CN106373357A - 一种基于大数据理念的桥梁结构健康监测系统 - Google Patents

Abstract

本发明提供了一种基于大数据理念的桥梁结构健康监测系统，包括健康监测模块、无线网络传送模块、桥梁结构大数据存储模块和桥梁结构大数据分析模块；所述健康监测模块通过多个传感器进行桥梁监测，监测数据由所述无线网络传送模块传送至桥梁结构大数据存储模块；所述桥梁结构大数据分析模块用于对桥梁结构大数据存储模块中的监测数据进行分析处理，形成实时分析报告。本发明的有益效果为：通过健康监测模块、无线网络传送模块、桥梁结构大数据存储模块和桥梁结构大数据分析模块组合对桥梁结构健康监测，设计合理，适用性强，可靠性好，便于推广应用。

Description

一种基于大数据理念的桥梁结构健康监测系统

技术领域

本发明涉及桥梁工程技术领域，具体涉及一种基于大数据理念的桥梁结构健康监测系统。

背景技术

桥梁结构健康监测是以桥梁结构为平台，运用现代电子通讯和网络技术，通过数据采集系统及时的获取桥梁结构在各种荷载和作用下的响应信息，通过对信息的分析和处理实现对桥梁结构健康状况的实时跟踪监测，为桥梁结构的运营和维护提供依据。桥梁结构健康监测可以简单的概括为一个从数据收集到数据管理的过程，这些数据包含一切与桥梁结构健康状况相关的数据，目前国内外正投入使用的桥梁结构健康监测系统，在数据收集方面，一般是利用传感器获取，通过桥梁结构运营状态下的静动力性能指标的变化来判断桥梁结构的健康状况，所获取的数据量小、数据类型单一，无法准确的预测桥梁健康状况的发展趋势。在数据管理方面，因受数据处理能力的限制未能充分挖掘数据的潜在价值，数据处理周期较长。随着云时代的来临，在以云计算为代表的技术推动下，大数据技术受到国内外学者的广发的关注。大数据的特点可以概括为数据量巨大、数据类型繁多、处理周期短，大数据技术指在不同类型的大量数据中，快速处理获得潜在的有价值信息的能力，使得原本很难收集和利用的数据开始容易被利用起来，在较短的时间内能快速处理大量数据并整理成为桥梁结构健康监测需要的依据，在桥梁结构健康监测方面具有极大的应用潜力。所以，开发一种基于大数据理念的桥梁结构健康监测系统很有必要。

发明内容

为解决上述问题，本发明旨在提供一种基于大数据理念的桥梁结构健康监测系统。

本发明的目的采用以下技术方案来实现：

一种基于大数据理念的桥梁结构健康监测系统，包括健康监测模块、无线网络传送模块、桥梁结构大数据存储模块和桥梁结构大数据分析模块；所述健康监测模块通过多个传感器进行桥梁监测，监测数据由所述无线网络传送模块传送至桥梁结构大数据存储模块；所述桥梁结构大数据分析模块用于对桥梁结构大数据存储模块中的监测数据进行分析处理，形成实时分析报告。

本发明的有益效果为：通过健康监测模块、无线网络传送模块、桥梁结构大数据存储模块和桥梁结构大数据分析模块组合对桥梁结构健康监测，设计合理，适用性强，可靠性好，便于推广应用，从而解决了上述的技术问题。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明结构连接示意图；

图2是本发明无线网络传送模块的结构示意图。

附图标记：

健康监测模块1、桥梁结构大数据存储模块2、桥梁结构大数据分析模块3、无线网络传送模块4、传感器定位单元41、传感器网络优化单元42、数据监测单元43、数据处理单元44、数据接收单元45、数据传送单元46。

具体实施方式

结合以下实施例对本发明作进一步描述。

应用场景1

参见图1、图2，本应用场景的一个实施例的基于大数据理念的桥梁结构健康监测系统，包括健康监测模块1、无线网络传送模块4、桥梁结构大数据存储模块2和桥梁结构大数据分析模块3；所述健康监测模块1通过多个传感器进行桥梁监测，监测数据由所述无线网络传送模块4传送至桥梁结构大数据存储模块2；所述桥梁结构大数据分析模块3用于对桥梁结构大数据存储模块2中的监测数据进行分析处理，形成实时分析报告。

优选的，所述桥梁结构大数据分析模块3依靠云计算分布式处理技术和虚拟化技术对桥梁结构大数据存储模块2中的监测数据进行分析处理。

本发明上述实施例通过健康监测模块1、无线网络传送模块4、桥梁结构大数据存储模块2和桥梁结构大数据分析模块3组合对桥梁结构健康监测，设计合理，适用性强，可靠性好，便于推广应用，从而解决了上述的技术问题。

