无线传感器网络系统的制作方法

本发明数据数据分析技术领域，特别是涉及一种无线传感器网络系统。

背景技术：

近年来关于应急场景的监测的研究越来越受到学术界和工业界的重视，已经和一些新兴的技术如边缘计算、机器学习、无线传感网和云计算等一起研究。

现有技术中，在对应急场景的环境数据进行采集时，一般基于传感器节点和汇聚节点。其中，传感器节点可以采集数据并上传到汇聚节点，也可以转发其他节点的数据。汇聚节点具有相对较强的处理能力，因此负责传感器网络和外界网络的通信，实现数据处理和节点管理功能。数据分析一般基于云服务平台，主要实现数据和系统的管理，包括提供结果预测、历史趋势分析、数据可视化，系统运行状态查看，自动化控制、应急事件预警等功能。

应急场景本身就具有突发性的特点，因此更加需要低时延，高效率，稳定的服务。但是，现有的应急场景中的数据分析方法存在着将数据分析服务部署在云端，会造成大量的带宽消耗，且存在着效率较低且可靠性差的问题。

技术实现要素：

本发明解决的技术问题是如何在提高应急场景中数据处理的效率和可靠性，并节约资源。

为了达到上述目的，本发明提供了一种无线传感器网络系统，包括传感器节点、汇聚节点和边缘节点；所述传感器节点中采集相同类型的数个传感器节点与同一汇聚节点分别耦接：所述汇聚节点分别与对应设置的预设数量的边缘节点耦接；

传感器节点，适于采集环境数据并上传至对应的汇聚节点；

所述汇聚节点，适于接收对应数据采集周期内所述传感器节点发送的环境数据，对所接收的环境数据进行预处理后发送至边缘节点；

所述边缘节点，适于接收所述汇聚节点发送的环境数据并通过分析，以确定是否发生对应的应急事件。

可选地，所述传感器节点，适于基于自身的能耗和所采集的当前数据的信息计算自身对应的占空比信息，设定与计算得到的占空比对应的定时器，并在所述定时器结束时被唤醒采集环境数据并上传至对应的汇聚节点。

可选地，所述传感器节点，适于采用如下的公式计算自身的占空比信息：

且：

d＝dmin，d0＜dmin；

d＝dmax，d0＞dmax；

其中，tc表示传感器节点的占空比，t表示数据采集周期，d0表示当前采集到的监测据，d表示，dmax表示传感器节点的对应类型的环境数据的最大值，dmin表示传感器节点的对应类型的环境数据的最小值，e0表示传感器节点的当前能量，e表示传感器节点的初始能量。

可选地，所述汇聚节点，适于计算对应数据采集周期内传感器节点采集的每个环境数据序列与同类型的其他环境数据序列之间的数据序列可信度，构建每个环境数据序列对应的可信度序列；基于每个环境数据序列对应的数据可信度，计算得到每个环境数据序列对应的最终可信度；将计算得到的最终可信度较大的多个环境数据序列发送至对应的边缘节点。

可选地，所述汇聚节点，适于采用如下的公式对应数据采集周期内传感器节点采集的每个环境数据序列与同类型的其他环境数据序列之间的数据序列可信度：

其中，rij表示环境数据序列vi与环境数据序列vj之间的数据序列可信度，vik、vjk分别表示环境数据序列vi＝{vi1，vi2，…vin}与＝{vj1，vj2，…vjn}中的第k位的数据。

可选地，所述汇聚节点，适于采用如下的公式计算得到对应的传感器节点的每个环境数据最终可信度：

其中，gi表示环境数据序列i的最终可信度，m表示环境数据序列i的数据可信度序列的长度，rik表示环境数据序列i的数据可信度序列中第k位的数据可信度。

可选地，所述边缘节点，适于将所接收的环境数据序列中提取对应的多组属性对数据分别输入对应的分类模型，计算得到对应的判断结果，并基于每个分类模型计算得到的判断结果，计算是否发生应急事件的判断结果并输出。

