任遠林，沐 娟

(安徽工商職業(yè)學院 應用工程學院，安徽 合肥 231131)

科學技術(shù)的發(fā)展使人們的工作和生活方式發(fā)生巨大改變，相關(guān)調(diào)查結(jié)果顯示，人們一天中處于室內(nèi)的時間可達到90%左右，因此建筑環(huán)境質(zhì)量逐漸引起人們的重視.由于溫度、光照度、二氧化碳濃度等是影響建筑環(huán)境質(zhì)量的主要因素[1-2]，因此監(jiān)測及分析建筑環(huán)境數(shù)據(jù)能夠在實現(xiàn)降低能源消耗和污染排放的同時，提升建筑環(huán)境調(diào)控的水平，從而實現(xiàn)建筑環(huán)境質(zhì)量的優(yōu)化.建筑環(huán)境數(shù)據(jù)具有來源復雜、形式多樣、冗余度較高等特點，并且會涉及流體力學計算和建筑日照分析等多種技術(shù)理論，導致建筑環(huán)境數(shù)據(jù)采集、處理和分析面臨嚴峻考驗[3].利用多個傳感器采集建筑環(huán)境監(jiān)測數(shù)據(jù)，并對其進行融合，同時使用信息技術(shù)對其加以分析，能夠有效消除數(shù)據(jù)之間的冗余和矛盾，獲得數(shù)據(jù)之間隱藏的聯(lián)系，使數(shù)據(jù)更加精確和全面，進而為建筑環(huán)境調(diào)控提供科學的數(shù)據(jù)參考[4]，因此設(shè)計建筑多源監(jiān)測數(shù)據(jù)融合方法十分必要.

該課題的研究引起很多相關(guān)專家和學者的關(guān)注，例如周金生等人和聶琿[5-6]等人，分別利用時空關(guān)聯(lián)性與NB-IoT技術(shù)融合建筑環(huán)境多源監(jiān)測數(shù)據(jù).利用這兩種方法均能很好地監(jiān)測建筑環(huán)境變化，消除單一傳感器監(jiān)測建筑環(huán)境的局限性，但融合后的數(shù)據(jù)量仍占很大比例，數(shù)據(jù)約簡能力有待優(yōu)化.

ZigBee是目前最具潛力的無線通信技術(shù)之一，具有成本低、操作簡單和功耗小等優(yōu)勢，且傳輸穩(wěn)定性高，能夠消除干擾產(chǎn)生的誤碼.因此本文研究基于ZigBee技術(shù)的建筑環(huán)境多源監(jiān)測數(shù)據(jù)融合方法，以ZigBee技術(shù)為核心，結(jié)合粗糙集理論和證據(jù)理論，實現(xiàn)建筑環(huán)境多源監(jiān)測數(shù)據(jù)融合.

1 建筑環(huán)境多源監(jiān)測數(shù)據(jù)融合

1.1 整體架構(gòu)

基于ZigBee技術(shù)的建筑環(huán)境多源監(jiān)測數(shù)據(jù)融合架構(gòu)，見圖1.

圖1 建筑環(huán)境多源監(jiān)測數(shù)據(jù)融合架構(gòu)

該架構(gòu)包含采集層、傳輸層、應用層和用戶層四個層次.采集層由溫度、濕度、光照度以及二氧化碳濃度傳感器構(gòu)成，用于采集相應的建筑環(huán)境監(jiān)測數(shù)據(jù)，以便用戶對建筑環(huán)境進行全方位監(jiān)測；傳輸層以ZigBee技術(shù)作為核心完成數(shù)據(jù)傳輸工作，利用ZigBee可以將采集層各傳感器獲取的建筑環(huán)境多源監(jiān)測數(shù)據(jù)輸送到應用層；應用層的多源監(jiān)測數(shù)據(jù)融合模塊使用基于粗糙集理論和證據(jù)理論的多源數(shù)據(jù)融合方法融合接收到的數(shù)據(jù)；用戶通過用戶層的查詢服務(wù)器和管理服務(wù)器能實現(xiàn)應用層所得融合結(jié)果的查詢及管理，并能夠?qū)⑵鋫浞莸綌?shù)據(jù)庫中.

