基于树莓派的物联网空气质量监测系统（AQMS）

1. 引言

由于各种排放造成的环境污染是对世界致命的威胁。最近有报道称1，印度正迅速变得容易受到空气污染的影响。尽管政府对各种排放实施了诸多限制，但仍需要一个快速监测系统来采取有效的即时行动。在此背景下，将无线传感器网络（WSN）与气体传感器集成，将为观察、监测和控制空气质量监测系统（AQMS）中的多样化关键单元提供有效解决方案。中央污染控制委员会一直在致力于降低污染水平，并制定了监测空气质量指数的方法1，但城市中车辆数量的增加以及大量工业的存在已导致空气质量恶化这一严重问题。

全球变暖的主要原因之一是二氧化碳排放到大气中。有几种传统方法被提出用于监测这些排放2,1。化石燃料估算和核算原材料消耗，2. 使用红外辐射测量空气中CO2通量，以及3. 开发无线传感器节点并根据覆盖区域和可扩展性问题部署无线传感器网络。文献中提出了一种包含100个CO2 感知节点的无线传感器网络3，其中采用收集树策略作为路由协议，并使用G‐GSTWH算法进行最优节点布置。针对机动车尾气排放引起的空气污染监测方案在文献中被提出4，该方案采用点对点和网格架构，具有双层网络框架用于处理，且使用紫外辐射来检测污染物气体。一种用于工业自动化的无线传感器网络5污染监测及防治方案在文献中被提出6，作者构建了由24个传感器、10个路由器和1个控制服务器组成的网络，以减轻空气污染造成的损害。基于泛在传感器网络的空气污染监测方案在文献中被提出7，其中waspmote与多种气体传感器连接在同一块电路板上，所获取的数据通过谷歌地图发布。关于机动车尾气排放的监测建议在文献中被提出8，其中利用放射选择性检测和遥感技术来监测车辆排放的气体。将无线传感器网络与物联网集成的重要性在文献中进行了讨论9。此外，还讨论了使用树莓派作为传感器Web节点、作为一种物联网硬件的优缺点，详见文献10–13。同时，普适计算与感知的需求也被考虑，具体见文献14。

在空气污染监测方面的早期工作大多采用采样与分析技术进行报告。虽然也已有基于无线传感器网络（WSN）的监测技术报道，但在线远程和移动监测及预警流程需要额外的复杂基础设施，例如用于从所有节点收集数据的设备网关，并且还需要额外内存用于数据分析。然而，集成物联网（IoT）支持的集中式监控系统将比现有方法更有效。它不仅提供实时在线监测和预警功能，还具备高内存和数据库功能。本文设计了一种基于树莓派的集中式空气质量监测系统，并将其与物联网（IoT）网关集成。系统中使用Wi‐Fi（IEEE 802.11 N）实现传感器节点数据库、互联网和云服务之间的数据通信。本文其余部分分为四个不同章节：第2节描述整体系统架构，第3节描述所提出的硬件模型，第4节讨论通过实施传感器Web节点进行空气污染在线监测所获得的结果，最后第5节总结本研究工作，阐述传感器网络节点在监测应用中的优势以及未来展望。

2. 整体系统架构

在本研究中，使用Raspberry Pi作为处理单元设计了传感器Web节点，以替代通用传感器节点/微尘节点，采用GrovePi+电子扩展板连接传感器，并利用Wi‐Fi作为收发器实现Web节点与服务器之间的数据通信。传感器Web节点是一种独立的节点，能够在路由器/网关的帮助下直接连接到Web服务器和云服务，而无需中间的设备网关。每个Web节点内置一个本地MySQL数据库，同时能够连接并存储数据到网络数据库服务器。每个Web节点既可以作为传统无线传感器网络的设备网关，也可以作为数据库服务器。该设计模型与通用空气质量监测系统不同，因为某些数据处理任务在云服务器上执行。引入云服务的主要目的是对来自多个Web节点的数据执行数据管理、以数据为中心的聚合、决策和数据分析服务，这些任务通常需要在节点或簇头级别运行时具备更多的资源和基础设施。图1描述了所提出的传感器Web节点的整体架构。它包括基于树莓派单板计算机构建的传感器Web节点、网络网关或路由器（通过该设备将节点连接到ThingSpeak云数据库）以及用于监控的客户端设备。用户可以通过任何移动设备或其他支持IP的便携式手持设备访问云数据库中的数据。客户端或用户可通过登录ThingSpeak云服务的公共频道来监控实时数据流。管理员可以针对响应过程自动化某些及时决策方法。

