基于云計(jì)算和機(jī)器學(xué)習(xí)的智能家居系統(tǒng)設(shè)計(jì)

宋林，周媛，曾玉姍

（1.南京信息工程大學(xué)江蘇省氣象傳感網(wǎng)技術(shù)工程中心，江蘇南京210044；2.南京信息工程大學(xué)電子與信息工程學(xué)院，江蘇南京210044）

基于云計(jì)算和機(jī)器學(xué)習(xí)的智能家居系統(tǒng)設(shè)計(jì)

宋林1，2，周媛1，2，曾玉姍2

（1.南京信息工程大學(xué)江蘇省氣象傳感網(wǎng)技術(shù)工程中心，江蘇南京210044；2.南京信息工程大學(xué)電子與信息工程學(xué)院，江蘇南京210044）

隨著科技進(jìn)步，智能家居日益成為研究熱點(diǎn)。為了解決現(xiàn)有系統(tǒng)存在自主適應(yīng)能力上的不足，提出了一種基于云計(jì)算、機(jī)器學(xué)習(xí)與嵌入式技術(shù)的智能家居系統(tǒng)。該系統(tǒng)采用網(wǎng)關(guān)采集傳感器數(shù)據(jù)，再利用運(yùn)行Hadoop和機(jī)器學(xué)習(xí)算法的云計(jì)算平臺(tái)對(duì)用戶(hù)行為進(jìn)行學(xué)習(xí)和識(shí)別，實(shí)現(xiàn)自主決策能力。通過(guò)實(shí)例分析可知，該方案使智能家居系統(tǒng)在人性化方面得到極大提高。

云計(jì)算；智能家居；機(jī)器學(xué)習(xí)；Hadoop

傳統(tǒng)智能家居系統(tǒng)大多數(shù)采用模式控制的方式，利用用戶(hù)手動(dòng)的選擇模式，結(jié)合傳感器網(wǎng)絡(luò)達(dá)到相應(yīng)的控制效果。還有部分系統(tǒng)將云端加入其中，但是大部分只起到云端存儲(chǔ)和提供用戶(hù)監(jiān)控接口的功能。由于這種固定的方式使其靈活性和自適應(yīng)能力低下。本系統(tǒng)將嵌入式系統(tǒng)、云計(jì)算［1］和機(jī)器學(xué)習(xí)結(jié)合起來(lái)，既實(shí)現(xiàn)了遠(yuǎn)程監(jiān)控的功能，同時(shí)利用分布式深度學(xué)習(xí)算法使系統(tǒng)能夠適應(yīng)用戶(hù)的行為，動(dòng)態(tài)的做出決策。在很大程度上彌補(bǔ)了傳統(tǒng)智能家居系統(tǒng)的不足。

1　系統(tǒng)硬件設(shè)計(jì)

1.1總體硬件設(shè)計(jì)

系統(tǒng)本地端通過(guò)WIFI和無(wú)線(xiàn)路由器搭建家居內(nèi)部控制網(wǎng)絡(luò)，并使用網(wǎng)關(guān)作為主控端［2］。同時(shí)網(wǎng)關(guān)通過(guò)因特網(wǎng)與云端通訊，在云端上進(jìn)行存儲(chǔ)和機(jī)器學(xué)習(xí)等操作。用戶(hù)則可以通過(guò)手機(jī)等智能終端與云端相接實(shí)現(xiàn)對(duì)家庭環(huán)境的監(jiān)測(cè)和設(shè)備的控制，系統(tǒng)總體結(jié)構(gòu)如圖1所示。

圖1　系統(tǒng)總體結(jié)構(gòu)Fig.1Structure diagram of the system

1.2本地硬件設(shè)計(jì)

①網(wǎng)關(guān)硬件設(shè)計(jì)

網(wǎng)關(guān)起的是一個(gè)樞紐和控制的作用，外部通過(guò)因特網(wǎng)連接到云端，內(nèi)部則通過(guò)工作在AP模式的WIFI模塊與節(jié)點(diǎn)通信。其次，網(wǎng)關(guān)通過(guò)Flash存儲(chǔ)器保存一些配置信息和數(shù)據(jù)信息。

②節(jié)點(diǎn)硬件設(shè)計(jì)

