基于云計算平臺的室內(nèi)環(huán)境監(jiān)測系統(tǒng)設(shè)計與實現(xiàn)*

劉雄飛， 聶 偉， 陳 浩， 賴思敏

(1.中南大學 物理與電子學院，湖南 長沙 410083；2.湖南恒茂高科股份有限公司，湖南 長沙 410205)

0 引 言

室內(nèi)環(huán)境的健康舒適和安全等方面因素得到了很多國家和地區(qū)的關(guān)注，具有很大的研究價值。文獻[1]通過對室內(nèi)熱環(huán)境舒適度評價及有害氣體濃度預(yù)警，設(shè)計并實現(xiàn)了室內(nèi)環(huán)境監(jiān)測系統(tǒng)。文獻[2]運用無線傳感網(wǎng)絡(luò)和通用分組無線業(yè)務(wù)(general packet radio service,GPRS)無線通信技術(shù)對室內(nèi)的溫度、甲醛和CO進行監(jiān)測。文獻[3]通過ZigBee技術(shù)和WiFi技術(shù)相結(jié)合，完成了一種基于物聯(lián)網(wǎng)的室內(nèi)環(huán)境監(jiān)測系統(tǒng)。但目前對室內(nèi)環(huán)境監(jiān)測及評價研究大都只是針對于室內(nèi)單一環(huán)境因素，不足之處在于對室內(nèi)環(huán)境的監(jiān)測及舒適性評估存在一定的局限性。

本文綜合考慮聲、光、熱環(huán)境和室內(nèi)空氣質(zhì)量對人的影響，通過物聯(lián)網(wǎng)技術(shù)和云計算平臺，將室內(nèi)各環(huán)境相結(jié)合，得到室內(nèi)環(huán)境綜合評價結(jié)果，極大地提高了室內(nèi)環(huán)境監(jiān)測系統(tǒng)的準確性和有效性。

1 室內(nèi)環(huán)境監(jiān)測系統(tǒng)設(shè)計

該系統(tǒng)由數(shù)據(jù)采集子系統(tǒng)和云計算處理平臺兩部分組成。采集子系統(tǒng)使用CC2530作為控制單元，針對室內(nèi)聲、光、熱環(huán)境及空氣品質(zhì)監(jiān)測分別采用對應(yīng)的傳感器組：溫濕度傳感器采用DHT11，光照度傳感器選用GY—485—44009，噪聲模塊選用AS11—X，甲醛濃度檢測模塊選用DS—HCHO，總揮發(fā)性有機化合物(total volatile organic compound,TVOC)濃度檢測模塊選用KQM2801A，CO2濃度檢測傳感器選用S8—0053。傳感器組在采集同時對應(yīng)編號處理，以便對不同采集點進行識別，采集數(shù)據(jù)通過無線傳感網(wǎng)絡(luò)存儲到云服務(wù)器數(shù)據(jù)庫，以便云計算平臺進行數(shù)據(jù)處理，云計算平臺通過神經(jīng)網(wǎng)絡(luò)和D-S(Dempster-Shafer)證據(jù)理論兩級數(shù)據(jù)融合對室內(nèi)環(huán)境進行綜合評價并提供Web服務(wù)。

2 室內(nèi)環(huán)境舒適度評價描述

2.1 室內(nèi)熱環(huán)境舒適度評價

本文對室內(nèi)熱環(huán)境描述采用PMV-PDD指標[4]。PMV指標主要用于熱環(huán)境舒適度評價，而PDD指標表示人們對熱環(huán)境的不滿意系數(shù)，根據(jù)PMV-PDD模型計算以及ISO標準，對室內(nèi)熱環(huán)境可以按照表1進行評估。

表1 室內(nèi)熱環(huán)境舒適度決策表

2.2 室內(nèi)光環(huán)境舒適度評價

對于室內(nèi)光環(huán)境舒適度通過LPDD來評價，表示人們對照明光環(huán)境的滿意情況[5]。根據(jù)韋伯—費昔勒定律，在沒有強光閃爍的環(huán)境中，光環(huán)境舒適度可以用該環(huán)境中人眼光刺激LPMV指標來表示。LPMV可以表示為

LPMV=f(E,Ra,Tcp)

(1)

式中E為平均照度，Ra為一般顯色指數(shù)，Tcp為色光相關(guān)色溫。而光環(huán)境滿意率LPPD與LPMV存在如下關(guān)系

(2)

