CN116916464A - 基于ZigBee的室内环境数据优化监测采集方法 - Google Patents

Abstract

本发明涉及室内环境监测技术领域，具体涉及一种基于ZigBee的室内环境数据优化监测采集方法。该方法包括：获取室内环境数据，根据室内环境数据与对应环境数据标准值之间的差异确定环境监测异常程度；划分数据组；根据每组数据组中环境监测异常程度确定数据组的数据异常波动指标；进而确定每组数据组的初始监测优先级；根据每组数据组的数据量和处理带宽，确定数据余量，根据数据余量确定每组数据组的监测权重；根据监测权重和初始监测优先级，确定目标监测优先级；根据目标监测优先级，确定每组数据组的自适应退避时长，基于自适应退避时长和目标监测优先级对数据组进行采集。本发明能够有效提升数据采集的可靠性与数据采集效率。

Description

基于ZigBee的室内环境数据优化监测采集方法

技术领域

本发明涉及室内环境监测技术领域，具体涉及一种基于ZigBee的室内环境数据优化监测采集方法。

背景技术

室内环境数据监测和优化是指通过感知设备和数据分析技术采集和分析室内环境相关的数据，并根据分析结果进行优化措施。而室内环境数据通常由智能化的感知设备进行采集，因此，其数据采集方式通常为无线方式。

ZigBee是一种低功耗、近场无线通信协议，专门设计用于物联网设备间的短距离通信。相关技术中，通过ZigBee通信协议对室内环境数据进行采集，这种方式下，由于智能家居的数据量较为庞大，数据来源较为复杂，待进行监测的室内环境数据种类较多，使得基于ZigBee通信协议进行数据采集的处理效率较低，进而导致对室内环境数据采集的可靠性与数据采集效率较差。

发明内容

为了解决相关技术中基于ZigBee通信协议进行数据采集的处理效率较低，进而导致对室内环境数据采集的可靠性与数据采集效率较差的技术问题，本发明提供一种基于ZigBee的室内环境数据优化监测采集方法，所采用的技术方案具体如下：

本发明提出了一种基于ZigBee的室内环境数据优化监测采集方法，方法包括：

获取不同时刻不同种类的室内环境数据，根据同时刻不同种类的室内环境数据与对应环境数据标准值之间的差异，确定每一时刻的环境监测异常程度；

基于时刻将室内环境数据划分为不同数据组；根据每组数据组中所有时刻的环境监测异常程度确定每组数据组的数据异常波动指标；根据所述数据异常波动指标，确定每组数据组的初始监测优先级；

获取采集过程中数据信道的处理带宽，根据每组数据组的数据量和处理带宽，确定每组数据组的数据余量，根据所述数据余量确定每组数据组的监测权重；根据所述监测权重和所述初始监测优先级，确定每组数据组的目标监测优先级；

根据所述目标监测优先级，确定随机退避算法中每组数据组的自适应退避时长，基于所述自适应退避时长和所述目标监测优先级对所述数据组进行采集。

进一步地，所述室内环境数据包括温度数据、湿度数据和二氧化碳浓度数据，所述根据同时刻不同种类的室内环境数据与对应环境数据标准值之间的差异，确定每一时刻的环境监测异常程度，包括：

将温度数据与温度数据对应环境数据标准值的差值归一化值作为温度差异；将湿度数据与湿度数据对应环境数据标准值的差值归一化值作为湿度差异；将二氧化碳浓度数据与二氧化碳浓度数据对应环境数据标准值的差值归一化值作为二氧化碳浓度差异；

根据所述温度差异、所述湿度差异和所述二氧化碳浓度差异计算得到环境监测异常程度，其中，所述温度差异、所述湿度差异和所述二氧化碳浓度差异均与环境监测异常程度呈正相关关系。