3. 提出的硬件模型和工作流程

3.1 为什么选择树莓派和ThingSpeak

由于近期单板计算机（SBC）的发展15一种基于四核ARM Cortex‐A7集群的微型低成本单板计算机——树莓派，被选作Web节点的主要硬件。表1和表2展示了树莓派与通用传感器节点及其他商用单板计算机的基本对比。一种即插即用、易于使用的电子扩展板GrovePi+叠加在树莓派之上。该GrovePi+硬件扩展板包含一个支持模数转换器（ADC）和I²C的控制器。树莓派与GrovePi+扩展板通过I²C接口进行通信。多个模拟和数字传感器可通过GrovePi+扩展板连接至树莓派，基于I²C的传感器可连接到GrovePi+，树莓派可通过这些总线直接访问这些传感器。

Grove传感器、Grove DHT（用于温湿度）、灰尘、MQ‐5（用于烟雾）、MQ‐7（用于一氧化碳）和MQ‐135（用于CO2）等Grove气体传感器模块连接到该扩展板，用于我们提出的监测系统中系统。每个传感器在不同温度和相对湿度下对相应气体具有不同的浓度级别。树莓派运行名为Raspbian的操作系统，其中包含了必要的库，并开发了用于访问传感器的驱动程序。驱动程序和应用程序脚本使用Python开发，Python是一种多范式编程语言，有助于加快应用程序的开发速度，并实现与系统的快速集成。一个名为ThingSpeak的开源物联网云平台被用作传感器Web节点的云服务。除了远程数据监控外，ThingSpeak云服务还提供聚合、决策和数据分析服务。ThingSpeak平台还提供其他服务，如支持MATLAB的数据可视化功能，警报、调度和设备通信。在我们提出的模型中，来自多个传感器Web节点的数据被上传到为相应节点创建的指定通道。根据数据对分析、警报和响应的需求和严格程度，通道可设置为私有或公开视图。

3.2 树莓派与ThingSpeak的集成

需要在 https://thing-speak.com/ 创建一个用户账户，并创建所需的通道以进行监控和分析。在树莓派的应用软件中，调用必要的Python API并导入库，以将传感器数据上传到云。为了向远程监控客户端提供清晰的位置信息，在相应节点的通道设置中启用了每个节点的经纬度参数。为了进行外部和离线分析，可以从ThingSpeak数据库以CSV、JSON或PHP格式导出数据。在远程位置且具有互联网连接的客户端可以登录thingspeak.com，查看各个节点的所有数据。相同的数据会根据每个通道的x轴和y轴参数设置绘制为图表。图2显示了硬件实现，其中树莓派与Grove传感器和Wi‐Fi适配器相连。

3.3 数据分析与警报生成

为在ThingSpeak云服务器上进行数据分析，开发了MATLAB代码并使其定期运行。分析结果被汇总为一种响应，即生成警报消息。该警报消息被发送到关联到ThingSpeak服务器的Twitter账户，从而使该过程智能化并满足实时约束。

4. 结果与讨论

设计的传感器节点被用于监测室内和室外环境的环境空气质量。从每个节点获取的数据存档在相应的本地数据库和ThingSpeak云数据库中。图3显示了ThingSpeak云通道创建的截图。本地数据库用于远程监控、未来检索和趋势分析。ThingSpeak云服务用于将数据存储在在线云数据库中，主要用于运行分析服务。该云服务中配置了通道的私有视图和公共视图。

该节点已在四个不同地点部署，测得的数据存储在数据库中。图4和图5显示了传感器网络中节点2和节点3的网页界面截图及其数据。数据处理任务（如绘制图表以及使用MATLAB进行分析）在云数据库上执行，从而显著降低了传感器节点的处理负载，使传感器节点能够保持最佳功耗。更新到相应通道的数据通过MATLAB进行实时分析。根据MATLAB分析结果，警报消息会发布到关联的Twitter账户对应通道。图6展示了传感器Web节点1和2带有警报消息的Twitter更新截图。完整的树莓派应用程序被设置为周期性地在后台运行。启动过程结束后会自动启动，另一个脚本用于检查网络连接，并为已部署节点重新建立网络连接。

5. 结论

无线传感器网络（WSN）与物联网（IoT）的集成已使WSN成为物联网的一项宝贵资源，正如9,14所述。可以得出结论，所设计的空气质量监测系统在无线传感器网络与物联网之间实现了有效集成，从而实现了对特定关注区域空气质量进行远程监控的主要目标，并使其更加以用户为中心。在本研究中，使用了传统的应用协议“HTTP”进行数据的发送和接收，且节点数量限制为四个。未来工作的重点在于构建一个用于计算空气质量指数的模块，如1,16所述，利用来自多个传感器Web节点的聚合数据。同时，还将采用物联网专用协议（如MQTT或COAP）建立连接，并增加节点部署数量，以实现广覆盖区域。