叢集傳送

叢集頭的選取中，隨機路徑採用一般節點數的5%以及 25%的方 式，5%是參考 LEACH[5]的叢集頭選取；25%是因為 1000 節點下，

叢集頭與其他三個方法的叢集頭數量最相近。三個幾何排列的叢集頭

12.198 12.070 12.335 12.356 12.434 12.281 12.649 12.089 12.234

Random (4 anchors, 25% CH)

12.046 12.011 12.331 11.912 12.049 12.438 12.223 12.400 11.984

TGS 4.293 4.298 4.304 4.309 4.314 4.319 4.325 4.330 4.336

Hilbert 4.163 4.169 4.176 4.182 4.188 4.194 4.200 4.206 4.212

圖 33. 移動錨節點耗能直方圖(叢集傳送)

表10 為 4 個方法的移動錨節點耗能，以每 10 萬平方公尺的平均 耗能作為數據，將四個方法的數據以直方圖的方式呈現，如圖(33)。

當中隨機路徑的移動錨節點耗能最大，而Node-Gosper Curve 的移動 錨節點耗能消耗比較少。

表 11. 所有一般節點耗能(叢集傳送)

所有一般節點耗能(叢集傳送) 單位：J 節點數

方法 200 300 400 500 600 700 800 900 1000

Random (4 anchors, 5% CH)

0.9656 1.2948 1.9927 2.1106 2.4412 2.3298 3.4985 3.3370 3.7655

Random (4 anchors, 25% CH)

0.1656 0.2486 0.4452 0.4366 0.5690 0.6951 0.8184 0.6375 0.8282

TGS 0.1140 0.1686 0.2225 0.2762 0.3305 0.3843 0.4381 0.4932 0.5472

Hilbert 0.1140 0.1682 0.2216 0.2752 0.3290 0.3826 0.4363 0.4907 0.5446

Gosper 0.1148 0.1701 0.2249 0.2796 0.3338 0.3882 0.4423 0.4963 0.5504

表11 與圖(34)為一般節點的耗能，數據皆是 10 次平均，在數據 中隨機路徑的5%叢集頭耗能是最多的，主要原因是叢集頭的數量少，

所以節點在傳送資料給叢集頭時，容易距離過長消耗更多能源。 Node-Gosper Curve 的一般節點耗能與 TGS 以及希爾伯特曲線差不多，所 以在叢集傳送中，Node-Gosper Curve 的耗能也是最少的。

實驗(二) Node-Gosper Curve、希爾伯特曲線以及 TGS 耗時比較

實驗二中我們比較這三種方法的路徑耗時，但因為面積不相同所 Hilbert (Order4, r=20m) 感測區域面

積

204800m

Gosper Islands (Level-3, r=20m) 感測 區域面積

356460m

TGS(28*16, r=20m) 路徑長 8724 m Hilbert (Order4, r=20m) 路徑長 7212 m Gosper Islands (Level-3, r=20m) 路徑

長

11846 m

TGS(28*16, r=20m) 錨節點廣播次數 247 次 Hilbert (Order4, r=20m) 錨節點廣播

次數

256 次

Gosper Islands (Level-3, r=20m) 錨節 點廣播次數

343 次

錨節點移動速度 3 m/sec

表 13. 三種方法的數據比較

表13 為三種幾何無縫排列的數據比較，Node-Gosper Curve 的平 均路徑長、平均廣播次數以及平均耗時都比其他兩種方法好，所以採 用Node-Gosper Curve 可以達到最短的路徑長、最少的廣播次數以及 最短的耗時。

第六章 結論

它是一種空間填充曲線能夠均勻遍歷整個區域且具有良好的延展性。

相較於其他的空間填充曲線，Node-Gosper Curve 擁有較少的平均廣 播次數以及更短的平均路徑，因為這兩項的特性作為移動錨節點的移

錨節點實驗二的部分，我們將節點設為 2000 個然後逐漸增加蜂巢式 排列的環數來觀察網路的存活時間。在結果中，三個方法的回合數都 逐漸下降，HPSR 下降的回合數比其他兩個方法還要少，而直接傳送 因為傳送距離過長，導致網路存活時間很快的就結束。

在移動錨節點資料收集實驗一中，我們進行以隨機路徑、TGS、

希爾伯特曲線以及Node-Gosper Curve 為移動路徑的效能比較。在直 接傳送結果中，Node-Gosper Curve 的移動錨節點耗能最少，隨機路 徑則耗能最多，而一般節點耗能差距並不大；在叢集傳送結果中，

