基于物联网与云计算的室内环境监测系统研究

徐玲+胡海荣

摘 要：国内对室内居住环境监测系统的研究还停留在初级阶段，室内居住环境监测系统应用普及率不高。并且目前的室内环境监测系统还存在成本高、测量误差较大等弊端，为实现室内环境参数监测的自动化和实时性，文中设计了一种基于云计算与物联网技术的室内环境监测系统。该系统将物联网与云计算技术相结合，用于室内居住环境的监测，并借助云计算信息技术平台，建立综合、通用的室内居住环境云监测平台，对居住环境监测、统计和分析居住人员的舒适性具有重大意义。实验表明，该系统成本低、功耗小，使用简单，工作稳定，测量精度较高，具有较好的实用价值。

关键词：物联网；云计算；舒适性评价模型；环境监测

中图分类号：TP393 文献标识码：A 文章编号：2095-1302（2017）04-00-02

0 引 言

电光源在室内照明时会产生热量，并对人体的热舒适产生一定的影响，同时，室内光源色温的变化会引起人们心理对热环境感受的差异。有些住宅由于灯光组合设计单一，住户在夏季最炎热时，往往通过减少室内照明电光源的开启数量以达到舒适要求，但降低了室内照度，影响了光环境的质量。而由于灯光设计缺乏足够的应变功能，当家庭团聚、会客或冬季较冷时又会感到灯光有些昏暗。为建立和谐的光和热室内居住环境，设计的监测系统不仅让人们拥有生理上的舒适感，还需满足心理舒适的特殊要求[1]。但目前的室内环境参数监测系统多数为有线方式，需要大量布线，影响室内美观，且系统维护和管理极为不便。而应用较广的无线传感器网络主要针对户外环境恶劣、条件复杂的区域，这些系统需考虑数据采集、数据融合、数据转发及数据管理等关键问题。但对于特定的室内环境监测而言，这些系统显得过于复杂且实用性较低[2]。

本文利用物联网和云计算技术设计了一种室内环境监测系统，克服了传统方式的局域性和区域性，具有移动性强、简单、可靠等优点[3]。重点研究了影响室内居住人员舒适性的各项环境参数，建立了舒适性评价模型，并可根据建立的模型分析采集的数据，得出各项舒适性评价模型值。通过与室内居住人员的舒适性主观评价进行对比和验证，证明该系统能够有效监测与室内居住环境要素相关的参数指标，并给出可以参考的使室内舒适度最高的环境参数值。

1 室内环境监测系统的设计

1.1 前端物联网采集终端系统

前端物联网采集终端设备主要由负责采集功能的终端控制器和负责汇总采集数据功能的终端协调器组成。采集数据包括温湿度、可吸入颗粒物、噪声、光照度。设备的采集、转换、算法如图1所示。

从图1可知，主控制模块可以根据相应的规定算法将采集到的感知数据的真实值转化为程序规定值，再将采集到的感知数据融合汇总，程序转化值按1 Byte、2 Byte、4 Byte进行分类融合汇总，以节省传输数据，减轻采集设备的负担，提高系统稳定性[4]。

1.2 后端云监测信息服务平台

后端监测信息服务平台如图2所示。后端监测信息服务平台结构主要由Web云服务器、消息中间件、数据库、终端设备等部分组成[5]。该后端监测信息服务平台负责存储终端协调器上传的汇总后的各房间的环境采集数据，并能分析、智能管理采集数据，通过舒适性评价模型计算出室内居住环境的舒适性评价值。

2 室内环境要素舒适性评价模型研究

根据参考文献[6]提出一种简化的空气环境舒适性评价方法，以综合指标对热环境、声环境和光环境舒适性进行评价。建立空气温度舒适性评价模型PMVTMP和光环境舒适性评价模型PMVLU。

用室内居住人员的主观评价对评价模型进行验证。将舒适性评价模型值“0”，“1”，“2”，“3”分别与室内居住人员的主观评价“舒适”，“稍不舒适”，“不舒适”，“极不舒适”对应。

2.1 热环境舒适性评价模型PMVTE

（1）空气温度舒适性评价模型PMVTMP

空气温度舒适性评价模型定义：当空气温度为19～24℃时，居住人员感觉舒适，即PMVTMP=0，当室内空气温度低于11 ℃或高于32 ℃时，室内居住人员感觉不舒适，即PMVTMP=2，因此关键点分别取11 ℃、24 ℃、32 ℃，热环境的环境参数室内空气温度自变量XTMP，定义空气温度舒适性评价模型PMVTMP如下：

