基于AIoT平臺的智能環境監測系統研究

摘要：當前，環境污染、氣候變化對環境監測提出了更高要求。鑒于此，基于AIoT（人工智能物聯網）平臺，整合環境科學、物聯網、數據分析與算法等多領域，開發智能環境監測系統，以提升環境監測質量、效率及精確度，共同解決環境監測面臨的技術難題。通過調研和分析國內外學術論文、專利和成功案例，團隊汲取、借鑒先進環境監測設計理念、技術方案、應用效果，用于項目的系統設計、傳感器網絡優化、數據處理和智能算法等方面，實現關鍵技術創新，增強競爭優勢。最后，以人工智能與大數據產業學院為建設平臺，通過學術研討、行業展覽等活動推廣研究成果，挖掘應用潛力，實現社會效益最大化。

關鍵詞：AIoT平臺；智能環境監測系統；智能傳感器網絡；環境監測數據

中圖分類號：TP273+.5" " 文獻標志碼：A" " 文章編號：1671-0797（2024）09-0034-04

DOI：10.19514/j.cnki.cn32-1628/tm.2024.09.008

0" " 引言

當前，廣東省高校面臨著環境管理的需求和挑戰。首先，高校內部環境參數（如溫度、濕度、CO2濃度等）的監測和控制對于保障師生的學習、工作和生活環境至關重要。其次，高校作為知識創造和傳播的場所，應當注重環境保護與可持續發展的責任，通過科學管理和精細控制，降低能源消耗、減少環境污染，實現綠色、低碳、可持續的校園發展。

本項目旨在基于AIoT（人工智能物聯網）平臺開發一種智能環境監測系統，以滿足廣東省高校綠色、低碳、可持續的校園發展需求。該系統將通過實時數據采集、分析和處理，為用戶提供準確、及時的環境信息，并支持智能控制和決策，以提高環境質量和人們的生活質量。系統具備以下優勢：一是高度自動化，通過無線傳感器網絡實現對多個環境參數的實時監測和數據采集，避免了傳統手動采集數據的準確性和時效性差的弊端；二是智能化分析和控制，通過引入人工智能算法，對大量采集的環境數據進行處理和分析，能夠實現環境異常預警、智能調節和決策支持；三是系統擴展性強，可以根據高校的特殊需求，靈活添加和調整傳感器節點，滿足不同環境監測場景的要求。

1" " 主要研究內容

1）傳感器技術研究與開發：調研并選擇適用于高校環境監測的傳感器技術，包括溫濕度傳感器、氣體傳感器、光照傳感器、噪聲傳感器等，并進行性能測試和驗證。

2）數據采集與傳輸技術研究：研究與開發高效的數據采集和傳輸技術，確保環境監測數據的實時性和可靠性。探索無線傳輸技術、網絡通信協議等，實現傳感器數據的快速采集、傳輸和存儲[1]。

3）數據處理與智能分析算法研究：基于大數據處理和人工智能技術，研究與開發智能化的數據處理和分析算法，包括數據清洗與預處理、特征提取與選擇、模式識別與異常檢測等方面的研究，以實現對環境監測數據的智能分析和決策支持。

4）系統集成與平臺開發：研究與開發基于AIoT平臺的智能環境監測系統，包括數據存儲與管理、用戶界面設計、遠程監控與控制、數據分析與預測、報警與通知、數據共享與協同、可視化數據展示、智能決策支持、數據導出與集成等功能，實現系統各組成部分的集成與協同工作，提供友好易用的系統平臺。

5）性能評估與優化：對開發的智能環境監測系統進行性能評估與優化，包括系統穩定性、實時性、可擴展性、數據處理效率、用戶界面響應時間、報警通知及時性、數據安全和隱私保護、可用性等方面的評估。通過測試和實地應用驗證，進一步優化系統性能，確保系統能夠穩定可靠地運行在高校環境中。