优选的，所述的桥梁结构大数据存储模块2采用云存储对桥梁结构的数据流进行读、写操作。

本优选实施例采用云存储进行监测数据存储，存储速度快、智能，且存储容量大。

优选的，所述无线网络传送模块4包括传感器定位单元41、传感器网络优化单元42、数据监测单元43、数据处理单元44、数据接收单元45和数据传送单元46。

本优选实施例构建了无线网络传送模块4的框架。

优选的，所述传感器定位单元41用于对未知的传感器网络节点进行定位，定位方法如下：

(1)在少数传感器节点上集成GPS定位芯片，这些传感器节点通过接收GPS信号获取自身位置而成为已知位置节点，作为其他未知位置节点的定位基础；

(2)求取四个已知位置节点相互间的距离和跳数，计算平均每跳的距离；

(3)对于未知位置节点X，使用其到四个已知位置节点的跳数与(2)中平均每跳的距离相乘得到未知位置节点到四个已知位置节点的距离；

(4)通过任意组合的方式选取其中三个已知位置节点，对于每一组合，根据三边测量法获取其位置，则产生四个计算结果，求取平均位置作为未知位置节点最终位置。

本优选实施例设置传感器定位单元41，便于获取监测数据的位置来源，采用GPS定位芯片和三边定位结合的方法，既节约了成本，又能取得良好的定位效果。

优选的，所述传感器网络优化单元42采用遗传-蚁群优化算法对传感器网络路由算法进行优化，具体方法如下：

(1)随机生成无线传感器网络拓扑结构；

(2)设定遗传算法的参数，采用遗传算法精简传感器网络，形成新的网络拓扑结构；

(3)根据遗传算法结果初始化蚁群算法信息素；

(4)设定蚁群算法参数，采用蚁群算法对最优路径进行搜索和更新。

本优选实施例对传感器网络进行优化，在保证整个无线传感器网络性能下降有限的情况下，提升了网络节能效果，延长了网络的寿命。

优选的，所述数据监测单元43用于通过由各传感器构建的传感器节点相互协作进行某区域的监测，并输出各传感器节点监测的感知数据；

所述数据处理单元44用于对各传感器节点监测的感知数据进行压缩处理，包括：

设所述感知数据的一个单位时间段的数据序列为X＝{x(t₁),x(t₂),…,x(t_n)},其中t_i(1≤i≤n)表示时间戳，x(t_i)表示在t_i(1≤i≤n)时刻某个节点产生的监测值，设定误差界限为ε，误差界限为ε的取值范围为[0.4,0.8]，从第一个数据点[t₁，x(t₁)]开始，对数据序列X＝{x(t₁),x(t₂),…,x(t_n)}中的数据点按序进行第一次扫描，当达到设定的扫描停止条件时，停止第一次的扫描，将第一次扫描的数据子序列用一条线段来近似，从第一次扫描的数据子序列后的第一个数据点开始进行类似的第二次的扫描，直至扫描完整个单位时间段的数据序列；将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出；

其中，所述设定的扫描停止条件为：当扫描到一个数据点[t_k，x(t_k)]，在这个数据点[t_k，x(t_k)]之前的所有数据点能被一条线段来近似描述，且满足误差精度要求，而加上数据点[t_k，x(t_k)]之后，不存在一条线段能近似描述当前所有未被近似描述的数据点时，停止扫描；

所述误差精度要求为：

$|x\left(t_j\right)-\[x\left(t_{\mathrm{\α}}\right)+\frac{x\left(t_{k-1}\right)-x\left(t_{\mathrm{\α}}\right)}{t_{k-1}-t_{\mathrm{\α}}}(t_j-t_{\mathrm{\α}})\]|\≤\mathrm{\ϵ}$

其中，设所述数据点[t_k，x(t_k)]之前的子序列为X＝{x(t_α),x(t_α+1),…,x(t_k-1)}，式中x(t_j)为在t_j(α≤j≤k-1)时刻的真实值。

本优选实施例设置数据处理单元44，通过设定的扫描停止条件进行数据扫描，能够在线性时间内，使用最少数目的线段数来近似描述感知数据的一个单位时间段的数据序列且保证误差精度要求，然后将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出，从而减少了需要传送的数据量，降低了数据传送的能量消耗，从而相对减少了无线传感器网络节点的通信开销；提出误差精度要求的公式，保证了数据压缩的精度，且提高了数据扫描的速度。

优选的，所述数据接收单元45由无线传感器网络汇聚节点进行构建，所述无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，并将接收的传感器节点对应的压缩后的感知数据传送到高性能计算机进行处理和分析，实现无线数据的采集；

其中，所述保证加权公平性的数据传输协议为：

所述无线传感器网络汇聚节点在某单位时间段[0,t]接收来自传感器节点i的对应的压缩后的感知数据的数量S_i,t需满足以下公平性度量条件：

$\frac{{({\mathrm{\Σ}}_{i=1}^N{S}_{i,t}/w_i)}^2}{{\mathrm{N\Σ}}_{i=1}^N{(S_{i,t}/w_i)}^2}\≥1-{(10\mathrm{\γ}/9)}^2$

