智慧城市环境下传感器数据融合研究

1、 智慧城市环境下传感器数据融合研究摘 要：在智慧城市建设场景下，使用了大量信息传感设备来对环境中的物品和过程进行在线监控、连接和交互。结合智慧城市场景及应用特点，研究基于传感网的数据融合技术与方法，为智慧城市环境下的传感器数据融合提供技术解决思路和方法。应用传感器数据融合技术，能够切合智慧城市应用的数据分析与挖掘需求，有助于智慧城市建设的推进与发展。关键词：数据融合；传感器；物联网；智慧城市目 录 TOC o 1-3 h z u HYPERLINK l _Toc13167875 1.引言 PAGEREF _Toc13167875 h 3 HYPERLINK l _Toc13167876 2.基

2、于传感网的数据融合 PAGEREF _Toc13167876 h 3 HYPERLINK l _Toc13167877 2.1.传感器网络技术 PAGEREF _Toc13167877 h 3 HYPERLINK l _Toc13167878 2.2.传感器数据融合 PAGEREF _Toc13167878 h 3 HYPERLINK l _Toc13167879 3.面向智慧城市场景的传感数据融合 PAGEREF _Toc13167879 h 4 HYPERLINK l _Toc13167880 3.1.数据融合需求 PAGEREF _Toc13167880 h 4 HYPERLINK l

3、_Toc13167881 3.2.数据融合技术方法 PAGEREF _Toc13167881 h 4 HYPERLINK l _Toc13167882 3.3.数据融合技术评价 PAGEREF _Toc13167882 h 5 HYPERLINK l _Toc13167883 4.结语 PAGEREF _Toc13167883 h 6 引言近年来，物联网（Internet of Things，IoT）作为新一代信息技术的重要组成部分，在学术界和工业界都受到了越来越多的重视。作为一种物物相连的互联网模式，物联网将传统互联网延伸和扩展到了任何物品与物品之间，以最少的人类干预来实现交互与通信。通过传

4、感器等信息传感设备，针对物品或过程的实时信息进行采集、连接和交互，以实现对目标环境的智能识别、跟踪、监测和管理。智慧城市建设的基础就是对城市多模式数据的感知和挖掘，如何更好地实现智慧城市环境下大规模传感器数据的融合显得日益重要。本文结合智慧城市应用特点，研究基于传感器的数据融合理论和方法，力图为智慧城市场景下的传感数据融合提供更好的解决方法和技术思路。基于传感网的数据融合传感器网络技术在物联网领域，由各个节点包含的传感器所组成的网络 是物联网的重要组成部分。在网络节点中，传感器被用来检测 或测量湿度、温度等物理现象，同一个传感器节点可以包含一 个或多个传感器设备。一个传感器网络可以包括两个或多

5、个传 感器节点，每个传感器节点都具有感知、通信和处理数据的能 力，彼此之间通过有线或无线方式进行通信。在传感器网络中， 各个节点的传感器既可以是同质的（Homogeneous），也可以是异质的（Heterogeneous）。多个传感器网络往往通过互联网 等不同的通信机制连接在一起。通常，传感器节点成本低廉、尺寸较小，易于实现大规模部署。当要对某个场景的状态进行感知时，以密集方式把传感器节点将部署在目标场景周围。随着物联网的出现和兴起，传感器网络被大量应用于物联网应用中，传感节点的部署也越来越多样化，比如，从大量移动智能设备中获得传感数据。智能手机、平板电脑、智能手表等移动智能终端的大量使用，以

6、及更多廉价嵌入式传感设备的加入，彻底改变了当前智慧城市环境的应用维度。传感器数据融合在物联网场景下，各种物品上的传感器将通过无线网络形成一个新的 Web 网络，但是仅当能够采集、分析和解释由此产生的成千上万亿“字节流”时，这个网络才具有价值。为了从这些大量数据中获取到有价值的知识和信息，首先需要对领域内的传感器数据进行融合与过滤。数据融合是一种数据处理技术，它将不同来源的数据进行关联、合并、聚合和集成。数据融合和数据过滤是物联网和智慧城市等应用领域的重要挑战，例如，在智慧城市应用中，往往有超过50亿甚至上千亿数量级的设备对环境进行感测，这就要求系统能够自动并智能地融合和推理这些数据。传感器数据

