CN108171955A - 一种基于大数据和wsn技术的空气污染实时监测系统 - Google Patents
一种基于大数据和wsn技术的空气污染实时监测系统 Download PDFInfo
- Publication number
- CN108171955A CN108171955A CN201810176253.2A CN201810176253A CN108171955A CN 108171955 A CN108171955 A CN 108171955A CN 201810176253 A CN201810176253 A CN 201810176253A CN 108171955 A CN108171955 A CN 108171955A
- Authority
- CN
- China
- Prior art keywords
- air pollution
- node
- cluster head
- big data
- base station
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Abstract
本发明提供了一种基于大数据和WSN技术的空气污染实时监测系统,包括多个空气污染监测子系统和大数据处理中心,每个空气污染监测子系统皆连接至大数据处理中心,每个空气污染监测子系统用于采集一个空气污染监测区域内的多个空气污染监测节点的空气污染参数;大数据处理中心用于对采集的空气污染参数进行处理分析,实现对空气污染的实时监测。本发明基于大数据处理技术和无线传感器网络技术实现了对空气污染的实时监测。
Description
技术领域
本发明涉及空气污染监测技术领域,具体涉及一种基于大数据和WSN技术的空气污染实时监测系统。
背景技术
相关技术中,相关技术中,对城市空气污染监测的方法主要有:
(1)传统方法,即人工取样实验室分析的方法。这种方法只能得到空气污染监测区域内某段时间内的监测值,无法进行实时监测,监测结果受人为的影响很大,同时,当空气污染监测区域有害气体浓度很高时会严重伤害监测人员的身体健康;
(2)目前比较流行的在线监测,多采用国外进口的自动化空气环境监测设备进行监测,这种监测方法,尽管能够实现实时监测,但所用设备结构复杂、价格昂贵、难以维护、运营成本高且其工作环境苛刻。
发明内容
针对上述问题,本发明提供一种基于大数据和WSN技术的空气污染实时监测系统。
本发明的目的采用以下技术方案来实现:
提供了一种基于大数据和WSN技术的空气污染实时监测系统,包括多个空气污染监测子系统和大数据处理中心,每个空气污染监测子系统皆连接至大数据处理中心,每个空气污染监测子系统用于采集一个空气污染监测区域内的多个空气污染监测节点的空气污染参数;大数据处理中心用于对采集的空气污染参数进行处理分析,实现对空气污染的实时监测。
优选地,每个空气污染监测子系统包括设置于各个空气污染监测节点的传感器节点,还包括基站,传感器节点用于采集所在空气污染监测节点的空气污染参数,基站负责传感器节点和大数据处理中心之间的双向信息交互。
本发明的有益效果为:基于大数据处理技术和无线传感器网络(WSN)技术,实现看空气污染的实时监测和相关数据的统一分析处理,提高对空气污染的监测能力,智能便捷,节省人力,成本相对较低。
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是本发明一个示例性实施例的空气污染实时监测系统的结构示意框图;
图2是本发明一个示例性实施例的大数据处理中心的结构示意框图。
附图标记:
空气污染监测子系统1、大数据处理中心2、用户终端3、数据接收单元10、数据显示单元20、数据分析单元30、数据压缩单元40、数据存储单元50。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例提供的一种基于大数据和WSN技术的空气污染实时监测系统,包括多个空气污染监测子系统1和大数据处理中心2,每个空气污染监测子系统1皆连接至大数据处理中心2,每个空气污染监测子系统1用于采集一个空气污染监测区域内的多个空气污染监测节点的空气污染参数;大数据处理中心2用于对采集的空气污染参数进行处理分析,实现对空气污染的实时监测。
其中,所述对接收的空气污染参数进行分析处理,具体包括:对接收的空气污染参数与设定的阈值进行比较处理并输出比较结果,以及根据接收的空气污染参数绘制数据曲线和/或拓扑图。
其中,还包括与大数据处理中心2通信连接的用户终端3,用户终端3可实时访问大数据处理中心2,查询和获取相应的空气污染参数。