可选地，所述系统还包括云端服务器，所述云端服务器与所述边缘节点耦接；

所述边缘节点，适于在无法确定是否发生对应的应急事件时，将所接收的环境数据序列发送至云端服务器；

所述云端服务，适于基于所接收的环境数据序列判断是否发生对应的应急事件并将最终的判断结果发送至所述边缘节点；

所述边缘节点，还适于接收所述云端服务器发送的是否发生应急事件的判断结果并输出。

与现有技术相比，本发明的有益效果为：

上述的方案，通过传感器节点采集环境数据并上传至对应的汇聚节点，所述汇聚节点接收对应数据采集周期内所述传感器节点发送的环境数据，对所接收的环境数据进行预处理后发送至边缘节点，所述边缘节点接收所述汇聚节点发送的环境数据并通过分析，以确定是否发生对应的应急事件，与采用云端服务器直接进行数据分析相比，可以节约资源，提高数据分析处理的效率和可靠性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例的一种无线传感器网路系统的结构示意图；

图2是本发明实施例的一种无线传感器网络的数据处理方法的流程示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。本发明实施例中有关方向性指示(诸如上、下、左、右、前、后等)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

如背景技术所述，现有技术将数据分析服务部署在云端，会造成大量的带宽消耗，且存在着效率较低且可靠性差的问题。

发明的技术方案通过传感器节点采集环境数据并上传至对应的汇聚节点，所述汇聚节点接收对应数据采集周期内所述传感器节点发送的环境数据，对所接收的环境数据进行预处理后发送至边缘节点，所述边缘节点接收所述汇聚节点发送的环境数据并通过分析，以确定是否发生对应的应急事件，与采用云端服务器直接进行数据分析相比，可以节约资源，提高数据分析处理的效率和可靠性。

为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

为了便于理解，下面将首先对本发明实施例中的无线传感器网络系统的结构进行简要的介绍。

图1是本发明实施例的一种无线传感器网路系统的结构示意图。参见图1，一种无线传感器网路系统，具体可以包括传感器节点101～10n、汇聚节点11和边缘节点121～12k；其中，所述传感器节点101～10n中采集相同类型数据的数个传感器节点与同一汇聚节点11分别耦接，所述汇聚节点11还分别与对应设置的多个边缘节点121～12k耦接。

下面将结合图2对本发明实施例中的无线传感器网络的数据处理方法进行描述。

图2是本发明实施例的一种无线传感器网络的数据处理方法的流程示意图。参见图2，一种无线传感器网络的数据处理方法，具体可以包括如下的步骤：

步骤s201：传感器节点采集环境数据并上传至对应的汇聚节点。

在本发明一实施例中，为了节约传感器的能耗，每个传感器基于自身的能耗和所采集的当前数据的信息计算自身对应的占空比信息，设定与计算得到的占空比对应的定时器，并在所述定时器结束时被唤醒采集环境数据并上传至对应的汇聚节点。

在本发明一实施例中，每个传感器节点采用如下的公式计算自身的占空比信息：

d＝dmin，d0＜dmin(2)

d＝dmax，d0＞dmax(3)

其中，tc表示传感器节点的占空比，t表示数据采集周期，d0表示当前采集到的监测据，d表示，dmax表示传感器节点的对应类型的环境数据的最大值，dmin表示传感器节点的对应类型的环境数据的最小值，e0表示传感器节点的当前能量，e表示传感器节点的初始能量。

采用上述的方式，开始时传感器节点根据预设参数设置自身的数据采集占空比，该参数根据整体系统初始状态拟定，并根据占空比设置一个定时器，初始状态时所有节点都处于休眠状态。当第一个定时器结束，对应传感器节点开始收集数据，并依据阈值判断数据是否处于异常范围。其中，当数据没有异常，则传感器节点将采集的环境数据上传至对应的汇聚节点后休眠，并保持自身的占空比不变。由于预设占空比没有变化，那么每隔一段时间就会有传感器节点被唤醒进行数据采集。反之，当传感器节点采集到的环境数据被判定为异常时，则该传感器节点会广播信息，邻近的传感器节点接收消息后会被唤醒，开始采集数据，计算占空比并上传。在完成一轮数据采集之后，也即对应的数据采集周期结束时，所有传感器节点根据数据和节点剩余能量更新自己的占空比，并重设定时器，进入休眠以便执行下一轮数据采集。