Node-Gosper Curve 一樣是移動錨節點耗能最少的，而隨機路徑的兩 個方法是耗能最多的，而一般節點耗能是隨機路徑 5%叢集頭耗能最 多，Node-Gosper Curve 與 TGS 以及希爾伯特曲線的ㄧ般節點耗能差 不多。按照兩種傳送方法的結果，直接傳送與叢集傳送皆適用於 Node-Gosper Curve 的方法；在移動錨節點實驗二中，我們進行 TGS、希爾 伯特曲線以及Node-Gosper Curve 的移動耗時的比較，由於面積不同 所以取每10 萬平方公尺的平均值進行數據比較。結果中，Node-Gosper Curve 的平均面積路徑、平均面積廣播次數以及平均面積路徑耗時均

參考文獻

[1] 王聖博, “無線感測網路的移動錨節點定位問題之研究”, 義守大 學碩士論文, 2015.

[2] 張圻毓, 陳啟彰, “無線感測節點無縫幾何排列”, 2010資訊技術應 用管理研討會, 2010.

[3] C. Intanagonwiwat, R. Govindan, D. Estrin, J. Heidemann, and F. Silva,

“Directed Diffusion for Wireless Sensor Networking,” Networking, IEEE/ACM Transactions on, Vol. 11, No. 1, pp.2-16, 2003.

[4] G. J. Pottie, and W. J. Kaiser, “Wireless Integrated Network Sensors,”

Communications of the ACM, Vol. 43, No. 5, pp.51-58, 2000.

[5] W. R. Heinzelman, A. Chandrakasan, and H. Balakrishnan, “Energy-Efficient Communication Protocol for Wireless Microsensor Networks,” System Sciences, Proceedings of the 33rd Hawaii International Conference on, IEEE, Vol. 2, pp.1-10, 2000.

[6] A. T. Erman, A. Dilo, and P. Havinga, “A virtual infrastructure based on honeycomb tessellation for data dissemination in multi-sink mobile wireless sensor networks,” EURASIP Journal on Wireless Communications and Networking, pp.1-27, 2012.

[7] C. Tunca, S. Isik, M. Y. Donmez, and C. Ersoy, “Distributed Mobile Sink Routing for Wireless Sensor Networks: A Survey,” Communications Surveys and Tutorials, IEEE, Vol. 16, pp.877-897, 2014.

[8] S. Gao, H. Zhang, and S. K. Das, “Efficient Data Collection in Wireless Sensor Networks with Path-Constrained Mobile Sinks,” Mobile Computing, IEEE Transactions on, Vol. 10, No. 5

pp.592-608, 2011.

[9] B. Nazir, and H. Hasbullah, “Mobile Sink based Routing Protocol (MSRP) for Prolonging Network Lifetime in Clustered Wireless Sensor Network,” Computer Applications and Industrial Electronics (ICCAIE), 2010 International Conference on, IEEE, pp.624-629, 2010.

[10] Y. C. Lin and J. S. Liu, “The Path Planning Algorithm of Triangle Grid Scan for Localization in Wireless Sensor Network,” Applied Mechanics and Materials, Vol. 278, No. 8, pp.1874–1877, 2013.

[11] S. Ghafoor, M. H. Rehmani, S. Cho, and S. H. Park, “An efficient trajectory design for mobile sink in a wireless sensor network,” Computers and Electrical Engineering, Vol. 40, pp.2089-2100, 2014.

[12] C. C. Chen, Y. K. Chang, J. Y. Hung, and J. H. Liang, “Scalable Routing Protocol for Wireless Sensor Networks Based on Gosper Islands,” Proceedings of International Computer Symposium 2014, pp.145–154, 2014.

[13] H. Fukuda, M. Shinizu, and G. Nakamura, “New Gosper Space Filling Curves,’’ Computer Graphics and Imaging, pp.34–38, 2001.

[14] Gosper Curve, accessed on 2015/7/16 from webpage https://en.wikipedia.org/wiki/Gosper_curve

[15] J. Ventrella, Brain-filling Curves - A Fractal Bestiary, accessed on 2015/7/16 from webpage http://www.fractalcurves.com/Root7.html

[16] M. Bader, Space-Filling Curves：An Introduction with Applications in Scientific Computing, Vol. 9, Springer, 2012.