一种基于群智感知的消防物联网远程监测方法与流程

本发明涉及消防监测，尤其涉及一种基于群智感知的消防物联网远程监测方法。

背景技术：

1、目前，在基于群智感知的消防物联网远程监测中，需要通过感知节点采集环境数据，感知节点是一种包含处理器、存储器、通信模块等组件的嵌入式设备，感知节点的主要作用是采集和处理环境中的数据，布置在建筑物中，通过感知节点采集的数据需要及时上传到云平台，并进行快速的处理和分析，以便及时触发报警和应急响应，然而目前在消防物联网远程监测中对火灾消防风险监测的实时性要求较高，感知节点采集到的数据传输到云平台的传输过程中会存在数据传输处理时延的问题，为了解决群智感知技术应用于消防物联网远程监控中的数据传输处理时延问题，现有技术中主要采用边缘计算的方式来解决数据传输和处理时延的问题：通过在感知节点附近部署边缘计算设备，将部分数据处理任务从云平台转移到本地，减少数据传输的时延。

2、然而，现有技术在解决数据传输处理时延问题的过程中，有限的网络带宽会导致边缘计算任务的延迟增加，针对上述问题，目前现有技术中通常采用无损压缩算法对数据进行压缩，其中有限状态熵编码（finite state entropy，简称fse）是一种由谷歌开发并广泛应用于多个领域（如文件压缩、网络传输和存储等）的无损压缩算法，它主要基于有限状态机和自适应编码。其主要步骤包括：

3、初始化：首先将输入数据分为不同的块，并对每个块进行初始化。

4、构建有限状态机：对于每个块，无损压缩算法fse会构建一个有限状态机，用于对输入数据进行建模和预测。这个有限状态机基于历史数据来预测当前数据的概率分布。

5、构建频率表：根据有限状态机的预测，构建每个符号（例如字符或字符序列）出现的频率表。

6、编码：使用自适应编码技术（通常是算术编码）对输入数据进行编码。编码过程将根据频率表和当前符号的上下文来选择合适的编码方案。

7、输出压缩数据：将编码后的数据输出为压缩数据。

8、通过上述的无损压缩算法fse可以实现在一定程度上减小数据的传输量，从而在受限的网络带宽环境中减少数据传输时延的作用，虽然通过减小数据的大小，无损压缩算法fse可以降低数据传输所需的时间，并在边缘计算任务中减少延迟，然而无损压缩算法fse的构建有限状态机和自适应编码过程较为复杂，数据压缩速度较慢，导致感知节点采集到的环境数据传输数据到云平台的过程中出现延迟的问题。

9、因此需要一种可以解决上述问题的一种基于群智感知的消防物联网远程监测方法。

技术实现思路

1、本发明提供了一种基于群智感知的消防物联网远程监测方法，本发明通过前缀树的优化方法可以减少存储和传输重复的环境数据，可以在状态机的构建过程中识别出重复的状态转换，将其编码成引用，不需要重复存储相同的数据，大幅减少了重复环境数据的存储和传输，提高了数据压缩速度，解决了感知节点采集到的环境数据传输数据到云平台的过程中出现延迟的问题。

2、本发明为解决上述技术问题所采用的技术方案是：一种基于群智感知的消防物联网远程监测方法，包括以下步骤：

3、步骤s1: 在监测环境中布置多个感知节点，感知节点包括温度传感器、烟雾传感器与二氧化碳传感器，用于采集实时的环境数据；

4、步骤s2:感知节点通过无损压缩算法fse对环境数据进行压缩，获得压缩数据，在对环境数据进行压缩前，通过前缀树优化方法对无损压缩算法fse进行优化；

5、步骤s3:感知节点通过无线通信将压缩数据传输到云平台，通过安全传输层协议对压缩数据进行加密和身份验证，同时使用数字证书进行身份验证；

6、步骤s4:云平台对接收到的压缩数据进行解压并对解压后的环境数据进行质量处理，质量处理包括滤波和校正，通过滤波算法和数据校正方法去除数据噪声和故障数据；

7、步骤s5:采用分布式数据库进行数据存储和管理；

8、步骤s6:将解压后的环境数据归档到固态硬盘中，将感知节点的历史数据记录与感知节点的配置和网络设置数据归档到磁性硬盘驱动器或网络附加存储介质中；

9、步骤s7:云平台通过流处理对解压后的环境数据进行处理；

10、步骤s8:当云平台基于环境数据监测到环境异常时，云平台触发警报并通过远程通信将警报信息发送给消防人员，同时进行自动化的应急响应措施，启动监测环境中的喷淋系统并开启紧急出口。

