面向地理空间传感网多传感器集成管理的观测能力信息表征与关联模型

成果信息

Hu C., Li J., Xiao C., Wang K., Chen N. 2019. SOCO-Field: an observation capability representation for GeoTask-oriented multi-sensor planning cognition[J]. International Journal of Geographical Information Science, 1-24.

论文链接：https://doi.org/10.1080/13658816.2019.1655755

Hu C., Tian L., Li J., Wang K., Chen N. 2019. An Observation Capability Information Association Model for Observation Integration Management: A Flood Observation Use Case in Yangtze River Basin[J]. IEEE SENSORS JOURNAL.

论文链接：https://doi.org/10.1109/JSEN.2019.2933655

This research was supported by the National Key Research and Development Program of China [2018YFB2100501], National Nature Science Foundation of China (NSFC) program [41601431,41701453], Natural Science Foundation of Hubei Province [2016CFB279], and the Open Research Fund of State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing (Wuhan University) [17I02].

团队成员

胡楚丽，博士，中国地质大学（武汉）地理与信息工程学院，副教授，硕士研究生导师。主要研究方向包括地理空间传感网、地学传感器集成管理以及智慧城市感知相关研究。

黎杰，博士生，中国地质大学（武汉）地理与信息工程学院，主要研究方向包括地理空间传感网、观测能力建模、表征以及认知。

肖长江，博士，同济大学测绘与地理信息学院，主要研究方向包括地理空间传感网、时空深度学习以及它们在智慧城市、流域与海洋中的应用。

王珂，博士，中国地质大学（武汉）地理与信息工程学院，副教授，硕士研究生导师。主要研究方向包括地理空间传感网，时空优化以及智能计算。

陈能成，博士，武汉大学测绘遥感信息工程国家重点实验室，教授，博士生导师。主要研究方向包括智慧地球、地理空间传感网、语义网、智慧城市以及Web GIS。

成果介绍

面对一个特定的地学观测任务时，人们需要在尽可能短的时间内获取全面、可靠的灾害信息。然而由于人们未掌握当前多传感器及其关联观测能力，因此不能有效地规划传感器进行灾害信息感知。本成果采用GIS对象场作为底层框架，首次将其扩展到传感网观测建模中，创新地提出了传感器观测能力对象场（SOCO-Field: Sensor Observation Capability Object Field）模型（图1），并以观测能力粒子(SOC-Particle)作为它的核心；观测能力粒子可以聚集形成观测能力粒子簇（SOC-Particle Cluster），因此可以表征任意传感器组合的关联观测能力。SOCO-Field集成了传感器观测能力对象（SOC-Object）以及地理环境场（GeoField），实现了基于空间位置的传感器观测能力发现。此外，SOCO-Field设计了三种基本的关联模式（交、并、叉）以及四种深度的关联模式（互补、增强、竞争、协作），可以实现对传感器间观测能力的关联，同时考虑了动态地理环境对传感器理论观测能力的影响，从而求得传感器的实际有效观测能力。以金沙江下游的洪涝观测传感器发现作为实验，基于团队开发的Multi-Sensor Cognition原型系统，对SOCO-Field进行了建模以及验证，实验结果（图2）表明，SOCO-Field可以对多传感器关联观测能力进行有效表征，传感器查询人员可以查看以及认知任意传感器组合在特定关联模式下的关联观测能力，并以此作为传感器观测规划的信息依据，辅助对灾害作出多传感器规划的响应。

图1.传感器观测能力对象场模型框架

图2.多传感器互补关联观测能力可视化