1.一种基于社会力模型的农业观光园无线传感网节点布局方法，其特征在于，包括以下步骤：

步骤1、在原有社会力模型基础上，结合农业观光园环境布局，建立如下方程组所示的观光园中游客行为模型：

式中，rα为游客α在观光园中的空间位置向量；vα(t)为游客α在观光园中的行进速度；mα为游客α的质量；fα(t)为游客所受的社会力；ζα(t)为反映随机行为偏差的扰动项； 为游客渴望移动到观光园中某处景点的动机；fαB(rα)为游客α与观光园路径边界之间的作用力；fαβ(rα，vα，rβ，vβ)为游客α和游客β之间的作用力；fαi(rα，ri，t)为观光园区对游客的吸引效果；

步骤2、利用步骤1得到的游客行为模型结合农业观光园中不同类型的功能区域、园中设施的布局、行人交通需求数据及行人交通特性数据，设置游客行为模型中的相关参数，采用基于社会力模型的Anylogic仿真平台进行行人仿真，得到具有代表性T天的游客空间分布数据D[(x11，y11)，(x12，y12)，…，(xTN，yTN)]，式中，N为观光园中游客停留位置编号，将游客空间分布数据存储到数据库中；

步骤3、采用针对农业观光园无线传感网节点布局的改进K‑means聚类算法对T天游客空间分布数据进行聚类分析，得到每天游客聚集区域中心d[(xt1，yt1)，(xt2，yt2)，…，(xtc，ytc)]作为园区的节点候选放置位置，式中t＝1：T，c＝1：C，C为聚类个数，聚类的个数等于园区中节点放置的个数，由园区的大小和节点的通信范围确定，在其基础上通过计算T天节点候选位置的均值确定农业观光园中无线传感网节点的最终放置位置S[(x1，y1)，(x2，y2)，…，(xC，yC)]。

2.如权利要求1所述的一种基于社会力模型的农业观光园无线传感网节点布局方法，其特征在于，步骤3中，采用改进K‑means聚类算法对农业观光园无线传感网节点最终放置位置确定的具体包括以下步骤：

步骤301、层次聚类得到初始聚类中心首先采用基于最小距离的凝聚层次聚类算法分别对T天的游客空间分布数据进行聚类，聚类的个数即为放置节点的个数C，计算聚类后每类中游客空间分布数据均值获得唯一确定的初始聚类中心dt[(x1，y1)，(x2，y2)，…，(xC，yC)]；

步骤302、根据最小距离划分游客空间分布数据所属类轮询游客空间分布数据，计算第t天园区中每个聚类中心同所有游客空间分布数据之间的欧式距离(distc1，distc2，…，distcn)，其中n＝1：N，c＝1：C；

根据最小距离公式dmin＝min(dist1n，dist2n，…，distcn)，计算游客空间分布数据到各聚类中心的最小距离，并将其数据划分到该聚类中心对应的类中；此外，在聚类过程中对类中对象个数进行限制，使每个类中的个数P为总个数的均值，向下取整，余下的数据放入距离最近的聚类中心所属类；

步骤303、计算均值得出新的聚类中心将步骤302中划分到每个类中的各个游客空间分布数据进行坐标均值计算，得到新的聚类中心d[(xt1，yt1)，(xt2，yt2)，…，(xtc，ytc)]；

步骤304、重复步骤302及步骤303直到新的聚类中心与上一次聚类中心的距离小于阈值，聚类结束，将最终得到的聚类中心作为节点候选放置位置；

步骤305、汇总所有候选节点，计算节点最终放置位置：将T天中每天的最终节点候选位置汇总，通过计算每类最终节点候选位置的均值得出无线传感网节点最终放置位置S[(x1，y1)，(x2，y2)，…，(xC，yC)]。

3.如权利要求2所述的一种基于社会力模型的农业观光园无线传感网节点布局方法，其特征在于：

步骤301中第c个类的初始聚类中心由如下公式计算得出：式中，M为层次聚类后每类数据的个数， 表示层次聚类第c类中第m个游客空间分布位置坐标。

4.如权利要求2所述的一种基于社会力模型的农业观光园无线传感网节点布局方法，其特征在于：步骤303中，第c个类的聚类中心的由以下公式计算得出：式中， 表示改进K‑means聚类第c类中第p个游客空间分布位置坐标。

5.如权利要求2所述的一种基于社会力模型的农业观光园无线传感网节点布局方法，其特征在于：步骤305中，第c个节点的最终放置位置由以下公式得出：