2" " 關鍵技術創新

1）多樣化傳感器數據融合：通過創新的數據融合算法，實現多樣化傳感器數據的融合與分析。傳感器數據具有不同的數據類型、采樣頻率和精度，筆者將開發先進的數據融合技術，以綜合利用各種傳感器的數據，提高環境監測的準確性和全面性，這將為智能環境監測系統提供更全面、可靠的數據基礎。

2）智能分析與決策支持：通過結合人工智能技術，實現智能化的數據分析和決策支持功能。筆者將利用深度學習、機器學習等算法，開發智能化的模式識別和異常檢測方法，實現對環境監測數據的智能分析。同時，設計智能化的決策支持系統，為高校環境管理者提供準確、實時的數據分析結果和決策建議，幫助他們做出科學、有效的環境管理決策。

3）系統可擴展性與適應性：研究創新的系統架構和技術方案，以實現智能環境監測系統的可擴展性和適應性。系統采用靈活的組件和模塊化設計，以適應不同高校的環境監測需求。筆者還將設計可擴展的數據存儲和管理方案，以應對大量環境監測數據的處理和存儲需求，這將為高校提供一個可持續發展的智能環境監測平臺。

3" " 實驗設計

3.1" " 需求分析

環境監測系統基于物聯網、云計算等技術，通過二氧化硫傳感器、二氧化氮傳感器、臭氧傳感器、濁度傳感器、氨氮傳感器、水質電導率、pH值等設備，實現對學校周邊環境的實時監測，及時確定污染源頭，有效改善校園環境，為進一步擴展環境監測系統的應用能力提供基礎。具體需求為：1）掌握校園各區域內的空氣質量變化、分析變化原因、追溯污染源頭、預測發展趨勢，為校園環保安全管理提供決策依據；2）發現污染現象，及時啟動應急預警預案，將污染率降到最低，有效防范校園各類環境污染風險；3）根據特征污染物的監測數據追蹤溯源。

3.2" " IoT平臺選擇

為滿足校園環境監測的智能化需求，采用成熟物聯網技術進行改造，不涉及大量的開發工作。IoT平臺是物聯網技術的核心，使用物聯網技術進行智能化改造，首先必須選擇一個物聯網平臺。在這個案例中，采用開源的ThingsBoard作為項目的IoT平臺，ThingsBoard按照單體方式部署。基于ThingsBoard開源系統進行二次開發，以滿足環境監測的需求，基于大數據與人工智能算法，接入Http、MQTT、CoAP、OPC-UA、Modbus、BLE、CAN等協議[2]，滿足多樣化傳感器數據的融合與分析需求，實現智能化的數據分析和決策支持，保證數據的實時性和準確性。

3.3" " 傳感器數據融合與分析

開發數據融合算法，實現多樣化傳感器數據的融合與分析，提高環境監測的準確性和全面性。傳感器具體的數據整合步驟如圖1所示。

1）數據感知：在現場安裝各類智能監測感知設備，如攝像頭、北斗/GPS定位設備、環境監測設備、時序設備、各類傳感器等，對現場進行全面智能感知。將感知的數據通過MQTT、CoAP、HTTP、Socket等協議進行傳輸。

2）數據采集：現場的感知設備數據種類繁多，根據不同業務特點建立采樣模型和過濾算法，對數據進行預處理，提升數據的處理效率。

3）數據治理：采用先進的大數據處理架構，進行實時/離線計算，對現場無界數據流進行處理，以保證數據的低延遲、高吞吐、一致性，并將處理后的數據存儲到數據倉庫中，建立各類主題數據庫。

4）數據分析：進行數據挖掘、分析及可視化，包括安全管控、實時預警/告警、趨勢分析、歷史數據查看、決策分析等[3]。

3.4" " 智能分析與決策支持

利用人工智能技術，開發智能化的數據分析和決策支持功能，提供決策支持和建議，如環境調控方案、能源優化策略等，實現環境異常檢測、趨勢預測和智能化控制，幫助用戶做出合理的決策和調整，如圖2所示。

