WILSEN.sonic.level — 用於河流、湖泊和洪水流域智慧水位監測的物聯網感測器
 |
| 不只是縮時，還有粉塵、噪音、位移偵測 (建築展攤位K1019) |
摘要
洪水是影響人類的最常見和最昂貴的自然災害之一。 然而，實施物聯網（IoT）技術來監控河流行為，可能有助於減輕或預防未來的災難。本文概述了物聯網系統（RiverCore）的硬體開發，並定義了科利馬州（墨西哥）特定水文區域的應用場景，強調了所使用的資料採集和資料處理的特點。描述了固定位置和移動漂移節點系統，以及基於網路的資料採集平台開發，與物聯網技術整合，透過 3G 蜂窩網路檢索資料。
開發的架構使用資訊佇列遙測傳輸（MQTT）協議，以及加密和安全機制，將即時資料包從固定節點，傳送到將檢索的資料儲存在非關係資料庫中的伺服器。從中，可以透過不同的可客製化查詢，和圖形表示方式訪問和顯示資料，以便將來用於洪水分析和預測系統。所有這些功能都與不同裝置佈署，以及幾種蜂窩通訊，和現場資料採集測試的圖形證據一起呈現。
關鍵詞：物聯網、遙測、蜂窩通訊、水監測、洪水
- 簡介
洪水是最常見的自然災害之一，對基礎設施造成重大破壞，並導致大量人員流離失所、受傷或死亡。幾項研究[1，2，3]提出了洪水預警和預測系統，實施基於物聯網（IoT）的技術，以監測洪水事件前和洪水期間的河流行為，以控制洪水易發地區，幫助減輕或預防未來的災難。
2017 年，Lamichhane 和 Sharma[1] 說明洪水奪走的生命，比許多其他自然災害多，因為它們經常發生，而且性質相當不可預測。例如，在美國，山洪爆發每年造成 140 多人死亡。 移動水的侵蝕性會迅速削弱橋樑和房屋等結構的地基，然後可以被拆除，增加死亡人數，並造成價值數十億美元的損失。在 1980 年至 2015 年期間，僅在歐洲，洪水等與天氣有關的事件，就造成了超過 5000 億美元的損失[4]。聯合國減少災害風險辦公室（UNISDR）認為洪水是非洲、阿拉伯國家、亞太、美洲和歐洲地區的主要危害。2016 年，孟加拉國、印度和尼泊爾的洪水造成 1200 人死亡。同年，突發的自然災害，主要是洪水，在非洲造成了 60 多萬新的流離失所者[5]。由於氣候變化，預計這一趨勢在未來幾十年內將急劇增加。
已經提出了幾種方法，使用複雜的感測器資料集和河流體積剖面，來監測和提供潛在洪水的即時資料，以及預測和警告人們潛在災害的可能方法。
河流雖然是最常見的洪水源，但只代表一種潛在的洪水危害。沿著太平洋西緣，平均每年有 20 颱風提供大量水，淹沒峽谷和河流，並可能累積在河流流域或三角洲，在那裡可以找到重要的定居點[2].
使用物聯網技術以及資料分析，可以幫助監測洪水，並提供預測未來洪水所需的有用資訊；然而，由於大量傳入的資料，這項技術需要大量的資料處理資源，這可能導致測量即時場景時的重要延遲。為了開發有效的洪水監測系統，物聯網技術可以與感測器和其他技術（如機器學習和人工智慧技術）一起使用，以改善資料採集和實時測量。此外，可以透過實施最佳化的遙測方法，和輕量級資料結構來減少傳出資料負載，可以佈署超音波感測器和蜂窩傳輸技術，以確保足夠的傳輸速率，並防止資料丟失。
與大多數自然災害類似，洪水具有許多變數，可以透過感測器和電子裝置測量。 在洪水的情況下，這些變數通常包括流量、體積、速度和相對溼度等，因為這些變數可以顯著改變特定環境，在水排放增加下的反應。然而，儘管能夠測量與洪水相關的不同變數，但由於地形因素和城市和定居點附近建造的基礎設施，目前很難檢索可用於建立未來預測模型的即時水資料。
這種缺乏確定性危及生活，在河流和其他水體附近的人、財產和動物，特別是在容易發生山洪爆發的快速排水地區，以及洪泛平原和沿海地區等低窪地區。因此，本研究的主要目標是設計、開發和實施一個基於不同電子裝置和技術的系統，該系統可以即時量測和監測潛在的洪水，並生成可用於未來預測和預測模型的資料。
隨著越來越多的裝置訪問網際網路，更多的物理物件或「物」，可以連線到雲端，就資料收集而言，這造成了一場革命，因為收集使用者需要即時檢視的資訊的端點數量令人難以置信地成長。 專家預測，到 2020 年，總共將有 500 億台裝置連線到網際網路[6].