由于節(jié)點(diǎn)需要與網(wǎng)關(guān)通信，所以采用了工作在STA模式的WIFI無(wú)線(xiàn)通信模塊。另外，節(jié)點(diǎn)分為控制節(jié)點(diǎn)和傳感器節(jié)點(diǎn)兩類(lèi)。其中控制節(jié)點(diǎn)通過(guò)PWM、SPI等信號(hào)提供驅(qū)動(dòng)電器設(shè)備，傳感器節(jié)點(diǎn)則通過(guò)相應(yīng)通訊協(xié)議獲取傳感器數(shù)據(jù)。同時(shí)，利用LCD顯示屏來(lái)顯示一些設(shè)備相關(guān)的信息，并通過(guò)EEPROM存儲(chǔ)器來(lái)存儲(chǔ)配置信息。

1.3云端硬件設(shè)計(jì)

云端上采用三臺(tái)運(yùn)行Linux的計(jì)算機(jī)，通過(guò)交換機(jī)相互連接組成完全分布式的Hadoop集群，并通過(guò)路由器連入互聯(lián)網(wǎng)。

2　系統(tǒng)軟件設(shè)計(jì)

2.1本地軟件設(shè)計(jì)

1）網(wǎng)關(guān)的軟件設(shè)計(jì)

網(wǎng)關(guān)是智能家居網(wǎng)絡(luò)中連接云端和節(jié)點(diǎn)的橋梁，同時(shí)在其上運(yùn)行ANDROID軟件，作用是實(shí)現(xiàn)云端和家庭內(nèi)部網(wǎng)絡(luò)的通信，并對(duì)節(jié)點(diǎn)進(jìn)行監(jiān)控并做出決策。除了通訊方面，還包括如下幾個(gè)主要模塊：

①控制表。表中存放著傳感器數(shù)據(jù)與控制器行為的對(duì)應(yīng)關(guān)系。利用該表，網(wǎng)關(guān)可以很快的根據(jù)傳感器數(shù)據(jù)和時(shí)間給出相應(yīng)決策。該表也是網(wǎng)關(guān)軟件的核心部件。

②決策模塊。該模塊根據(jù)傳感器數(shù)據(jù)和時(shí)間信息，利用控制表給出相應(yīng)控制行為。

③數(shù)據(jù)庫(kù)。利用SQLite數(shù)據(jù)庫(kù)，存放控制表、傳感器數(shù)據(jù)、時(shí)間信息以及控制行為。

其中網(wǎng)關(guān)的內(nèi)部軟件運(yùn)行流程，如圖2所示。

圖2　網(wǎng)關(guān)運(yùn)行流程圖Fig.2Flow chart the gateway operation

2）節(jié)點(diǎn)的軟件設(shè)計(jì)

傳感器節(jié)點(diǎn)主要功能是獲取傳感器數(shù)據(jù)并上傳給網(wǎng)關(guān)?？刂乒?jié)點(diǎn)的主要功能則為接收來(lái)自網(wǎng)關(guān)的命令并執(zhí)行相應(yīng)的控制操作。

節(jié)點(diǎn)在開(kāi)機(jī)之后，首先進(jìn)行系統(tǒng)配置和模塊初始化，主要包括：配置管腳參數(shù)、配置模塊寄存器和打開(kāi)中斷等等。初始化完成之后，節(jié)點(diǎn)開(kāi)始正常工作。網(wǎng)絡(luò)收發(fā)模塊、傳感器采集模塊和設(shè)備控制模塊3個(gè)模塊并行，分別執(zhí)行各自的任務(wù)。

2.2云端軟件設(shè)計(jì)

對(duì)于機(jī)器學(xué)習(xí)，智能家居中的樣本數(shù)據(jù)是一個(gè)多維、數(shù)據(jù)量巨大的模型，所以不便于在本地進(jìn)行計(jì)算而采用擁有強(qiáng)大的性能和存儲(chǔ)能力的云計(jì)算方案。

1）云端軟件平臺(tái)設(shè)計(jì)

云端軟件分為云計(jì)算和網(wǎng)絡(luò)服務(wù)器兩部分，其中云計(jì)算采用Hadoop集群，并利用HBase與Hive搭建數(shù)據(jù)庫(kù)來(lái)存儲(chǔ)信息，網(wǎng)絡(luò)服務(wù)器則采用Socket Server和JAVA NIO技術(shù)，提供可靠并且簡(jiǎn)易的網(wǎng)絡(luò)連接，實(shí)現(xiàn)云端與網(wǎng)關(guān)和用戶(hù)控制終端的實(shí)時(shí)通訊。