1.2 ZigBee協(xié)議

該協(xié)議的創(chuàng)建依據(jù)為IEEE802.15.4標準，其框架具體用圖2描述.

圖2 ZigBee協(xié)議框架

(i)物理層.該層涵蓋無線信道和介質(zhì)訪問層的接口定義，可以實現(xiàn)評估空間信道、收發(fā)數(shù)據(jù)、休眠及喚醒射頻等功能[7].該層的頻段標準為2.4 GHz，由16個信道組成，傳輸速率最高為250 Kb/S.

(ii)介質(zhì)訪問層.該層主要用于控制介質(zhì)訪問，針對邏輯鏈路和連接或非連接的設(shè)備，可利用該層包含的服務(wù)傳輸設(shè)備間的數(shù)據(jù)幀完成信道訪問.該層能夠為無線信道通道提供安全保障，且能實現(xiàn)信標同步，并在協(xié)調(diào)器生成發(fā)送信標幀的情況下，將其與協(xié)議器同步[8-9].

(iii)網(wǎng)絡(luò)層.該層的職責主要為查找路由、確保數(shù)據(jù)幀的安全性、傳輸數(shù)據(jù)等，是ZigBee協(xié)議的核心，該層包含命令幀與數(shù)據(jù)幀，且具有同樣的幀格式.該層通過NLDE和NLME分別完成數(shù)據(jù)傳輸服務(wù)以及應用層的通信，該層結(jié)構(gòu)用圖3描述.

圖3 ZigBee協(xié)議網(wǎng)絡(luò)層結(jié)構(gòu)

(iv)應用層.該層由APS、ZigBee設(shè)備對象和應用程序?qū)ο蠼M成.APS能有效提升通信質(zhì)量，主要用于提供網(wǎng)絡(luò)層和應用層之間的訪問通道與通用服務(wù)[10]，若出現(xiàn)數(shù)據(jù)收發(fā)現(xiàn)象，且未獲得目標，APS將會使用緩沖器進行數(shù)據(jù)的臨時存儲.ZigBee設(shè)備對象不僅可以實現(xiàn)網(wǎng)絡(luò)事務(wù)的管理，還可以創(chuàng)建設(shè)備邏輯連接，并提供鍵值匹配和報文服務(wù).

1.3 基于粗糙集理論和證據(jù)理論的多源數(shù)據(jù)融合

1.3.1 粗糙集理論

粗糙集理論可以確保分類性能不變，利用知識約簡得到劃分概念的標準，并有效處理不同類別的噪聲數(shù)據(jù)，因此其在多源、不精確和噪聲的數(shù)據(jù)處理中具有極高的應用價值.

(ii)近似空間.該理論使用上、下近似集對數(shù)據(jù)進行分析，論域子集用X描述，其對象元素集合的上、下近似集表示如下.

R-(X)={X∈U|R(X)?X},
R-(X)={X∈U|R(X)∩X=φ}.

(1)

決策和條件的屬性集分別用D和C表示，屬性a滿足a∈C，則γC(D)-γC-{a}(D)可描述a的重要度，將a從C內(nèi)消除后，影響分類決策的程度可通過該指標進行反映.

(iv)屬性的約簡.通過約簡可以將結(jié)論屬性關(guān)于條件屬性集合的依賴，在信息不丟失的基礎(chǔ)上，以最簡單的形式描述出來[11-12].

決策系統(tǒng)用S=(U,C∪D)描述，假設(shè)C′代表C的非空子集，若滿足γC(D)=γC′(D)，且使γC′(D)=γC″(D)成立的C″?C′不存在，則C對于D的約簡可以用C′描述，簡稱D約簡，關(guān)于D的核則為全部D約簡的交集.

1.3.2 證據(jù)理論

(iii)D -S組合規(guī)則.Θ相同的情況下，使用數(shù)量為n的證據(jù)源，所得基本概率指派函數(shù)用m1,m2,…,mn表示，則可以利用公式(2)描述組合規(guī)則表達式.

(2)

1.3.3 多源數(shù)據(jù)融合實現(xiàn)

結(jié)合粗糙集理論和證據(jù)理論，實現(xiàn)建筑環(huán)境多源監(jiān)測數(shù)據(jù)融合，并實時給出智能決策結(jié)果，據(jù)此調(diào)整建筑環(huán)境控制設(shè)備，從而使建筑環(huán)境始終保持在健康狀態(tài).建筑環(huán)境多源監(jiān)測數(shù)據(jù)融合算法流程圖如圖4所示.