由於城市、家庭、工業、農業、醫療保健、交通和公共安全環境中的應用領域種類繁多，物聯網技術提供了解決方案，透過使生活更輕鬆、更安全、更舒適來提高生活品質。這項技術的一個重要應用，與減輕洪水等自然災害影響的努力有關。在[7]作者提供了一個最先進的洪水模型，可用於選擇合適的方法來解決特定的洪水問題，並討論了一些可用於遠端感知河流資料的技術。
部署感測器來監測河流和溪流的概念，已經得到了廣泛測試。Kruger 等人。 【8]提供了幾年來工作的結果，他們開發並佈署了 220 多個單位來監測水位。所使用的單元包括超音波測距模組、太陽能系統和 GPS 接收器。他們還採用了細胞調變解調器，以便透過蜂窩網路將資料傳輸到網際網路。在這個實現中，感測器可以進行頻繁（最多每5分鐘一次）的階段測量，並在網際網路上提供資料。
該裝置的一個關鍵特點是能夠安裝在橋樑上，這是一個重要的設計特點，因為橋樑提供了堅固的安裝平台和更方便的河流通道。最後，為了監控裝置的正常執行，它在外殼內加入了溼度和溫度感測器。超音波感測器使用聲波進行測距，聲速受溫度和溼度等幾個環境引數的影響。在這種情況下，溫度感測器還使系統能夠提高超音波感測器的準確性。
Lo 等人。 【9]討論使用壓力感測器、氣泡表和浮動計對河流狀態進行三次測量的系列。這些感測器可能需要更高水準的維護，並可能因環境條件而損壞或銷燬。他們還描述了使用非接觸式雷達儀表進行的第四次測量。使用這些感測器型別，測量可靠性直接取決於溼度、雨水和霧等變數；它們也可能相對昂貴。
有幾種方法可以感知河流，或其他洪水情況下的水準、速度或距離，其中一種使用超音波 超音波感測系統不需要與流實際接觸來收集資訊。它傳輸短暫的超音波爆發，並獲得返回訊號[10]. 使用非接觸式系統很方便，因為它可以直接暴露在流電流可能攜帶的水和材料，造成的持續退化中，從而提高硬體系統的壽命。此外，在更敏感的應用中，非接觸式系統不會汙染感測目標，因為它們沒有實際接觸到它。
可以使用各種方法，其中一些甚至可以結合多個感測器。 在[11]，作者使用將超音波測距儀，與無源紅外溫度感測器相結合的山洪爆發感測器。由於音速和環境溫度之間的關係，這種感測器的組合是必要的。有必要估計並對與空氣溫度有關的原始超音波感測器資料進行校正。
使用多個感測器的另一個發展是 Duraibabu 等人的發展。 【12]，它詳細描述了建立光纖壓力和溫度感測器（OFTPS），以在淡水或海水中從同一點測量這兩個變數。OFTPS 由玻璃製成，結合了法布里-佩羅干涉儀（FPI）來測量壓力，以及纖維布拉格光柵（FBG）來同時檢測溫度。 該感測器因其材料而穩定，其效能與商業海鳥科學 SBE9Plus 感測器相當，這使其具有商業競爭力。
這套感測器、通訊裝置和資料採集方法，以及遙測技術，使該系統能夠檢索可用於未來資料分析，和預測模型的有用結構化資訊。Neal 等人提出了一個預測模型，該模型使用無線感測器網路來監測河流的水位，以便使用一維流體動力學模型進行進一步處理[13]。他們研究中呈現的資料，使用相關節點的海拔和位置等變數，以及卡爾曼過濾器來生成資料集，作為預測模型的輸入。
2. 最先進的
2.1. 感應高速水流
用於確定水流的電子裝置測量幾個變數，如成分、速度和深度等。在這種情況下[14]提供了九個引數，在測量高速流量型別（碎片流）時應考慮這些引數。其中，我們選擇專注於以下方面：
- 峰值流量深度
- 地下聲音
- 平均流量速度
- 表面速度
- 流動深度作為時間的函式
- 地面振動
- 基礎部隊
- 流體孔隙壓力
- 衝擊力