式中，w_i为设定的传感器节点i的表征其数据重要程度的权值，N为传感器节点的总数，γ为常数，其取值范围为(0,0.2)。

本优选实施例无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，使无线传感器网络汇聚节点能够从重要的传感器节点接收较多的感知数据，保证了数据传输的效率的同时，提高了数据传输的公平性。

优选的，所述数据传送单元46通过网络将数据传送给用户，包括近距离传送子单元、远距离通信子单元和切换子单元，所述近距离通信子单元采用zigbee协议通信，所述远距离通信子单元采用无线网络通信，正常情况下，用户通过近距离通信子模块从计算机控制端获取监测信息，当用户外出时，切换子单元启动远距离通信子单元，向用户手机控制端远距离传送监测信息。

本优选实施例设置数据传送单元46，能够根据用户距离选择通信方式，实现了实时监测。

在此应用场景中，误差界限为ε取0.4，监测速度相对提高了10％，监测精度相对提高了12％。

应用场景2

参见图1、图2，本应用场景的一个实施例的基于大数据理念的桥梁结构健康监测系统，包括健康监测模块1、无线网络传送模块4、桥梁结构大数据存储模块2和桥梁结构大数据分析模块3；所述健康监测模块1通过多个传感器进行桥梁监测，监测数据由所述无线网络传送模块4传送至桥梁结构大数据存储模块2；所述桥梁结构大数据分析模块3用于对桥梁结构大数据存储模块2中的监测数据进行分析处理，形成实时分析报告。

优选的，所述桥梁结构大数据分析模块3依靠云计算分布式处理技术和虚拟化技术对桥梁结构大数据存储模块2中的监测数据进行分析处理。

本发明上述实施例通过健康监测模块1、无线网络传送模块4、桥梁结构大数据存储模块2和桥梁结构大数据分析模块3组合对桥梁结构健康监测，设计合理，适用性强，可靠性好，便于推广应用，从而解决了上述的技术问题。

优选的，所述的桥梁结构大数据存储模块2采用云存储对桥梁结构的数据流进行读、写操作。

本优选实施例采用云存储进行监测数据存储，存储速度快、智能，且存储容量大。

优选的，所述无线网络传送模块4包括传感器定位单元41、传感器网络优化单元42、数据监测单元43、数据处理单元44、数据接收单元45和数据传送单元46。

本优选实施例构建了无线网络传送模块4的框架。

优选的，所述传感器定位单元41用于对未知的传感器网络节点进行定位，定位方法如下：

(1)在少数传感器节点上集成GPS定位芯片，这些传感器节点通过接收GPS信号获取自身位置而成为已知位置节点，作为其他未知位置节点的定位基础；

(2)求取四个已知位置节点相互间的距离和跳数，计算平均每跳的距离；

(3)对于未知位置节点X，使用其到四个已知位置节点的跳数与(2)中平均每跳的距离相乘得到未知位置节点到四个已知位置节点的距离；

(4)通过任意组合的方式选取其中三个已知位置节点，对于每一组合，根据三边测量法获取其位置，则产生四个计算结果，求取平均位置作为未知位置节点最终位置。

本优选实施例设置传感器定位单元41，便于获取监测数据的位置来源，采用GPS定位芯片和三边定位结合的方法，既节约了成本，又能取得良好的定位效果。

优选的，所述传感器网络优化单元42采用遗传-蚁群优化算法对传感器网络路由算法进行优化，具体方法如下：

(1)随机生成无线传感器网络拓扑结构；

(2)设定遗传算法的参数，采用遗传算法精简传感器网络，形成新的网络拓扑结构；

(3)根据遗传算法结果初始化蚁群算法信息素；

(4)设定蚁群算法参数，采用蚁群算法对最优路径进行搜索和更新。

本优选实施例对传感器网络进行优化，在保证整个无线传感器网络性能下降有限的情况下，提升了网络节能效果，延长了网络的寿命。

优选的，所述数据监测单元43用于通过由各传感器构建的传感器节点相互协作进行某区域的监测，并输出各传感器节点监测的感知数据；

所述数据处理单元44用于对各传感器节点监测的感知数据进行压缩处理，包括：

设所述感知数据的一个单位时间段的数据序列为X＝{x(t₁),x(t₂),…,x(t_n)},其中t_i(1≤i≤n)表示时间戳，x(t_i)表示在t_i(1≤i≤n)时刻某个节点产生的监测值，设定误差界限为ε，误差界限为ε的取值范围为[0.4,0.8]，从第一个数据点[t₁，x(t₁)]开始，对数据序列X＝{x(t₁),x(t₂),…,x(t_n)}中的数据点按序进行第一次扫描，当达到设定的扫描停止条件时，停止第一次的扫描，将第一次扫描的数据子序列用一条线段来近似，从第一次扫描的数据子序列后的第一个数据点开始进行类似的第二次的扫描，直至扫描完整个单位时间段的数据序列；将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出；

其中，所述设定的扫描停止条件为：当扫描到一个数据点[t_k，x(t_k)]，在这个数据点[t_k，x(t_k)]之前的所有数据点能被一条线段来近似描述，且满足误差精度要求，而加上数据点[t_k，x(t_k)]之后，不存在一条线段能近似描述当前所有未被近似描述的数据点时，停止扫描；