3.5" " 系統集成與優化

3.5.1" " 組件集成與數據流優化

將各個模塊（環境傳感器、數據采集模塊、數據處理模塊、用戶界面等）進行緊密集成，確保數據的無縫流動和交互。優化數據流程，減少數據傳輸延遲，提高系統的實時性和響應速度。設計靈活的接口和數據格式，以便與不同硬件設備和軟件系統進行無縫對接和集成。

3.5.2" " 系統性能優化

進行系統性能評估，確定系統的瓶頸和優化方向。優化數據存儲和處理方式，采用高效的數據庫和分布式計算技術，提高系統的數據處理能力和存儲容量。針對高并發訪問需求，采用負載均衡和緩存技術，提升系統的性能和穩定性。采用容錯設計和備份策略，確保系統的高可用性和數據的安全性。

3.5.3" " 實驗驗證與性能優化

通過對真實校園環境的數據采集和測試，驗證系統的準確性和可靠性。根據實驗結果，進行性能優化和調整，改進算法和模型，提高數據分析和決策支持的準確度以及效率。迭代優化，根據用戶反饋和需求變化，持續改進系統性能和功能，保持系統的競爭力和適應性。

系統集成與優化子看板如圖3所示。

3.6" " 系統部署與應用

在合作高校進行系統部署和應用，并進行實際使用效果評估，如圖4所示。本階段旨在將部署好的校園環境系統投入使用，確保數據的準確性和實時性，并與相關部門和人員進行合作，推廣系統的應用。此外，定期對系統進行效果評估，收集用戶反饋和需求，根據評估結果和反饋意見，進行系統的優化和改進，改善系統的性能和用戶體驗。

4" " 結果分析

1）資源優化利用：系統的智能化和自動化特性能夠幫助高校實現資源的優化利用，如能源、水資源等。通過及時監測和控制，可以減少不必要的能源消耗和資源浪費，從而降低運營成本。

2）故障預警與維護成本：系統能夠實時監測環境設備的運行狀態，并通過智能分析算法進行故障預警，幫助高校及時采取維護和修復措施，降低設備維護成本，避免損失。

3）效益提升：系統智能化和自動化水平的提升，幫助改善了生活環境。這將進一步提升環境管理的效益，提升校園環境品質，改善師生的學習和工作體驗。

5" " 結束語

AIoT平臺將物聯網技術與人工智能算法相結合，實現了智能化環境監測和管理。它通過無線傳感器網絡實時采集環境參數，并利用人工智能算法進行數據處理和分析，實現對環境的準確監測、智能控制和決策支持。實驗結果表明，該系統不僅能夠高效地采集、傳輸和處理環境數據，而且在智能算法的支持下具備更高的監測準確度和實時性。實際應用展示了系統在不同環境條件下的可行性，并證明了其在提高環境監測效能方面的潛在作用。在環境保護和可持續發展的背景下，本研究為智能環境監測系統的發展奠定了基礎，為相關領域的研究者提供了有益的參考，有利于推動環境監測技術的不斷創新和進步。

[參考文獻]

[1] 高海超，喬雨，邵婷婷，等.智能家居環境監測系統設計與實現[J].自動化技術與應用，2023，42（3）：20-22.

[2] 楊璐.大數據技術在環境監測標準化中的應用[J].大眾標準化，2023（14）：169-171.

[3] 瞿鑫.基于物聯網技術的環境監測研究[J].中國高新科技，2023（4）：70-72.

收稿日期：2024-01-12

作者簡介：蔡柳萍（1981—），女，湖南寧鄉人，碩士研究生，副教授，研究方向：算法研究、軟件開發等。

課題項目：2023年度廣東省普通高校特色創新類項目“基于AIoT平臺的智能環境監測系統研究與應用”（2023KTSCX305）