為了分析這四個引數，他們考慮使用超音波和雷達感測器、加速度計、多普勒速度計和弦電位器。
RiverCore 的發展將基於這種方法，提出這些感測器的組合，以測量預測洪水和高速水流所需的變數，透過透過訊息佇列遙測傳輸（MQTT）協議，透過蜂窩網路向網際網路傳送即時類比和數位資料來實現。
2.2. 距離感測器和表面對映
根據[7]，距離感測器可以透過測量源，與目標之間的距離來監測地球表面，使用脈衝雷射將距離返回到感測器。距離感測器可以透過測量定義表面的特定點，並改變這些測量的角度來生成三維矩陣。透過分析這些感測器生成的資料，可以檢測到水位的增加，並確定流量的變化。
為了進行預測，擬議的資料記錄裝置必須測量流量的上升。為此，它採用超音波水位感測器，隨著時間的推移準確地進行洪水預測。
距離感測器可用於許多應用，包括室內移動球形物體的實時運動跟蹤[15]並被用作檢測感測器，用作雷達，用於識別水果或協助機器人導航。
2.3. 用於資料採集的即時感測器網路
許多水文監測技術使用即時資料採集系統，以及不同的電子裝置和感測器，來收集更可靠的洪水預測資訊，以及危害警告應用。從這個意義上說，[16]提出了一個數據記錄器裝置，該裝置使用多個通訊協議與 SDI-12 或 RS-485 等感測器，和幾個類比輸入進行互動。該裝置基於 PIC18F8722 低功耗 8 位微控制器單元。
另一方面，我們在本文中提出的 RiverCore 資料記錄器，使用 32 位元架構設計，允許使用者連線到實現相同通訊協議的各種感測器。這種 32 位元架構允許裝置，將即時資料從感測器傳送到伺服器，並比 8 位元微控制器同時處理傳入的訊號。在功耗方面，儘管 32 位元裝置需要更多的能量才能執行，但可以透過設計低功耗例程來改進，該例程使裝置在不需要時保持睡眠模式，並在特定時刻傳輸。
2.4. 物聯網技術
有許多技術用於連線裝置，並使它們能夠將收集的資料傳送到網際網路。表1描述一些物聯網技術、其功能及其最佳用途，基於[17，18]適用於無線廣域網（WWAN），分為蜂窩網路和低功耗廣域網（LPWAN）。
表1
物聯網技術回顧。
| 名字 | 頻率 | 範圍 | 資料速率 | 最佳用途 | |
|---|---|---|---|---|---|
| 細胞 | 3G/4G/LTE | 900 MHz-2.6 GHz | 取決於區域覆蓋範圍 | 1 Mbps | 適用於資料密集型互動式使用者服務，如影片會議或遠端醫療。 |
| 低功耗廣域網路（LPWAN） | SigFox | 區域子GHz頻段 | 3到50公里 | 上升100個bps，下降600個bps | 對於需要傳送小或不頻繁的資料突發的應用程式，如警報系統或簡單計量。 |
| 洛拉萬 | 2到15公里 | 0.3 kbps-50 kbps | 適用於遠端和低功耗連線應用程式。 | ||
| OnRamp/Ingenu | 2.4 GHz | 500公里 | 20 Kbps | 為智慧電網、智慧照明和高階計量基礎設施等提供遠端連線。 | |
| 失重P | 區域子GHz頻段 | 高達10公里 | 200 bps至100kbps | 非常適合上行鏈路資料和下行鏈路控制都很重要的私有網路。 | |
2.5. 非關係（非結構化查詢語言或 NoSQL）資料庫系統
物聯網裝置由於能夠收集資料和生成任何資訊，因此越來越受歡迎。然而，這項技術產生的大量資料需要以某種方式儲存。物聯網在靈活性方面具有特殊的儲存要求，因為感測器網路中的大量裝置，可能無法以相同的方式配置，從而轉發不同型別的資料。另一個重要問題是所有網路感測器的可用性，這並非總是得到保證的。