进一步地，所述根据每组数据组中所有时刻的环境监测异常程度确定每组数据组的数据异常波动指标，包括：

计算任一组数据组中所有时刻的环境监测异常程度的均值作为对应数据组的数据异常波动指标。

进一步地，所述根据所述数据异常波动指标，确定每组数据组的初始监测优先级，包括：

对所述数据异常波动指标进行归一化处理得到数据组的初始监测优先级。

进一步地，所述根据每组数据组的数据量和处理带宽，确定每组数据组的数据余量，包括：

计算数据量与处理带宽的比值，得到余数，计算余数处理带宽的比值作为每组数据组的数据余量。

进一步地，所述数据余量与监测权重呈正相关关系。

进一步地，所述根据所述监测权重和所述初始监测优先级，确定每组数据组的目标监测优先级，包括：

计算所述监测权重和所述初始监测优先级的乘积作为目标监测系数；

对所述目标监测系数按照由大到小的顺序进行排序，根据排序顺序赋予对应的序号值，并将序号值作为数据组的目标监测优先级。

进一步地，所述根据所述目标监测优先级，确定随机退避算法中每组数据组的自适应退避时长，包括：

对所述目标监测优先级进行反比例归一化处理得到调整权值，计算调整权值与预设退避时长的乘积作为自适应退避时长。

进一步地，所述基于所述自适应退避时长和所述目标监测优先级对所述数据组进行采集，包括：

基于目标监测优先级由小到大的顺序为数据组分配数据信道并进行数据组传输；

在数据组传输过程中发生分组碰撞时，基于自适应退避时长确定自适应随机退避范围，根据所述自适应随机退避范围对产生碰撞的数据组进行数据退避处理，实现数据组的采集。

进一步地，所述基于自适应退避时长确定自适应随机退避范围，包括：

将发生分组碰撞的时间点作为退避起点，将退避起点至时序上自适应退避时长之后的时间节点所对应的时间范围，作为自适应随机退避范围。

本发明具有如下有益效果：

本发明应用于室内环境监测技术领域，由于传统基于ZigBee通信协议的室内环境数据采集是基于时序进行处理的，这种方式下，由于室内环境的数据较为复杂，数据量较大，使得对异常数据的采集具有一定的延时效果，数据采集效率较差，且数据处理过程中的退避机制进一步提高了数据处理的时间浪费，使得对数据采集的可靠性与数据采集效率较差，而本发明通过获取不同时刻不同种类的室内环境数据，结合对应环境数据标准值之间的差异，确定每一时刻的环境监测异常程度；便于后续根据环境监测异常程度进行优先级的分配，确定每组数据组的初始监测优先级；通过异常程度对优先级进行分配，使得异常数据更优先被监测关注，进而规避异常数据的延时效果，提升数据采集的可靠性与采集效率；根据每组数据组的数据量和处理带宽，确定每组数据组的数据余量，根据数据余量确定和初始监测优先级，确定每组数据组的目标监测优先级；由于数据余量可以表征数据组在采集过程中信道的利用率，从而能够结合数据组的异常情况和数据组在采集时的利用率，得到最终的目标监测优先级，使得目标监测优先级能够综合分析数据组的重要性和数据组的采集效率，保证整体数据的采集效果；而后，本发明根据目标监测优先级对随机退避算法对应的退避时长的选择进行优化，得到自适应退避时长，基于自适应退避时长和目标监测优先级对数据组进行采集，本发明通过结合数据组的异常程度和数据组的信道占用情况，重新规划室内环境数据的传输规则，避免退避机制造成的时间浪费，提升室内环境数据的采集效率，进而提升对室内环境数据采集的可靠性与数据采集效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种基于ZigBee的室内环境数据优化监测采集方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于ZigBee的室内环境数据优化监测采集方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于ZigBee的室内环境数据优化监测采集方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于ZigBee的室内环境数据优化监测采集方法流程图，该方法包括：

S101：获取不同时刻不同种类的室内环境数据，根据同时刻不同种类的室内环境数据与对应环境数据标准值之间的差异，确定每一时刻的环境监测异常程度。

本发明的一种实施场景为，基于ZigBee通信协议进行室内环境数据的采集，其中，ZigBee是一种低功耗、近场无线通信协议，专门设计用于物联网设备间的短距离通信。ZigBee通信协议基于IEEE 802.15.4无线协议，提供了灵活、可靠的无线通信解决方案。在智能家居领域，由于智能家居行业的发展，各类智能家居产品的研发与应用，使得对室内环境数据的采集种类和采集数据量组建庞大，为满足智能家居中的低延时响应的技术要求，因此，在数据采集的过程中需要保证采集效率。

