq和Nhops参数应用归一化并从等式中移除a参数来修改优先级。因此，Mreq和Nhops图图9详细说明了E-ZEAL设置阶段的流程图。总之，E-ZEAL被提出来改善ZEAL在数据传输和能量消耗方面的性能。E-ZEAL修改了优先级等式（等式（2））在建立阶段，改进子汇聚节点的选择，从而增强数据传送。此外，E-ZEAL实现了K-means聚类算法，图7.第一次会议。 基于K-means聚类算法的移动汇聚路径（Xing等人， 2008年）。见图8。 基于跳数的子宿的选择过程的示例。þA.H. Allam等人 /沙特国王大学学报-计算机与信息科学34（2022）36-4641预处理阶段，为移动信宿找到最佳路径以降低能耗。在下一节中，我们评估我们提出的E-ZEAL相比，ZEAL算法。4. 结果和讨论在 Gallegos et al. （2018 ） ， 作 者 比 较 了 ZEAL 和 MASP 。MASP利用传输时隙将数据从子汇聚节点发送MASP提供了比ZEAL轮询机制更精确的数据收集，但它需要所有节点之间完美的这种同步方法是由于复杂性和fea的主要缺点真正实现的可能性。Gallegos等人（2018）的实验结果证明了ZEAL相对于MASP在延长网络寿命和改善数据收集方面的有效性。我们提出的E-ZEAL在ns-3模拟器上利用能量模型（Wu等人，2011年）。E-ZEAL通过增加新的标准来选择子汇聚节点并利用K-mean算法定义最优路径，从而增加了网络的生命周期，并比ZEAL提高了数据传输。表2详细说明了MASP、ZEAL和E-ZEAL之间的比较在测试用例的所有场景中，网络区域都设置为400 m× 200m，120个节点随机分布。此外，委员会认为，见图9。 E-ZEAL设置阶段流程图凌晨42点Allam等人 /Journal of King Saud University- Computer and Information Sciences 34（2022）36- 46表2MASP、ZEAL和E-ZEAL之间的比较。特性MASP热情E-ZEAL数量223阶段自动区域没有是的是的分布节能没有占空比占空比机制功能选择子水槽的标准节点会员要求跳数机制会员要求跳数分布感知路径成员要求跳数子汇聚节点与传感器节点之间的距离无效子阱滤波器受约束的路径汇移动是否否是是分发感知路径图10个。Silhouette方法选择最佳K聚类。路由类型主动混合混合节点初始能量的选择方法路径同质否K均值实现层网络层网络层网络层数据收集机制同步传输轮询机制轮询机制用不同的随机种子重复测试以进行验证。表3提供了各种测试的模拟参数的所有细节。在预处理阶段，应用Silhouette方法来找到最佳k，以用作K均值聚类算法的输入，如图10所示。然后，将成员和子汇聚节点划分为簇。确定每个簇的质心之后，通过连接所有簇的质心来设置路径，如图所示。 十一岁相反，ZEAL在网络区域的底部设置因此，E-ZEAL实现了距离（dist）和数量表4见图11。 基于K-means聚类算法的E-ZEAL路径。ZEAL和E-ZEAL路径的最大跳数和最大距离。的跳数（Nhops）。 证明在此基础上，通过实验测量了所有子汇聚节点和成员节点在整个网络中的最大Nhops和最大dist表4示出了E-ZEAL路径与ZEAL中的底部路径的比较据观察，E-ZEAL实现了Nhop和dist的减少超过50%。所提出的方法致力于提高ZEAL在数据传输和能耗方面实验的目的是评估网络中的数据传输和平均剩余能量一般来说，所有实验在ZEAL和E-ZEAL之间进行比较（具有最佳路径和更新的表3模拟参数。参数值目标区域400 m× 200 m节点数120节点初始能量3000J（相当于单个AAA NiMH电池）。路径最大跳数最大距离底部9 320E-ZEAL（K-均值路径）4 146优先级等式5）。图12示出了ZEAL底部路径和E-ZEAL路径的数据递送性能，可以观察到E-ZEAL在120个节点的两个数据收集周期内通过240个数据包实现完整的数据递送。类似地，图13示出了ZEAL和E-ZEAL的平均剩余能量性能。E-ZEAL为成员节点节省了两个数据收集周期的更多能量然而，图14示出了23个循环的平均剩余能量性能。E-ZEAL随着时间的推移改善了能源消耗，增加成员节点的寿命。23次循环后，ZEAL和E-ZEAL的平均剩余能量分别为261和845J，分别占初始能量的8%和28%。结果验证了我们提出的方法。节点的最大通信52米为了评估E-ZEAL中应用的路径，实现了不同的路径（中间路径、对角线路径、字母V和对角线路径应用程序数据大小1029字节移动水槽速度5-Tx-电流0.380 mA空载电流0.273 mA忙电流0.273毫安睡眠电流0.033 mA除了在ZEAL中实现的底部路径之外最优路径靠近大多数子汇聚点和成员节点，并减少了总跳数和距离。 