11、进一步的，所述步骤s2中通过前缀树优化方法对无损压缩算法fse进行优化包括：

12、步骤s2-1:构建前缀树：将输入的环境数据集合构建成前缀树，其中每个感知节点表示一个前缀；

13、步骤s2-2:寻找重复前缀：在构建前缀树的过程中，通过检测共享的相同前缀来找到重复的环境数据；

14、步骤s2-3:引用重复前缀：对于重复的前缀只编码一次，并在后续出现时进行引用。

15、进一步的，所述步骤s2-1中构建前缀树包括：

16、步骤s2-1-1：创建一个空的前缀树，并将其初始化为空节点；

17、步骤s2-1-2：遍历输入的环境数据集合，逐个插入环境数据到前缀树中；

18、步骤s2-1-3：对于每个要插入的环境数据，从根节点开始遍历前缀树；

19、步骤s2-1-4：对于当前要插入的字符，检查它是否已存在于当前节点的子节点中；

20、若字符存在，移动到该子节点，并将当前节点更新为子节点，并继续插入下一个字符；

21、若字符不存在，创建一个新的子节点，将当前节点的子节点列表更新，并将当前节点更新为新的子节点；

22、步骤s2-1-5：遍历要插入的环境数据的每个字符，对于每个字符按照步骤s2-1-4中的逻辑进行处理，直到将全部环境数据插入到前缀树中为止；

23、步骤s2-1-6：重复步骤s2-1-2和步骤s2-1-5，直到遍历完整个环境数据集合；从而构建完整的前缀树。

24、进一步的，所述步骤s2-2中通过检测共享的相同前缀来找到重复的环境数据包括：

25、步骤s2-2-1：从根节点开始遍历前缀树；

26、步骤s2-2-2：对于每个前缀，检查它是否存在于当前节点的子节点中；

27、步骤s2-2-3：如果前缀存在，移动到该子节点，并更新当前节点为子节点的位置，并继续检查下一个前缀字符；

28、步骤s2-2-4：若前缀不存在，或者已经遍历完所有前缀字符但未达到叶节点，则说明不存在重复环境数据；

29、步骤s2-2-5：若在前缀树中找到与给定前缀完全匹配的叶节点，则表明存在重复环境数据。

30、进一步的，所述步骤s3中通过安全传输层协议对压缩数据进行加密和身份验证包括：

31、步骤s3-1-1：配置感知节点和云平台：在感知节点和云平台上配置tls/ssl协议支持，并使用相同的加密算法和协议版本，生成数字证书，并将证书安装到感知节点和云平台上；

32、步骤s3-1-2：感知节点作为tls/ssl协议的客户端，向云平台发起连接请求；

33、步骤s3-1-3：云平台作为tls/ssl协议的服务器，接受感知节点的连接请求；

34、步骤s3-1-4：感知节点向云平台发送支持的加密协议版本和加密算法列表；

35、步骤s3-1-5:云平台选择加密协议版本和加密算法，并生成数字证书;

