CN110278644A - 一种基于边缘计算的多建筑照明监控方法及系统 - Google Patents

Abstract

本公开提出了一种基于边缘计算的多建筑照明监控方法及系统，包括：云服务器与至少一个边缘计算服务器；各个边缘计算服务器直接处理所管辖建筑内各个房间的人体热释电传感器数据与光照传感器数据，基于所处理的数据结构控制照明设备的运行状态并将照明设备的运行状态传输至云服务器；所述云服务器存储照明设备启停状态历史数据。本发明通过各个边缘计算服务器直接处理所管辖建筑内各个房间的人体热释电传感器数据与光照传感器数据，进而使云数据库只需存储照明设备启停状态数据，降低了云服务器与云数据库的存储压力，同时通过简化的数据存储结构提高了云服务器的响应效率。

Description

一种基于边缘计算的多建筑照明监控方法及系统

技术领域

本公开涉及建筑照明技术领域，特别是涉及一种基于边缘计算的多建筑照明监控方法及系统。

背景技术

照明设备作为建筑设备中比较重要的部分，其监控系统的作用对于建筑节能运行来说举足轻重，现有的建筑照明监控系统可以实现按照特定的时间、室内人员有无状态及室外光照强度控制照明设备启停状态，基本可以实现对建筑内照明设备的自动控制。

但是现有的建筑照明监控系统仍然存在着问题。

首先，基于现有的建筑照明监控系统架构，现场照明设备接入量考验着服务器的性能。当现场照明设备接入量较少时，无法满足用户希望对多个建筑照明设备进行全面监控的要求；而当现场照明设备接入量较多时，数据库需存储更多的现场设备监控数据，服务器需处理更多的历史数据，提高了云服务器与云数据库的存储压力与计算压力，同时服务器因带宽限制问题无法及时对用户控制命令做出响应，进而也会衍生照明设备控制的延时问题。

发明内容

本说明书实施方式的目的是提供一种基于边缘计算的多建筑照明监控方法，将云平台技术、边缘计算技术与建筑照明监控系统相融合，可以提高建筑照明监控系统的节点接入数量，使该系统适用于多个建筑照明设备的全面监控.

本说明书实施方式提供一种基于边缘计算的多建筑照明监控系统，通过以下技术方案实现：

包括：云服务器与至少一个边缘计算服务器；

各个边缘计算服务器直接处理所管辖建筑内各个房间的人体热释电传感器数据与光照传感器数据，基于所处理的数据结构控制照明设备的运行状态并将照明设备的运行状态传输至云服务器；

所述云服务器存储照明设备启停状态历史数据。

进一步的技术方案，所述监控系统还包括：通用照明控制模块，所述通用照明控制模块集成人体热释电传感器、光照传感器、执行器，通过http协议完成人体热释电传感器与光照传感器数据封装，执行器经无线方式将该数据传输至各自对应的边缘计算服务器，同时通用照明控制模块通过http协议接受对应的边缘计算服务器控制命令控制现场照明设备，并将照明设备启停状态数据传输至云服务器。

进一步的技术方案，所述监控系统还包括：云平台及云数据库；

平台通过云服务器连接云数据库获取并显示照明设备启停状态历史数据，同时为用户提供可视化控制接口便于用户链接边缘计算服务器直接下达控制命令。

进一步的技术方案，所述边缘计算服务器通过存储的特定环境内人员数据与光照数据并依据该类型数据判断是否下达照明设备启停命令，同时边缘计算服务器也可直接接受用户指令下达启停命令，该类命令下达方式优先级更高。

本说明书实施方式提供一种基于边缘计算的多建筑照明监控方法，通过以下技术方案实现：

边缘计算服务器接受所管辖建筑内现场人员数据、光照数据、照明设备运行状态数据；

之后，边缘计算服务器判断人员有无情况，无人员时自动关闭照明设备，有人员时会根据预先设定的光照数据分段阈值判断是否需要改变照明设备运行状态，包括调节照明设备数量、调节照明设备亮度、开启照明设备、关闭照明设备；

照明设备运行状态传输至云服务器的数据库中并通过可视化接口将信息传输至用户显示平台。

进一步的技术方案，边缘计算服务器既与云服务器通信又与其它边缘计算服务器进行通信进而分担数据存储压力。

与现有技术相比，本公开的有益效果是：

1.本发明通过云平台、云服务器、云数据库、边缘计算服务器、照明控制通用模块与现场照明设备进行数据交互，适用于多个建筑照明设备的全面监控，云服务器与边缘计算服务器相互配合，各个边缘计算服务器直接处理所管辖建筑内各个房间的人体热释电传感器数据与光照传感器数据，使人体热释电传感器与光照传感器数据处理无中心化，解决了因照明设备数量巨大带来的带宽限制问题。

2.本发明通过各个边缘计算服务器直接处理所管辖建筑内各个房间的人体热释电传感器数据与光照传感器数据，进而使云数据库只需存储照明设备启停状态数据，降低了云服务器与云数据库的存储压力，同时通过简化的数据存储结构提高了云服务器的响应效率。

3.本发明通过各个边缘计算服务器之间相互通信的方式，避免了因不同建筑数据量不同带来的计算资源与存储资源分配不均问题，提高了边缘计算服务器的整体性能。

4.本发明通过分散的边缘计算服务器直接下达用户控制命令，提高了通用照明控制模块的响应速度，一定程度上解决了照明控制的延时问题。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。

图1为本公开实施例子的一种基于边缘计算的多建筑照明监控方法及系统原理图；

图2为本公开实施例子的边缘计算服务器数据处理流程图。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

实施例子一

该实施例公开了一种基于边缘计算的多建筑照明监控系统，包括云平台、云服务器、云数据库、边缘计算服务器、照明控制通用模块。所述云平台、云服务器、云数据库、边缘计算服务器、通用照明控制模块数据均为双向传输。

在具体实施例子中，云服务器为云端WEB服务器，云数据库安装在云服务器上为Mysq l数据库。

云平台为通过云服务器实现的网站,主要包含面向用户的数据显示界面与用户控制界面,显示照明设备启停状态数据,同时为用户提供控制照明设备的可视化接口。

在具体实施例子中，参见附图1所示，对于一个建筑配置一个边缘计算服务器，每个边缘计算服务器下与多个通用照明控制模块通信，多个边缘计算服务器又分别与云服务器通信，每个通用照明控制模块设置在单独的房间内。

在具体实施例子中，通用照明控制模块集成人体热释电传感器、光照传感器、执行器，通过http协议完成人体热释电传感器与光照传感器数据封装，经无线方式将该数据传输至边缘计算服务器，同时通用照明控制模块也可通过http协议接受边缘计算服务器控制命令控制现场照明设备，并将照明设备启停状态数据传输至云数据库。

云平台通过云服务器链接云数据库获取并显示照明设备启停状态历史数据，同时为用户提供可视化控制接口便于用户链接边缘计算服务器直接下达控制命令。

边缘计算服务器通过存储的特定环境内人员数据与光照数据并依据该类型数据判断是否下达启停命令，同时边缘计算服务器也可直接接受用户指令下达启停命令，该类命令下达方式优先级更高。

所述人员数据与光照数据只存储在边缘计算服务器中作为自动控制现场照明设备的数据基础。

比较重要的是，边缘计算服务器既可与云服务器通信又可与其它边缘计算服务器进行通信进而分担数据存储压力。同时由于边缘计算服务器存储了人员数据与环境数据，因此云数据库只需存储照明设备启停状态历史数据，不需存储人员数据与光照数据，节省了云数据库的存储资源。

云平台为用户提供可视化接口全面查看各个建筑各个房间照明设备启停状态并为用户提供控制接口连接边缘计算服务器下达控制命令。

具体的，如图2所示，各个边缘计算服务器在无用户指令时可以自动控制现场照明设备运行状态，边缘计算服务器在接受现场人员数据、光照数据、照明设备运行状态数据后，首先判断人员有无情况，无人员时自动关闭照明设备，有人员时会根据预先设定的光照数据分段阈值判断是否需要改变照明设备运行状态(包括调节照明设备数量、调节照明设备亮度、开启照明设备、关闭照明设备)；各个边缘计算服务器在有用户指令时首先执行用户指令，直接采用http协议封装用户指令改变照明设备运行状态。

本发明分散的边缘计算服务器既可根据人员数据与光照数据智能下达控制命令，又可直接下达用户控制命令。

本发明通过云平台、云服务器、云数据库、边缘计算服务器、照明控制通用模块与现场照明设备进行数据交互，适用于多个建筑照明设备的全面监控，云服务器与边缘计算服务器相互配合，各个边缘计算服务器直接处理所管辖建筑内各个房间的人体热释电传感器数据与光照传感器数据，使人体热释电传感器与光照传感器数据处理无中心化；通过各个边缘计算服务器直接处理所管辖建筑内各个房间的人体热释电传感器数据与光照传感器数据，进而使云数据库只需存储照明设备启停状态数据；通过各个边缘计算服务器之间相互通信的方式，避免了因不同建筑数据量不同带来的计算资源与存储资源分配不均问题，提高了边缘计算服务器的整体性能；通过分散的边缘计算服务器直接下达用户控制命令，提高了通用照明控制模块的响应速度；因此本发明所涉及的基于边缘计算的多建筑照明监控系统解决了因照明设备数量巨大带来的带宽限制问题，降低了云服务器与云数据库的存储压力，同时通过简化的数据存储结构提高了云服务器的响应效率，一定程度上解决了照明控制的延时问题。

中心化指的是以往的热释电传感器与光照传感器数据处理都集中在云服务器中,该专利提出的是把热释电传感器与光照传感器数据处理分散在各个边缘计算服务器,不在云服务器这个中心处理,实现无中心化。

不同的建筑中照明设备数量不相同,热释电传感器与光照传感器数据量也不相同,当一个边缘计算服务器监控的设备多时,可以把部分数据处理任务分散给相邻的数据处理量少的边缘计算服务器,数据处理量少的边缘计算服务器处理完成后再把结果返回.避免计算资源与存储资源浪费。

边缘计算就是把计算任务分配到各个节点末端,减轻云服务器这个以往的计算中心的压力.边缘计算是一种架构,并不是一种算法。

本专利中指的是计算比较热释电传感器与光照传感器数据是否超出设定值,从而判断是否改变照明设备运行状态。

计算比较热释电传感器与光照传感器数据是否超出设定值,从而判断是否改变照明设备运行状态"这个步骤传统的应该在云服务器中完成.利用边缘计算可以实现该步骤在各个边缘计算服务器中完成,把庞大的计算任务分割成小型的计算任务,提高执行效率。

实施例子二

本说明书实施方式提供一种基于边缘计算的多建筑照明监控方法，通过以下技术方案实现：

边缘计算服务器接受所管辖建筑内现场人员数据、光照数据、照明设备运行状态数据；

之后，边缘计算服务器判断人员有无情况，无人员时自动关闭照明设备，有人员时会根据预先设定的光照数据分段阈值判断是否需要改变照明设备运行状态，包括调节照明设备数量、调节照明设备亮度、开启照明设备、关闭照明设备；

照明设备运行状态传输至云服务器的数据库中并通过可视化接口将信息传输至用户显示平台。

进一步的技术方案，边缘计算服务器既与云服务器通信又与其它边缘计算服务器进行通信进而分担数据存储压力。

可以理解的是，在本说明书的描述中，参考术语“一实施例”、“另一实施例”、“其他实施例”、或“第一实施例～第N实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料的特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (7)

1.一种基于边缘计算的多建筑照明监控系统，其特征是，包括：云服务器与至少一个边缘计算服务器；

各个边缘计算服务器直接处理所管辖建筑内各个房间的人体热释电传感器数据与光照传感器数据，基于所处理的数据结构控制照明设备的运行状态并将照明设备的运行状态传输至云服务器；

所述云服务器存储照明设备启停状态历史数据。

2.如权利要求1所述的一种基于边缘计算的多建筑照明监控系统，其特征是，所述监控系统还包括：通用照明控制模块，所述通用照明控制模块集成人体热释电传感器、光照传感器、执行器，通过http协议完成人体热释电传感器与光照传感器数据封装，执行器经无线方式将该数据传输至各自对应的边缘计算服务器，同时通用照明控制模块通过http协议接受对应的边缘计算服务器控制命令控制现场照明设备，并将照明设备启停状态数据传输至云服务器。

3.如权利要求1所述的一种基于边缘计算的多建筑照明监控系统，其特征是，所述监控系统还包括：云平台及云数据库；

云平台通过云服务器连接云数据库获取并显示照明设备启停状态历史数据，同时为用户提供可视化控制接口便于用户链接边缘计算服务器直接下达控制命令。

4.如权利要求3所述的一种基于边缘计算的多建筑照明监控系统，其特征是，云服务器为云端WEB服务器，云数据库为安装在云服务器上为Mysql数据库。

5.如权利要求1所述的一种基于边缘计算的多建筑照明监控系统，其特征是，所述边缘计算服务器通过存储的特定环境内人员数据与光照数据并依据该类型数据判断是否下达照明设备启停命令，同时边缘计算服务器也可直接接受用户指令下达启停命令，该类命令下达方式优先级更高。

6.一种基于边缘计算的多建筑照明监控方法，其特征是，边缘计算服务器接受所管辖建筑内现场人员数据、光照数据、照明设备运行状态数据；

之后，边缘计算服务器判断人员有无情况，无人员时自动关闭照明设备，有人员时会根据预先设定的光照数据分段阈值判断是否需要改变照明设备运行状态，包括调节照明设备数量、调节照明设备亮度、开启照明设备、关闭照明设备；

照明设备运行状态传输至云服务器的数据库中并通过可视化接口将信息传输至用户显示平台。

7.如权利要求6所述的一种基于边缘计算的多建筑照明监控方法，其特征是，边缘计算服务器既与云服务器通信又与其它边缘计算服务器进行通信进而分担数据存储压力。