傳統資料庫系統實現四個事務屬性，來維護資料完整性：原子性、一致性、隔離性和耐用性（ACID）[19]. 這四個屬性確保了資料完整性，但犧牲了資料庫在初始配置後不可適應的代價。
非關係資料庫提供了足夠的替代儲存技術，因為它們能夠儲存大量資料，而不需要典型資料庫系統所需的強大一致性要求[20]. 這些型別的資料庫可以在必要時隨時間內容納多種資料型別，甚至可以容忍網路分割槽，從而提供新增多個儲存伺服器的可能性[21，22]. 它能夠適應不同的資料型別和結構，以及其可擴充套件性和整體靈活性，使這種型別的資料庫系統成為滿足物聯網網路儲存要求的良好替代方案。
3. 材料和方法
3.1. 訊息佇列遙測傳輸
MQTT 是一種開放的機器對機器連線協議，專門用於實現物聯網解決方案，資料和頻寬消耗低。MQTT 非常適合使用低功耗技術<且資料轉發要求小的裝置[23]. RiverCore 目的在使用 MQTT 協議，透過整合到其主機板的 SIM 蜂窩通訊模組傳送資料。該裝置使用 AT 命令將資料字串，從微控制器單元（MCU）傳送到 SIM 模組，以便與外部 MQTT 代理通訊。
3.2. Eclipse MosquittoTM MQTT 經紀人
Eclipse MosquittoTM 是一個開源訊息代理，使用 MQTT 協議與許多裝置進行互動，該協議的程式佔用空間很低。此代理安裝在管理所有訂閱和生產主題的伺服器端環境中。MQTT 協議實現了一個主結構，稱為「主題」，其中傳送訊息[24].
RiverCore 伺服器端環境實現了一種資料採集方法，該方法使用 Mosquitto 代理接收來自 RiverCore 固定和行動節點的訊息。這些訊息儲存在 NoSQL MongoDB 資料庫環境中。
鑑於 MQTT 協議和非關係資料庫架構的聯合使用，RiverCore 環境可以在各種不同的客戶端中實現。
3.3. MongoDB 非關係資料庫
MongoDB 是一個，基於儲存在資料收集中的 JavaScrip t 物件符號（JSON）格式文件的資料庫模型。由於每個文件都有不同的結構，因此任何資料日誌都能夠具有不同的屬性[25]。RiverCore 的伺服器端環境實現了，MongoDB 來儲存裝置的讀數，因為使用資料庫中的不同日誌結構，RiverCore 資料記錄器可能會有不同的感測器，連線到 RiverCore 資料記錄器。例如，可能有一個裝置裝有溫度感測器，另一個裝置擁有超音波距離感測器，這兩者都是 RiverCore 裝置；然而，它們的資料庫條目將具有不同的屬性和值。在關係資料庫架構中，這可能會帶來實質性問題。重要的是，MongoDB 非關係環境可以處理不同裝置生成的顯著不同的文件。
3.4. 遙測架構中的安全考慮
由於 RiverCore 採用無線傳輸環境，它可能容易受到嗅探技術或外部入侵的影響。考慮到這些可能的安全威脅，該系統包括嵌入在傳輸協議中的安全技術，該技術允許 MQTT 協議為每個裝置<和使用者設定加密的伺服器端憑據。
使用同樣的方法，Singh 等人。【26]提出了訊息標頭中包含的基於訊息的安全令牌，以提供使用程式「0000」保留的唯一型別的訊息，該程式建立了具有加密訊息有效負載的「釋出」方法。 MQTT 協議的這一安全提案，考慮了如何透過通用資源辨識符號，為不同裝置分配唯一身份來註冊不同裝置。
RiverCore 環境使用的安全技術，使其能夠使用 Mosquitto 經紀人的內建預共享金鑰加密（PSK），基於安全套接字層和傳輸層安全（SSL/TLS）證書設定加密憑據。