在一个实施例中,每个空气污染监测子系统1包括设置于各个空气污染监测节点的传感器节点,还包括基站,传感器节点用于采集所在空气污染监测节点的空气污染参数,基站负责传感器节点和大数据处理中心之间的双向信息交互。
其中,传感器节点包括至少一种下述的传感器:
粉尘传感器,用于实时检测所述空气污染监测区域中的粉尘污染物的浓度;
PM2.5传感器,用于实时检测所述空气污染监测区域中的PM2.5污染物的浓度;
甲醛传感器,用于实时检测所述空气污染监测区域中的甲醛污染物的浓度;
有毒气体传感器,用于实时检测所述空气污染监测区域中的有毒气体的浓度;
异味传感器,用于实时检测所述空气污染监测区域中的异味的浓度;
二氧化碳传感器,用于实时检测所述空气污染监测区域中的二氧化碳的浓度。
在一个实施例中,如图2所示,大数据处理中心2包括依次连接的数据接收单元10、数据显示单元20、数据分析单元30。
其中,数据接收单元10用于对接收多个空气污染监测子系统1发送的空气污染参数。
其中,数据显示单元20用于对数据接收单元10接收的空气污染参数进行显示。
其中,数据分析单元30用于对接收的空气污染参数进行分析处理。
在一个实施例中,大数据处理中心2还包括相连接的数据压缩单元40和数据存储单元50,数据压缩单元40与数据接收单元10连接,用于对数据接收单元10接收的多个空气污染监测子系统1发送的空气污染参数进行压缩处理,并将压缩处理后的空气污染参数发送至数据存储单元50中存储。
在一个实施例中,所述对数据接收单元10接收的多个空气污染监测子系统1发送的空气污染参数进行压缩处理,具体为:将一空气污染监测子系统1中的各传感器节点发送的属于同一采集周期内的空气污染参数作为一段空气污染参数,分别对各段空气污染参数进行压缩处理。
本发明上述实施例基于大数据处理技术和无线传感器网络(WSN)技术,实现看空气污染的实时监测和相关数据的统一分析处理,提高对空气污染的监测能力,智能便捷,节省人力,成本相对较低。
在一个实施例中,各传感器节点通过分簇路由协议划分成多个簇,从而构建分簇的无线传感器网络,其中每个簇包括一个主要簇头和一个辅助簇头,主要簇头用于聚合簇内传感器节点采集的空气污染参数,辅助簇头用于接收主要簇头发送的聚合的空气污染参数,并将接收的聚合的空气污染参数通过多跳路由的方式发送至基站;其中,所述的分簇路由协议包括:
(1)空气污染监测区域内的每个传感器节点接收基站广播的“hello”数据包,确定自身到基站的距离,并记录接收到基站广播的“hello”数据包的时间,所述的“hello”数据包包括由基站设定的各传感器节点接收“hello”数据包的理论时间;
(2)每一轮的主要簇头选举开始时,每个传感器节点i随机生成一个介于0到1之间的随机数,并设定阈值Ti,若生成的随机数小于阈值Ti,则该传感器节点i成为工作节点,并立刻加入工作节点集,Ti的设定公式为:
式中,ξ为设定的主要簇头个数占传感器节点个数百分比的期望值,η为当前轮数,Φ为在前轮中未当选过主要簇头的传感器节点集合,Ei为传感器节点i的当前剩余能量,Emin为设定的最小能量值,θ为设定的比例阈值,为设定的比较取值函数,当时,当时,
(3)工作节点向工作节点集中的其余工作节点广播节点信息,其中节点信息包括自身ID号;
(4)当工作节点接收到其余工作节点的节点信息后,若工作节点α位于工作节点β的感知范围内,则工作节点α加入到工作节点β的邻居节点集中;
(5)工作节点的邻居节点集中,位置权值最大的工作节点当选为主要簇头并向其余传感器节点广播当选信息,未当选主要簇头的工作节点成为成员节点并加入到最近的主要簇头;
(6)睡眠节点接收到所述的广播当选信息后被激活,并加入到最近的主要簇头,分簇完成后,主要簇头在其簇内的成员节点中选择一个成员节点作为辅助簇头。
在一种可选的方式中,主要簇头的当前剩余能量低于其簇内成员节点的平均剩余能量时,主要簇头促使其簇内的所有成员节点重新选举位置权值最大的成员节点作为新的主要簇头。
本实施例提出了一种新的分簇路由协议,该协议中通过选取主要簇头和辅助簇头共同来承担空气污染参数的聚合和转发任务,能够降低主要簇头的能耗以及主要簇头轮换的频率,实现能耗分散,进而延长网络的生存时间。本实施例基于传统的LEACH分簇路由协议,创造性地设定了主要簇头的竞选方式,其中在阈值的计算公式中考虑了能量因素,使得生成的随机数大于阈值的传感器节点才能参与到主要簇头的竞争,限制了传感器节点当选为主要簇头的次数,同时降低了剩余能量过小的传感器节点当选为主要簇头的概率,有利于保证主要簇头的工作时间,同时降低传感器节点的能耗速率,避免传感器节点过早死亡,因此本实施例基于上述的分簇路由协议选举主要簇头和辅助簇头,能够提高无线传感器网络的稳定性,从而极大提高了空气污染参数采集和传输的可靠性。