2）云端數(shù)據(jù)庫(kù)存儲(chǔ)設(shè)計(jì)

云端數(shù)據(jù)庫(kù)負(fù)責(zé)存儲(chǔ)用戶(hù)信息、控制器與傳感器數(shù)據(jù)、機(jī)器學(xué)習(xí)參數(shù)以及決策信息等。其中主要數(shù)據(jù)表為狀態(tài)表、控制表和學(xué)習(xí)表。其中狀態(tài)表中存放網(wǎng)關(guān)上傳的傳感器數(shù)據(jù)，控制表中存放用戶(hù)設(shè)定的傳感器與設(shè)備行為的對(duì)應(yīng)關(guān)系，而學(xué)習(xí)表中則存放著機(jī)器學(xué)習(xí)算法的參數(shù)和訓(xùn)練結(jié)果。

網(wǎng)關(guān)將采集到的傳感器數(shù)據(jù)上傳到云端并保存到狀態(tài)表中。通過(guò)機(jī)器學(xué)習(xí)算法修改學(xué)習(xí)表，從而生成控制表，再傳遞給網(wǎng)關(guān)進(jìn)行自動(dòng)控制。

3）云端機(jī)器學(xué)習(xí)算法設(shè)計(jì)

由于訓(xùn)練的對(duì)象具有復(fù)雜度高、層數(shù)多和樣本數(shù)量巨大的特點(diǎn)，為了保證訓(xùn)練的質(zhì)量和速度采用了深度學(xué)習(xí)［3］的方法，具體使用了Deep Belief Network（DBN）的訓(xùn)練算法［4］。同時(shí)為了能夠發(fā)揮Hadoop分布式平臺(tái)的優(yōu)勢(shì)，對(duì)算法進(jìn)行了相應(yīng)的優(yōu)化。其核心方法為將一個(gè)大數(shù)據(jù)集分解成多個(gè)小的數(shù)據(jù)塊，利用多個(gè)運(yùn)算節(jié)點(diǎn)對(duì)數(shù)據(jù)塊進(jìn)行同時(shí)計(jì)算，從而達(dá)到分布式優(yōu)化的目的。

其中數(shù)據(jù)集從云端數(shù)據(jù)庫(kù)中讀取，包括傳感器數(shù)據(jù)、時(shí)間信息、設(shè)備狀態(tài)和用戶(hù)決策。RBM［5］的參數(shù)包括權(quán)值和偏置值，同時(shí)預(yù)先設(shè)定了訓(xùn)練的層數(shù)和每層訓(xùn)練數(shù)據(jù)的數(shù)量。相應(yīng)的算法流程如圖3所示。

4）基于ANDROID客戶(hù)端［6］軟件設(shè)計(jì)

為了用戶(hù)的方便，客戶(hù)端通過(guò)互聯(lián)網(wǎng)訪(fǎng)問(wèn)云端從而監(jiān)測(cè)家庭環(huán)境和控制設(shè)備。其設(shè)計(jì)主要包括用戶(hù)界面UI，Socket通信和SQLite數(shù)據(jù)庫(kù)等。

3　實(shí)驗(yàn)應(yīng)用

3.1系統(tǒng)實(shí)例的搭建

根據(jù)系統(tǒng)設(shè)計(jì)方案，實(shí)現(xiàn)了一套原型系統(tǒng)。其中本地端為網(wǎng)關(guān)、溫濕度節(jié)點(diǎn)、光照度節(jié)點(diǎn)、蜂鳴器與煙霧節(jié)點(diǎn)、電機(jī)控制節(jié)點(diǎn)與LED控制節(jié)點(diǎn)。同時(shí)搭建好云計(jì)算平臺(tái)和網(wǎng)絡(luò)服務(wù)器。系統(tǒng)實(shí)例如圖4所示。

