基于物聯(lián)網(wǎng)的室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)挖掘系統(tǒng)

林曉農(nóng)

（福州理工學(xué)院 計(jì)算與信息科學(xué)學(xué)院，福建 福州 350506）

研究室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)挖掘技術(shù)，在改善室內(nèi)環(huán)境監(jiān)控和智能能力，以及提高環(huán)境監(jiān)控力度等方面具有重要意義。當(dāng)前，對(duì)室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)挖掘方法主要有統(tǒng)計(jì)特征分析挖掘方法、傳感器融合挖掘方法及關(guān)聯(lián)規(guī)則挖掘方法等。構(gòu)建室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)挖掘的相關(guān)性統(tǒng)計(jì)分析模型，結(jié)合傳感器組網(wǎng)設(shè)計(jì)，進(jìn)行數(shù)據(jù)挖掘，但傳統(tǒng)方法進(jìn)行數(shù)據(jù)挖掘的智能性不好，對(duì)環(huán)境實(shí)時(shí)信息的跟蹤能力不強(qiáng)［1-2］。因此，本文提出基于物聯(lián)網(wǎng)的室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)挖掘系統(tǒng)。

1 系統(tǒng)總體設(shè)計(jì)構(gòu)建和功能模塊分析

為了實(shí)現(xiàn)對(duì)室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)挖掘系統(tǒng)的優(yōu)化設(shè)計(jì)，需要進(jìn)行總體結(jié)構(gòu)分析，結(jié)合系統(tǒng)總體設(shè)計(jì)，完成大數(shù)據(jù)信息融合和物聯(lián)網(wǎng)組網(wǎng)設(shè)計(jì)分析［3］。

系統(tǒng)的總體結(jié)構(gòu)為拓?fù)浣Y(jié)構(gòu)，如圖1所示。

圖1 室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)挖掘系統(tǒng)的物聯(lián)網(wǎng)拓?fù)浣Y(jié)構(gòu)

在圖1 所示的物聯(lián)網(wǎng)拓?fù)浣Y(jié)構(gòu)中［4］，基于Zig‐Bee 組網(wǎng)控制技術(shù)，采用星型網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)構(gòu)建多個(gè)ZigBee 節(jié)點(diǎn)，以采集溫濕度傳感器信息，實(shí)現(xiàn)信息傳輸和總線控制。

ZigBee 是基于IEEE802.15.4 標(biāo)準(zhǔn)的低功耗局域網(wǎng)協(xié)議，在IEEE802.15.4 協(xié)議標(biāo)準(zhǔn)下，構(gòu)建室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)挖掘系統(tǒng)的物聯(lián)網(wǎng)模塊［5］。

采用構(gòu)建底層模塊的方法和經(jīng)典的OSI（Open System Interconnection）七層模型構(gòu)建大數(shù)據(jù)挖掘系統(tǒng)的層次結(jié)構(gòu)模型，如圖2所示。

圖2 室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)挖掘系統(tǒng)的七層模型

在網(wǎng)絡(luò)構(gòu)架體系下，進(jìn)行挖掘系統(tǒng)的協(xié)議棧開發(fā)和標(biāo)準(zhǔn)通信接口設(shè)計(jì)，建立挖掘系統(tǒng)的信息交互層和會(huì)話層，在以太網(wǎng)分層的參考模型中，進(jìn)行挖掘過程的地址訪問和路由選擇。

2 數(shù)據(jù)采集和信息融合

2.1 室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)采集

根據(jù)上節(jié)的模型，通過溫度、濕度傳感器等底層構(gòu)件進(jìn)行傳感信息感知和識(shí)別。對(duì)采集的大數(shù)據(jù)進(jìn)行信息融合和模糊度檢測(cè)，并結(jié)合模糊網(wǎng)格區(qū)域聚類的方法建立數(shù)據(jù)融合模型。在協(xié)同云平臺(tái)環(huán)境下，進(jìn)行模糊參數(shù)識(shí)別，并建立模糊度參數(shù)辨識(shí)模型，計(jì)算自適應(yīng)參數(shù)分布，得到的輸出大數(shù)據(jù)統(tǒng)計(jì)特征量J(Wi)可表示為