所述误差精度要求为：

$|x\left(t_j\right)-\[x\left(t_{\mathrm{\α}}\right)+\frac{x\left(t_{k-1}\right)-x\left(t_{\mathrm{\α}}\right)}{t_{k-1}-t_{\mathrm{\α}}}(t_j-t_{\mathrm{\α}})\]|\≤\mathrm{\ϵ}$

其中，设所述数据点[t_k，x(t_k)]之前的子序列为X＝{x(t_α),x(t_α+1),…,x(t_k-1)｝，式中x(t_j)为在t_j(α≤j≤k-1)时刻的真实值。

本优选实施例设置数据处理单元44，通过设定的扫描停止条件进行数据扫描，能够在线性时间内，使用最少数目的线段数来近似描述感知数据的一个单位时间段的数据序列且保证误差精度要求，然后将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出，从而减少了需要传送的数据量，降低了数据传送的能量消耗，从而相对减少了无线传感器网络节点的通信开销；提出误差精度要求的公式，保证了数据压缩的精度，且提高了数据扫描的速度。

优选的，所述数据接收单元45由无线传感器网络汇聚节点进行构建，所述无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，并将接收的传感器节点对应的压缩后的感知数据传送到高性能计算机进行处理和分析，实现无线数据的采集；

其中，所述保证加权公平性的数据传输协议为：

所述无线传感器网络汇聚节点在某单位时间段[0,t]接收来自传感器节点i的对应的压缩后的感知数据的数量S_i,t需满足以下公平性度量条件：

$\frac{{({\mathrm{\Σ}}_{i=1}^N{S}_{i,t}/w_i)}^2}{{\mathrm{N\Σ}}_{i=1}^N{(S_{i,t}/w_i)}^2}\≥1-{(10\mathrm{\γ}/9)}^2$

式中，w_i为设定的传感器节点i的表征其数据重要程度的权值，N为传感器节点的总数，γ为常数，其取值范围为(0,0.2)。

本优选实施例无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，使无线传感器网络汇聚节点能够从重要的传感器节点接收较多的感知数据，保证了数据传输的效率的同时，提高了数据传输的公平性。

优选的，所述数据传送单元46通过网络将数据传送给用户，包括近距离传送子单元、远距离通信子单元和切换子单元，所述近距离通信子单元采用zigbee协议通信，所述远距离通信子单元采用无线网络通信，正常情况下，用户通过近距离通信子模块从计算机控制端获取监测信息，当用户外出时，切换子单元启动远距离通信子单元，向用户手机控制端远距离传送监测信息。

本优选实施例设置数据传送单元46，能够根据用户距离选择通信方式，实现了实时监测。

在此应用场景中，误差界限为ε取0.5，监测速度相对提高了11％，监测精度相对提高了11％。

应用场景3

参见图1、图2，本应用场景的一个实施例的基于大数据理念的桥梁结构健康监测系统，包括健康监测模块1、无线网络传送模块4、桥梁结构大数据存储模块2和桥梁结构大数据分析模块3；所述健康监测模块1通过多个传感器进行桥梁监测，监测数据由所述无线网络传送模块4传送至桥梁结构大数据存储模块2；所述桥梁结构大数据分析模块3用于对桥梁结构大数据存储模块2中的监测数据进行分析处理，形成实时分析报告。

优选的，所述桥梁结构大数据分析模块3依靠云计算分布式处理技术和虚拟化技术对桥梁结构大数据存储模块2中的监测数据进行分析处理。

本发明上述实施例通过健康监测模块1、无线网络传送模块4、桥梁结构大数据存储模块2和桥梁结构大数据分析模块3组合对桥梁结构健康监测，设计合理，适用性强，可靠性好，便于推广应用，从而解决了上述的技术问题。

