描述

描述

介紹

該項目旨在成為以下的合乎邏輯的繼續(xù)：

• 基于谷歌云的物聯(lián)網(wǎng)系統(tǒng)教程。(一)
• 基于谷歌云的物聯(lián)網(wǎng)系統(tǒng) - RIOT、MQTTSN、MQTT。( 2 )
• 基于谷歌云的物聯(lián)網(wǎng)系統(tǒng) - LoRaWAN、TTN、MQTT。( 3 )

作為羅馬 Sapienza 大學(xué)物聯(lián)網(wǎng)課程的學(xué)習(xí)項目。在本節(jié)中，我們將在前面部分開發(fā)的基于云的系統(tǒng)之上構(gòu)建。本質(zhì)上，我們將使用通用傳感器 API構(gòu)建一個 HTML5 移動應(yīng)用程序，以從手機(jī)的加速度傳感器收集數(shù)據(jù)。該數(shù)據(jù)將通過一個簡單的活動識別模型進(jìn)行計算，該模型檢測用戶是靜止不動還是行走，并最終發(fā)送到我們的云系統(tǒng)（該模型將以邊緣和云方式部署）。

依賴項

在這個項目中，需要的依賴項很少，可以按照此處鏈接的官方指南輕松獲得：

• 谷歌云物聯(lián)網(wǎng)核心訂閱
• 節(jié)點.js

執(zhí)行

移動HTML5應(yīng)用程序

一個非常簡單的基于 HTML5 的移動應(yīng)用程序，由節(jié)點服務(wù)器托管，它的工作是通過通用傳感器 API 從集成加速度計中檢索數(shù)據(jù)，并最終將其發(fā)送到云端。該頁面將在本地計算并顯示識別模型的結(jié)果。

移動應(yīng)用

?

通用SensorAPI -線性加速度計

設(shè)置加速度計以達(dá)到我們想要的結(jié)果非常簡單，這是通過使用 Geneirc Sensor Api，一個以一致且可訪問的方式將傳感器數(shù)據(jù)公開到開放 Web 平臺的框架。首先，您需要定義一個線性加速度傳感器，這是加速度計的一種基本形式，不包括重力加速度，在本例中，我們將頻率設(shè)置為 1Hz。

accelerometer = new LinearAccelerationSensor({ referenceFrame: 'device', frequency: 1 });

然后，設(shè)置錯誤偵聽器后，啟動加速度計

accelerometer.start();
accelerometer.onreading = () => {
    //APPLY RECOGNITION MODEL TO THE INPUT DATA
    rModel(accelerometer.x, accelerometer.y, accelerometer.z)
    //PUSH DATA
}

加速度計上的輸入數(shù)據(jù)將與模型一起計算，或者直接推送到云端。

用戶活動識別模型

我開發(fā)了一個非常簡單的活動識別模型，具有很好的準(zhǔn)確性并且沒有訓(xùn)練數(shù)據(jù)集（這將導(dǎo)致合理數(shù)量的誤報）。
從 Generic Sensor Api 測量的經(jīng)典加速度考慮了在 X、Y、Z 三個軸上施加到智能手機(jī)的重力。這種影響可以通過簡單的數(shù)學(xué)運算輕松避免，但我們可以簡單地使用線性加速度傳感器，它不會不考慮重力。

智能手機(jī)上的加速度矢量

?

模型本身依賴于向量“法線”概念的功能性，實際上我們有一個包含三個元素 v(x,y,z) 的向量，我們可以通過這個數(shù)學(xué)概念來計算該向量的長度以下等式：

||v|| = sqrt(x^2 + y^2 + z^2)

該長度在經(jīng)驗研究的閾值上進(jìn)行比較。
在我們的例子中，如果長度大于 0.7，則用戶應(yīng)該在移動，否則它在休息。

部署模型 - 基于Edge

如前所述，我們正在測試我們模型的兩種部署。讓我們看看我們?nèi)绾卧趹?yīng)用程序的前端本地部署模型。

delta = Math.sqrt(accelerometer.x * accelerometer.x + accelerometer.y * accelerometer.y + accelerometer.z * accelerometer.z);
delta > 0.7 ? (moving = true, status.innerHTML = "Walking") : (moving = false, status.innerHTML = "Resting");
console.log("send data: " + accelerometer);
socket.emit('data',
{
    x: accelerometer.x,
    y: accelerometer.y,
    z: accelerometer.z,
    status: moving
});