在一个实施例中,所述位置权值的计算公式为:
式中,Yj表示工作节点j的位置权值,D(j,sink)为工作节点j到基站的距离,Dmax为所有传感器节点到基站的距离中的最大值,Dmin为所有传感器节点到基站的距离中的最小值;mj为工作节点j收到基站“hello”数据包的时间,为由基站设定的工作节点j收到基站“hello”数据包的理论时间。
相对于现有技术直接选择当前剩余能量最大的作为簇头,本实施例创造性地选取位置权值最大的传感器节点作为主要簇头,其中创造性地设计了位置权值的计算公式,根据传感器节点接收基站数据包的实际信号强度与理论信号强度的差别设计了用于距离的加权系数,使得计算出的位置权值更精确地衡量传感器节点的位置优势,本实施例根据位置优势因素来选择主要簇头,能够使得距离基站更近的工作节点具有更大概率成为主要簇头,从而降低空气污染参数传输至基站的能耗,节约空气污染实时监测系统的在空气污染参数收集方面的通信成本。
在一个实施例中,辅助簇头将接收的聚合的空气污染参数通过多跳路由的方式发送至基站,具体为:
(1)当辅助簇头与基站的距离小于或等于设定的最大距离阈值时,辅助簇头的空气污染参数以单跳通信的形式直接传输至基站;
(2)当辅助簇头与基站的距离大于设定的最大距离阈值时,辅助簇头在其一跳邻居节点集内选择当前剩余能量最大的作为中继节点,以完成空气污染参数的传输。
在一个实施例中,主要簇头在其簇内的成员节点中选择一个成员节点作为辅助簇头,具体包括:
(1)主要簇头按照下列公式计算其簇内成员节点的选择概率:
式中,Qk表示主要簇头a的成员节点k的选择概率,Ek为成员节点k的当前剩余能量,为主要簇头a的簇内成员节点的平均能量,D(a,sink)为主要簇头a到基站的距离,D(k,a)为成员节点k到其主要簇头a的距离,D(k,sink)为成员节点k到基站的距离,mk为成员节点k收到基站“hello”数据包的时间,为由基站设定的成员节点k收到基站“hello”数据包的理论时间,v为设定的权重系数;
(2)主要簇头将选择概率最大的成员节点作为辅助簇头。
本实施例根据能量以及位置因素创造性地设计了选择概率的计算公式,并从中引入了根据传感器节点接收基站数据包的实际信号强度与理论信号强度的差别设计的用于距离的加权系数,使得选择概率能够更精确地衡量成员节点的位置优势和能量优势;
本实施例将选择概率最大的成员节点作为辅助簇头,能够为主要簇头选择最佳的辅助簇头用于承担转发空气污染参数的任务,降低了网络中主要簇头与辅助簇头之间的通信能耗,节约了空气污染实时监测系统在空气污染参数收集方面的通信成本。
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 (6)
1.一种基于大数据和WSN技术的空气污染实时监测系统,其特征是,包括多个空气污染监测子系统和大数据处理中心,每个空气污染监测子系统皆连接至大数据处理中心,每个空气污染监测子系统用于采集一个空气污染监测区域内的多个空气污染监测节点的空气污染参数;大数据处理中心用于对采集的空气污染参数进行处理分析,实现对空气污染的实时监测;每个空气污染监测子系统包括设置于各个空气污染监测节点的传感器节点,还包括基站,传感器节点用于采集所在空气污染监测节点的空气污染参数,基站负责传感器节点和大数据处理中心之间的双向信息交互。
2.根据权利要求1所述的一种基于大数据和WSN技术的空气污染实时监测系统,其特征是,大数据处理中心包括依次连接的数据接收单元、数据显示单元、数据分析单元,其中数据接收单元用于对接收多个空气污染监测子系统发送的空气污染参数;所述数据显示单元用于对数据接收单元接收的空气污染参数进行显示;所述的数据分析单元用于对接收的空气污染参数进行分析处理。
3.根据权利要求2所述的一种基于大数据和WSN技术的空气污染实时监测系统,其特征是,大数据处理中心还包括相连接的数据压缩单元和数据存储单元,数据压缩单元与数据接收单元连接,用于对数据接收单元接收的多个空气污染监测子系统发送的空气污染参数进行压缩处理,并将压缩处理后的空气污染参数发送至数据存储单元中存储。
4.根据权利要求2所述的一种基于大数据和WSN技术的空气污染实时监测系统,其特征是,所述对接收的空气污染参数进行分析处理,具体包括:对接收的空气污染参数与设定的阈值进行比较处理并输出比较结果,以及根据接收的空气污染参数绘制数据曲线和/或拓扑图。