图图15示出了具有120个节点的同一网络的所有不同路径。E-ZEAL路径和其他路径的平均剩余能量，路径的长度，以及时间和最大值A.H. Allam等人 /沙特国王大学学报-计算机与信息科学34（2022）36-4643图12个。E-ZEAL和ZEAL的数据交付在2个数据收集周期内完成。图十三. 2个数据收集周期中E-ZEAL和ZEAL的平均剩余能量。移动汇聚节点完成一个周期（前进和返回）所采用的速度。图16示出了底部路径、中间路径、对角线路径、字母V、对角线路径和E-ZEAL路径之间的路径长度比较。E-ZEAL路径是最长的路径之一，而底部\中间路径是最短的路径。E-ZEAL路径的长度大约是底部路径图15.底部路径、中间路径、对角路径、字母V、Z形路径和E-ZEAL路径。长度然而，路径的长度并不一定评估路径，即，只要路径长度增加，移动sink就有更多的机会移动到成员节点和子sink节点附近，跳数和距离减少，导致加速数据收集阶段。 图17示出了不同路径的最大移动-信宿速度。如所注意到的，E-ZEAL路径的移动-接收速度是最快的，大约是底部路径的两倍以上的速度。 图 18比较所有路径的路径时间。E-ZEAL路径比ZEAL底部路径小30%。图19示出了E-ZEAL路径与所有其他路径之间关于平均剩余能量的比较。结果是使用8232 bps的应用数据速率（节点在1个周期中发送1个数据包）的两个周期的数据收集简而言之，评估标准取决于移动接收器可以容纳的时间在数据传输过程中没有任何损失的情况下完成数据收集周期E-ZEAL克服了关于平均剩余能量的ZEAL，如图2和3所示。13、14和19。原因是E-ZEAL在更短的时间内完成整个数据收集周期，从而改善所有成员节点的占空比（减少整体唤醒时间并增加整体睡眠时间）。 结果证实，所提出的E-ZEAL实现了最短的时间与完整的数据传输，如图所示。12个。见图14。 E-ZEAL和ZEAL在23次循环中的平均剩余能量。凌晨44点Allam等人 /Journal of King Saud University- Computer and Information Sciences 34（2022）36- 46图十六岁底部路径、中间路径、对角路径、字母V、Z形路径和E-ZEAL路径的路径长度图17.底部路径、中间路径、对角路径、字母V、Z形路径和E-ZEAL路径的最大移动接收速度。图18.底部路径、中间路径、对角路径、字母V、Z形路径和E-ZEAL路径的路径时间。图19.底部路径、中间路径、对角路径、字母V、Z形路径和E-ZEAL路径的平均剩余能量。图20. E-ZEAL和ZEAL的平均网络寿命。图21岁不同网络密度下E-ZEAL和ZEAL的端到端延迟图20示出了E-ZEAL和ZEAL的平均网络寿命，E-ZEAL使网络中节点的寿命比图20中的ZEAL增加30%。图21 -23示出了在传感器节点（60、120和180个节点）方面具有不同网络密度的服务质量（QoS）参数，例如（端到端延迟、吞吐量和剩余能量的平均值）。利用ns-3模拟器中的流监视器模块部署实验（Mesquiro等人，2009年）。图21示出了与ZEAL相比，E-ZEAL将端到端延迟时间减少了30%。 图 22说明了对网络平均吞吐量的改进平均而言，在所有网络密度下，吞吐量提高了20%吞吐量通过每秒传输的数据量[bps]来计算（Sawai等人， 2016年）。 图 23证实了我们关于平均剩余能量节省的结果，但对于不同的网络密度。因此，E-ZEAL支持网络可扩展性。占空比机制是ZEAL协议实现的优点之一。如上所述，睡眠时间A.H. Allam等人 /Journal of King Saud University- Computer and Information Sciences 34（2022）36-4645图二十五不同区域编号的ZEAL的平均扩髓能量图22.不同网络密度下的平均吞吐量。图23.不同网络密度下的平均剩余能量。是降低网络节点能耗的主要参数。ZEAL将成员节点划分为区域。ZEAL中的区域数量是由网络管理员定义的参数（Gallegos等人，2018年）。我们的实验表明，区域的数量影响占空比（唤醒）的平均时间睡眠时间），导致对平均剩余能量的影响。图图24和25分别示出了不同区域编号的平均睡眠时间和平均剩余能量。正如所观察到的，结果表明存在最佳的区域数量。例如，五区设置可以实现更好的性能。分区的数量影响工作周期和广播，图24岁ZEAL在不同区域编号下的平均睡眠时间- 是的当区域的数量增加时，平均睡眠时间增加，导致平均剩余能量的改善。另一方面，成员节点睡眠的数量减少，由于错过接收SLP（区域ID和睡眠时间）消息。