線性加速度傳感器收集的數(shù)據(jù)在 html 上本地計算，并通過托管頁面的服務(wù)器上的 publishAsync 函數(shù)發(fā)送到谷歌云（我們通過使用 soket.io 檢索值，如上一教程中所示）。

const publishAsync = (
mqttTopic,
client,
data,
) => {
    console.log("Edge computing");
    // Function that push the sensor status on Google Cloud
    var status = JSON.stringify(data.status);
    var x = JSON.stringify(data.x);
    var y = JSON.stringify(data.y);
    var z = JSON.stringify(data.z);
    console.log("x: " + x + " y: " + y + " z:" + z + " ======> " + status);
    const payload = deviceId + ":" + status + ":" + "crowd_sensing";
    // Publish "payload" to the MQTT topic. qos=1 means at least once delivery. (There             is also qos=0)
    console.log('Publishing message:', payload);
    client.publish(mqttTopic, payload, { qos: 1 });
};

請注意，您需要一些個人 google 云項目數(shù)據(jù)（mqtt 主題、客戶端和 deviceId），如我們的第一個教程中所述。

部署模型 - CloudBased

另一面，現(xiàn)在讓我們將模型部署到云上。html是相同的，但現(xiàn)在我們不會使用本地計算的值，實際上數(shù)據(jù)（x，y，z）是：

1）推送到云端

const publishCloud = (
    mqttTopicCloud,
    clientCloud,
    data,
) => {
    // Function that push the sensor value on Google Cloud
    var x = JSON.stringify(data.x);
    var y = JSON.stringify(data.y);
    var z = JSON.stringify(data.z);
    console.log("Cloud computing");
    console.log("x: " + x + " y: " + y + " z:" + z);
    const payload = deviceIdCloud + ":" + x + ":" + y + ":" + z + ":" + "crowd_sensing";
    // Publish "payload" to the MQTT topic. qos=1 means at least once delivery. (There is also qos=0)
    console.log('Publishing message:', payload);
    clientCloud.publish(mqttTopicCloud, payload, { qos: 1 });
};

2）通過云端模型計算，然后通過soket.io推送到dashboard。

else if (device == "accelerometer") {
    //Computed at edge, receive and push the value without computing at cloud
    log[5].lastValue = value;
    log[5].values.push(value);
    socket.emit('accelerometer', log[5].lastValue);
    socket.emit('accelerometer', log[5].values);
}
else if (device == "accelerometer_cloud") {
    //Compute at cloud, if delta > 0.7 then user is moving
    var delta = Math.sqrt(x * x + y * y + z * z);
    log[6].lastValue = delta > 0.7
    socket.emit('accelerometer_cloud', log[6].lastValue);
    socket.emit('accelerometer_cloud', log[6].values);
}

如您所見，我們使用兩個設(shè)備進(jìn)行推送，以實現(xiàn)我們的雙重部署研究案例的目標(biāo)。

3) 保存在數(shù)據(jù)庫中

// References an existing subscription
const subscription = pubSubClient.subscription(subscriptionName);
// Create an event handler to handle messages
let messageCount = 0;
const messageHandler = message => {
    console.log(`Received message ${message.id}:`);
    console.log(`\tData: ${message.data}`);
    var data = `${message.data}`.split(":");
    if (data != null) {
    var device = data[0].toString();
    var x, y, z;
    var value = data[0] != "accelerometer_cloud" ? data[1].toString() : (x = data[1], y = data[2], z = data[3]);
    
    [//Device Switch as seen in 2)]

    new Data
    ({
        device: device,
        value: value,
        data: Date.now() / 1000
    }).save();

額外- 云功能作為后臺功能

通過使用云功能也可以達(dá)到同樣的目標(biāo)。可以在“./crowd_sensing_client/background_function”下的我的個人存儲庫中找到一個示例。我認(rèn)為這是實現(xiàn)這個目標(biāo)的一種很好的平衡方法，流程非常簡單，本質(zhì)上傳遞給特定主題的數(shù)據(jù)將通過定義的后臺函數(shù)進(jìn)行分析，然后推送到另一個主題（或您喜歡的同一個主題） ）。讓我們看看它是如何工作的：

1）在google cloud IoT core上點擊云函數(shù)，然后新建一個函數(shù)。

創(chuàng)建云函數(shù)

?

為函數(shù)插入一個名稱，選擇分配的內(nèi)存（256MiB 就足夠了），選擇 Cloud Pub/Sub 作為觸發(fā)方法，然后選擇一個關(guān)聯(lián)的主題（或者創(chuàng)建一個新的無論如何）。

2）編碼你的功能。

完成功能的配置

?

注意在這部分中，正確設(shè)置package.json至關(guān)重要，因為 pubsub 的版本彼此非常不同（在這種情況下，我使用的是 0.21.1）。請記住更改已執(zhí)行函數(shù)的名稱。

3）只需將值推送到特定主題即可。

我真的很喜歡這個實現(xiàn)，但是使用的那個對所有其他教程來說更加線性和一致。我希望您喜歡本教程，您可以測試運行服務(wù)器 (node./app.js) 并使用部署在 heroku 上的移動應(yīng)用程序的整體應(yīng)用程序。