英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料
一种空气质量监测系统中传感器数据处理的方法设计
摘要：监测环境需要了解各种环境的影响，如洪水、台风、森林火灾等。为了监测偏远地区的环境状况，应用程序使用传感器网络来检测环境的情况、建立环境模型解析现象和使用计算机技术处理大量数据。本文提出了一种污染气体监测系统，通过分析传感器数据为潜在的危险区域提供警报信息。我们为数据分析设计步骤，了解监测地区的空气污染水平。分析的数据用于跟踪污染物和发出警告信息，监测系统用于减少空气污染造成的伤害。
关键词：环境监测系统；地理传感网络；传感器数据处理步骤；情境感知模型；空气污染监测
1.介绍
传感器网络应用于监测物理世界中的偏远地区环境，在环境监测应用中，如污染监测、交通管理和入侵检测，传感器网络在检查大型地理区域是否处于危险状态的应用程序中特别有效，因为人们不能一直观测这些区域的情况。这里有各种各样的应用例子，比如分析剧烈的气候变化，监测海洋中的红潮爆发，以及在丛林中追踪珍稀动物。 环境监测应用需要传感器、通信和计算机技术，同时需要对环境有认知。 例如，EOFS(环境观测和预测系统)的主要特征是集中式处理、高数据量、QoS(服务质量)的灵敏度、向后的数据流、可扩展性和自主操作。
污染会造成严重的健康后果和消极的社会和经济损失。因此，十分需要对紧急污染情况做相应的准备。在监测系统中，观测到的数据和处理方法用于了解和应对检测到的空气污染。
在本文中，我们提出了一个空气污染监测系统，旨在为潜在的危险区域发出警报。 首先，我们设计了数据分析步骤，了解偏远地区的空气污染状况。这些步骤包括对原始传感器数据的抽象处理和使用情境感知模型来提取具有危险情况的区域。情境感知模型模型在系统中用作数据的“模子”。 当将数据导入模型时，数据汇总后将创建一个模型的模式展示结果。 在我们的系统中，这些步骤产生了更高层次的、解析的定性信息，如当前和潜在的污染区域取决于污染的进展。为了减少严重损失和恢复的成本，系统在这些方面提供了警报和安全指南。
2.相关工作
为了检测物理世界中的现象，利用无线传感器网络和观测技术的发展优势，人们正在积极研究环境监测中的应用。 在一些集中数据分析的应用中，传感器网络设计用来将检测到的数据传输到一些中央处理站点。 他们将各种传感器数据与地理空间信息结合起来，以了解许多监测应用程序中的环境变化，如CORIE[、pod、GLACSWEB、SIFTS、PORTS、CMOP。
为了引导船舶运输和预报，CORIE利用哥伦比亚河的传感器站获取各种环境数据。 在一个集中的计算机机房中，根据检测到的环境数据，如温度、盐度、水位和流速，建立了一个2-D和3-D细粒度环境模型。该模型的结果用于对船舶的在线控制、海洋搜索与救援、生态系统研究与管理。
项目通过高分辨率的摄像机、温度和太阳辐射来监测珍稀植物品种。 GLACSWEB项目监测冰盖和冰川的行为，以了解地球的气候。SIFT(海啸的短期洪水预报)是NOAA海啸预警中心使用的海啸预报系统。SIFT用于检测海啸，并对沿海社区发出即将面临的危险警告。海底压力记录仪(BPRs)用于检测水压的突然变化，并将测量值传送到海面上的系泊浮标。它检测海洋的状况，如海啸的振幅、流速和到达近海、沿海和淹没区域的时间。为了，SIFT还采用了Java/Jini技和利用基于Fortran的数值模式中的数据同化和反演方法提供有用的信息。 PORTS(物理海洋学实时系统)是一种决策支持工具，用于提高航行安全、改善经济效益、保护沿海资源。它集成了实时环境观测、预测和其他地理空间信息提供安全和成本效益的导航。比如通过测量和预测水位、水流、盐度和气象参数(如风、大气压力、空气和水温)来提高船舶交通系统的安全和成本效率。CMOP(海岸边缘观测与预测中心) 表示，实现科学的沿海利润有一定挑战，考虑到建模、仿真、传感器和平台方面的困难。海岸边缘观测站的目标是通过集成建模系统、异构观测网络和信息传递系统来描述和了解从河流到海洋的环境。洪水网是一个普适计算的例子，它试图通过自适应采样方法和无线传感器网络来检查特定位置形成漫滩的条件。 SECOAS(自组织大学生传感器网络)考虑采用一种智能传感器，它能够自动适应网络的升级和变化，它还试图在实际应用中开发新技术。