圖4 建筑環(huán)境多源監(jiān)測數(shù)據(jù)融合算法流程

建筑環(huán)境多源監(jiān)測數(shù)據(jù)融合的具體流程如下.

(i)確定初始決策表規(guī)模.如果整體架構(gòu)中采集層的數(shù)據(jù)源數(shù)量用M描述，樣本數(shù)據(jù)量的組數(shù)用L描述，那么可以使用L行M+1列描述初始決策表大小，其內(nèi)條件屬性用前M列表示，決策屬性用尾列表示.

(ii)離散化處理采集的樣本數(shù)據(jù)，生成決策表.需要通過基于Kohonen網(wǎng)絡(luò)的離散化算法處理采集的樣本數(shù)據(jù)，因為粗糙集對于連續(xù)屬性的直接處理難度較大[14-15]，下述為具體實施過程.

步驟1 假設(shè)Kohonen網(wǎng)絡(luò)的最大分類數(shù)用I表示，通常為樣本類型數(shù)，屬性值集用Vi表示，分界點用P(j)表示，其可通過分類各Vi得到.

(a)初始權(quán)值用W(O)表示，設(shè)定其為小隨機量；

(b)輸入和輸出節(jié)點分別用Xi(t)、j表示，對兩者之間的距離進行計算，結(jié)果為dj；

(c)對距離最小節(jié)點的連接權(quán)進行調(diào)節(jié).

步驟2 在分界點為P(j)的情況下，需要做出以下處理.

(a)根據(jù)分界點實施區(qū)間化操作，將各區(qū)間當成一類，類內(nèi)方差與類間方差分別用D1、D2表示，對兩者進行計算；

(b)假設(shè)類別數(shù)量用K(I≥K≥2)表示，若想跳轉(zhuǎn)到步驟1，則滿足K≥I；若分類終止，則滿足K

(c)最佳分類數(shù)為各屬性集中符合min{D1}與max{D2}的分類數(shù).

步驟3 最優(yōu)分界點可以根據(jù)各屬性集的最優(yōu)分類得到，在此基礎(chǔ)上實施區(qū)間化，同時完成標記，并通過合并得到?jīng)Q策表.

(iii)通過粗糙集理論約簡所得決策表，依次利用屬性約簡和對象約簡，分別完成屬性優(yōu)選以及不同冗余對象的刪減工作，并將獲得的簡化決策表當作經(jīng)驗用于證據(jù)推理.

(iv)根據(jù)所得簡化決策表，將其內(nèi)包含的條件屬性當作已知證據(jù)，依照兩個理論的關(guān)系，在待決策數(shù)據(jù)取值的基礎(chǔ)上獲得每個證據(jù)的基本概率指派.

(v)獲得每個證據(jù)的條件概率指派.

(vi)根據(jù)信任函數(shù)和似然函數(shù)融合證據(jù)，并利用以下規(guī)則進行決策，若滿足bel(r(j))=max[bel(Vd)]≥α，則為第j類，若不滿足，則無法判斷，決策門限表示為0≤α≤1.

2 結(jié)果分析

將某居民建筑作為實驗對象，分別在不同位置布設(shè)溫度、濕度、光照度和二氧化碳濃度傳感器各10個，用于采集相應建筑環(huán)境監(jiān)測數(shù)據(jù)，采集時間間隔為25 min，最終獲得4組多源監(jiān)測數(shù)據(jù)，使用本文方法和文獻[5]方法和文獻[6]方法完成各組數(shù)據(jù)的融合，以驗證不同方法的融合性能.

將本文方法采用的ZigBee協(xié)議的節(jié)點生命期和文獻[5]方法采用的TEEN協(xié)議、文獻[6]方法采用的DSDG協(xié)議的節(jié)點生命期進行比較，結(jié)果用圖5描述.

