传感器适配的城市自学习感知网络制造技术

本发明专利技术搭建传感器自动调节的城市自学习感知系统，在路灯上设置算力节点，建立首尾相连的蜂窝式服务区，形成覆盖整个街区的城市专网，并从街区网络外延新的算力节点，把相应服务区拓展到街区外的市域。每个服务区至少包含一个摄像机和一个音频器，进一步，专网接入市民的零散设备，作为辅助传感器与边缘算力。系统运行中，基础传感器与辅助传感器协同工作，长期采集各服务区的感知数据，由算力节点持续分析，推断感知需求，完成传感器与边缘算力的类型适配，逐步使分区感知达到最佳功能。本发明专利技术能够充分动员政府和市民共同参与数字城市建设，实现智慧城市的“以人为本”的目标。的目标。的目标。

【技术实现步骤摘要】
传感器适配的城市自学习感知网络
(一)

[0001]本专利技术是传感器类型自我调节的深度学习综合感知系统，用于多模传感器的自动调整与城市区的算力建设。系统在路灯上设置算力节点，建立首尾相连的蜂窝式服务区，形成覆盖整个街区的城市专网，并从街区网络外延新的算力节点，把相应服务区拓展到街区外的市域。每个服务区至少包含一个摄像机和一个音频器，作为基础传感器。进一步，专网接入市民的零散设备，作为辅助传感器与边缘算力。系统运行中，基础传感器与辅助传感器协同工作，长期采集各服务区的感知数据，由算力节点持续分析，推断感知需求，推送选型建议，完成传感器与边缘算力的类型适配，建立自学习的神经网络，为智慧城市的动态建设和市民参与奠定技术基础。
(二)
技术介绍

[0002]现有的智慧城市建设模式，是政府主导的“自上而下”的固定模式，由管理部门委托专业公司，提出整套的无线通讯与传感器设置的方案，然后细化成施工图，根据图纸完成设备与后台的施工调试。这一模式下的城市建设，设备事先确定，工程相对固化，缺乏灵活性和适应力，一旦要解决新的问题，必须更新整套系统，可能导致运行故障与重复建设。
[0003]城市是为市民服务的，以人为本是城市设计的基本原则。专家的设计方案，侧重于技术考虑，往往忽视人性化和宜居性，不能为市民带来归属感。鼓励全体市民参与城市规划，群策群力，自下而上，共同打造宜居城市，是智慧城市建设的必由之路。全民参与的建设模式，要求系统提供统一的通讯与算力平台，让政府的基础设施与市民的零散设备协同工作，形成深度学习的设备网络，通过大数据分析发现感知盲点，判断感知需求，以便灵活调整传感器与算力，实现系统的不断进化。
[0004]注意到上述问题，本专利技术提出一种传感器灵活调整的自学习网络，首先在路灯上设置算力节点，节点间以无线信号组建城市专网，同时每个节点设定合理的服务半径，无线连接各服务区内的感知设备。每个服务区至少包含一个摄像机和一个音频器，是基础传感器。另外，通过软件定义设备，市民的手持终端以感知设备的身份接入专网，独立提供辅助的感知与计算能力。公有与私人节点各自运算，协调解析，积累数据，归纳出各服务区的特定需求，逐步使分区感知达到最佳功能。本专利技术是自我进化的深度学习网络，能动员政府和市民共同参与数字城市建设，实现城市的宜居与智能的高度融合。
(三)
技术实现思路