3.2系統(tǒng)實(shí)例的測(cè)試

測(cè)試控制條件，如表1所示。觸發(fā)條件順序?yàn)椋簻囟龋〝z氏度）、濕度（相對(duì)）、光照度（流明）、煙霧（毫升每立方厘米）。

測(cè)試采用的方法是在7天時(shí)間內(nèi)，人為反復(fù)地實(shí)現(xiàn)表中的（1）、（2）、（3）項(xiàng)目的觸發(fā)條件并人為地進(jìn)行相應(yīng)設(shè)備動(dòng)作。將傳感器數(shù)據(jù)和人為動(dòng)作打包成樣本上傳至云端，云端在訓(xùn)練完畢后將機(jī)器學(xué)習(xí)的參數(shù)和控制表推送給網(wǎng)關(guān)，進(jìn)行自主控制。經(jīng)過(guò)多次試驗(yàn)之后，自主學(xué)習(xí)的最終控制結(jié)果如表2所示。

圖3　機(jī)器學(xué)習(xí)算法流程圖Fig.3Flow chart the machine learning algorithm

圖4　系統(tǒng)實(shí)例圖Fig.4Figure of system instance

表1　測(cè)試條件Tab.1Test condition

表2　自主學(xué)習(xí)測(cè)試結(jié)果Tab.2Test result of autonomic learning

4　結(jié)論

本文創(chuàng)新的將云計(jì)算、機(jī)器學(xué)習(xí)引入智能家居系統(tǒng)，實(shí)現(xiàn)了自主學(xué)習(xí)和控制的功能。根據(jù)實(shí)例分析，這種方案可以達(dá)到一個(gè)相對(duì)較高的正確率，彌補(bǔ)了傳統(tǒng)智能家居［7］在人性化方面的不足。但是本文實(shí)現(xiàn)的條件相對(duì)簡(jiǎn)單，并未完全體現(xiàn)出這種方案的優(yōu)勢(shì)，所以在以后仍需針對(duì)一些現(xiàn)實(shí)的家居環(huán)境進(jìn)行研究。

［1］岳敬華.基于云服務(wù)的智能家居系統(tǒng)的研究與設(shè)計(jì)［D］.杭州：杭州電子科技大學(xué)，2013.

［2］孟平.多功能智能家居系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［D］.哈爾濱：哈爾濱理工大學(xué)，2014.

［3］張浩，吳秀娟.深度學(xué)習(xí)的內(nèi)涵及認(rèn)知理論基礎(chǔ)探析［J］.中國(guó)電化教育，2012（309）：7-21.

［4］Hinton G.Training products of experts by minimizing contrastive divergence［J］.Neural Computation，2002（14）：1771-1800.

［5］Hinton G.A practical guide to training restricted Boltzmann machines［J］.Momentum，2010，9（1）：926.

［6］鹿曼.基于Android的智能家居無(wú)線(xiàn)控制系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［D］.成都：電子科技大學(xué)，2013.

［7］李琪，秦會(huì)斌，楊永舒，等.基于Android平臺(tái)的智能家居系統(tǒng)設(shè)計(jì)［J］.電子設(shè)計(jì)工程，2014（24）：52-54，57.

The design of smart home system based on cloud computing and machine learning

SONG Lin1，2，ZHOU Yuan1，2，ZENG Yu-shan2
（1.Jiangsu Technology&Engineering Center of Meteorological Sensor Network，Nanjing University of Information Science and Technology，Nanjing 210044，China；2.School of Electronic&Information Engineering，Nanjing University of Information Science&Technology，Nanjing 210044，China）

As technology advances，the smart home is becoming a research hotspot.In order to solve the shortcomings of existing systems on self-adaptability proposed smart home system based on cloud computing，machine learning and embedded technology.The system uses a gateway sensor data collection，reuse and machine learning algorithms to run Hadoop cloud computing platform for learning and recognition of user behavior，achieving autonomous decision-making capacity.By way of example analysis，the program enables smart home system has been greatly improved in terms of humanity.

cloud computing；smart home；machine learning；Hadoop

TN02

A

1674－6236（2015）24-0005-03

2015-02-28稿件編號(hào)：201502154

2013年度校級(jí)教改課題（N1885013231）；2014年度實(shí)驗(yàn)室開(kāi)放經(jīng)費(fèi)（N1081005231）；2015年校教改提升工程-大學(xué)生創(chuàng)新訓(xùn)練項(xiàng)目（1214071501207）

宋林（1993—），男，江蘇南京人。研究方向：物聯(lián)網(wǎng)、機(jī)器學(xué)習(xí)。