优选的，所述的桥梁结构大数据存储模块2采用云存储对桥梁结构的数据流进行读、写操作。

本优选实施例采用云存储进行监测数据存储，存储速度快、智能，且存储容量大。

优选的，所述无线网络传送模块4包括传感器定位单元41、传感器网络优化单元42、数据监测单元43、数据处理单元44、数据接收单元45和数据传送单元46。

本优选实施例构建了无线网络传送模块4的框架。

优选的，所述传感器定位单元41用于对未知的传感器网络节点进行定位，定位方法如下：

(1)在少数传感器节点上集成GPS定位芯片，这些传感器节点通过接收GPS信号获取自身位置而成为已知位置节点，作为其他未知位置节点的定位基础；

(2)求取四个已知位置节点相互间的距离和跳数，计算平均每跳的距离；

(3)对于未知位置节点X，使用其到四个已知位置节点的跳数与(2)中平均每跳的距离相乘得到未知位置节点到四个已知位置节点的距离；

(4)通过任意组合的方式选取其中三个已知位置节点，对于每一组合，根据三边测量法获取其位置，则产生四个计算结果，求取平均位置作为未知位置节点最终位置。

本优选实施例设置传感器定位单元41，便于获取监测数据的位置来源，采用GPS定位芯片和三边定位结合的方法，既节约了成本，又能取得良好的定位效果。

优选的，所述传感器网络优化单元42采用遗传-蚁群优化算法对传感器网络路由算法进行优化，具体方法如下：

(1)随机生成无线传感器网络拓扑结构；

(2)设定遗传算法的参数，采用遗传算法精简传感器网络，形成新的网络拓扑结构；

(3)根据遗传算法结果初始化蚁群算法信息素；

(4)设定蚁群算法参数，采用蚁群算法对最优路径进行搜索和更新。

本优选实施例对传感器网络进行优化，在保证整个无线传感器网络性能下降有限的情况下，提升了网络节能效果，延长了网络的寿命。

优选的，所述数据监测单元43用于通过由各传感器构建的传感器节点相互协作进行某区域的监测，并输出各传感器节点监测的感知数据；

所述数据处理单元44用于对各传感器节点监测的感知数据进行压缩处理，包括：

设所述感知数据的一个单位时间段的数据序列为X＝{x(t₁),x(t₂),…,x(t_n)},其中t_i(1≤i≤n)表示时间戳，x(t_i)表示在t_i(1≤i≤n)时刻某个节点产生的监测值，设定误差界限为ε，误差界限为ε的取值范围为[0.4,0.8]，从第一个数据点[t₁，x(t₁)]开始，对数据序列X＝{x(t₁),x(t₂),…,x(t_n)}中的数据点按序进行第一次扫描，当达到设定的扫描停止条件时，停止第一次的扫描，将第一次扫描的数据子序列用一条线段来近似，从第一次扫描的数据子序列后的第一个数据点开始进行类似的第二次的扫描，直至扫描完整个单位时间段的数据序列；将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出；

其中，所述设定的扫描停止条件为：当扫描到一个数据点[t_k，x(t_k)]，在这个数据点[t_k，x(t_k)]之前的所有数据点能被一条线段来近似描述，且满足误差精度要求，而加上数据点[t_k，x(t_k)]之后，不存在一条线段能近似描述当前所有未被近似描述的数据点时，停止扫描；

所述误差精度要求为：

$|x\left(t_j\right)-\[x\left(t_{\mathrm{\α}}\right)+\frac{x\left(t_{k-1}\right)-x\left(t_{\mathrm{\α}}\right)}{t_{k-1}-t_{\mathrm{\α}}}(t_j-t_{\mathrm{\α}})\]|\≤\mathrm{\ϵ}$

其中，设所述数据点[t_k，x(t_k)]之前的子序列为X＝{x(t_α),x(t_α+1),…,x(t_k-1)}，式中x(t_j)为在t_j(α≤j≤k-1)时刻的真实值。

本优选实施例设置数据处理单元44，通过设定的扫描停止条件进行数据扫描，能够在线性时间内，使用最少数目的线段数来近似描述感知数据的一个单位时间段的数据序列且保证误差精度要求，然后将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出，从而减少了需要传送的数据量，降低了数据传送的能量消耗，从而相对减少了无线传感器网络节点的通信开销；提出误差精度要求的公式，保证了数据压缩的精度，且提高了数据扫描的速度。

优选的，所述数据接收单元45由无线传感器网络汇聚节点进行构建，所述无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，并将接收的传感器节点对应的压缩后的感知数据传送到高性能计算机进行处理和分析，实现无线数据的采集；

其中，所述保证加权公平性的数据传输协议为：

所述无线传感器网络汇聚节点在某单位时间段[0,t]接收来自传感器节点i的对应的压缩后的感知数据的数量S_i,t需满足以下公平性度量条件：

$\frac{{({\mathrm{\Σ}}_{i=1}^N{S}_{i,t}/w_i)}^2}{{\mathrm{N\Σ}}_{i=1}^N{(S_{i,t}/w_i)}^2}\≥1-{(10\mathrm{\γ}/9)}^2$

式中，w_i为设定的传感器节点i的表征其数据重要程度的权值，N为传感器节点的总数，γ为常数，其取值范围为(0,0.2)。

本优选实施例无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，使无线传感器网络汇聚节点能够从重要的传感器节点接收较多的感知数据，保证了数据传输的效率的同时，提高了数据传输的公平性。

优选的，所述数据传送单元46通过网络将数据传送给用户，包括近距离传送子单元、远距离通信子单元和切换子单元，所述近距离通信子单元采用zigbee协议通信，所述远距离通信子单元采用无线网络通信，正常情况下，用户通过近距离通信子模块从计算机控制端获取监测信息，当用户外出时，切换子单元启动远距离通信子单元，向用户手机控制端远距离传送监测信息。