非關係資料庫安全方法也被考慮在內，使系統能夠設定基於證書的成員和客戶端 x.509 連線。這些測量確保公鑰基礎設施（PKI）格式，以認證使用者和裝置與資料庫建立有效連線，無論是直接從裝置、資料採集平台，還是其他認證客戶端建立的。同樣，Okman 等人[27]報告了有關 MongoDB 的一些安全問題，突出顯示該資料庫引擎在共享模式下缺乏身份驗證。為了解決這個問題，RiverCore 環境可以設定不同的安全層，如 SSL/TLS 作業系統證書、安全外殼（SSH）伺服器訪問和身份驗證，這些都包含在協議中，如本節開頭所述。
3.5. RiverCore 固定實施
RiverCore 目的在根據實施需求整合不同的感測器。其中一個實現是固定的 RiverCore 模組，該模組使用超聲波距離感測器感應河流中的不同變數，如寬度、流速和水高，如圖所示圖1。 RiverCore 可以透過蜂窩通訊模組傳送水資料，透過伺服器端 Web 介面監控變數。
RiverCore 固定節點實體上由五個不同的裝置組成。這些是 32 位元微控制器單元、3G 蜂窩調變解調器電子板、調節電源、太陽能充電控制器和 12 V 80 Ah 電池，如圖所示圖2。
固定節點的第一個原型，包含適當的材料和元件，可以佈署在河流環境附近的偏遠位置，以檢測水位變化。它裝在 IP65 外殼中，該外殼包含電子系統以及戶外設計的腺體和電池，該電池允許系統在雨季連續工作，沒有任何陽光直射四天。這意味著備用電池將允許裝置，在天氣非常多雲時或夜間繼續執行，直到它能獲得足夠的陽光來充電。此外，其太陽能管理系統使用 75 瓦的多晶 12V 太陽能電池板為電池充電，該電池板允許裝置在耗盡能源之前充電。
超音波水位感測器 MB7066（圖3）用於測量水面和感測器位置之間的距離，感測器位置在微控制器內處理，並封裝在 JSON 結構中，以及節點的 GPS 座標、實際讀取的時間戳和辨識字串。然後，這些資料透過 3G 蜂窩網路傳輸到伺服器，並儲存到 NoSQL 資料庫中，以進行進一步的計算，這些計算日後可用於洪水預測網路。
 |
超音波感測器 MaxSonar MB7066。 |
利用其所有功能，將資料傳輸到伺服器時，整個系統的電耗達到 1 Ah 的峰值。
3.6. RiverCore 行動實施（Drifter）
還設計了 RiverCore 節點的行動實現，以滿足監控漂移裝置的需求。該節點整合了一個 GPS 模組，該模組檢索位置、時間和速度變數。它還包含一個微型 SD 卡插槽，以檢索測量資料，如圖所示圖4。漂移節點密封在一個防水外殼內，該外殼內有一個磁性開關，該開關啟動裝置，以便在流經河床時開始記錄資料。這些資料儲存在微型 SD 卡上，可以由 RiverCore 資料採集平台進行分析。 目前沒有透過蜂窩或其他協議內建外部通訊。
 |
RiverCore 行動節點元件。 |
上面描述的硬體元件如圖5。電子產品使用汽車行業經常使用的聚丙烯橡膠類材料密封在一個球形輕質塑膠容器中。這個容器直徑為 10 釐米，如圖6。 該裝置的主機板長 8 釐米，高 5.1 釐米。
 |
行動節點 3D 模型和實體設計。 |
 |
行動節點輕質塑膠容器。 |
漂移裝置使用磁性正常關閉的開關執行，透過移除之前連線的磁鐵，允許在密封後開啟它。
3.7. RiverCore 資料採集架構和雲平台
如前幾節所述，RiverCore 資料採集環境透過硬體裝置、MQTT 代理和基於 NoSQL 文件的資料結構進行整合，如圖7。
 |
資料採集架構。 |