式中C為比例常數(shù)，n為常數(shù)。根據(jù)GBJ113—90與GB50034—2004，對室內(nèi)光環(huán)境舒適度劃分如表2所示。

表2 室內(nèi)光環(huán)境舒適度決策表

2.3 室內(nèi)聲環(huán)境舒適度評價

目前對噪聲的普遍評價是根據(jù)噪音的客觀因素，僅僅根據(jù)噪聲分貝的大小來評價噪聲的影響。本文從噪聲對人的影響四個維度來考慮，分別是噪聲影響正常交流、影響思考、影響休息以及噪聲導致人們情緒的變化。通過噪聲分貝根據(jù)GB3096—2008《聲環(huán)境質(zhì)量標準》和GB/T50108-2010《民用建筑噪聲設(shè)計規(guī)范》對室內(nèi)聲環(huán)境舒適度決策如表3所示。

表3 室內(nèi)聲環(huán)境決策表 dB

2.4 室內(nèi)空氣品質(zhì)評價

大多對室內(nèi)環(huán)境監(jiān)測研究中，基本都包含了室內(nèi)空氣品質(zhì)的實時監(jiān)測。本文通過傳感器檢測室內(nèi)CO2濃度、甲醛濃度和TVOC濃度來評價室內(nèi)空氣質(zhì)量[6]，根據(jù)國家室內(nèi)空氣質(zhì)量標準GB/T18883—2002，對室內(nèi)空氣品質(zhì)的評價如表4所示。

表4 室內(nèi)聲環(huán)境舒適度決策表

3 云計算平臺融合算法

云計算平臺的處理首先通過神經(jīng)網(wǎng)絡(luò)對室內(nèi)各環(huán)境采集的數(shù)據(jù)進行特征級融合，然而神經(jīng)網(wǎng)絡(luò)在預(yù)測過程中容易陷入局部極小點，存在識別度不足和準確性低等問題，D-S證據(jù)理論可以將證據(jù)之間微弱的差別進行累加，當這些差別累積到一定程度時就很方便進行區(qū)分，從而提高評價的準確率。本文通過D-S證據(jù)理論對特征級融合結(jié)果進行分析決策判斷，得到室內(nèi)環(huán)境的綜合舒適度評價，云計算平臺的融合模型如圖1所示。

圖1 融合模型

3.1 基于神經(jīng)網(wǎng)絡(luò)的特征級融合算法

根據(jù)熱舒適度指標PMV計算公式可知，其計算結(jié)果和輸入?yún)?shù)間存在復(fù)雜的非線性關(guān)系，計算PMV值的關(guān)鍵是求解tcl，而tcl的計算又依賴于hc，而hc的求解又依賴于tcl，其運算過程存在迭代嵌套。反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)在很多領(lǐng)域都有廣泛的應(yīng)用，但由于BP神經(jīng)網(wǎng)絡(luò)采用基于梯度下降作為其學習算法，容易陷入局部極小值問題。而遺傳算法作為一種全局優(yōu)化搜索方法，容易得到全局最優(yōu)解，通過遺傳算法對BP網(wǎng)絡(luò)的初始權(quán)值和閾值進行優(yōu)化。因此將遺傳算法與BP神經(jīng)網(wǎng)絡(luò)結(jié)合，可以避免各自存在的問題，從而能夠達到快速收斂[7]，算法流程如圖2所示。

圖2 遺傳神經(jīng)網(wǎng)絡(luò)算法流程

通過遺傳算法進行優(yōu)化得到BP網(wǎng)絡(luò)的初始權(quán)值和閾值，再通過BP算法進行學習。對于室內(nèi)熱環(huán)境評價的神經(jīng)網(wǎng)絡(luò)模型，其輸入層節(jié)點數(shù)為6個，即影響PMV指標的6個因素，其輸出為對應(yīng)的PMV和PDD值。實驗時，將訓練精度設(shè)置為10-3，BP神經(jīng)網(wǎng)絡(luò)通過89次滿足預(yù)期要求，而遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)在滿足同等條件下僅需12次就達到了設(shè)定精度要求，對比可知，通過遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)極大提高了BP網(wǎng)絡(luò)的收斂速度，其訓練誤差對比如圖3所示。