为了有效地获取观测数据，环境监测的应用程序需要一种有效的数据采集策略。 它需要适应应用程序的目标和功能。 例如，在预定义区域内存在本地数据汇总; 其他策略是所有传感器数据采集和中间数据的汇总，以及自适应系统作为自组织系统。使用中间数据汇总的应用程序可以识别感兴趣的区域，例如在温度和相对湿度的地图中识别热区和冷区。为了避免信息超载，他们通过空间聚合得到了子区域、预定义区域的汇总数据。例如，它使用聚合谓词，如“SELECT AVG（体积）FROM Sensorsensp;GROUPensp;BYensp;regionensp;HAVINGensp;avg（体积）gt;阈值” 这些关于空间分布的汇总数据的提供了整个区域的数据变化报告。生物上，一个自适应系统被描述为一个自组织系统。要了解动物在生态系统中的生活，需要跟踪它们的位置和社会行为。该系统采用自适应检测算法，通过检测到的动物声音进行改变。 这些工具的目标是进行自动的野生动物监测，作为具有预先指定条件的强大数据收集系统。
3. 空气污染监测系统
本文描述了一种利用环境模型分析传感数据的空气污染监测系统，并对用户定义区域内的传感器采样间隔进行了调整。为了检测偏远地区的情况，监测系统采用从地理传感网络传输的测量数据。地理传感网络是一种用于收集地理空间数据的传感器网络。为了检查总体情况，它主要使用一种简单的数据传输方法，它以每个预定义的采样间隔，将传感器数据发送到网络控制系统。
如图1所示，系统架构由四个部分组 成; (a)地理传感网络、(b)传感器网络控制服务器、(c)空气污染监测系统和(d)情景感知服务。地理传感网络按照定义的采样间隔将测量数据传输到网络控制服务器。控制服务器利用采样间隔变化和网络状态检查等控制算子来管理传感器网络。服务器收集所有传感器数据，并同时提供各种监控系统给用户和应用程序。空气污染监测系统是监测系统之一，接收来自控制服务器的传感器数据。分析了当前和潜在的污染区域。并在危险因素消失前，为该地区的人们提供了警报信息和污染区域安全指南。
图2显示了基于抽象的空气污染监测服务的数据处理步骤。第一层测量真实世界中物理传感器测量的信号，第2层中转换为相应的数字化值。在第3层中，它提取有意义的数据，并利用用户定义的规则使用情景感知模型来了解遥远地区的当前情况。 它还根据第4层的应用程序中的推理步骤，从当前情况中预测其他信息，数据挖掘和其他学习技术可以用于此推理步骤。 在第5层中，它根据分析的情况提供应用服务。 本文将重点放在第3层的环境模型中的数据分析中，了解通过条件和灵活的采样间隔变化来有效地获取数据。
为了检测空气污染状况，图3展示了设计的环境模型; 传感器数据抽象模型用于本地数据表示和空气污染防治模型用于追踪污染区域。
这些模型的主要属性是地理区域，因为所有的现象活动都是基于地理信息，例如空气污染的传播。当系统处理检测到的传感器数据时，利用这些模型对污染进行时空分析，并生成有用的预防指南。为了将该模型应用到系统中，模型的类以xml格式描述。例如，监视系统在加载xml文件后，理解数据的抽象属性，比如位置和大小。抽象规则在系统中注册为一个函数。当系统接收到传感器数据时，注册的函数通过计算来自传感器数据的属性(如min()和max())获取单元中的抽象属性。
4 污染防御的数据分析
为了提供有用的预防信息，如污染状况、安全指南，它应该提取有意义的数据，通过空间、时间和分析服务来了解当前和潜在的状况。图4显示了空气污染监测系统的数据分析。
它包括五个步骤，从步骤1基本数据抽象到步骤5防止污染的活动。对于每一步，我们都必须将结果的属性定义为下一步数据处理的参数。它还需要定义规则，使属性的值具有预先定义的信息，例如传感器的属性、污染类型和水平、网格的单元格大小以及污染与居民区之间的关系。
本文以韩国环境部CAI(综合空气质量指数)为标准，以空气污染健康风险为基础来描述环境空气质量。CAI以每小时和每天测量污染。然而，为了提供紧急报警，我们的监测系统利用传感器网络实时测量空气污染。
4.1 基本数据抽象
在监测系统中接收到的传感器数据由定义1描述。Id是一个传感器Id，用于检查观察类型及其值。路由显示数据传输路径，即数据通过的传感器id或路由器的id列表。它在检查传感器之间的连接中非常有用。采集模块将接收到的数据与sensorML中传感器的特性相结合。这一层的结果是一个基本的传感器数据形式，包括时间周期和梯度。
4.2 空间分析
在空间分析层中，我们使用网格结构作为地形表面模型和GIS中的数据表示结构。网格是一种有效的数据结构，通过使用哈希表来快速访问空间数据。 当处理大量数据时，可以使用哈希函数及时更新和搜索数据。为了在监测系统中利用传感器数据，需要抽象传感器数据的来简化数据处理步骤。例如，当它检查所有的传感器数据以找到污染区域时，取决于传感器的数量，需要长时间来计算有用的信息。这一步骤分为两部分; 本地和全局数据的分析。全局地区由一系列单元格组成的网格结构表示。单元格是通过在单元格中汇总传感器数据来表示的。 目前的污染区域是G的一个子集，它具有当前的高污染值，并且在未来的污染区附近有一个G的子集，它具有预测的高污染值，这是由算法1推导出来的。