其中，r表示李亞普諾夫能量函數(shù)分析方法，t(e)表示室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)采樣信息的融合處理函數(shù)，m為建立室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)挖掘的能量傳遞函數(shù)，得到室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)的模糊信息融合模型為

根據(jù)上述分析，建立室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)的信息采集融合模型，依據(jù)ZigBee 網(wǎng)絡(luò)結(jié)構(gòu)分層構(gòu)造的方法設(shè)計(jì)應(yīng)用層編程接口以提高數(shù)據(jù)采集輸出的準(zhǔn)確性［6］。

2.2 大數(shù)據(jù)信息融合

對(duì)采集的室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)進(jìn)行信息融合和模糊度檢測(cè)，采用多傳感節(jié)點(diǎn)信息融合方法進(jìn)行大數(shù)據(jù)融合，建立傳感信息跟蹤模型［7］，得到室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)采集概率分布函數(shù)為

式中，x(t)為室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)樣本的訓(xùn)練序列。

室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)的自適應(yīng)調(diào)節(jié)狀態(tài)方程為

式中，gn為室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)采集時(shí)滯系數(shù)；am為模糊狀態(tài)特征量；gl為室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)采集的辨識(shí)參數(shù)；Io為初始室內(nèi)環(huán)境智能監(jiān)控節(jié)點(diǎn)的分布閾值；q為輸出室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)的融合變量。

對(duì)監(jiān)控采集參數(shù)進(jìn)行融合，室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)挖掘的線性組合模型為

采用模糊參數(shù)尋優(yōu)方法，結(jié)合多傳感融合跟蹤和自適應(yīng)參數(shù)調(diào)整方法，進(jìn)行室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)挖掘和云融合；建立ZigBee 協(xié)議棧，在眾多網(wǎng)絡(luò)協(xié)議和SOCKET 標(biāo)準(zhǔn)協(xié)議下，提取室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)的統(tǒng)計(jì)特征量［8］。在GPRS 網(wǎng)絡(luò)通信中，梯度參數(shù)分布模型為?2F(x)，在TDMA 幀結(jié)構(gòu)中進(jìn)行監(jiān)控?cái)?shù)據(jù)融合編碼，記為

在物聯(lián)網(wǎng)結(jié)構(gòu)協(xié)議下，結(jié)合線性組合控制方法，進(jìn)行室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)挖掘和信息融合處理［9］。

2.3 智能家居環(huán)境參數(shù)識(shí)別

基于TDMA 幀結(jié)構(gòu)中的融合編碼，進(jìn)行監(jiān)控大數(shù)據(jù)挖掘的參數(shù)識(shí)別［10］，得到大數(shù)據(jù)參數(shù)識(shí)別的模糊辨識(shí)函數(shù)為

采用GPRS 組網(wǎng)技術(shù)進(jìn)行信息融合，參數(shù)特征融合為v()a，多點(diǎn)控制單元組成GPRS 物聯(lián)網(wǎng)中，得到多點(diǎn)交互信息量為

式中，pi,j(t)為大數(shù)據(jù)挖掘信息特征分布集；Δp(t)為大數(shù)據(jù)挖掘的梯度增益。

根據(jù)環(huán)境參數(shù)采樣結(jié)果，合計(jì)室內(nèi)環(huán)境智能監(jiān)控的所有SIP 終端用戶協(xié)議，得到SIP 終端信息融合結(jié)果為

在SGSN 與GPRS 網(wǎng)關(guān)支持節(jié)點(diǎn)，得到信息挖掘輸出為

在云平臺(tái)下，通過公共陸地移動(dòng)網(wǎng)絡(luò)（PLMN）構(gòu)造，依據(jù)信息挖掘輸出模型識(shí)別環(huán)境參數(shù)［11］。

3 系統(tǒng)硬件設(shè)計(jì)