圖3 訓練誤差對比

對于室內(nèi)聲、光環(huán)境和空氣品質(zhì)采用BP神經(jīng)網(wǎng)絡(luò)。室內(nèi)光環(huán)境中輸入層節(jié)點數(shù)為3，室內(nèi)聲環(huán)境的輸入層節(jié)點為4，空氣品質(zhì)的輸入層節(jié)點為4，其輸出為對應(yīng)評價的4個等級。為了避免在D-S證據(jù)理論進行決策級融合時由于BPA為0而引起證據(jù)沖突問題，在測試中將輸出定義為0.1和0.9，而非傳統(tǒng)的0和1。將網(wǎng)絡(luò)的目標誤差E設(shè)為10-3，室內(nèi)光環(huán)境、聲環(huán)境和空氣品質(zhì)的訓練模型分別通過114，169，54次學習，達到設(shè)定精度。根據(jù)訓練好的網(wǎng)絡(luò)模型，通過傳感器采集的樣本數(shù)據(jù)進行仿真。室內(nèi)熱、光、聲環(huán)境及空氣品質(zhì)融合的舒適度評價分別如表5～表8所示。

表5 室內(nèi)熱環(huán)境融合結(jié)果

表6 室內(nèi)光環(huán)境融合結(jié)果

表8 室內(nèi)空氣品質(zhì)融合結(jié)果

3.2 基于D-S證據(jù)理論的決策級融合算法

通過特征級融合得到室內(nèi)熱、光、聲環(huán)境及空氣品質(zhì)的舒適度評價，決策級融合采用D-S證據(jù)理論算法，將特征級融合后的結(jié)果作為D-S證據(jù)理論的證據(jù)，進行證據(jù)組合，得到最終融合結(jié)果。經(jīng)D-S證據(jù)理論進行融合時，其證據(jù)必須經(jīng)過歸一化處理。由于室內(nèi)熱環(huán)境的特征融合輸出不同于室內(nèi)光、聲環(huán)境和空氣品質(zhì)的輸出，需要對其處理以便于決策級融合。根據(jù)隸屬度函數(shù)計算得出其相應(yīng)的隸屬度。再根據(jù)式(3)進行歸一化處理

(3)

本文的識別框架Θ={優(yōu),良,中,差}。將各環(huán)境舒適度對應(yīng)的4個等級的隸屬度作為基本概率分配函數(shù)BPA。根據(jù)多個證據(jù)的組合規(guī)則

(4)

式中k為證據(jù)之間的沖突水平。將特征級融合的輸出結(jié)果經(jīng)歸一化處理為決策級融合做準備，采用D-S證據(jù)理論按照多個證據(jù)的組合規(guī)則進行證據(jù)組合，從而得到室內(nèi)環(huán)境的綜合舒適度評價，對上述四組特征級融合數(shù)據(jù)進行決策級融合，其融合結(jié)果如表9所示。

表9 決策級融合結(jié)果

4 系統(tǒng)測試

本文實驗在研究樓的4個實驗室分別布置了4組傳感器進行數(shù)據(jù)采集。實驗環(huán)境為冬季室內(nèi)，一般人體為坐下休息狀態(tài)，熱環(huán)境參數(shù)中，取M為58.2 W/m2,室內(nèi)空氣流速為0.1 m/s,服裝熱阻Icl取1.0 Clo，平均輻射溫度為室溫。傳感器組以1次/min速率采樣并存入數(shù)據(jù)庫，經(jīng)過采用上述算法的云計算平臺進行數(shù)據(jù)分析處理，通過http請求訪問監(jiān)測平臺頁面如圖4所示，該系統(tǒng)經(jīng)過兩級融合模型對室內(nèi)各環(huán)境進行綜合評價，其評價結(jié)果更為可靠。

圖4 監(jiān)測平臺界面

5 結(jié) 論

本文通過室內(nèi)環(huán)境監(jiān)測和舒適度融合評估問題，通過物聯(lián)網(wǎng)技術(shù)和云計算平臺開發(fā)了一種使用方便、成本低、穩(wěn)定的室內(nèi)環(huán)境監(jiān)測系統(tǒng)。在云計算處理平臺實現(xiàn)了一種神經(jīng)網(wǎng)絡(luò)與D-S證據(jù)理論相結(jié)合的兩級融合評價模型，將各環(huán)境相結(jié)合進行綜合評價，很好地克服了在傳統(tǒng)室內(nèi)環(huán)境監(jiān)測評估中，由于監(jiān)測評估環(huán)境單一而產(chǎn)生的局限性和不確定性，提高了室內(nèi)環(huán)境評價的可靠性和容錯能力，具有很好的實用性和市場價值。