本优选实施例设置数据传送单元46，能够根据用户距离选择通信方式，实现了实时监测。

在此应用场景中，误差界限为ε取0.4，监测速度相对提高了10％，监测精度相对提高了12％。

应用场景4

参见图1、图2，本应用场景的一个实施例的基于大数据理念的桥梁结构健康监测系统，包括健康监测模块1、无线网络传送模块4、桥梁结构大数据存储模块2和桥梁结构大数据分析模块3；所述健康监测模块1通过多个传感器进行桥梁监测，监测数据由所述无线网络传送模块4传送至桥梁结构大数据存储模块2；所述桥梁结构大数据分析模块3用于对桥梁结构大数据存储模块2中的监测数据进行分析处理，形成实时分析报告。

优选的，所述桥梁结构大数据分析模块3依靠云计算分布式处理技术和虚拟化技术对桥梁结构大数据存储模块2中的监测数据进行分析处理。

本发明上述实施例通过健康监测模块1、无线网络传送模块4、桥梁结构大数据存储模块2和桥梁结构大数据分析模块3组合对桥梁结构健康监测，设计合理，适用性强，可靠性好，便于推广应用，从而解决了上述的技术问题。

优选的，所述的桥梁结构大数据存储模块2采用云存储对桥梁结构的数据流进行读、写操作。

本优选实施例采用云存储进行监测数据存储，存储速度快、智能，且存储容量大。

优选的，所述无线网络传送模块4包括传感器定位单元41、传感器网络优化单元42、数据监测单元43、数据处理单元44、数据接收单元45和数据传送单元46。

本优选实施例构建了无线网络传送模块4的框架。

优选的，所述传感器定位单元41用于对未知的传感器网络节点进行定位，定位方法如下：

(1)在少数传感器节点上集成GPS定位芯片，这些传感器节点通过接收GPS信号获取自身位置而成为已知位置节点，作为其他未知位置节点的定位基础；

(2)求取四个已知位置节点相互间的距离和跳数，计算平均每跳的距离；

(3)对于未知位置节点X，使用其到四个已知位置节点的跳数与(2)中平均每跳的距离相乘得到未知位置节点到四个已知位置节点的距离；

(4)通过任意组合的方式选取其中三个已知位置节点，对于每一组合，根据三边测量法获取其位置，则产生四个计算结果，求取平均位置作为未知位置节点最终位置。

本优选实施例设置传感器定位单元41，便于获取监测数据的位置来源，采用GPS定位芯片和三边定位结合的方法，既节约了成本，又能取得良好的定位效果。

优选的，所述传感器网络优化单元42采用遗传-蚁群优化算法对传感器网络路由算法进行优化，具体方法如下：

(1)随机生成无线传感器网络拓扑结构；

(2)设定遗传算法的参数，采用遗传算法精简传感器网络，形成新的网络拓扑结构；

(3)根据遗传算法结果初始化蚁群算法信息素；

(4)设定蚁群算法参数，采用蚁群算法对最优路径进行搜索和更新。

本优选实施例对传感器网络进行优化，在保证整个无线传感器网络性能下降有限的情况下，提升了网络节能效果，延长了网络的寿命。

优选的，所述数据监测单元43用于通过由各传感器构建的传感器节点相互协作进行某区域的监测，并输出各传感器节点监测的感知数据；

所述数据处理单元44用于对各传感器节点监测的感知数据进行压缩处理，包括：

设所述感知数据的一个单位时间段的数据序列为X＝{x(t₁),x(t₂),…,x(t_n)},其中t_i(1≤i≤n)表示时间戳，x(t_i)表示在t_i(1≤i≤n)时刻某个节点产生的监测值，设定误差界限为ε，误差界限为ε的取值范围为[0.4,0.8]，从第一个数据点[t₁，x(t₁)]开始，对数据序列X＝｛x(t₁),x(t₂),…,x(t_n)}中的数据点按序进行第一次扫描，当达到设定的扫描停止条件时，停止第一次的扫描，将第一次扫描的数据子序列用一条线段来近似，从第一次扫描的数据子序列后的第一个数据点开始进行类似的第二次的扫描，直至扫描完整个单位时间段的数据序列；将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出；

其中，所述设定的扫描停止条件为：当扫描到一个数据点[t_k，x(t_k)]，在这个数据点[t_k，x(t_k)]之前的所有数据点能被一条线段来近似描述，且满足误差精度要求，而加上数据点[t_k，x(t_k)]之后，不存在一条线段能近似描述当前所有未被近似描述的数据点时，停止扫描；

所述误差精度要求为：

$|x\left(t_j\right)-\[x\left(t_{\mathrm{\α}}\right)+\frac{x\left(t_{k-1}\right)-x\left(t_{\mathrm{\α}}\right)}{t_{k-1}-t_{\mathrm{\α}}}(t_j-t_{\mathrm{\α}})\]|\≤\mathrm{\ϵ}$

其中，设所述数据点[t_k，x(t_k)]之前的子序列为X＝{x(t_α),x(t_α+1),…,x(t_k-1)}，式中x(t_j)为在t_j(α≤j≤k-1)时刻的真实值。