定义1 (Sensors)让Sensp;=ensp;{s1,ensp;s2，hellip;，si，hellip;，sn}是二维欧几里得平面上的一组传感器。 传感器是一组(感知器，传感器类型，x,ensp;y，值，路由)。
定义2（Cell）每个单元格是一个元组(cellid,ensp;min.x,ensp;min.y,ensp;min()，ensp;max.x,max.y,梯度最大值max(),S)。Censp;=ensp;{ensp;s1,s2,hellip;,snensp;}。
定义 3（Grid）G是一组非重叠的单元格，换句话说，Gensp;=ensp;{c1,ensp;c2，hellip;，cm}。 网格是一个元组(min.x,ensp;min.y,ensp;min()，ensp;max.x,max.y, max()和max()的梯度，集合C)。
(一)本地分析
本地抽象区域显示网格单元中的数据表示，用于表示污染区域的一部分。 每个单元的值代表图4中单元格中的污染级别。 单元格大小是由包含在单元格中的传感器数量定义的，因为它关注的是传感器数据表示，如min()、max()和梯度。 Max()和Min()显示单元中检测到的传感器数据的最大值和最小值。梯度表示过去和当前最大值之间的差值。这个梯度是用来推导每个单元区域潜在污染的概率。 如果两个传感器被包含在一个单元格中，就足以使局部的抽象表现为此外，该系统还计算了危险的概率，表明了以相同的算法1的方法达到危险污染临界点的概率。
（二）全局分析
全局抽象区域描述了整个污染区域，它是通过过滤规则从局部抽象区域设置的。当地的地区被用来展示污染区域的一部分。为了通过聚集这些局部区域来创建一个全局区域，它使用用户定义的规则来提取特定区域，如“gt;ensp;25%的危险率”，或者“在单元格=ensp;0中”的“max()ensp;-ensp;min()”。 提取出来的单元格集合成为一个全局抽象区域。本系统对15%以上的单元区域局部危险率进行了检测，并建立了一个全局污染区。 提取的区域用于了解哪个区域是安全的或危险的。该系统为当前污染区域提供报警信息和安全指导。
图5显示了一个传感器数据处理步骤，以定义潜在的粉尘污染区域。 灰尘传感器探测到地图的北部和东部的空气污染。 目前的粉尘水平为2~3。 这并不危险，但可能会变得更糟。系统猜测，这可能是近期空气污染的迹象，并缩短了当前和潜在的粉尘污染区域的传感器采样间隔，以获得更详细的数据。
4.3 时序分析
根据目前的情况，预测未来的污染水平和地区是很有用的。上下文推理模块根据用户定义的规则和当前的污染区域(s)，预测未来的污染区域。 图5所示，在得到全局污染区域的边界后，只需处理当前的污染区域，就可以形成一个圆。 该圆包括两个点，分别为min()和max()在污染中。 如算法1所示，该系统使用一个具有三角函数的时间参数化函数来计算从风向和速度检测到的空气污染的进展方向。 在此导出的方向上，利用高斯空气污染散流来计算当前和近期的污染水平。提高测定的准确度。
潜在污染的地区和水平，它可以使用其他好的方法，例如数据挖掘，或统计方法。当全球地图更新时，近期的污染区域也会及时更新。
4.4服务分析
服务提供者发现污染区与居民区和工业区之间的重叠。 例如，如果一个居住区与当前或预测的污染区域重叠，系统会检查主要因素，以评估对该地区的损害，并发出警报信息和安全指南。如果污染区域与一个没有人的区域重叠，则根据污染水平定义该区域为禁区。此外，该系统还提供网络状态，用于控制采样间隔，有效地收集数据。为提供此服务，它需要定义相关的污染类型和级别的区域类型、事件类型和时间表。
4.5污染活动防治
该监测系统向系统管理人员提供了当前情况和潜在的污染区域，了解当前情况并保护免受污染。例如，我们的系统向潜在污染区域的建筑物发出警报。警报显示打开的窗户是关键因素，因为建筑物的空气可以通过窗户被室外气体污染。 关闭窗户后报警信息会关闭，因为没有关键因素污染建筑物内的空气。这种快速的预测警报对于降低潜在的损失和恢复成本非常重要。 此外，该系统还提供网络控制操作，用于检查网络状态，并通过灵活控制采样间隔有效地获取传感器数据。
5实现
为了检查环境条件，我们在一个试验田上安装了10个路由器和24个传感器。 它包括12种类型的传感器，如温度、湿度、光照、灰尘、二氧化碳、紫外线辐射、风向、风速、气压和高度。 通过对实际传感器数据与环境模型的处理，得出了空气污染监
全文共7225字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[14437]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