5.根据权利要求1-4任一项所述的一种基于大数据和WSN技术的空气污染实时监测系统,其特征是,各传感器节点通过分簇路由协议划分成多个簇,从而构建分簇的无线传感器网络,其中每个簇包括一个主要簇头和一个辅助簇头,主要簇头用于聚合簇内传感器节点采集的空气污染参数,辅助簇头用于接收主要簇头发送的聚合的空气污染参数,并将接收的聚合的空气污染参数通过多跳路由的方式发送至基站;其中,所述的分簇路由协议包括:
(1)空气污染监测区域内的每个传感器节点接收基站广播的“hello”数据包,确定自身到基站的距离,并记录接收到基站广播的“hello”数据包的时间,所述的“hello”数据包包括由基站设定的各传感器节点接收“hello”数据包的理论时间;
(2)每一轮的主要簇头选举开始时,每个传感器节点i随机生成一个介于0到1之间的随机数,并设定阈值Ti,若生成的随机数小于阈值Ti,则该传感器节点i成为工作节点,并立刻加入工作节点集,Ti的设定公式为:
式中,ξ为设定的主要簇头个数占传感器节点个数百分比的期望值,η为当前轮数,Φ为在前轮中未当选过主要簇头的传感器节点集合,Ei为传感器节点i的当前剩余能量,Emin为设定的最小能量值,θ为设定的比例阈值,为设定的比较取值函数,当时,当时,
(3)工作节点向工作节点集中的其余工作节点广播节点信息,其中节点信息包括自身ID号;
(4)当工作节点接收到其余工作节点的节点信息后,若工作节点α位于工作节点β的感知范围内,则工作节点α加入到工作节点β的邻居节点集中;
(5)工作节点的邻居节点集中,位置权值最大的工作节点当选为主要簇头并向其余传感器节点广播当选信息,未当选主要簇头的工作节点成为成员节点并加入到最近的主要簇头;
(6)睡眠节点接收到所述的广播当选信息后被激活,并加入到最近的主要簇头,分簇完成后,主要簇头在其簇内的成员节点中选择一个成员节点作为辅助簇头。
6.根据权利要求5所述的一种基于大数据和WSN技术的空气污染实时监测系统,其特征是,辅助簇头将接收的聚合的空气污染参数通过多跳路由的方式发送至基站,具体为:
(1)当辅助簇头与基站的距离小于或等于设定的最大距离阈值时,辅助簇头的空气污染参数以单跳通信的形式直接传输至基站;
(2)当辅助簇头与基站的距离大于设定的最大距离阈值时,辅助簇头在其一跳邻居节点集内选择当前剩余能量最大的作为中继节点,以完成空气污染参数的传输。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810176253.2A CN108171955A (zh) | 2018-03-03 | 2018-03-03 | 一种基于大数据和wsn技术的空气污染实时监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810176253.2A CN108171955A (zh) | 2018-03-03 | 2018-03-03 | 一种基于大数据和wsn技术的空气污染实时监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108171955A true CN108171955A (zh) | 2018-06-15 |
Family
ID=62510722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810176253.2A Pending CN108171955A (zh) | 2018-03-03 | 2018-03-03 | 一种基于大数据和wsn技术的空气污染实时监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108171955A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108769938A (zh) * | 2018-03-29 | 2018-11-06 | 深圳市益鑫智能科技有限公司 | 一种基于大数据的空气污染实时监测系统 |
CN108966171A (zh) * | 2018-07-31 | 2018-12-07 | 梧州市兴能农业科技有限公司 | 区域空气污染物浓度超标预警系统 |
CN108981807A (zh) * | 2018-07-09 | 2018-12-11 | 梧州市兴能农业科技有限公司 | 一种土木工程建筑智能监测系统 |
CN109164737A (zh) * | 2018-09-06 | 2019-01-08 | 深圳市云传物联技术有限公司 | 一种应用于环境保护的物联网大数据平台 |