本优选实施例设置数据处理单元44，通过设定的扫描停止条件进行数据扫描，能够在线性时间内，使用最少数目的线段数来近似描述感知数据的一个单位时间段的数据序列且保证误差精度要求，然后将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出，从而减少了需要传送的数据量，降低了数据传送的能量消耗，从而相对减少了无线传感器网络节点的通信开销；提出误差精度要求的公式，保证了数据压缩的精度，且提高了数据扫描的速度。

优选的，所述数据接收单元45由无线传感器网络汇聚节点进行构建，所述无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，并将接收的传感器节点对应的压缩后的感知数据传送到高性能计算机进行处理和分析，实现无线数据的采集；

其中，所述保证加权公平性的数据传输协议为：

所述无线传感器网络汇聚节点在某单位时间段[0,t]接收来自传感器节点i的对应的压缩后的感知数据的数量S_i,t需满足以下公平性度量条件：

$\frac{{({\mathrm{\Σ}}_{i=1}^N{S}_{i,t}/w_i)}^2}{{\mathrm{N\Σ}}_{i=1}^N{(S_{i,t}/w_i)}^2}\≥1-{(10\mathrm{\γ}/9)}^2$

式中，w_i为设定的传感器节点i的表征其数据重要程度的权值，N为传感器节点的总数，γ为常数，其取值范围为(0,0.2)。

本优选实施例无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，使无线传感器网络汇聚节点能够从重要的传感器节点接收较多的感知数据，保证了数据传输的效率的同时，提高了数据传输的公平性。

优选的，所述数据传送单元46通过网络将数据传送给用户，包括近距离传送子单元、远距离通信子单元和切换子单元，所述近距离通信子单元采用zigbee协议通信，所述远距离通信子单元采用无线网络通信，正常情况下，用户通过近距离通信子模块从计算机控制端获取监测信息，当用户外出时，切换子单元启动远距离通信子单元，向用户手机控制端远距离传送监测信息。

本优选实施例设置数据传送单元46，能够根据用户距离选择通信方式，实现了实时监测。

在此应用场景中，误差界限为ε取0.4，监测速度相对提高了10％，监测精度相对提高了12％。

应用场景5

参见图1、图2，本应用场景的一个实施例的基于大数据理念的桥梁结构健康监测系统，包括健康监测模块1、无线网络传送模块4、桥梁结构大数据存储模块2和桥梁结构大数据分析模块3；所述健康监测模块1通过多个传感器进行桥梁监测，监测数据由所述无线网络传送模块4传送至桥梁结构大数据存储模块2；所述桥梁结构大数据分析模块3用于对桥梁结构大数据存储模块2中的监测数据进行分析处理，形成实时分析报告。

优选的，所述桥梁结构大数据分析模块3依靠云计算分布式处理技术和虚拟化技术对桥梁结构大数据存储模块2中的监测数据进行分析处理。

本发明上述实施例通过健康监测模块1、无线网络传送模块4、桥梁结构大数据存储模块2和桥梁结构大数据分析模块3组合对桥梁结构健康监测，设计合理，适用性强，可靠性好，便于推广应用，从而解决了上述的技术问题。

