摘要：随着城市管理的发展以及智慧城市的出现,越来越多的系统之间需要进行连接、数据交换及应用协作。本文对如何实现智慧城市环境下传感器数据的融合进行了研究。
关键词：智慧城市；系统互联；数据挖掘
引言
随着云计算和大数据等技术的发展及城市发展的迫切需求,智慧城市已成为近年来研究的热点之一。智慧城市是城市的管理革命和发展模式的创新,其核心在于运用现代信息通信技术构建一个智能感知环境,在这样的环境可以对设备和信息进行高效管理,因此，有必要对传感器数据的融合技术进行研究。
1.基于传感网的数据融合
1.1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[1]。
1.2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[2]。
2.面向智慧城市场景的传感数据融合
2.1数据融合需求
随着智能终端、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。
2.2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
2.3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[3]。
（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）动态可配置性：评价融合方法是否可以根据目标环境变化，实现传感器相关硬件或软件的动态配置，并根据所属问题领域自动配置数据过滤、数据融合与信息推演机制。
（4）融合复合性：评价融合方法是否能够满足用户的复合查询需求，通过将各信息特征组合起来，以生成复合的数据融合结果。
（5）跨领域可移植性：评价融合方法是否能够被应用于多个不同的应用领域。
3.结语
综上所述，本文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，为广大科研工作者在智慧城市环境下的传感器数据融合方面进行进一步的研究提供了有益的参考和借鉴。
参考文献:
[1]智慧城市多模式数据融合模型[J].张义,陈虞君,杜博文,蒲菊华,熊璋.北京航空航天大学学报.2016(12)
[2]传感器数据融合时代来袭[J].Morrie Goldman.中国集成电路.2018(Z1)
[3]基于模糊理论的无线传感器数据融合[J].路芳.激光杂志.2016(01)
论文作者:吴振宇
论文发表刊物:《电力设备》2018年第19期
论文发表时间:2018/10/14
标签：数据论文; 传感器论文; 节点论文; 智慧论文; 城市论文; 环境论文; 城市环境论文; 《电力设备》2018年第19期论文;