圖5 節(jié)點生命期比較

分析圖5可以看出，隨著時間增加，TEEN協(xié)議的節(jié)點死亡數(shù)量呈持續(xù)快速上升趨勢，當時間從100 s增加至900 s時，節(jié)點死亡數(shù)量增加76%左右；DSDG協(xié)議的節(jié)點死亡數(shù)量隨時間增加表現(xiàn)出先迅速升高后趨于平穩(wěn)的狀態(tài)；ZigBee協(xié)議的節(jié)點死亡數(shù)量隨時間變化幅度較小，始終處于平穩(wěn)上升趨勢.以上結(jié)果表明，ZigBee協(xié)議具有較好的節(jié)點生命期，說明利用該協(xié)議可以顯著提升整個建筑環(huán)境多源監(jiān)測數(shù)據(jù)融合方法的運行質(zhì)量.

選擇某日上午9點～10點的共計24325個溫度監(jiān)測數(shù)據(jù)進行數(shù)據(jù)融合測試，各傳感器不同節(jié)點的監(jiān)測結(jié)果和不同方法的融合結(jié)果，分別用表1和表2描述.

表1 不同節(jié)點的監(jiān)測結(jié)果

表2 不同方法的數(shù)據(jù)融合結(jié)果

從表2可以看出，文獻[5]方法與文獻[6]方法的不同傳感器四個節(jié)點的溫度監(jiān)測數(shù)據(jù)融合結(jié)果與實際結(jié)果具有較大差距，而本文方法的不同傳感器四個節(jié)點的溫度監(jiān)測數(shù)據(jù)融合結(jié)果與實際結(jié)果基本一致，且存在50%以上的融合結(jié)果與實際結(jié)果完全相同，因此表明本文方法的建筑環(huán)境多源監(jiān)測數(shù)據(jù)融合效果較為優(yōu)異，能夠較準確地反映建筑環(huán)境變化.

為進一步測試本文方法的建筑環(huán)境多源監(jiān)測數(shù)據(jù)融合性能，使用F1值作為相應衡量指標，F(xiàn)1值越高，融合性能越優(yōu)異.從監(jiān)測數(shù)據(jù)中分別選擇1500個數(shù)據(jù)進行測試，不同數(shù)據(jù)重合度下，不同方法的融合F1值結(jié)果用圖6描述.

圖6 不同方法的融合F1值結(jié)果

分析圖6可以看出，與文獻[5]方法與文獻[6]方法相比，本文方法的融合F1值始終保持在0.94以上，基本不受數(shù)據(jù)重合度的影響.以上結(jié)果表明，本文方法具有較好的建筑環(huán)境多源監(jiān)測數(shù)據(jù)融合性能，受數(shù)據(jù)重合度影響很小.

根據(jù)數(shù)據(jù)源，將溫度監(jiān)測數(shù)據(jù)劃分為10組，引入PMV值評價人體在建筑環(huán)境中的熱舒適度，使用不同方法完成各組數(shù)據(jù)融合及溫度調(diào)控后，相應PMV值和期望PMV值對比結(jié)果用表3描述.

表3 輸出PMV值和期望PMV值對比結(jié)果

從表3可以看出，文獻[5]方法與文獻[6]方法的輸出PMV值與期望PMV值具有較大差距，而與這兩種方法相比，利用本文方法完成各組溫度監(jiān)測數(shù)據(jù)融合，并據(jù)此進行溫度調(diào)控后，所得PMV值十分接近期望PMV值，表明本文方法具有較理想的建筑環(huán)境多源監(jiān)測數(shù)據(jù)融合效果，通過融合數(shù)據(jù)方法調(diào)控后的建筑環(huán)境可以獲得良好的人體熱舒適度.

3 結(jié)論

針對當前建筑環(huán)境監(jiān)測數(shù)據(jù)具有多源、形式多樣、冗余度高等特點，研究基于ZigBee技術(shù)的建筑環(huán)境多源監(jiān)測數(shù)據(jù)融合方法.該方法采用的ZigBee技術(shù)具有較理想的生命周期，精準采集溫度、濕度、光照度和二氧化碳濃度四種影響建筑環(huán)境質(zhì)量的監(jiān)測數(shù)據(jù)，表現(xiàn)出了良好的數(shù)據(jù)融合性能，因此該方法可為建筑環(huán)境合理調(diào)控提供科學依據(jù)，避免傳統(tǒng)數(shù)據(jù)融合方法由于傳感器單一難以全面監(jiān)測建筑環(huán)境的弊端，具備較好的實際應用效果.