基于物联网的室内环境智能监控大数据挖掘系统

林晓农

（福州理工学院 计算与信息科学学院，福建 福州 350506）

研究室内环境智能监控大数据挖掘技术，在改善室内环境监控和智能能力，以及提高环境监控力度等方面具有重要意义。当前，对室内环境智能监控大数据挖掘方法主要有统计特征分析挖掘方法、传感器融合挖掘方法及关联规则挖掘方法等。构建室内环境智能监控大数据挖掘的相关性统计分析模型，结合传感器组网设计，进行数据挖掘，但传统方法进行数据挖掘的智能性不好，对环境实时信息的跟踪能力不强［1-2］。因此，本文提出基于物联网的室内环境智能监控大数据挖掘系统。

1 系统总体设计构建和功能模块分析

为了实现对室内环境智能监控大数据挖掘系统的优化设计，需要进行总体结构分析，结合系统总体设计，完成大数据信息融合和物联网组网设计分析［3］。

系统的总体结构为拓扑结构，如图1所示。

图1 室内环境智能监控大数据挖掘系统的物联网拓扑结构

在图1 所示的物联网拓扑结构中［4］，基于Zig‐Bee 组网控制技术，采用星型网络拓扑结构构建多个ZigBee 节点，以采集温湿度传感器信息，实现信息传输和总线控制。

ZigBee 是基于IEEE802.15.4 标准的低功耗局域网协议，在IEEE802.15.4 协议标准下，构建室内环境智能监控大数据挖掘系统的物联网模块［5］。

采用构建底层模块的方法和经典的OSI（Open System Interconnection）七层模型构建大数据挖掘系统的层次结构模型，如图2所示。

图2 室内环境智能监控大数据挖掘系统的七层模型

在网络构架体系下，进行挖掘系统的协议栈开发和标准通信接口设计，建立挖掘系统的信息交互层和会话层，在以太网分层的参考模型中，进行挖掘过程的地址访问和路由选择。

2 数据采集和信息融合

2.1 室内环境智能监控大数据采集

根据上节的模型，通过温度、湿度传感器等底层构件进行传感信息感知和识别。对采集的大数据进行信息融合和模糊度检测，并结合模糊网格区域聚类的方法建立数据融合模型。在协同云平台环境下，进行模糊参数识别，并建立模糊度参数辨识模型，计算自适应参数分布，得到的输出大数据统计特征量J(Wi)可表示为

其中，r表示李亚普诺夫能量函数分析方法，t(e)表示室内环境智能监控大数据采样信息的融合处理函数，m为建立室内环境智能监控大数据挖掘的能量传递函数，得到室内环境智能监控大数据的模糊信息融合模型为

根据上述分析，建立室内环境智能监控大数据的信息采集融合模型，依据ZigBee 网络结构分层构造的方法设计应用层编程接口以提高数据采集输出的准确性［6］。

2.2 大数据信息融合

对采集的室内环境智能监控大数据进行信息融合和模糊度检测，采用多传感节点信息融合方法进行大数据融合，建立传感信息跟踪模型［7］，得到室内环境智能监控大数据采集概率分布函数为

式中，x(t)为室内环境智能监控大数据样本的训练序列。

室内环境智能监控大数据的自适应调节状态方程为

式中，gn为室内环境智能监控大数据采集时滞系数；am为模糊状态特征量；gl为室内环境智能监控大数据采集的辨识参数；Io为初始室内环境智能监控节点的分布阈值；q为输出室内环境智能监控大数据的融合变量。

对监控采集参数进行融合，室内环境智能监控大数据挖掘的线性组合模型为

采用模糊参数寻优方法，结合多传感融合跟踪和自适应参数调整方法，进行室内环境智能监控大数据挖掘和云融合；建立ZigBee 协议栈，在众多网络协议和SOCKET 标准协议下，提取室内环境智能监控大数据的统计特征量［8］。在GPRS 网络通信中，梯度参数分布模型为∇2F(x)，在TDMA 帧结构中进行监控数据融合编码，记为

在物联网结构协议下，结合线性组合控制方法，进行室内环境智能监控大数据挖掘和信息融合处理［9］。

2.3 智能家居环境参数识别

基于TDMA 帧结构中的融合编码，进行监控大数据挖掘的参数识别［10］，得到大数据参数识别的模糊辨识函数为

采用GPRS 组网技术进行信息融合，参数特征融合为v()a，多点控制单元组成GPRS 物联网中，得到多点交互信息量为

式中，pi,j(t)为大数据挖掘信息特征分布集；Δp(t)为大数据挖掘的梯度增益。

根据环境参数采样结果，合计室内环境智能监控的所有SIP 终端用户协议，得到SIP 终端信息融合结果为

在SGSN 与GPRS 网关支持节点，得到信息挖掘输出为

在云平台下，通过公共陆地移动网络（PLMN）构造，依据信息挖掘输出模型识别环境参数［11］。

3 系统硬件设计

根据峰值测量和相关性特征融合的方法，进行析室内大数据挖掘输出模型的程序加载控制和AD 转换设计。分析室内网络组网协议，在应用程序中加载模糊度检测模块和挖掘系统的输出信息；采用内核控制方法处理挖掘系统的射频信息［12］。采用低电复位方法进行掉电复位。设计挖掘系统的组网结构和硬件总体架构，得到传感信息采集模块如图3所示。

图3 传感信息采集模块

采用传感器采集监控数据，采用ISA/EISA/Mi‐cro Channel 扩充总线进行信息挖掘和指令加载。在AD采样模块中，进行信息传输的AD转换控制，在总线交叉编译控制过程中实现大数据挖掘的集成信息处理。采用APLC21160 逻辑处理器芯片作为大数据挖掘的总线控制核心［13］，系统的硬件设计如图4所示。

图4 系统硬件设计

4 仿真测试分析

为了验证本文设计系统的应用性能，进行试验测试分析。设定信息采样长度为1 200，对环境信息采集的频谱宽度为24 dB，采样间隔为0.26 s，得到原始的室内环境监控大数据采集如图5所示。

图5 原始的室内环境监控大数据采集

对图5 的数据进行融合处理，实现室内环境智能监控大数据挖掘，得到挖掘输出如图6所示。

分析图6 得知，本文方法能有效实现室内环境智能监控大数据挖掘，测试挖掘性能，性能对比结果如图7 所示。分析图7 得知，采用该系统进行大数据挖掘的输出稳定性较好，数据挖掘输出的智能性和准确性较高。

图6 室内环境智能监控大数据挖掘输出

图7 数据挖掘性能对比

5 结语

为了提高室内环境智能监控大数据挖掘能力，本文提出基于物联网的室内环境智能监控大数据挖掘系统。采用ZigBee 组网控制技术控制大数据挖掘系统的VIX总线传输，构建挖掘系统的物联网模块；采用ZigBee 网络结构分层构造的方法，设计应用层编程接口；采用TDMA 帧融合的方法，识别挖掘系统参数；根据公共陆地移动网络（PLMN）构造，设计网络模块，识别环境参数。实验结果表明，所设计的系统进行大数据挖掘的准确性较高，对数据参数的辨识能力较好。