36、步骤s3-1-6:云平台将数字证书和公钥发送给感知节点；

37、步骤s3-1-7:感知节点验证云平台的数字证书是否有效，包括验证证书的合法性和证书与预期的云平台的匹配性；

38、步骤s3-1-8:感知节点使用存储在数字证书中的公钥对云平台生成的随机数进行解密，以验证云平台的身份；

39、步骤s3-1-9:云平台要求感知节点提供其数字证书；

40、步骤s3-1-10:云平台验证感知节点的数字证书是否有效，包括验证数字证书的合法性和数字证书与预期的感知节点的匹配性；

41、步骤s3-1-11:云平台与感知节点之间进行密钥交换；

42、步骤s3-1-12:感知节点使用加密密钥对环境数据进行加密；

43、步骤s3-1-13:加密后的环境数据通过tls/ssl协议从感知节点传输至云平台中，完成数据传输后感知节点与云平台之间终止连接。

44、进一步的，所述步骤s3中使用数字证书进行身份验证包括：

45、步骤s3-2-1:通过云平台获取数字证书，并将数字证书传输给感知节点：

46、步骤s3-2-2:通过感知节点验证数字证书的有效性；

47、步骤s3-2-3：感知节点生成一个随机的对称密钥，感知节点使用公钥加密对称密钥，将加密后的对称密钥发送给云平台；

48、步骤s3-2-4：云平台使用自己的私钥解密感知节点发送的加密对称密钥，从而获取到对称密钥；

49、步骤s3-2-5：感知节点和云平台之间建立通信后相互验证对方的身份；

50、步骤s3-2-6：身份验证成功后感知节点使用对称密钥对将要发送给云平台的压缩数据进行加密；

51、步骤s3-2-7：加密后的环境数据通过tls/ssl协议传输到云平台；

52、步骤s3-2-8：云平台接收到加密的压缩数据后，使用相同的对称密钥对压缩数据进行解密。

53、进一步的，所述步骤s4中通过滤波算法和数据校正方法去除数据噪声和故障数据包括：

54、步骤s4-1:去除异常值：通过异常检测方法将解压后的环境数据中偏离正常范围的数据点识别为异常值，并予以删除或标记，数据点指从感知节点采集到的单个数据值；

55、步骤s4-2:通过z-score标准化方法对环境数据进行标准化处理，使其具有统一的尺度和分布；

56、步骤s4-3:将处理过的环境数据划分为滑动窗口，形成输入数据；

57、步骤s4-4:通过卷积神经网络中的卷积层和池化层进行卷积运算和下采样来提取输入数据的特征，从而对环境数据进行滤波并提取特征，生成特征图；

58、步骤s4-5:将特征图通过反卷积运算和上采样恢复到原始环境数据的尺寸，以获得滤波后的环境数据，原始环境数据指感知节点获取的原始测量值；

59、步骤s4-6：通过线性拟合数据校正方法校正滤波后的环境数据中存在的偏差。

60、进一步的，所述步骤s4-3中将处理过的环境数据划分为滑动窗口，形成输入数据包括：

61、步骤s4-3-1:首先确定滑动窗口的大小与滑动窗口的滑动步长；

62、步骤s4-3-2:根据滑动窗口大小和滑动步长，从数据序列的起始位置开始创建滑动窗口；

63、步骤s4-3-3:对于每个滑动窗口，将每个滑动窗口中的数据点作为图像的行或列，并使用窗口的位置作为图像的通道。

64、进一步的，所述步骤s4-6中通过线性拟合数据校正方法校正滤波后的环境数据中存在的偏差包括：

65、步骤s4-6-1：收集原始环境数据和滤波后的数据；

66、步骤s4-6-2:计算偏差：对比原始环境数据和滤波后的数据，计算二者之间的偏差；

67、步骤s4-6-3:线性拟合：通过线性回归拟合方法拟合滤波后的数据与原始环境数据之间的关系；

68、步骤s4-6-4:计算校正值：使用拟合得到的线性函数对滤波后的数据进行校正，对于每个滤波后的数据点，根据拟合的线性函数计算出校正值，即将滤波后的数据减去拟合函数给出的偏差值；

69、步骤s4-6-5:应用校正：将校正值应用到滤波后的数据中，得到校正后的数据；

70、所述滤波后的数据是通过滤波器处理后得到的数据。

71、进一步的，所述步骤s7中云平台通过流处理对解压后的环境数据进行处理包括：

72、步骤s7-1：云平台将感知节点采集到的环境数据传输到流处理平台；

73、步骤s7-2：通过流处理平台对环境数据进行实时聚合；

74、步骤s7-3：将实时聚合后的环境数据存储至nosql数据库、数据湖或数据仓库中；

75、步骤s7-4：将实时聚合后的环境数据进行可视化展示，并提供用户界面和报告，用于帮助用户理解和分析实时的环境数据。

76、本发明的优点在于：1.本发明感知节点通过无损压缩算法fse对环境数据进行压缩，在环境数据压缩前通过前缀树优化方法对无损压缩算法fse进行优化，可以提高数据压缩速度：前缀树优化方法可以减少构建有限状态机的时间和复杂性，从而加快无损压缩算法fse的数据压缩速度，优化方法通过检测共享的相同前缀来找到重复的环境数据，减少了重复数据的存储和传输，从而提高了编码效率和压缩率，通过前缀树的优化方法可以减少存储和传输重复的环境数据，这种优化方法可以在状态机的构建过程中识别出重复的状态转换，将其编码成引用，而不需要重复存储相同的数据，大幅减少了重复环境数据的存储和传输，提高编码效率和压缩率，可以更好地表示和处理状态转换，重复的环境数据仅需在首次出现时进行存储，并在后续出现时进行引用，无需重复传输整个环境数据，从而提高了数据压缩速度，解决了感知节点采集到的环境数据传输数据到云平台的过程中出现延迟的问题。

77、2.本发明中的感知节点通过无线通信将压缩数据传输到云平台，通过安全传输层协议对压缩数据进行加密和身份验证，同时使用数字证书进行身份验证，本发明通过使用安全传输层协议(tls/ssl)对环境数据进行加密和身份验证，能够确保数据在传输过程中的隐私和完整性，并有效防止数据被未授权的第三方截获或篡改，本发明使用数字证书进行身份验证，确保感知节点和云平台的身份是合法和可信的。通过验证证书的合法性和匹配性，可以防止恶意节点的入侵和数据伪造，本发明中的感知节点使用存储在数字证书中的公钥对云平台生成的随机数进行解密，增加了通信的安全性，并防止了数据泄露和未授权的访问。