优选的，所述的桥梁结构大数据存储模块2采用云存储对桥梁结构的数据流进行读、写操作。

本优选实施例采用云存储进行监测数据存储，存储速度快、智能，且存储容量大。

优选的，所述无线网络传送模块4包括传感器定位单元41、传感器网络优化单元42、数据监测单元43、数据处理单元44、数据接收单元45和数据传送单元46。

本优选实施例构建了无线网络传送模块4的框架。

优选的，所述传感器定位单元41用于对未知的传感器网络节点进行定位，定位方法如下：

(1)在少数传感器节点上集成GPS定位芯片，这些传感器节点通过接收GPS信号获取自身位置而成为已知位置节点，作为其他未知位置节点的定位基础；

(2)求取四个已知位置节点相互间的距离和跳数，计算平均每跳的距离；

(3)对于未知位置节点X，使用其到四个已知位置节点的跳数与(2)中平均每跳的距离相乘得到未知位置节点到四个已知位置节点的距离；

(4)通过任意组合的方式选取其中三个已知位置节点，对于每一组合，根据三边测量法获取其位置，则产生四个计算结果，求取平均位置作为未知位置节点最终位置。

本优选实施例设置传感器定位单元41，便于获取监测数据的位置来源，采用GPS定位芯片和三边定位结合的方法，既节约了成本，又能取得良好的定位效果。

优选的，所述传感器网络优化单元42采用遗传-蚁群优化算法对传感器网络路由算法进行优化，具体方法如下：

(1)随机生成无线传感器网络拓扑结构；

(2)设定遗传算法的参数，采用遗传算法精简传感器网络，形成新的网络拓扑结构；

(3)根据遗传算法结果初始化蚁群算法信息素；

(4)设定蚁群算法参数，采用蚁群算法对最优路径进行搜索和更新。

本优选实施例对传感器网络进行优化，在保证整个无线传感器网络性能下降有限的情况下，提升了网络节能效果，延长了网络的寿命。

优选的，所述数据监测单元43用于通过由各传感器构建的传感器节点相互协作进行某区域的监测，并输出各传感器节点监测的感知数据；

所述数据处理单元44用于对各传感器节点监测的感知数据进行压缩处理，包括：

设所述感知数据的一个单位时间段的数据序列为X＝{x(t₁),x(t₂),…,x(t_n)},其中t_i(1≤i≤n)表示时间戳，x(t_i)表示在t_i(1≤i≤n)时刻某个节点产生的监测值，设定误差界限为ε，误差界限为ε的取值范围为[0.4,0.8]，从第一个数据点[t₁，x(t₁)]开始，对数据序列X＝｛x(t₁),x(t₂),…,x(t_n)｝中的数据点按序进行第一次扫描，当达到设定的扫描停止条件时，停止第一次的扫描，将第一次扫描的数据子序列用一条线段来近似，从第一次扫描的数据子序列后的第一个数据点开始进行类似的第二次的扫描，直至扫描完整个单位时间段的数据序列；将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出；

其中，所述设定的扫描停止条件为：当扫描到一个数据点[t_k，x(t_k)]，在这个数据点[t_k，x(t_k)]之前的所有数据点能被一条线段来近似描述，且满足误差精度要求，而加上数据点[t_k，x(t_k)]之后，不存在一条线段能近似描述当前所有未被近似描述的数据点时，停止扫描；

所述误差精度要求为：

$|x\left(t_j\right)-\[x\left(t_{\mathrm{\α}}\right)+\frac{x\left(t_{k-1}\right)-x\left(t_{\mathrm{\α}}\right)}{t_{k-1}-t_{\mathrm{\α}}}(t_j-t_{\mathrm{\α}})\]|\≤\mathrm{\ϵ}$

其中，设所述数据点[t_k，x(t_k)]之前的子序列为X＝{x(t_α),x(t_α+1),…,x(t_k-1)}，式中x(t_j)为在t_j(α≤j≤k-1)时刻的真实值。

本优选实施例设置数据处理单元44，通过设定的扫描停止条件进行数据扫描，能够在线性时间内，使用最少数目的线段数来近似描述感知数据的一个单位时间段的数据序列且保证误差精度要求，然后将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出，从而减少了需要传送的数据量，降低了数据传送的能量消耗，从而相对减少了无线传感器网络节点的通信开销；提出误差精度要求的公式，保证了数据压缩的精度，且提高了数据扫描的速度。

优选的，所述数据接收单元45由无线传感器网络汇聚节点进行构建，所述无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，并将接收的传感器节点对应的压缩后的感知数据传送到高性能计算机进行处理和分析，实现无线数据的采集；

其中，所述保证加权公平性的数据传输协议为：

所述无线传感器网络汇聚节点在某单位时间段[0,t]接收来自传感器节点i的对应的压缩后的感知数据的数量S_i,t需满足以下公平性度量条件：

$\frac{{({\mathrm{\Σ}}_{i=1}^N{S}_{i,t}/w_i)}^2}{{\mathrm{N\Σ}}_{i=1}^N{(S_{i,t}/w_i)}^2}\≥1-{(10\mathrm{\γ}/9)}^2$

式中，w_i为设定的传感器节点i的表征其数据重要程度的权值，N为传感器节点的总数，γ为常数，其取值范围为(0,0.2)。

本优选实施例无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，使无线传感器网络汇聚节点能够从重要的传感器节点接收较多的感知数据，保证了数据传输的效率的同时，提高了数据传输的公平性。

优选的，所述数据传送单元46通过网络将数据传送给用户，包括近距离传送子单元、远距离通信子单元和切换子单元，所述近距离通信子单元采用zigbee协议通信，所述远距离通信子单元采用无线网络通信，正常情况下，用户通过近距离通信子模块从计算机控制端获取监测信息，当用户外出时，切换子单元启动远距离通信子单元，向用户手机控制端远距离传送监测信息。

本优选实施例设置数据传送单元46，能够根据用户距离选择通信方式，实现了实时监测。

在此应用场景中，误差界限为ε取0.8，监测速度相对提高了14％，监测精度相对提高了8％。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (3)

1.一种基于大数据理念的桥梁结构健康监测系统，其特征在于，包括健康监测模块、无线网络传送模块、桥梁结构大数据存储模块和桥梁结构大数据分析模块；所述健康监测模块通过多个传感器进行桥梁监测，监测数据由所述无线网络传送模块传送至桥梁结构大数据存储模块；所述桥梁结构大数据分析模块用于对桥梁结构大数据存储模块中的监测数据进行分析处理，形成实时分析报告。

2.根据权利要求1所述的一种基于大数据理念的桥梁结构健康监测系统，其特征在于，所述的桥梁结构大数据存储模块采用云存储对桥梁结构的数据流进行读、写操作。

3.根据权利要求2所述的一种基于大数据理念的桥梁结构健康监测系统，其特征在于，所述桥梁结构大数据分析模块依靠云计算分布式处理技术和虚拟化技术对桥梁结构大数据存储模块中的监测数据进行分析处理。