RiverCore 資料記錄器從環境變數中檢索資訊，並使用 AT 命令和 MQTT 協議，透過 2G/3G 蜂窩網路，將其傳送到安裝了 MQTT Mosquitto 代理的 Fedora 26 Linux 伺服器。此代理接收釋出到主題「節點」的所有訊息，而後台 Node.js 指令碼使用 MongoDB 文件結構儲存資料。
雖然資訊儲存在 MongoDB 資料庫中，但可以使用線上監控 Web 平台檢索，該平台收聽接收 MQTT 訊息的 WebSocket。
由於這種開放方案，資料採集平台與幾個裝置、軟體開發工具包，和其他物聯網專案相容。透過使用 JSON 格式，不同的裝置可以向系統釋出有用的天氣資料，無論使用的硬體是什麼。此外，裝置可以訂閱以獲取不同圖形表示的有用資訊，如圖8。
 |
網路平台方案。 |
網路平台整合了一個儀表板，以顯示從所有固定節點檢索的資料。該儀表板包括最新收到的通知，根據連線到裝置的感測器，它可以視覺化或隱藏的各種相關圖表，以及一張地圖，其中固定節點可以透過標記定位（如圖所示圖9）。
 |
雲平台主檢視。 |
固定裝置在 Web 平台的專用部分註冊，其中它們具有節點名稱和感測器功能等配置引數，如圖10。另一方面，所有註冊的裝置都可以在圖11，它描述了註冊節點的特徵。
 |
裝置註冊檢視。 |
 |
裝置管理檢視。 |
從所有節點檢索的資料可以作為報告下載，有多種格式，如 PDF、EXCEL、直接列印或 CSV，並適用於洪水預報系統的進一步分析。此外，資料可以透過內建查詢進行過濾，如日期、節點或變數，如圖12。
 |
報告匯出檢視。 |
4. 結果
4.1. 隨著時間的推移，水深、溫度和相對溼度測量
我們開發的固定裝置採用超音波水位感測器。此外，在這次試驗中，我們添加了一個環境溫度感測器，和一個相對溼度感測器，我們將其連線到 MCU，透過 MQTT 訊息協議透過網際網路，定期將資料傳送到資料採集伺服器。
如圖所示圖13，圖14和圖15，在24小時的受控水源上旅行中，每隔一秒收集了這三個不同來源的資料。圖13 包含透過測量水源深度（釐米）收集的資料，圖14 顯示測量期間的溫度變化和圖15 提供一個圖表，報告測量期間相對溼度的百分比。
 |
隨著時間的推移，水深測量。 |
 |
隨著時間的推移進行環境溫度測量。 |
 |
隨著時間的推移，相對溼度測量。 |
這些測量值使用 RiverCore 的資料採集環境每隔一秒鐘傳輸、儲存和顯示，證明了擬議裝置在傳送即時資料方面的可靠性，這些資料可以預測自然變數的變化。
4.2. 修復了節點佈署和檢索資料
為了佈署開發的固定節點，在科利馬河附近的不同位置，進行了幾次 3G 訊號測量，以確定在哪裡安裝裝置，以及感測器和太陽能電池板。
選擇了一個北部的上遊位置，其中 3G 訊號足夠強大，可以向資料採集平台傳送訊息。之所以選擇這個位置，也是因為在那裡可以檢測到水位差異，在流量到達比選定點低 10 公里的科利馬市之前，提供了足夠的反應時間。
如圖所示圖16，完整的預測網路由科利馬河或其支流沿線的 14 個不同點組成。 下圖是第 14 號節點，最遠的上行，這是網路中第一個佈署的節點，我們沿著描述的路徑測量了 3G 訊號強度圖16（上圖）。最後，考慮到訊號強度，我們選擇了最可靠的位置來放置裝置，該裝置的接收訊號程式功率（RSCP）值為-93 dBm。
 |
現場工作：3G訊號測量用於部署。 |
固定節點使用不鏽鋼夾子，連線到所選位置的樹上。從這個位置，將兩根電纜鋪設在系統的不同部分。第一根電纜被佈線到安裝在 4 米高的杆子上的多晶太陽能電池板上，而第二根電纜連線到 MB7066 超音波感測器，該感測器與 IP65 Nema 盒子 6 米遠處用鋼絲牢固地固定在懸崖上。佈署場景可以在圖17和圖18，在那裡可以觀察到，包含電子裝置和基礎設施其他部分的外殼。
