發展海洋經濟，可以彌補陸地資源的不足，是解決當今世界資源匱乏、空間緊張、環境惡化等問題的一條有效途徑。認知海洋，進行有效的環境資料收集，是發展海洋經濟的前提。透過在水下部署多種型別的感測器裝置，構建水聲感測網對水域進行環境感知與資料收集，能夠有效提高環境感知能力，節省人力物力。然而，水聲感測網在實際應用中面臨著一系列難題，如網路拓撲動態性導致的系統裝置間協同難度大，網路載體驅動性不足情況下路徑循跡精度低，以及水下開放環境導致的資料可靠性差等問題。
近期，河海大學物聯網工程學院韓光潔團隊面向水下資料高效感知與收集的重大需求和科學問題，創新提出了基於異構裝置協同的水下資料收集方案。針對水聲感測網在資料收集過程中面臨的高能耗和耗能不均問題，提出一種基於AUV（Autonomous Underwater Vehicle）位置預測的資料收集演算法。AUV按照設定的軌跡在網路中航行，並對軌跡附近的節點資料進行收集。為了克服“熱區”問題，設計一種軌跡調整機制，週期性地對軌跡進行調整，並提出一種可靠的時間分配機制來保證節點和AUV之間的有效通訊時長。
在保障採集資料可用性方面，提出基於多自主水下航行器的高可用性資料收集演算法，透過預設的航行器收集軌跡和靈活的故障發現與修復機制來確保網路在突發性故障情形下的正常執行，進而提高了網路效能並保證了資料採集服務的高可用性。
針對多AUV協同資料收集場景下的負載不均衡以及自發性緊急狀況處理機制缺失的問題，韓光潔教授團隊提出一種基於區域劃分的事件動態競爭資料收集演算法。該演算法利用泰森多邊形實現合理的區域分割，完成了多個AUV之間的粗粒度任務分配問題；在子區域中，利用強化學習演算法實現了細粒度的資料收集路徑規劃，並集合動態事件競爭處理機制保證了常規資料收集任務與緊急事件處理之間的平衡。
為了降低水聲通訊長時延和不穩定性對AUV之間資訊互動的影響，進一步提升多AUV協作資料收集的效率，韓光潔團隊提出了一種基於AUV狀態預測的資料收集演算法。透過位於不同收集區域內的節點簇之間的信任共享，實現不同區域內AUV之間的狀態預測。根據狀態預測的結果，使用啟發式策略更新各區域內AUV的路徑，並設計一種資料轉發排程機制合理分配AUV和移動sink之間重疊的資料解除安裝間隔來減少AUV的下潛次數，以延長AUV的工作時長。
在水底協作覆蓋探測方面，韓光潔團隊受Pac-Man遊戲的啟發，提出一種AUV協作覆蓋路徑規劃演算法。首先是基於點擴充套件的任務分配，由每個AUV離散執行，並且支援可靠的水下資訊共享。另一個步驟是基於虛擬吸引力的覆蓋路徑規劃，採用來自Pac-Dots的虛擬吸引力，使得生成覆蓋路徑的計算複雜度低並能有效規避障礙物。
近年來，隨著水下滑翔機這類輕裝備的發展，利用輕裝備提升水聲感測器網路資料收集效率的研究也逐漸被關注。韓光潔團隊設計了一種用於水下滑翔機的分層資料收集演算法。該方案基於埃克曼漂流效應將網路分為動態層和靜態層。在動態層，利用基於虛擬立方體的多跳方法將資料包傳輸到中心區域。在靜態層，採用改進的基於密度的聚類技術將每個節點分配到適當的叢集，而水下滑翔機從叢集頭節點收集資料。
上述成果發表在《IEEE Transactions on Mobile Computing》、《IEEE Transactions on Wireless Communications》、《IEEE Transactions on Intelligent Transportation Systems》、《IEEE Transactions on Vehicular Technology》、《IEEE Internet of Things Journal》等計算機網路領域頂級期刊上。（通訊員：河海大學張春平）
