Incremental Sensor Placement Optimization on Water Network

Abstract

Abstract. Sensor placement on water networks is critical for the detection of accidental or intentional contamination event. With the development and expansion of cities, the public water distribution systems in cities are continuously growing. As a result, the current sensor placement will lose its effectiveness in detecting contamination event. Hence, in many real applications, we need to solve the incremental sensor placement (ISP) problem. We expect to find a sensor placement solution that reuses existing sensor deployments as much as possible to reduce cost, while ensuring the effectiveness of contamination detection. In this paper, we propose scenario-cover model to formalize ISP and prove that ISP is NPhard and propose our greedy approaches with provable quality bound. Extensive experiments show the effectiveness, robustness and efficiency of the proposed solutions.

Comparison of topological, empirical and optimization-based approaches for locating quality detection points in water distribution networks

“…The implemented objective functions are related to expected contaminated water volume, detection likelihood, detection time and exposed population. These optimization problems have NP-hard complexity (nondeterministic polynomial-time hard, Wang 2013) because the optimal sensor placement in a network is a combinatorial problem, as proven by Xu et al (2013), if all possible scenarios are investigated. Consequently, the search of optimal solution is often computationally extremely burdensome.…”

Un algorithme glouton pour le positionnement de capteurs qualité sur un grand réseau de distribution d’eau

“…Il s'agit d'une méthode heuristique qui conduit à l'obtention d'une solution sous-optimale mais de telles approches incrémentales sont reconnues pour leur rapidité d'exécution et permettent d'obtenir des solutions proches de l'optimale pour ce type de problèmes. En effet, la fonction combinatoire à optimiser est sous-modulaire (Krause, 2008;Xu, Lu, Huang, Xiao, & Wang, 2013) et celle-ci est améliorée à chaque ajout de capteur (par construction). Intuitivement, l'ajout d'un capteur après le déploiement d'un grand réseau de capteurs apporte moins d'information que l'ajout d'un capteur à un faible déploiement.…”

“…La détection de contaminations accidentelles ou terroristes est permise par un ensemble de capteurs déployés en des points stratégiques du réseau afin de minimiser l'impact de toute contamination. Le positionnement « optimal » d'un ensemble de capteurs sur un réseau de distribution d'eau potable est un problème d'optimisation combinatoire NP-difficile (Krause, 2008;Xu, Lu, Huang, Xiao, & Wang, 2013) ce qui signifie que la solution optimale à ce problème ne pourra pas être trouvée efficacement par tout algorithme actuel. De nombreuses contributions ont été proposées pour résoudre ce problème depuis la dernière décennie et on cite en particulier un challenge scientifique comparant quatorze méthodologies à partir de deux réseaux réalistes (Ostfeld, et al, 2008) et deux états de l'art regroupant à eux seuls près de cent cinquante articles (Hart & Murray, 2010;Rathia & Gupta, 2014).…”

A MILP Model for Water Level Sensor Placement with Multi-Sensor and Multi-Disaster Areas

“…The sensor placement problem can be formulated with some optimization methods such as greedy algorithms, integer programming, progressive genetic algorithm, particle swarm algorithm [9], and an algorithm based on direct search [10]. A heuristic algorithm was also used to solve an Incremental Sensor Placement (ISP) problem [11]. In disaster management, Wu, et al [12] proposed a sensor placement approach for post-earthquake monitoring in the water distribution network.…”