其中，室内环境数据，为室内环境相关的数据信息，包括温度数据、湿度数据、空气质量数据、光照强度数据等多种，本发明以温度数据、湿度数据和二氧化碳浓度数据为具体示例进行分析，也即是说，通过设置对应的传感器，获取室内的不同时刻的温度数据、湿度数据和二氧化碳浓度数据，作为室内环境数据。

其中，本发明可以预设时间周期，例如每10秒作为一个时间周期，在10秒内每一秒采集一次室内环境数据，将10秒内的室内环境数据组合进行分析，当然采集的时间间隔和分析的时间间隔均可以根据实际情况进行调整。

可选地，在本发明的一些实施例中，根据同时刻不同种类的室内环境数据与对应环境数据标准值之间的差异，确定每一时刻的环境监测异常程度，包括：将温度数据与温度数据对应环境数据标准值的差值归一化值作为温度差异；将湿度数据与湿度数据对应环境数据标准值的差值归一化值作为湿度差异；将二氧化碳浓度数据与二氧化碳浓度数据对应环境数据标准值的差值归一化值作为二氧化碳浓度差异；根据温度差异、湿度差异和二氧化碳浓度差异计算得到环境监测异常程度，其中，温度差异、湿度差异和二氧化碳浓度差异均与环境监测异常程度呈正相关关系。

其中、温度数据、湿度数据和二氧化碳浓度数据所分别对应环境数据标准值，为预设的标准值，举例而言，在标准情况下，对应的温度数据的标准值为26度，湿度数据的标准值为40%，二氧化碳浓度数据的标准值为10毫克每立方米，由于不同区域、不同测量方式，所得到的标准值有所差异，因此，可以根据室内环境进行调整，对此不做限制。

本发明实施例中，分别计算温度数据、湿度数据和二氧化碳浓度数据与对应环境数据标准值的差值的归一化值作为对应的差异值，通过计算温度差异、湿度差异和二氧化碳浓度差异，能够确定不同数据的异常情况，并且，归一化处理能够消除量纲影响。

可以理解的是，对应室内环境与标准环境差异越大时，表示室内环境越异常，由此，本发明计算不同时间点的温度差异、湿度差异和二氧化碳浓度差异，并根据对应的数据差异得到环境监测异常程度。

在本发明的一个实施例中，归一化处理可以具体例如为最大最小值归一化处理，并且，后续步骤中的归一化均可以采用最大最小值归一化处理，在本发明的其他实施例中可以根据数值具体范围选择其他归一化方法，对此不再赘述。

其中，正相关关系表示因变量会随着自变量的增大而增大，因变量会随着自变量的减小而减小，具体关系可以为相乘关系、相加关系、指数函数的幂等，由实际应用进行确定，则本发明实施例中，温度差异、湿度差异和二氧化碳浓度差异均与环境监测异常程度呈正相关关系，可以计算为温度差异、湿度差异和二氧化碳浓度差异的乘积作为环境监测异常程度，对此不做限制。

本发明实施例中在确定每一时刻的环境监测异常程度之后，可以对环境监测异常程度进行数据采集，可以理解的是，数据采集过程中，异常程度越高的数据越需要优先监测关注，优先采集使得能够在对应的分析设备中优先分析，由此，通过设置异常程度可以优化后续的采集策略。

S102：基于时刻将室内环境数据划分为不同数据组；根据每组数据组中所有时刻的环境监测异常程度确定每组数据组的数据异常波动指标；根据数据异常波动指标，确定每组数据组的初始监测优先级。

本发明实施例中，可以根据不同室内环境数据的获取时刻，将室内环境数据划分为不同数据组，举例而言，仍以10秒作为一个时间周期，每秒采集一次数据，此时，可以将每两秒的室内环境数据分别作为一个数据组，也即得到5个数据组，通过对室内环境数据进行分组的方式，能够简化数据处理逻辑，提升采集效率。

其中，数据异常波动指标，为数据出现异常波动的指标，可以理解的是，在室内环境数据产生异常时，例如温度过高，或者，湿度过高等情况，则可以表示数据波动异常。

本发明实施例可以直接根据环境监测异常程度确定每组数据组的数据异常波动指标，而由于每一数据组中可以包含多个时间点的室内环境数据，本发明实施例通过计算任一组数据组中所有时刻的环境监测异常程度的均值作为对应数据组的数据异常波动指标。由此，数据异常波动指标越大，可以表示对应的数据异常程度越大，也即对应时刻环境越异常，越需要被优先进行采集。