根據(jù)峰值測(cè)量和相關(guān)性特征融合的方法，進(jìn)行析室內(nèi)大數(shù)據(jù)挖掘輸出模型的程序加載控制和AD 轉(zhuǎn)換設(shè)計(jì)。分析室內(nèi)網(wǎng)絡(luò)組網(wǎng)協(xié)議，在應(yīng)用程序中加載模糊度檢測(cè)模塊和挖掘系統(tǒng)的輸出信息；采用內(nèi)核控制方法處理挖掘系統(tǒng)的射頻信息［12］。采用低電復(fù)位方法進(jìn)行掉電復(fù)位。設(shè)計(jì)挖掘系統(tǒng)的組網(wǎng)結(jié)構(gòu)和硬件總體架構(gòu)，得到傳感信息采集模塊如圖3所示。

圖3 傳感信息采集模塊

采用傳感器采集監(jiān)控?cái)?shù)據(jù)，采用ISA/EISA/Mi‐cro Channel 擴(kuò)充總線進(jìn)行信息挖掘和指令加載。在AD采樣模塊中，進(jìn)行信息傳輸?shù)腁D轉(zhuǎn)換控制，在總線交叉編譯控制過程中實(shí)現(xiàn)大數(shù)據(jù)挖掘的集成信息處理。采用APLC21160 邏輯處理器芯片作為大數(shù)據(jù)挖掘的總線控制核心［13］，系統(tǒng)的硬件設(shè)計(jì)如圖4所示。

圖4 系統(tǒng)硬件設(shè)計(jì)

4 仿真測(cè)試分析

為了驗(yàn)證本文設(shè)計(jì)系統(tǒng)的應(yīng)用性能，進(jìn)行試驗(yàn)測(cè)試分析。設(shè)定信息采樣長度為1 200，對(duì)環(huán)境信息采集的頻譜寬度為24 dB，采樣間隔為0.26 s，得到原始的室內(nèi)環(huán)境監(jiān)控大數(shù)據(jù)采集如圖5所示。

圖5 原始的室內(nèi)環(huán)境監(jiān)控大數(shù)據(jù)采集

對(duì)圖5 的數(shù)據(jù)進(jìn)行融合處理，實(shí)現(xiàn)室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)挖掘，得到挖掘輸出如圖6所示。

分析圖6 得知，本文方法能有效實(shí)現(xiàn)室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)挖掘，測(cè)試挖掘性能，性能對(duì)比結(jié)果如圖7 所示。分析圖7 得知，采用該系統(tǒng)進(jìn)行大數(shù)據(jù)挖掘的輸出穩(wěn)定性較好，數(shù)據(jù)挖掘輸出的智能性和準(zhǔn)確性較高。

圖6 室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)挖掘輸出

圖7 數(shù)據(jù)挖掘性能對(duì)比

5 結(jié)語

為了提高室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)挖掘能力，本文提出基于物聯(lián)網(wǎng)的室內(nèi)環(huán)境智能監(jiān)控大數(shù)據(jù)挖掘系統(tǒng)。采用ZigBee 組網(wǎng)控制技術(shù)控制大數(shù)據(jù)挖掘系統(tǒng)的VIX總線傳輸，構(gòu)建挖掘系統(tǒng)的物聯(lián)網(wǎng)模塊；采用ZigBee 網(wǎng)絡(luò)結(jié)構(gòu)分層構(gòu)造的方法，設(shè)計(jì)應(yīng)用層編程接口；采用TDMA 幀融合的方法，識(shí)別挖掘系統(tǒng)參數(shù)；根據(jù)公共陸地移動(dòng)網(wǎng)絡(luò)（PLMN）構(gòu)造，設(shè)計(jì)網(wǎng)絡(luò)模塊，識(shí)別環(huán)境參數(shù)。實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)的系統(tǒng)進(jìn)行大數(shù)據(jù)挖掘的準(zhǔn)確性較高，對(duì)數(shù)據(jù)參數(shù)的辨識(shí)能力較好。