我们的实验表明，成员节点的总数（12 0）去睡眠与五区设置。但是，在10个区域的设置中，只有80个成员节点进入睡眠状态。因此，大约三分之一的成员节点不睡觉。因此，我们认为，区域的数量是一个至关重要的参数。在未来的工作中，我们将尝试添加标准的E-ZEAL找到最佳的区域，实现更好的平均剩余能量的数量。5. 结论在本文中，E-ZEAL被提出来提高ZEAL路由协议的数据传输和能量消耗方面的性能E-ZEAL有三个阶段：预处理阶段，设置阶段和数据收集阶段。在预处理阶段，E-ZEAL利用K-means聚类算法为移动终端实现最优路径，以降低能耗。在建立阶段，E-ZEAL改进了sub-sink节点的选择，以增强数据传输。在ns-3仿真器上进行了实验服务质量参数，如（生命周期，端到端延迟，吞吐量和剩余能量）进行评估，E-ZEAL和ZEAL之间的性能比较。 结果表明，E-ZEAL在各个方面都提供了更好的性能。E-ZEAL成功地将子汇聚节点之间的跳数和距离减少了50%以上，从而使数据收集阶段的速度提高了30%以上，并将端到端延迟降低了30%。此外，E-ZEAL将网络寿命提高了30%。经过23个数据收集周期，使用E-ZEAL的成员节点的平均剩余能量是初始能量的28%竞争利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作。引用Abate，F.，Carratu，M.，Liguori角，Ferro，M.，Pastello，V.，2018.物联网的智能电表。2018年IEEE国际仪器仪表和测量技术会议（I2MTC）。IEEE，pp.1比6 doi：10.1109/I2MTC.2018.8409838。Al-Shalabi，M.，Anbar，M.，Wan，T.- C.的方法，Khasawneh，A.，2018.低能量自 适 应 聚 类 层 次 协 议 的 变 体 ： 综 述 、 问 题 和 挑 战 . 电 子 学 7 ， 136 。https://doi.org/10.3390/electronics7080136网站。Alduais，N.A.M.，Abdullah，J.，Jamil，A.，奥达湖，2016.有效的数据收集和基于物联网的无线传感器网络的传播。In：2016 IEEE 7th Annual Information北纬46度Allam等人 /Journal of King Saud University- Computer and Information Sciences 34（2022）36- 46技 术 ， 电 子 和 移 动 通 信 会 议 （ IEMCON ） 。 IEEE ， pp. 1-6. doi ：10.1109/IEMCON.2016.7746084。Arasteh，H.，Hosseinnezhad，V.，Loia，V.，Tommasetti，A.，特罗伊西岛，Shafie-Khah，M.，Siano，P.，2016.基于物联网的智慧城市：调查。在：EEEIC 2016 -国际会议环境。电气工程师2-7。doi：10.1109/EEEIC.2016.7555867。公共关系局，2016.人口资料局[万维网文件]。人口参考钻头。G.J.，P.，Ricardo，M.，2009. FlowMonitor -Network Simulator 3（NS-3）的网络监控 框 架 。 第 四 届 国 际 ICST 绩 效 评 估 方 法 和 工 具 会 议 论 文 集 。 ICST 。 doi ：10.4108/ICST.VALUETOOLS2009.7493。de Amorim，R.C.，亨尼希角，2016.利用特征重标度因子恢复含噪声特征数据集的聚类数。doi：10.1016/j. ins.2015.06.039。Devi Kotha，H.，Mnssvkr Gupta，V.，2018年物联网应用，一个调查。国际工程师协会Technol. 7，891. https://doi.org/10.14419/ijet.v7i2.7.11089网站。Dhamdhere，S. D.，Guru，S.K.，2014.具有移动汇点的无线传感器网络中的鲁棒数据收集。Gallegos，A.，野口，T.，Izumi，T.，Nakatani，Y.，2016年。基于NS-3的无线传感器网络最大最短路径路由仿真研究2016年第八届普适与未来网络国际会议（ICUFN）IEEE，pp. 198-204. doi：10.1109/ICUFN.2016.7537016。Gallegos，A.，野口，T.，Izumi，T.，Nakatani，Y.，2018年基于区域的无线传感器网络 能 量 感 知 IEICE Trans. Commun. E101.B