面向城市尺度环境监测的实时移动传感器管理框架

山洪等环境灾害正变得愈发频繁, 给人类文明带来日益沉重的负担。此类灾害通常不可预测、发展迅猛且波及广阔地理区域。通过加强监测可减轻其后果, 例如利用移动感知平台为一线救援人员和公众提供及时准确的信息。鉴于监测区域尺度大且现象具有时变特性, 我们需要快速算法以确定待监测的最佳位置序列。该问题极具挑战性: 现有的信息型移动传感器路由算法在应用于大规模系统时, 要么目光短浅, 要么计算开销巨大。本文提出一种实时传感器任务调度算法, 契合城市尺度环境监测任务的特征与需求。该算法以前向搜索运行, 并利用关联分布式参数系统(模拟山洪传播)的预测结果。它部分继承了由搜索树表达的因果关系, 该树描述了所有可能的序贯决策。前向搜索树中计算繁重的数据同化步骤被替换为依赖于观测集间协方差矩阵的函数。以城市区域洪水追踪为具体示例, 本文数值实验表明该调度算法优于短视规划算法及其他基于启发式的传感器布置算法。此外, 本文依托基于深度学习的数据驱动模型追踪系统状态, 实验表明当应用于精确的数据驱动模型时, 流行的估计技术具有非常好的性能。