CN109186667A (zh) * | 2018-09-03 | 2019-01-11 | 广州市花林景观工程有限公司 | 湖泊水指标实时监测系统 |
CN109672993A (zh) * | 2019-01-28 | 2019-04-23 | 苏州宏裕千智能设备科技有限公司 | 一种数据收集方法、装置及系统 |
CN111426810A (zh) * | 2020-05-11 | 2020-07-17 | 河海大学 | 一种面向空天地一体化的水环境监测系统部署方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101013987A (zh) * | 2007-02-05 | 2007-08-08 | 南京邮电大学 | 一种高效的无线传感器网络拓扑控制方法 |
KR20110114352A (ko) * | 2010-04-13 | 2011-10-19 | (주)에어스텍 | 원격제어 시스템을 갖춘 탈취장치 |
CN202720001U (zh) * | 2012-06-25 | 2013-02-06 | 河海大学常州校区 | 基于无线传感器网络的空气污染实时监测系统 |
CN104093186A (zh) * | 2014-06-26 | 2014-10-08 | 河海大学 | 一种多跳无线传感网络机会路由方法及其系统 |
CN105376806A (zh) * | 2015-12-08 | 2016-03-02 | 上海应用技术学院 | 基于多路径中最大能量路径选择的分簇路由方法 |
CN105682212A (zh) * | 2016-04-01 | 2016-06-15 | 中国联合网络通信集团有限公司 | 自组织网络的信息传递方法、自组织网络 |
CN106297252A (zh) * | 2016-10-10 | 2017-01-04 | 深圳万发创新进出口贸易有限公司 | 一种工业园区大气污染监测系统 |
CN106937352A (zh) * | 2015-12-29 | 2017-07-07 | 扬州大学 | 基于粒子群算法的移动汇聚节点无线传感器网络路由协议 |
-
2018
- 2018-03-03 CN CN201810176253.2A patent/CN108171955A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101013987A (zh) * | 2007-02-05 | 2007-08-08 | 南京邮电大学 | 一种高效的无线传感器网络拓扑控制方法 |
KR20110114352A (ko) * | 2010-04-13 | 2011-10-19 | (주)에어스텍 | 원격제어 시스템을 갖춘 탈취장치 |
CN202720001U (zh) * | 2012-06-25 | 2013-02-06 | 河海大学常州校区 | 基于无线传感器网络的空气污染实时监测系统 |
CN104093186A (zh) * | 2014-06-26 | 2014-10-08 | 河海大学 | 一种多跳无线传感网络机会路由方法及其系统 |
CN105376806A (zh) * | 2015-12-08 | 2016-03-02 | 上海应用技术学院 | 基于多路径中最大能量路径选择的分簇路由方法 |
CN106937352A (zh) * | 2015-12-29 | 2017-07-07 | 扬州大学 | 基于粒子群算法的移动汇聚节点无线传感器网络路由协议 |
CN105682212A (zh) * | 2016-04-01 | 2016-06-15 | 中国联合网络通信集团有限公司 | 自组织网络的信息传递方法、自组织网络 |
CN106297252A (zh) * | 2016-10-10 | 2017-01-04 | 深圳万发创新进出口贸易有限公司 | 一种工业园区大气污染监测系统 |
Non-Patent Citations (3)
Title |
---|
张品 等: "能量高效的无线传感器网络非均匀分簇路由算法", 《传感技术学报》 * |
李芳 等: "无线传感器网络能量均衡的多sink分簇路由算法", 《计算机工程与应用》 * |
简玉梅 等: "一种基于Agent自信度的簇间多跳路由协议", 《传感技术学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108769938A (zh) * | 2018-03-29 | 2018-11-06 | 深圳市益鑫智能科技有限公司 | 一种基于大数据的空气污染实时监测系统 |