 |
已佈署固定節點。 |
 |
定位太陽能電池板和超聲音波感測器。 |
外殼包含與系統處理、通訊和能源儲存相關的電池和電子板。MB7066 超音波感測器還有一個 IP67 PVC 外殼，該外殼與不鏽鋼可調元件一起安裝在 PVC 支架上，並使用遮蔽扭轉對（STP）電纜連線到處理單元，如圖所示圖19。
 |
電子板和超音波感測器。 |
佈署固定節點後，進行了測量，以評估感測器系統、資料採集平台和通訊平台的執行和效能。 如圖所示圖20，資料是在正常執行 1024 分鐘後檢索的，在此期間記錄了 1024 個水位樣本，速度為每分鐘一個樣本。在此期間，伺服器在平靜溪流的水位上記錄了 ±1.75 釐米的標準偏差。資料透過 MQTT 通訊協議，使用 3G 蜂窩連線傳輸到安裝在 Fedora Linux 伺服器上的資料採集平台。
從已部署的節點檢索資料。 |
4.3. 行動節點（Drifter）試用
還進行了試驗，以評估真實河流環境中開發的基於 GPS 的行動（漂流者）節點，以記錄其行為和準確性，同時記錄後期分析中使用的 GPS 位置，以確定河流流量。2018 年 7 月 19 日在南科利馬州一條流動相對較快的河流中，進行的單個下遊漂流者 GPS 位置軌跡的資料顯示在圖21，行動節點在上遊釋出，在執行期間記錄 280 個 GPS 位置樣本。在影像中，漂移從右到左，總行程距離約為 194 米。這些樣本包含使用 GPS 座標的旅行路徑的資料。然後， GPS 位置資料用於計算平均速度和行駛距離，並計算河流的坡度，以及其他有用的資料。
 |
行動節點 GPS 樣本檢索。 |
漂移器試驗資料，是使用開發的資料採集平台檢索的，使用裝置路徑上的漂移資料生成的 JSON 檔案作為輸入。從漂移者資料的 JSON 資料格式生成的收集的資料分析圖表和報告示例見圖22和圖23。
 |
行動節點速度相關資料。 |
 |
行動節點高度相關資料。 |
結合資料採集和資料速率試驗，漂移節點還沿著固定節點位置附近的河流路徑佈署。從這些活動中獲得的資料顯示在表2；它對應於在科利馬河不同部分測量的樣本，這些樣本代表了不同的流動條件和環境，如岩石條件和環境，植被水準高，以及阻礙漂流者軌跡的其他障礙物。
表2
漂流者檢索資料摘要。
| 位置（Lat/Lng） | 樣品總數 | 最高速度 | 總距離 |
|---|---|---|---|
| （19°10′26.04′′ N），（103°49′45.43′′ W） | 280 | 8.63公里/小時 | 194.50米 |
| （19°10′26.04′′ N），（103°49′45.43′′ W） | 293 | 8.3公里/小時 | 234.10米 |
| （19°12′28.07′′ N），（103°45′42.06′′ W） | 556 | 10.21公里/小時 | 390.05米 |
| （19°12′28.07′′ N），（103°45′42.06′′ W） | 562 | 9.42公里/小時 | 401.30米 |
| （19°15′0.63′′ N），（103°43′29.14′′ W） | 276 | 6.7公里/小時 | 193.21米 |
| （19°15′0.63′′ N），（103°43′29.14′′ W） | 302 | 6.2公里/小時 | 190.32米 |
| （19°20′5.68′′ N），（103°40′22.48′′ W） | 626 | 7.14公里/小時 | 533.75米 |
