Page 13 - 网络电信2022年7/8月刊
P. 13

运 营 商 专 栏

            时间轴上，方可通过传感器数据时间分析多传感器之间的相关                              五、应用场景
            性。可通过两种途径保证传感器数据的同时性（误差在较小范                              系统可应用在需要对大量传感器进行长时间持续综合分析
            围），一是采集设备统一使用GPS授时，结合自身的高精度时钟                        的场合，根据不同的应用领域，进行定制开发形成特定的监测
            持续采集；二是由分布式MEC在线计算服务器校正传感器数据时间。                      系统。
                2.传感数据空间可视化技术                                        桥梁应变在线监测需要在一座桥梁部署几十个应变传感
                基于高频次采集的大量实时数据，以及传感器的位置信                         器，监测桥梁形变情况，提前预警断裂。当选用应变信号传感
            息，可实时在GIS空间信息上显示相关区域的传感信息，通过提                        器作为高频采集传感器，则可把系统用于桥梁应变在线监测。
            供一系列的分析和处理的手段，使用户直观的获得相关可视化                              管道（水、天然气、石油等）在线监测需要监测管道中的
            分析结果。                                                压力、流量、流速等，综合多采集点信号实时计算反应其泄漏
                可视化要求能对被传感器采集系统覆盖区域进行空间数据                        情况。当选用流量、压力信号传感器作为高频采集传感器，则
            查询，同时获得对应的传感采集数据信息。系统需提供可拖动                          可把系统用于管道在线监测。
            时间轴，获取相关区域的历史传感信息，或获取指定区域的历                              电力在线监测需要监测电力线路的电压电流变化，计算电
            史环境的变化过程图。                                           力网络的功率、相位信息，用于漏电检测和电能分配调度等。
                要实时在GIS中显示某区域的传感器数据，其难点在于接                       当选用电流、电压信号传感器作为高频采集传感器，则可把系
            收、解析及处理远程采集设备的地理位置信息及传感信息，在                          统用于电力在线监测。
            大数据吞吐量下须具备高可靠性。历史数据可视化回放的难点
            在于允许用户可以通过拖拉滚动条或者指定时间范围自动播                               六、结束语
            放，还原指定区域环境信息历史的走向。                                       文中分析大规模传感器高频采集系统特点，提出基于边缘
                可视化分析则要求系统能对用户指定的服务端接收到的原                        计算的大规模传感器高频采集系统，对其关键技术和分析软件
            始数据进行自定义的可视化分析处理，包括简单的数学运算、                          架构进行研究，为大规模传感器高频采集系统应用提供基础，
            复杂的聚类、模式匹配等数据处理。                                     推动5G垂直行业应用发展。
                3.  高频传感数据压缩技术
                传感器采集的数据具有一定的冗余，通过数据融合技术可
            提高数据收集的效率和准确性。传统的数据融合技术优先考虑
            节省能量，为融合尽量多的合并数据包，降低数据传输量，通
            常会牺牲数据包的传输延时。
                由于高频采集的传感器数据量大、实时性要求高，需研究
            在满足时间性和信息完整性的要求下，对大量的信息进行编码
            融合，以减少传输带宽并压缩存储。数据融合机制需根据信息
            与业务的实时性要求选择不同的数据融合度，且能根据网络各
            层协议的信息，调整数据融合的融合度、缓存大小、融合等待
            时间等参数，在节省能量和传输速度方面达成平衡。
                                                                 参考文献：
                4.高频传感器数据储存方式
                高频传感器采集的数据量大，数据流有连续和间断的，数                        [1]  马洪源，肖子玉，卜忠贵，赵远.5G  边缘计算技术及应用
            据量随时间的增加而线性增长，在分布式MEC在线计算服务器及                            展望[J]. 电信科学,2019 年06 期.
            数据存储仓库中，必须设计特定的存储结构存储，方便插入和                          [2] 张旭，佟晓鹏，张宇，王鹏. 物联网智能边缘计算[J]. 人
            查询。通过把间断分散的高频传感器数据片按时间顺序整理成                              工智能,2019 年01 期.
            连续的数据流，方便进一步的查看和处理。                                  [3]  王续澎，郭忠文，刘颖健，刘石勇，王玺.  传感器网络
                5.实时分析处理架构研究                                         高频数据采集算法[J].  中国海洋大学学报（自然科学
                高频采集设备上传的传感器数据经过整形等预处理过程写                            版）,2019 年05 期.
            入数据存储仓库的同时，必须实时计算出波形、频谱等图形推                          [4] 边缘计算在物联网中的作用[J]. 无线电通信技术,2019 年
            送给客户端查看。由于传感器数量多，分布式MEC  在线计算集                           01期.
            群必须在短时间内计算出大量的传感器图形，就需要研究并发                          [5] 聂衡，赵慧玲，毛聪杰.5G 核心网关键技术研究[J]. 移动
            度高，计算速度快的系统架构及算法。                                        通信，2019 年01 期.
                6.数据融合与挖掘技术                                      [6] 朱春荣.5G 网络边缘计算技术分析及应用展望[J]. 电子测
                数据挖掘在时间节点上包括以下层面：对已有数据库，通                            试，2020 年02 期.
            过专家知识建立数据挖掘的算法基础和相应的挖掘引擎，挖掘                          [7]  高翔霄，俞达，任月慧，高玲玲，徐丽.  无线传感器网络
            出相应的数据模式；在采集信号异常时，通过待分析数据和经                              数据传输延时分配算法[J].  计算机测量与控制，2020  年
            验数据模式的数据比对，进行实时预测和警报，并更新警报于                              05 期.
            数据库。

            22                                        网络电信 二零二二年七，八月
   8   9   10   11   12   13   14   15   16   17   18