步骤s202：所述汇聚节点接收对应数据采集周期内所述传感器节点发送的环境数据，对所接收的环境数据进行预处理后发送至边缘节点。

在具体实施中，当接收到传感器节点在对应的数据采集周期内采集到的所有环境数据时，所述汇聚节点对所接收到的环境数据并进行预处理，以判断数据是否可信，以确定是否将所接收到的环境数据发送给边缘节点进行后续的处理。

在本发明一实施例中，利用相同环境下节点和邻近节点的数据之间的相似性，将传感器节点采集到的环境数据序列和另一采集相同类型环境数据的传感器节点采集到的环境数据序列对位差值占两序列数据之和的比率，作为衡量传感器节点所采集到的环境数据序列的可信度的标准，也即采用如下的公式计算传感器节点的每个环境数据序列与其他同类型的环境数据序列之间的序列可信度：

其中，rij表示环境数据序列vi与环境数据序列vj之间的数据序列可信度，vik、vjk分别表示环境数据序列vi＝{vi1，vi2，…vin}与＝{vj1，vj2，…vjn}中的第k位的数据。

通过重复上述的过程，汇聚节点可以计算得到某一传感器节点和所有同类型的传感器节点数据序列之间的序列可信度ri＝{rij，rik…}，通过对ri序列求均值以获得该序列和其他数据序列的最终可信度：

其中，gi表示环境数据序列i的最终可信度，m表示环境数据序列i的数据可信度序列的长度，rik表示环境数据序列i的数据可信度序列中第k位的数据可信度。

最终可信度通过传感器节点之间数据的比较，体现了某一传感器节点在某一个采集周期内数据的状况。汇聚节点通过最终可信度的比较，选取可信度较高的几组数据序列上传，可以减少数据的上传量以减少边缘设备处理的负荷。

步骤s203：所述边缘节点接收所述汇聚节点发送的环境数据并通过分析，以确定是否发生对应的应急事件。

本发明实施例中，通过在边缘设备部署数据处理算法来实现本地的处理，利用本地规则进行事件判定。在边缘节点本地和云端服务器采用特定场景下的数据集进行初始算法训练，记录系统关注的事件发生时数据的基本特征，以构建事件分类模型。

在本发明一实施例中，考虑边缘设备的计算能力不足，将多种属性不同但是存在相关性的数据划分为几组，每组两种属性的数据进行训练，通过此方法可以将多维度的数据降低为二维的数据，从而获得较低维度的多个分类模型。边缘设备接收数据序列，对数据进行归一化，剔除明显异常数据，根据要求将数据分为对应几种属性的几组数据并将送入对应算法中，并行计算输出若干判断结果。通过本地的应急事件判定规则对上一步算法输出的结果综合判断，输出事件判定结果。

在具体实施中，由于边缘节点的应急事件的更新具有一定的滞后性，可能发生边缘节点通过最终结果无法完全确定应急事件是否发生的情形。为了应对此种情况，边缘节点可以将该组数据发送到云端服务器，由云端服务器进行判定。同时，边缘设备定期上传接收的数据到云端，云端运行算法以更新分类模型。云端返回结果与本地结果比对，并更新本地判定规则。

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行所述的无线传感器网络的数据处理方法的步骤。其中，所述的无线传感器网络的数据处理方法请参见前述部分的描述，不再赘述。

本发明实施例还提供了一种终端，包括存储器和处理器，所述存储器上储存有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行所述的无线传感器网络的数据处理方法的步骤。其中，所述的无线传感器网络的数据处理方法请参见前述部分的描述，不再赘述。

采用本发明实施例中的上述方案，通过传感器节点采集环境数据并上传至对应的汇聚节点，所述汇聚节点接收对应数据采集周期内所述传感器节点发送的环境数据，对所接收的环境数据进行预处理后发送至边缘节点，所述边缘节点接收所述汇聚节点发送的环境数据并通过分析，以确定是否发生对应的应急事件，与采用云端服务器直接进行数据分析相比，可以节约资源，提高数据分析处理的效率和可靠性。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，本发明要求保护范围由所附的权利要求书、说明书及其等效物界定。