7、融合是一种将来自多个传感器的感测数据进 行结合的方法，以产生通过单个传感器所无法实现的更准确、 更完整和更可靠的信息。Nakamura 等为数据融合定义了基于互补的（Complementary）、冗余的（Redundant）和协 同的（Cooperative）三种关键性操作。其中，互补操作将大 量分别用于感知温度等场景因素的传感器组合在一起，以实 现对整体环境的综合感知；冗余操作是通过用不同的传感器 感知相同的场景因素，并综合使用多组数据，以提高数据的 准确性；而协同操作则是综合不同环境下的传感器数据来获 取新知识，以进行多方位协同判断。面向智慧城市场景的传感数据融合数据融合需求随着智能终端、

8、传感网、社交媒体的广泛应用和发展， 以及获取不同来源的数据变得越来越容易，在城市计算环境下，需要处理越来越多的城市规划、交通控制、环境保护、 居民生活、社会运转以及公共事务等领域相关的数据。在智 慧城市建设中，需要大量利用这些数据信息来构建新的城市 服务，促成各类投入产生效益以更好地服务社会，由此也给 智慧城市研究人员和执行者带来了巨大的挑战。通常，在智慧城市应用中需要建立类似基于温度和湿度的天气模型、关于噪声和污染控制的环境模型等复杂模型。然而，构建这类单一的通用模型并不足够，而是要将所有这些模型整合在一起，建立能够对相关事务进行合理预测的综合模型。通过这类模型，有助于更好地了解社会动态，让

9、城市居民及时获取更多关键信息，以提高他们的生活质量。基于物联网构建智慧城市应用，将需要融合来自不同领域数据源的数据集，从这些不同数据集中挖掘数据的相关性， 开发各种决策技术或支持服务，推进智慧城市建设。数据融合技术方法针对智慧城市环境特点，可以将数据融合处理分为两个层次：云级和网络节点级。如图1所示，传感器节点、智慧城市基础设施、边缘节点、汇聚节点和底层计算设备（如移动终端等）属于网络节点级数据处理，而诸如服务器之类的上层计算设备则属于云级数据处理。在网络节点级数据处理中，直接在数据汇聚节点和边缘节点进行数据融合，这将能有效减少数据传输成本。由于数据传输需要消耗大量的能量，采用冗余操作可以减少

10、需要传输的数据量。然而，由于节点中往往仅包含目标环境的局部信息，因此，协同操作等复杂操作并不适用。在云级数据处理中，通过执行较为复杂的传感器数据融合操作，可以更好地综合环境感知结果。并且，由于云端设备能提供较为丰富的计算资源，能够对大量从底层节点获取到的数据运用较为复杂的数据挖掘算法，由此能够对目标环境有更深层次的理解，得到更为合理的数据分析结果。智慧城市环境下传感器数据融合处理示意图如图 1 所示。图 1 智慧城市环境下传感器数据融合处理示意图数据融合技术评价通常，在智慧城市应用中，所部署的物联网基础设施能够对目标场景及相关领域进行实时监测，在将获取到的传感数据关联到特定区域所发生的事件上时，这些数据往往将产生巨大价值。近年来，研究学者们已提议了众多方法来实现传感器数据的融合，以便挖掘事件相关性，持续获取事件特征信息并进行连续推演。对于各类传感器数据融合方法，主要可以从以下几个方面来加以评价。（1）上下文感知程度：评价融合方法是否具有上下文感知能力及其感知程度。（2）语义交互性：评价融合方法是否可以使用语义推演机制来推演数据信息和过程特征。（3）动