本发明实施例还可以进一步根据数据异常波动指标，确定每组数据组的初始监测优先级，其步骤包括：对数据异常波动指标进行归一化处理得到数据组的初始监测优先级。

因数据异常波动指标越大，越需要被优先采集，则本发明为了便于分析，将数据异常波动指标的归一化值作为数据组的初始监测优先级，在归一化值越高时，可以表示数据组的采集优先级越高。

S103：获取采集过程中数据信道的处理带宽，根据每组数据组的数据量和处理带宽，确定每组数据组的数据余量，根据数据余量确定每组数据组的监测权重；根据监测权重和初始监测优先级，确定每组数据组的目标监测优先级。

本发明实施例中，在基于ZigBee协议进行数据采集的过程中，由于无线数据信道具有对应的处理带宽，本发明实施例则通过预设每条数据信道的处理带宽均相同，进而获取采集过程中数据信道的处理带宽。处理带宽也可以理解为对应的采集速率，举例而言，数据信道的处理带宽为20mb/s，或者，也可以根据实际情况获取处理带宽。

本发明实施例在确定处理带宽之后，根据每组数据组的数据量和处理带宽，确定每组数据组的数据余量，其步骤包括：计算数据量与处理带宽的比值，得到余数，计算余数处理带宽的比值作为每组数据组的数据余量。

其中，由于数据信道的传输模式，也即数据进入数据排队队列的时间是有先后顺序的，在前的数据组处理完成之后，后续的数据组才能够进入数据排队队列，此时，由于数据组在处理至最后剩余数据时，最终剩余的数据可能不满足最大处理速率，会造成数据信道的利用率不足，也即是说，本发明实施例通过计算每组数据组的数据余量，数据余量能够准确表征数据组在处理过程中的利用率，数据余量越大，表示对应的利用率越高，利用率较高的数据组优先采集，能够使得数据采集过程中对数据信道总体利用率较高，因此，本发明根据数据余量确定每组数据组的监测权重，由于数据余量越大，对应的采集过程中数据信道的利用率越高，也即数据余量与监测权重呈正相关关系，数据余量越大，监测权重越大。

在得到监测权重之后，本发明实施例可以结合监测权重和初始监测优先级，得到每组数据组所对应最终的目标监测优先级。对应的获取步骤包括：计算监测权重和初始监测优先级的乘积作为目标监测系数；对目标监测系数按照由大到小的顺序进行排序，根据排序顺序赋予对应的序号值，并将序号值作为数据组的目标监测优先级。

举例而言，在目标监测系数为0.9、0.8、0.5、0.3的四个数据组，则按照由大到小的顺序排序为{0.9、0.8、0.5、0.3}，并分别赋予对应的序号值1、2、3、4，由此，得到对应的目标监测优先级。

由此，得到目标监测优先级，优先级越高，则对应的序号越小，也即目标监测优先级的值越小，可以理解的是，由于在基于ZigBee协议进行数据采集的过程中，数据信道可以为多条，也即可以根据优先级分配对应的数据信道，同时，还可以根据目标监测优先级对退避机制进行优化，具体优化过程参见后续实施例。

S104：根据目标监测优先级，确定随机退避算法中每组数据组的自适应退避时长，基于自适应退避时长和目标监测优先级对数据组进行采集。

其中，随机退避算法，为一种数据分布式访问的退避规则算法，可以理解的是，随机退避算法可以应用于ZigBee协议中，在进行数据采集时，当信道全部占用，传统随机退避算法会在发生数据碰撞时，等待随机的时间间隔后再进行尝试，而时间间隔是针对固定的时间长度范围内的随机值，因此传统退避机制并未考虑数据采集的优先级，这样会导致退避的时间间隔无法针对数据进行自适应的选择变化，因此，本发明结合目标监测优先级对退避时长所对应的时间区间进行调整，提升退避选择的可靠性。

进一步地，在本发明的一些实施例中，根据目标监测优先级，确定随机退避算法中每组数据组的自适应退避时长，包括：对目标监测优先级进行反比例归一化处理得到调整权值，计算调整权值与预设退避时长的乘积作为自适应退避时长。

则本发明实施例中，由于目标监测优先级的数值越小，表示对应优先级越高，因此，本发明实施例通过计算目标监测优先级的反比例归一化值作为调整权值，可以对目标监测优先级进行分析。

