基于物聯網的智能天氣識別系統設計

鄭博培，李 媛

（北京聯合大學 機器人學院，北京 100020）

0 引 言

隨著經濟快速發展，國內智能家電使用量不斷增加[1]。但目前智能家電的數據（天氣數據等）獲取形式較為單一[2]，均通過網絡獲取。鑒于地域天氣多變且范圍廣[3]，網絡數據存在精度不高的缺陷。基于此，本文設計了基于物聯網的智能天氣識別系統，可獲取當前小范圍地區較精確的天氣信息，并提高智能家電決策效果，降低數據請求成本，更好服務于用戶。

1 系統結構

智能天氣識別系統包括溫濕度數據采集系統、無線傳輸系統、上位機數據處理系統。

1.1 溫濕度數據采集系統

溫濕度數據采集系統由DS18B20測溫模塊、DHT11濕度采集模塊組成。溫濕度傳感器連接Arduino UNO開發板的數字量和模擬量輸入端口。Arduino UNO是一款基于ATmega328P的微控制器開發板[4-5]，擁有14個數字輸入/輸出引腳（其中6個可用作PWM輸出），6個模擬輸入引腳，及16 MHz晶振時鐘、USB接口、電源插孔、ICSP接頭和復位按鈕。

DS18B20測溫模塊[6]的測溫原理如圖1所示。圖中低溫度系數晶振的振蕩頻率受溫度影響較小，所產生的固定頻率脈沖信號輸送到減法計數器；高溫度系數晶振的振蕩頻率受溫度影響變化較大，所產生的信號作為減法計數器的脈沖輸入。此外，圖中還隱含有計數門，當計數門打開時，DS18B20會對低溫度系數振蕩器產生的固定頻率脈沖進行計數，完成溫度測量。

DHT11的核心部件是濕敏電阻。當空氣中的水蒸氣吸附在感濕膜上時，DHT11的電子元件電阻率和電阻值發生變化，利用這一特性即可測量濕度。

1.2 信息傳輸系統

信息傳輸系統采用ZigBee協議搭建無線傳感網[7]。CC2530是用于2.4 GHz IEEE 802.15.4、ZigBee和RF4CE的片上系統（SoC）解決方案[8-9]，包含RF收發器、標準增強型8051 CPU、系統內可編程閃存、8 KB RAM等功能部件，能夠以較低的材料成本建立起超強網絡節點。

本系統將Arduino UNO開發板與ZigBee模塊通過串口連接，作為物聯網感知層的傳感器節點。Arduino UNO開發板采集天氣信息并處理后，通過串口傳送給CC2530模塊，CC2530模塊將溫濕度數據信息通過無線網絡實時發送給協調器。USB接口與PC機連接，將接收的傳感器節點溫度、濕度信息通過串口發送給上位機系統。

1.3 上位機數據處理系統

上位機數據處理系統的硬件設備可采用PC機或工控機。PC機、工控機均可通過USB口轉串口接收協調器的溫濕度信息，并應用Scikit-learn模型進行當前天氣狀況的識別。此外，PC機和工控機還可生成當日、當月天氣數據統計表并打印，便于使用者對天氣情況進行統計和管理。

2 系統軟件設計

智能天氣識別系統軟件分為傳感器信息采集軟件、無線通信軟件、信息處理軟件（天氣識別軟件）。

2.1 傳感器信息采集軟件

傳感器信息采集軟件使用Arduino IDE編程語言開發[8]。由于溫濕度均為慢變參數，因此設定程序采樣周期為5 s；Arduino串口通信速率設置為9 600 b/s，Arduino通過串口將采樣數據發送給CC2530芯片。

程序通過導入Arduino資源包，引用DHT11庫函數，以便在程序中調用相關參數。

#include

#include

定義引腳，將1 wire數據總線與IO4連接；定義溫度、濕度引腳為2號引腳，并實例化一個對象。

#define ONE_WIRE_BUS 4

#define DHT11PIN 2

dht11 DHT11

Arduino數據采集及傳輸流程如圖2所示。

圖2 Arduino數據采集及傳輸流程

2.2 無線通信

無線通信軟件包括協調器軟件和傳感器節點軟件。

2.2.1 協調器程序

協調器負責組建無線傳感網，并接收傳感器節點信息，通過USB接口將信息傳輸給PC機。協調器程序流程如圖3所示。

2.2.2 傳感器節點程序

CC2530模塊通過串口接收Arduino采集的數據信息，并通過無線網傳輸。傳感器節點程序流程如圖4所示。

2.3 信息處理軟件

協調器通過RS 232串行協議通信方式將天氣信息數據傳輸給PC機，PC機將通過串口小程序接收的溫度、濕度數據存入MySQL數據庫。保存到MySQL數據庫的部分溫度、濕度數據如圖5所示。

圖3 協調器程序流程

圖4 傳感器節點程序流程

2.3.1 信息數據清洗與數據標注

（1）信息數據清洗

鑒于采集的天氣信息數據龐大（每天可收集17 280條數據），且一天之中天氣不會發生跳變，故本文采用Python對采集到的數據進行處理[10]，去掉重復數據。SQL去重語句為：

SELECT id，temputer，humidity，updata_time FROM table1 GROUP BY temputer，humidity。

經去重處理，所采集的天氣信息數據減少到2 290條。去重后的部分數據如圖6所示。

為使模型效果更好，本文采用數據增強策略，即對現有數據（溫度±1 ℃、濕度±5%RH）處理后，再進行一次數據清洗，最終得到含有800個數據的訓練集。

（2）數據標注

溫濕度信息數據清洗之后，根據數據產生時間，及時間所對應天氣情況對其標注，即在收集溫度、濕度數據的同時記錄每個時間段的天氣情況。如：某時間段下雨，則標注Rainy；如果為雨后天晴，則標注Sunny。天氣標注數據主要通過中國天氣網獲取。從中國天氣網獲取的部分天氣數據如圖7所示，獲取的數據中包含溫濕度數據及天氣情況，可作為標注好的數據直接使用。

2.3.2 構建SVM分類器并訓練模型

構建SVM分類器，即支持向量機。它是Scikit-learn中一組支持分類、回歸、異常值檢測的監督學習方法。本系統采用SVM的fit（x，y）方法，只需要輸入數據集x和x對應的標簽y即可。

構建SVM分類器的程序框架如圖8所示。

圖8 構建SVM分類器的程序框架

訓練所使用數據包含4個標簽，即Sunny、Cloudy、Rainy、Snowy。為便于數據加載，通過以下程序將標簽轉換成數值：

def weather_type（s）：

weather = {b'Sunny'：0, b'Cloudy'：1, b'Rainy'：2, b'Snowy'：3}

return weather[s]

運行的部分訓練數據見表1所列。

3 結 語

智能天氣識別系統對作者所在地區的天氣信息進行實時采集，用訓練好的模型進行天氣識別，將得到的模型輸出結果與當時的天氣相比對，發現多組實驗結果良好。實驗效果如圖9所示。

表1 運行的部分訓練數據

圖9 實驗效果

智能天氣識別系統可獲取所在地區較精確的天氣信息，便于智能家居提高決策效率，降低數據請求成本，應用前景廣闊。