[0005]目前的智慧城市计划，都是由专业机构提出建设方案，依据设计安装设备和调试后台，技术目标在事前确定，工程结束后，感知与管理功能相对固定，很难适应不断变化的需求。本专利技术提出全新的自学习系统，初始状态只包含必要的计算与感知能力，根据工程运行积累的数据，可以持续优化与动态更新，逐步达到功能完善的目标。
[0006]城市自学习系统的基础是本地化的边缘计算，感知数据由边端设备产生，就地计算和存储，即时形成计算结果，实施本地化的实时管理。最终的计算结果通过手机信号发送
云中心，在城市大脑完成备份，完全不依赖远端的云计算。上述技术路径，首先要求搭建无线专网，节点是计算中心和通讯核心，它们互相连接，构成互为中继的多点拓扑网络。每个节点有上行与下行两个通讯链路，上行链路以专用信号连接其他节点，下行链路以公共频段信号连接服务区的边端设备。其次要以软件定义的方式接入不限量的感知设备，这些设备安装有专门软件，其数据包中有定义其身份的编码。
[0007]路灯是沿街道均匀分布的基础设施，其间距在20～50米，其高度在9～12米，合适安装算力节点。本专利技术中，算力节点由边缘计算机和无线模块组成，边缘计算机用于平台计算与数据存储，无线模块建立上行与下行两个通讯链路，算力节点由上行链路互相连接，其间距为40～800米，感知设备由下行链路连接算力节点，其服务半径为20～400米，建立首尾相连的蜂窝式服务区。算力节点优先安装在路灯上，如路灯间距不满足要求，可以另外立杆安装。
[0008]路灯上的算力节点沿城市路网设置，形成主干网络，由于服务半径的限制，无法覆盖街区外的市域。根据工程需要，本专利技术可在街区外的市域增设算力节点，它们与路灯的间距为40～800米，可以把感知网络拓展到市区任何地方。
[0009]感知设备包括两类，一类是政府设置的固定设备，每个服务区至少包含一个摄像机和一个音频器，摄像机用于图片分析，音频器用于不同频段的声波采集，是基础传感器，根据感知需要，可选择最利于采集数据的地方安装基础传感器。一类是市民手持的零散设备，典型的是手机，可以拍照上传，也可以外接其他传感器，包括但不限于音频、气体、气象等，作为辅助传感器使用。感知设备均以软件定义的方式接入网络，都安装有专门软件，其数据包中有定义其身份的编码，由各算力节点解析和确认。
[0010]进一步，系统运行后，基础传感器与辅助传感器持续采集数据，经过分析计算，存储在各自服务区的节点中，长期数据积累后，各节点的感知需求会持续优化，有的服务区连续在多个地点记录到异常，提示安装更多类型的固定设备，加强感知能力，有的服务区状态稳定，可维持现有的基础+辅助的感知组合。节点的服务区各有特色，对传感器的数量与类型有不同要求，从而促进感知网络不断优化。由此，本专利技术打造基于大数据分析的自学习系统，通过固定设备与零散设备的长期运行，推导出各区域最合适的感知需求，使智慧城市自我进化，越来越好。
[0011]系统设计中，各算力节点存储与自己服务区相关的数据，每个服务区里的感知设备，只与对应的节点通讯，如果某个节点的硬盘不够用，数据会分散存储到邻近节点，用户要调用本地数据，访问指令会转发到邻近节点，以中继的方式实现数据调用。本地化的数据交换，适应特定的要求，响应速度快，非常适合属地管理。
[0012]进一步，适当范围的感知网络中，某些算力节点上设置5G模块，最终的计算结果通过手机信号发送云中心，在城市大脑完成备份。
[0013]综上所述，本专利技术搭建传感器自动调节的城市自学习感知系统，可由街区拓展到任何市域，充分发掘固定设备与零散设备的感知能力，组成点线面结合的分布式网络，逐步达成传感器与边缘算力的类型适配，实现城市的宜居与智能的高度融合。
[0014](四)有益效果
[0015]本专利技术是深度学习类型的自我进化网络，首先搭建路灯上的街区算力网络，然后根据需要延伸到街区外的市域，形成蜂窝式服务区。每个服务区至少包含一个摄像机和一
个音频器，是基础传感器。另外，通过软件定义设备，市民的手持终端以感知设备的身份接入专网，独立提供辅助的感知与计算能力。公有与私人节点各自运算，归纳出各服务区的特定需求，逐步使分区感知达到最佳功能。本专利技术能够充分动员政府和市民共同参与数字城市建设，实现智慧城市的“以人为本”的目标。
(五)附图说明
[0016]以下结合附图对本专利技术加以说明，图1是本专利技术的感知网络的结构示意图和感知网络拓展到生态区的实施例，图2是本专利技术的系统构成图和公园中传感器适配的实施例。
具体实施方式
[0017]图1说明如何搭建街区网络和服务区外延的方式。算力节点1由边缘计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种传感器类型自我调节的深度学习综合感知系统，在路灯上设置算力节点，建立首尾相连的蜂窝式服务区，并从街区网络外延新的算力节点，把相应服务区拓展到街区外的市域，其特征是：算力节点由边缘计算机和无线模块组成，边缘计算机用于平台计算与数据存储，无线模块建立上行与下行两个通讯链路，算力节点由上行链路互相连接，其间距为40～800米，感知设备由下行链路连接算力节点，其服务半径为20～400米；感知设备包括两类，一类是政府设置的固定设备，每个服务区至少包含一个摄像机和一个音频器，是基础传感器，一类是市民手持的零散设备，典型的是手机，可以拍照上传，也可以外接其他传感器，包括但不限于音频、气体、气象等，作为辅助传感器使用；系统运行后，基础传感器与辅助传感器持续采集数据，经过分析计算，存储在各自服务区的节点中，长期数据积累后，各节点的感知需求会持续优化，有的服务区连续在多个地点记录到异常，提示安装更多类型的固定设备，加强感知能力，有的服务区状态稳定，可维持现有的基础+辅助的感知组合。2.根据权利要求1所述的综合感知系统，其特征是感知设备均以...

【专利技术属性】
技术研发人员：尹梦寒，徐君龙，
申请(专利权)人：上海悟城智能系统集成有限公司，
类型：发明
国别省市：