当XTMP=11，XTMP=24，XTMP=32，由式（1）和式（2）计算得到室内空气温度的舒适性评价模型PMVTMP=2，PMVTMP=0，PMVTMP=2。

（2）热环境舒适性评价模型PMVTE

热环境舒适性评价模型PMVTE定义：分别对空气温度、空气相对湿度建立了空气温度舒适性评价模型、空气相对湿度舒适性评价模型，并用综合指标为热环境舒适性建立评价模型。依据PMVTMP和PMVRH模型定义热环境舒适性评价模型PMVTE如下：

2.2 光环境舒适性评价模型PMVLU

光环境舒适性评价PMVLU定义：通常室内照度为400lx，当照度达到700 lx时，室内居住人员感觉不舒适，因此对室内光环境照度环境参数的关键点取为400lx和700lx，当照度不小于400lx时，光环境的环境参数照度自变量为XLU，定义光环境舒适性评价模型PMVLU如下：

当照度小于400lx时，光环境的环境参数照度自变量为XLU，定义光环境舒适性评价模型PMVLU如下：

3 系統实现和舒适性评价

3.1 热环境舒适性评价模型分析

在低中温度下，室内热环境参数的空气温度的舒适性评价模型PMVTMP与室内居住人员舒适性主观评价的关系见表1所列。

根据居住环境监测系统采集到的空气温度环境参数指标信息，通过空气温度综合指标建立热环境舒适性评价模型，验证热环境舒适性评价模型PMVTE与居住人员舒适性主观评价的关系，热环境的空气温度环境参数指标数据见表2所列。

室内热环境的舒适性评价模型PMVTE与室内居住人员舒适性主观评价值的对比关系如图3所示。

从图3可以看出，热环境舒适性评价模型PMVTE与居住人员舒适性主观评价值的对应关系基本一致。為了营造居住人员舒适性主观评价高的室内居住环境，应将空气温度控制在28 ℃以下、空气相对湿度控制在64%以下，对应的空气温度舒适性评价模型PMVTMP=1、空气相对湿度舒适性评价模型PMVRH=1。

3.2 光环境舒适性评价模型分析

在低中光照度情况下，光环境舒适性评价模型PMVLU与居住人员舒适性主观评价的关系见表3所列。

光环境舒适性评价模型PMVLU与居住人员舒适性评价值的对比关系如图4所示。

从图4中看出，光环境舒适性评价模型PMVLU与居住人员舒适性主观评价值的对应关系基本一致。为了营造居住人员舒适性主观评价高的居住环境，应该将光照度控制在100～700 lx范围内，对应的声环境舒适性评价模型PMVvo≤1，对于居住人员舒适性主观评价更高的室内居住环境，应该将光照度控制在300～500 lx范围内，对应的光环境舒适性评价模型PMVLU≤0.5。

4 结 语

利用建立的舒适度模型可对设备采集到的热环境和光环境的数据进行实时处理和分析，并给出环境舒适度较高的环境参数的参考，如有异常情况出现，住所主人可在测试平台上实时观察，以便及时采取措施。实验测试表明，该系统灵敏度高、运行稳定、实时性强，且成本低、功耗小，易于扩展。

参考文献

[1]崔曼，薛惠锋，卜凡彪，等.基于物联网与云计算的环境监测系统研究[J].西安工业大学学报，2013，33（7）：577-582.

[2] N Antonopoulos，L Gillam. Cloud computing [J]. Springer London，2010，22（1）：47-68.

[3] Strategy I，Unit P.ITU Internet Reports 2005：The Internet of Things[Z].Geneva：International Telecommunication Union（ITU），2005.

[4]谢东坡.室内环境监测与舒适度评价系统研究[D].重庆：重庆理工大学，2009.

[5]张为民，赵立君，刘玮.物联网与云计算[M].北京：电子工业出版社，2012：228.

[6]朱赤晖.室内环境的舒适性评价与灰色理论分析研究[D].长沙：湖南大学，2012.

[7]刘世栋，叶桦，程存学，等.基于云计算和物联网的智慧营区规划设计[J].物联网技术，2017，1（1）：115-118.

[8]吴岳忠，汪涛，周训志，等.基于物联网的家居室内环境在线监控系统研究[J].微机与应用，2014（14）：60-63.