其中，根据调整权值对预设退避时长进行加权计算，也即计算调整权值与预设退避时长的乘积作为自适应退避时长，调整权值越大，表示对应数据组在采集过程中的数据余量越大，处理时的网络负载越高，此时增大自适应退避时长，能够提供更大的退避时间范围，减少冲突，而在调整权值越小时，表示对应数据组在采集过程中的数据余量越小，采集时的网络负载较低，此时减少自适应退避时长，以加快数据处理，提升数据采集效率。

可选地，在本发明的一些实施例中，基于自适应退避时长和目标监测优先级对数据组进行采集，包括：基于目标监测优先级由小到大的顺序为数据组分配数据信道并进行数据组传输；在数据组传输过程中发生分组碰撞时，基于自适应退避时长确定自适应随机退避范围，根据自适应随机退避范围对产生碰撞的数据组进行数据退避处理，实现数据组的采集。

可以理解的是，本发明实施例中目标监测优先级由于为正整数，表示对应处理顺序的序号，因此，本发明可以将目标监测优先级由小到大的顺序进行排序，该排序可以作为采集的顺序，在数据信道为10个时，对应提取排序中的前10个数据组优先采集，后续数据组进行等待，在任一信道处理完成后，提取该信道对应等待的数据组进行处理。

其中，分组碰撞，是指数据处理过程中，发生信道占用、处理延迟等情况，使得多个待处理的数据挤占数据信道，使得信道的状态为繁忙状态，此时需要对后续数据进行退避处理，从而减少数据处理的冲突。

基于自适应退避时长确定自适应随机退避范围，包括：将发生分组碰撞的时间点作为退避起点，将退避起点至时序上自适应退避时长之后的时间节点所对应的时间范围，作为自适应随机退避范围。

现有技术中通过设置固定的退避时长范围，并在固定的退避时长范围内，随机确定退避时长，举例而言，在退避时长范围为0-1秒时，对应的在0-1秒内随机选择一个时间作为对应的退避时长，这种方式下由于固定退避时长范围越大，会使得所随机的退避时长可能较长，从而影响采集效率，由此，本发明通过设置自适应随机退避范围，从而保证退避时长选择的可靠性，同时提升采集效率。

由此，基于目标监测优先级确定传输规则和信道分配规则，并且，根据自适应随机退避范围优化退避机制，实现数据组的采集。

本发明应用于室内环境监测技术领域，由于传统基于ZigBee通信协议的室内环境数据采集是基于时序进行处理的，这种方式下，由于室内环境的数据较为复杂，数据量较大，使得对异常数据的采集具有一定的延时效果，数据采集效率较差，且数据处理过程中的退避机制进一步提高了数据处理的时间浪费，使得对数据采集的可靠性与数据采集效率较差，而本发明通过获取不同时刻不同种类的室内环境数据，结合对应环境数据标准值之间的差异，确定每一时刻的环境监测异常程度；便于后续根据环境监测异常程度进行优先级的分配，确定每组数据组的初始监测优先级；通过异常程度对优先级进行分配，使得异常数据更优先被监测关注，进而规避异常数据的延时效果，提升数据采集的可靠性与采集效率；根据每组数据组的数据量和处理带宽，确定每组数据组的数据余量，根据数据余量确定和初始监测优先级，确定每组数据组的目标监测优先级；由于数据余量可以表征数据组在采集过程中信道的利用率，从而能够结合数据组的异常情况和数据组在采集时的利用率，得到最终的目标监测优先级，使得目标监测优先级能够综合分析数据组的重要性和数据组的采集效率，保证整体数据的采集效果；而后，本发明根据目标监测优先级对随机退避算法对应的退避时长的选择进行优化，得到自适应退避时长，基于自适应退避时长和目标监测优先级对数据组进行采集，本发明通过结合数据组的异常程度和数据组的信道占用情况，重新规划室内环境数据的传输规则，避免退避机制造成的时间浪费，提升室内环境数据的采集效率，进而提升对室内环境数据采集的可靠性与数据采集效率。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (10)

1.一种基于ZigBee的室内环境数据优化监测采集方法，其特征在于，所述方法包括：

获取不同时刻不同种类的室内环境数据，根据同时刻不同种类的室内环境数据与对应环境数据标准值之间的差异，确定每一时刻的环境监测异常程度；

基于时刻将室内环境数据划分为不同数据组；根据每组数据组中所有时刻的环境监测异常程度确定每组数据组的数据异常波动指标；根据所述数据异常波动指标，确定每组数据组的初始监测优先级；

获取采集过程中数据信道的处理带宽，根据每组数据组的数据量和处理带宽，确定每组数据组的数据余量，根据所述数据余量确定每组数据组的监测权重；根据所述监测权重和所述初始监测优先级，确定每组数据组的目标监测优先级；

根据所述目标监测优先级，确定随机退避算法中每组数据组的自适应退避时长，基于所述自适应退避时长和所述目标监测优先级对所述数据组进行采集。

2.如权利要求1所述的一种基于ZigBee的室内环境数据优化监测采集方法，其特征在于，所述室内环境数据包括温度数据、湿度数据和二氧化碳浓度数据，所述根据同时刻不同种类的室内环境数据与对应环境数据标准值之间的差异，确定每一时刻的环境监测异常程度，包括：

将温度数据与温度数据对应环境数据标准值的差值归一化值作为温度差异；将湿度数据与湿度数据对应环境数据标准值的差值归一化值作为湿度差异；将二氧化碳浓度数据与二氧化碳浓度数据对应环境数据标准值的差值归一化值作为二氧化碳浓度差异；

根据所述温度差异、所述湿度差异和所述二氧化碳浓度差异计算得到环境监测异常程度，其中，所述温度差异、所述湿度差异和所述二氧化碳浓度差异均与环境监测异常程度呈正相关关系。

3.如权利要求1所述的一种基于ZigBee的室内环境数据优化监测采集方法，其特征在于，所述根据每组数据组中所有时刻的环境监测异常程度确定每组数据组的数据异常波动指标，包括：

计算任一组数据组中所有时刻的环境监测异常程度的均值作为对应数据组的数据异常波动指标。

4.如权利要求1所述的一种基于ZigBee的室内环境数据优化监测采集方法，其特征在于，所述根据所述数据异常波动指标，确定每组数据组的初始监测优先级，包括：

对所述数据异常波动指标进行归一化处理得到数据组的初始监测优先级。

5.如权利要求1所述的一种基于ZigBee的室内环境数据优化监测采集方法，其特征在于，所述根据每组数据组的数据量和处理带宽，确定每组数据组的数据余量，包括：

计算数据量与处理带宽的比值，得到余数，计算余数处理带宽的比值作为每组数据组的数据余量。

6.如权利要求1所述的一种基于ZigBee的室内环境数据优化监测采集方法，其特征在于，所述数据余量与监测权重呈正相关关系。

7.如权利要求1所述的一种基于ZigBee的室内环境数据优化监测采集方法，其特征在于，所述根据所述监测权重和所述初始监测优先级，确定每组数据组的目标监测优先级，包括：

计算所述监测权重和所述初始监测优先级的乘积作为目标监测系数；

对所述目标监测系数按照由大到小的顺序进行排序，根据排序顺序赋予对应的序号值，并将序号值作为数据组的目标监测优先级。

8.如权利要求1所述的一种基于ZigBee的室内环境数据优化监测采集方法，其特征在于，所述根据所述目标监测优先级，确定随机退避算法中每组数据组的自适应退避时长，包括：

对所述目标监测优先级进行反比例归一化处理得到调整权值，计算调整权值与预设退避时长的乘积作为自适应退避时长。

9.如权利要求1所述的一种基于ZigBee的室内环境数据优化监测采集方法，其特征在于，所述基于所述自适应退避时长和所述目标监测优先级对所述数据组进行采集，包括：

基于目标监测优先级由小到大的顺序为数据组分配数据信道并进行数据组传输；

在数据组传输过程中发生分组碰撞时，基于自适应退避时长确定自适应随机退避范围，根据所述自适应随机退避范围对产生碰撞的数据组进行数据退避处理，实现数据组的采集。

10.如权利要求9所述的一种基于ZigBee的室内环境数据优化监测采集方法，其特征在于，所述基于自适应退避时长确定自适应随机退避范围，包括：

将发生分组碰撞的时间点作为退避起点，将退避起点至时序上自适应退避时长之后的时间节点所对应的时间范围，作为自适应随机退避范围。