雾计算架构在环境监控系统中的应用

广东工业大学自动化学院 陈伯松 石鸣鸣

为了研究沉香和种植环境之间的联系，传统方法是采用人工实地测量，但是这种方法存在着人为工作量大、测量面积大、不能实时监控等问题。本文针对现有问题，从监控方式作为切入点，对基地环境和监测设备管理需求进行分析，以成熟的物联网技术作为基础，建立起远程物联网监控系统。该系统可以帮助管理人员以异地远程方式来监控种植区域情况，取代了管理人员需要实地测量。但由于基地终端设备数量的增加，对于终端设备的应用请求服务全部交给云端来处理，使得监控系统的实时性降低，同时对于网络的带宽也是一个挑战。在此情况下，很可能会丢失终端发送的有用数据，影响监控系统检测效果。所以本文在终端和云端之间增加雾层，减少大量数据传输至云端，减轻云中心的负载承受力，并建立基于雾计算的分布式传感数据网络，有效地对种植区域进行监控。

1 国内外研究现状

传统的监控方式常见的有智能家居，这一监控系统是基于局域网的监控技术。随着早期IEEE 802.15.4标准地制定，催生了无线个人区域网和无线传感网络的迅速普及，人们开始创新地将各种家用电器、网络通讯技术和各类传感器结合起来。例如DM Han等人提出了基于多传感器网络和光控制应用的智能照明控制系统，用于智能住宅和能源控制生产。但是其系统采用zigbee通信导致监控范围容易受到距离的限制，信号穿透性不好，难以发挥最佳监控效果。在基于云平台方面的监控，AM Khattak等人使用异构传感器技术监控人类健康和活动，并在云平台上智能地处理这些活动，该系统部署在云端上，用于阿尔茨海默病患者，具有四个活动识别引擎，用于从传感器捕获的原始数据中识别低水平活动。但是云计算面临着数据传输带宽、数据处理的即时性、隐私及能耗等不足，随着万物互联时代到来，云计算越来越无法完全满足人们对美好生活的向往日益增加的新技术需求。

针对上述问题，通过学习前人的研究成果，本文提出了基于雾计算的架构环境监控系统，此外，针对多终端问题，提出通过智能网关来对多个终端进行合理的任何调度。雾计算层可以有效地对数据进行预处理，来缓解云服务器的压力。

图1 数据监测物联网系统的框架

2 系统的总体框架

系统总体框架分为云服务层、雾计算层、设备层三层结构。设备层由STM32微控制器、传感设备、LoRa设备、太阳能设备等组成，STM32微控制器负责控制和调度其他设备，传感设备负责采集数据，LoRa设备负责进行数据无线传输，太阳能设备负责在野外的用电需求。雾计算层负责接收监测设备产生的传感数据并根据监控需求进行实时计算，可以有效的减少传输数据量，通过预处理和过滤数据来缓解网络传输压力。云服务层为云平台、Web和微信小程序，负责数据的存储和应用服务。以上三层云、雾、端框架图如图1所示。

3 网关设计

传统网关用于统一接收、处理、上传每个采集端节点发送过来的数据，然而智能网关不仅满足以上的要求，还应该具备利用雾计算概念提供智能服务的能力。网关支持LoRa，Wi-Fi和以太网的通信协议，同时可以远程控制，方便远程操纵网关的相关参数和配置，各种指令和数据上传方式可以根据实际需要进行自定义。

3.1 网关硬件层

网关和采集端直接采用LoRa无线传输，LoRa技术相比其他无线传输技术，其优势在于能够远距离传输、低功耗以及高达0.3～50kbs的数据传输速率，同时LoRa信号对于建筑的穿透能力很强。采集端的LoRa模块使用常规地址，网关使用的是广播地址，用来监听在同一个网络内的所有LoRa模块的信号。

3.2 雾计算服务层

雾计算服务层是智能网关里面重要的组成部分，是网关提供智能服务的关键，执行的功能有主要以下两点：

（1）数据异常检测准则

一般情况下，自然室外天气在一定时间范围内是没有很大的变化，传感器检测到的数据也不会太大的改变，但是在室外也不排除传感器出现一些异常情况导致偶然的无效数据出现，因此，本文针对室外可能出现的情况，制定了一些数据检测准则来自动判别出数据是否出现异常。

以土壤温度ST和土壤湿度SH为例，应该遵守如下条件：

①一天时间范围内，土壤的环境参数的变化都要在一个确定量程内变化。

②一天时间范围内，土壤的ST和SH数值不能一直处于低水平（5%以下）或者高水平（90%以上）。

③多次采集过程中，前后两次采集的数据变化差值应小于一个阈值。

定义了上述的三条数据检测准则，即智能网关根据这三条准则来智能判断出采集端的传感器数据是否在正常的状态。准则①从单个传感器的数据检测出发，即每个传感器的数据变化应该在预先规定的0到N这个确定的量程内，数据不得超过这个范围，N的具体值可以根据被监控基地的实际情况来设定。准则②表示单个传感器的数值不能长时间处于一个低数字或者高数字。例如在一天时间范围内，某个土壤传感器的湿度值为（23.11%，26.22%，0%，0%，0%，0%，0%，0%），假设准则③中的阈值为30%，则前三个数值的差值是处于正常水平。但是随后的数值一直处于0%的状态，这就违反了准则②，可以判断为异常数据，可以考虑是否为极端天气或者是人为破坏（挖出传感器）。准则③从单个传感器的数据变化出发，网关发送指令，采集端返回多次采集数据。例如（23.11%，26.22%，0%，24.11%，27.23%，25.11%），假设阈值为10%，这也违反了准则③，可以判定为多次采集中出现了一个偶然性误差的数值，属于干扰点。

（2）数据处理

在数据处理中使用限幅滤波和均值滤波两种结合的复合滤波处理方式来处理被数据检测准则监控到的无效数据。首先使用限幅滤波对数据中明显的噪声数据进行剔除，然后使用均值滤波将不明显的噪声数据消除，可以有效避免无效数据对采集结果的干扰。

限幅滤波实现的原理是选取T_1和T_2两个时间段的数据值，两者相减的差值为ΔT，以ΔT差值的绝对值作为比较根据来确定采样值y（T_n），然后随后的两次相邻采样值相减的值如果小于或等于ΔT，则取这次的采样值y（T_n），如果大于差值，则取上一次的采样值y（T_(n-1)）。

结束语：本文设计了基于雾计算架构的智能网关对多终端的任务调度和上传数据的修整，监测的数据有空气温湿度、光照强度、土壤温湿度、土壤酸碱度，采集端的供电使用太阳能光伏电池，解决了野外用电的困难同时也避免了对基地环境破坏和干扰，通信采用LoRa无线远距离通信，覆盖范围广，功耗低。