CN108981807A (zh) * | 2018-07-09 | 2018-12-11 | 梧州市兴能农业科技有限公司 | 一种土木工程建筑智能监测系统 |
CN108981807B (zh) * | 2018-07-09 | 2020-02-18 | 内蒙古万和工程项目管理有限责任公司 | 一种土木工程建筑智能监测系统 |
CN108966171A (zh) * | 2018-07-31 | 2018-12-07 | 梧州市兴能农业科技有限公司 | 区域空气污染物浓度超标预警系统 |
CN108966171B (zh) * | 2018-07-31 | 2020-05-15 | 南京绿色健康建筑研究院有限公司 | 区域空气污染物浓度超标预警系统 |
CN109186667A (zh) * | 2018-09-03 | 2019-01-11 | 广州市花林景观工程有限公司 | 湖泊水指标实时监测系统 |
CN109186667B (zh) * | 2018-09-03 | 2021-06-04 | 中成大运(北京)智慧城市科技发展有限公司 | 湖泊水指标实时监测系统 |
CN109164737A (zh) * | 2018-09-06 | 2019-01-08 | 深圳市云传物联技术有限公司 | 一种应用于环境保护的物联网大数据平台 |
CN109672993A (zh) * | 2019-01-28 | 2019-04-23 | 苏州宏裕千智能设备科技有限公司 | 一种数据收集方法、装置及系统 |
CN111426810A (zh) * | 2020-05-11 | 2020-07-17 | 河海大学 | 一种面向空天地一体化的水环境监测系统部署方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108171955A (zh) | 一种基于大数据和wsn技术的空气污染实时监测系统 | |
CN108171954A (zh) | 空气污染智能实时监测系统 | |
CN103442052B (zh) | 农田作物生长信息远程监测装置及方法 | |
CN202720001U (zh) | 基于无线传感器网络的空气污染实时监测系统 | |
CN102665249B (zh) | 一种基于无线传感器网络的大气污染监测系统 | |
CN108064065A (zh) | 一种基于无线传感器网络的远程水质监测系统 | |
CN101610199B (zh) | 基于模糊综合评判的异构网络丢包区分方法 | |
CN103826281A (zh) | 基于场强信息的微功率无线通信路由算法及组网方法 | |
CN107465746A (zh) | 一种基于无线传感器网络的风沙监测系统 | |
CN108417000A (zh) | 一种基于wsn技术的红树林生长环境智能监测系统 | |
CN201555837U (zh) | 一种基于传感器网络的空气质量监测设备 | |
CN107328916B (zh) | 一种有效的土壤环境监测系统 | |
CN107172575A (zh) | 一种基于云计算的输电线路监控系统 | |
CN108512905A (zh) | 一种基于wsn技术的建筑消防监测系统 | |
CN106658641A (zh) | 一种分布式无线传感网络分簇路由方法 | |
CN108306415A (zh) | 用于智能电网的输电线路监测装置 | |
CN108366126A (zh) | 一种基于wsn技术的病虫害监测预警系统 | |
CN108430048A (zh) | 一种基于wsn技术的酒厂储酒罐温度监测系统 | |
CN108600985A (zh) | 一种基于区块链技术的空气污染数据采集及处理系统 | |
CN108171956A (zh) | 一种基于大数据和wsn技术的电力变压器环境监测系统 | |
CN108519465A (zh) | 一种基于大数据的空气污染智能监测系统 | |
CN106290772B (zh) | 一种污水监测系统 | |
CN109195132A (zh) | 空气质量信息智能采集与实时播报系统 | |
CN108810843A (zh) | 城市空气质量智能监测系统 | |
CN112822653B (zh) | 一种无线传感器网络中的分簇路由方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |