[发明专利]一种基于WSAN的道路积水监控系统

说明书

技术领域

本发明属于网络信息技术领域，涉及到一种基于WSAN的道路积水监控系统。

背景技术

近几年来，每到汛期，全国不少大中城市都因暴雨天气出现严重积水内涝。连续的暴雨天气会给交通带来极大的不便，甚至造成大量的交通事故或者给人们带来经济损失，因此，实时监控道路积水的变化情况，以便对积水路段采取有效措施，对道路能够正常运行有着极为重要的意义。

现有的解决办法主要分为两个方面：一方面是积极修建并管理好城市排水设施，另一方面要加快城市道路(涵洞)积水监控系统等非工程性措施的建设和应用。逐步建立可持续性城市排水系统从根本上解决道路积水问题，保障城市生态环境，给城市带来长远战略性的意义，但城市排水系统优化建设多处在分析、试点阶段，短时间难以完成，完善过程中城市仍然面临内涝积水的威胁，生命财产得不到保障。因此，本发明设计了一个道路积水实时监控系统，能够针对现有弊端有着很好的处理办法。

发明内容

针对上述问题，本发明利用了WSAN技术，设计了一个道路积水实时监控系统。本系统首先对各道路水位进行实时监测，再将感知到的信息发送到本地服务器，服务器收集到的实时水位信息后，通过后台数据处理分析，控制执行器节点水泵工作状态，并提供一个web展示页面。最后实现信息交互并对水情进行控制。

本发明的技术方案如下：

一种基于WSAN的道路监控系统，所述监控系统包括了数据采集模块、数据传输模块以及数据处理模块；所述数据采集模块通过数据传输模块将采集到的信息传递给数据处理模块进行处理；

所述数据采集模块，包括传感器节点以及汇聚节点，所述传感器节点通过ZigBee无线通信协议组成一个树形网络，通过节点去感知被测点的信息，并将感知到的信息发送至汇聚节点，实现对规定区域内信息的采集；

所述数据传输模块，将汇聚节点通过GSM模块将区域内信息传送至服务器，从而构成城市道路积水数据的采集；

所述数据处理模块，包括服务器端以及执行器节点，所述服务器收集到的实时水位信息后，通过后台数据处理分析，控制执行器节点的水泵工作状况。

上述传感器节点包括超声波传感器和微处理器，

所述超声波测距传感器为HC-SR04+传感器，用于采集传感器节点传感器至水面的距离。

所述超声波传感器安装在道路防护栏上，结合温度补偿模块精确测量积水液位，利用多个节点协作的无线传感器/执行器网络共同完成数据采集；

所述微处理器用于为传感器节点提供一个组建ZigBee网络的片上系统。

上述传感器节点还包括温度传感器，

所述温度传感器为DS18B20传感器，用于环境温度的测量，并根据该温度对超声波在空气中的传播速度进行修正。

上述汇聚节点包括MCU和GSM模块；

所述MCU用于ZigBee网络和GPRS网络之间的转换以及数据的融合及储存；

所述GSM模块，用于借助GPRS网络与远端服务器通信，将MCU的数据传至服务器，同时将服务器的执行命令下传给MCU。

上述服务器端包括数据预处理模块、预测模型模块、数据可视化模块以及数据仓库模块；

所述数据预处理模块包括数据清洗、数据转换、数据规约以及临时存储到数据库；

所述预测模型为基于BP神经网络模型建模，包括初始化训练、增量训练以及预测文件管理；

所述数据可视化模块包括百度热力图、监测点经纬度管理、水深等级划分管理、实时数据可视化以及水位预测可视化；

所述数据仓库模块包括历史数据以及增量数据。

上述预测模型的运算过程如下：

(1)、初始权值及阈值初始化；

(2)、学习模式；

(3)、计算隐藏层各单元的输入、输出；

(4)、计算输出层各单元的输入、输出；

(5)、计算隐藏层各单元的一般化误差；

(6)、调整隐藏层至输出层之间的连接权值及输出层各单元的阈值；

(7)、调整输入层至隐藏层之间的连接权值及隐藏层各单元的阈值；

(8)、更新学习模式；

(9)、全部模式训练完，若是未训练完回复至步骤(2)；若是训练完，转至步骤(10)；

(10)、更新学习次数，若是大于指定误差并指定学习次数，回复至步骤(2)；若是小于指定误差或大于指定学习次数则结束。