| （19°20′5.68′′ N），（103°40′22.48′′ W） | 631 | 6.92公里/小時 | 518.51米 |
樣本總數、速度和行駛距離因漂流者，在其路徑中是否可以避開某些物體而異。因此，更多的樣本並不直接對應於較長的距離或更快的軌跡，但可以指更多的障礙物。在我們總試驗中測量的總距離為 2655.74 米。
5. 結論和討論
在開發、測試和實施 RiverCore 物聯網裝置和 RiverCore 的資料採集環境後，我們發現了三個需要進一步討論的重要方面。
第一個重要點是收購率。在開發這種即時裝置時，重要的是要儘可能少的時間來測量和儲存變數，以便有時間與硬體和資料採集網路平台之間的網際網路連線建立通訊。這應該足夠低，以儘量減少任何可能損害系統，監測河流水位能力的重大資料丟失。同樣重要的是要指出，整個系統最好由幾個固定節點組成，以確保網路作為預測模型的有用資訊來源的執行，與[13]. 然而，目前的單個原型功能是概念的證明，有助於評估單個節點在現實場條件下的行為，後允許稍後擴充套件到多節點網路。
其次，2G/3G 蜂窩網路通訊訊號，在偏遠位置可能會受到幹擾和強訊號方差的影響，從而增加了丟失重要資料的可能性。解決這一常見問題的辦法是開發資料池或資料檔案等機制，將大部分資料儲存在裝置的記憶體中，這樣如果網際網路連線丟失，資料可以在更合適的時刻傳送。 透過實現行動節點中使用的相同儲存裝置，可以在連線丟失期間保留資料。
同樣，在風暴條件或感測器丟失的情況下，新增與行動漂移節點的即時連線，以追蹤其位置將非常有用。在這種情況下，如果水位沒有足夠下降或溪流過快，找回它們可能是危險的。
其他計劃中的未來改進，包括透過使用 SDI-12 協議，使其與商業上可用的氣象站相容，來增強 RiverCore 固定節點和行動節點的能力，並在漂移者和固定裝置之間建立混合互動，以確保更有效地將資料傳輸，到基於網路的資料採集平台。在能效方面，未來對固定節點裝置的改進，包括實施睡眠和待機模式，以便在雨季不增加電池續航時間和電源效能。
值得一提的是，在墨西哥較偏遠地區，4G 或 5G 網路訊號強度不足，3G 覆蓋目前為物聯網裝置提供了更好的接收。然而，我們的測試顯示，在這個特定應用程式中，不需要更快的連線或更多的頻寬。 這是由於使用了小資料包和光通訊協議。
然而，本文中演示的從佈署，在偏遠和/或城市河流位置的感測器裝置中，檢索的資料示例可用於預測模型。需要與水文學家和資料科學家密切磋商，以實施機器學習演算法和其他預測方法，用於由其中許多裝置組成的更擴充套件的網路，同時實施基於一維水文模型的即時警告方法，如[7]，由地形盆地調查支援，以在每個節點中建立安全易發臨界值。
多虧了生成的資料和與地方當局的協調，我們可以得出結論，一個完整的緊急供水資訊網路（EWIN）可能會減少洪水對我們城市的影響，為城市規劃提供資訊，在最壞的情況下，讓公民有幾分鐘的時間離開洪水區。
包括物聯網技術在內的新的監測發展，大大減少了危害，並更好地理解了自然現象。在這裡，我們已經顯示，使用當前的技術可以建立和佈署可靠的水位監測網路。如今，大多數國家的蜂窩網路都非常發達，為佈署監控網路提供了一個合適的平台。這並不影響一個事實，即蜂窩網路在自然災害情況下，可能會發生故障，就像任何其他無線技術一樣。由於大多數水體沒有配備任何感測技術，儘管它們代表著風險，這是危害和自然流體動力學研究的重要基石。通常，限制因素是每個單個感測節點的成本，我們已經顯示，低成本和可靠的水位監測網路確實可行。
沒有留言:
張貼留言