電子發燒友網>電子資料下載>電子資料>MuSa物聯網開源案例

MuSa物聯網開源案例

1858595 2023-07-03 | zip | 0.00 MB | 次下載 | 免費

普通下載普通下載

資料介紹

描述

項目介紹

MuSa是由Silvia Del Piano、Stefano Foti和Gianmarco Zizzo為羅馬大學 Sapienza 的物聯網 2020 課程開發的項目。

這個項目最初是為“ Mu seo dell'Arte Classica Sa pienza”設計的，其目的是提供個性化的旅游，并通過他們的智能手機向用戶提供信息。

MuSa是如何活過來的——問題

我們預計 MuSa 會考慮參觀者在參觀博物館時遇到的許多公共問題，例如：

有限的時間進行全面訪問
在他的道路上遇到一些與他的興趣不符的藝術作品
想要了解更多關于歌劇的細節，但同時出于多種原因他不喜歡有實體或音頻指南

同時，我們想到了策展人：

除了提供一些吸引游客下次再來的服務的事實之外，還需要對最受贊賞的藝術品和訪問者的路徑進行一些統計

由于 MuSa 的基本概念是以用戶為中心，因此我們從這些方面著手構建能夠滿足用戶需求的東西。

該主題的先前經驗

個性化游覽的主題已經在智能博物館中體驗過，但我們幾乎沒有發現現代和充分發展的東西。例如，大多數游覽方式都包含固定的藝術品列表，對于每個人或來自同一預定義用戶的訪客都是一樣的團體（例如游客、學生、專家團體）。第二個問題是在線旅游與現場/多媒體旅游之間缺乏聯系，通常分為兩個旅游，沒有任何聯系。這兩個問題成為構建個性化旅游的主要挑戰。顯然，智能博物館中與藝術品的交互和信標的使用也已經經歷過；無論如何，有很多方式可以為這兩個方面賦予生命。我們在文檔中對以前的經驗進行了深入分析，與相關參考資料。

MuSa 解決方案 - 概述

MuSa 收集和分析有關游客及其旅行的信息，并提出定制的旅程，以提供一種享受藝術的新方式。在開始時，每個用戶都應該填寫一份簡短的調查，以收集有關其個性的信息。然后穆薩會問他是想享受定制的旅行還是只是幫助收集數據。當然，用戶也可以選擇根本不使用該系統。當用戶只想為數據收集做出貢獻時，他將開始自己在博物館內旅行，將智能手機放在口袋里以非侵入性方式收集數據。當用戶想與 MuSa 一起享受游覽時，他會按照 MuSa 向他展示的定制建議開始探索博物館。

建筑學

在本節中，您可以找到我們項目中存在的所有主要硬件和軟件的列表。

網絡圖
在分析單個硬件和軟件組件之前，有必要先看一下整個網絡圖。在每件藝術品或藝術品集群附近，都有一個 ESP32 板，通過 Android 從用戶的智能手機捕獲信標應用程序。ESP32 板在可變時間內將信標發送到 Raspberry Pi 網關；網關每五秒鐘將預處理的數據發送到托管后端的云，最終將響應應用程序的請求。

現在我們將一一分析系統的組成部分：

ESP32
ESP32是一系列低成本、低功耗的片上系統微控制器，集成了 Wi-Fi 和雙模藍牙。它能夠在工業環境中可靠運行，并由先進的校準電路供電，使其能夠動態消除外部電路缺陷并適應外部條件的變化。ESP32 專為移動設備、可穿戴電子產品和物聯網應用而設計，可實現超低功耗。它可以作為一個完整的獨立系統運行，并且可以與其他系統連接以提供 Wi-Fi 和藍牙功能。在我們的項目中，ESP32 起著關鍵作用。我們首先需要在每件藝術品附近安裝一個 ESP32，用于接收來自用戶智能手機的信標并進行跟蹤；然后，該板每五秒向主網關（Raspberry Pi）發送一條帶有收集數據的消息。

Raspberry Pi
Raspberry Pi是一系列小型單板計算機。它的硬件已經經歷了幾個版本的演變，這些版本在中央處理器的類型、內存容量、網絡支持和外圍設備支持方面有所不同。無論如何，它非常強大。在我們的項目中， Raspberry Pi 充當 ESP32 和 Microsoft Azure 之間的網關；它對接收到的數據進行預處理，進行一些密集的邊緣計算（“IoT 方面”部分中的更多信息），然后通過 Azure IoT Hub 將它們發送到云端。

LedRGB
我們使用了普通的 RGB LED，當然，還有很多其他的解決方案可以替代它。在我們的項目中，網關在數據處理期間使用 MQTT 消息將 RGB LED 打開為綠色。紅色是為問題、啟動階段和狀態保留的，因此它由董事會直接管理。
Microsoft Azure 云服務
Azure是 Microsoft 創建的一種云計算服務，用于通過 Microsoft 管理的數據中心構建、測試、部署和管理應用程序和服務。它提供軟件即服務 (SaaS)、平臺即服務 (PaaS) 和基礎架構即服務 (IaaS)，并支持許多不同的編程語言、工具和框架，包括 Microsoft 特定和第三方軟件和系統。對于我們的項目，選擇使用 Azure 作為云服務是我們為同一 IoT 課程分配了四次作業的結果，這使我們能夠試驗多種云服務并進行比較。我們認為 Azure 提供了比 ThingsBoard 更有用的功能，而且我們認為它比 Amazon Web Services 更易于使用。

MQTT/MQTT-SN
MQTT是一種用于小型傳感器和移動設備的輕量級消息傳遞協議，針對高延遲或不可靠的網絡進行了優化。在我們的項目中，我們使用 MQTT-SN 進行 ESP32 板和樹莓派之間的通信，使用 MQTT 進行樹莓派和云之間的通信。
低功耗藍牙 (BLE)
低功耗藍牙是一種無線個人區域網絡技術，旨在用于醫療保健、健身、信標、安全和家庭娛樂行業的新型應用。在我們的項目中，我們使用 BLE 進行設備之間的信標交換，針對室內定位。我們做了一些額外的添加來嘗試提高跟蹤的精度，我們稍后會討論它們。

Android App
MuSa 的服務是通過一個用Java 開發的Android App 提供的。當訪問者想要使用 MuSa 時，首先，應用程序會通過歡迎問卷對用戶進行描述，然后向他推薦定制的游覽，如果用戶接受，他將收到游覽中出現的每件藝術品的信息和詳細信息，當他靠近它時。

物聯網元素

由于該項目從物聯網課程中汲取生命，因此它充滿了物聯網元素和主題。

數據收集和數據分析是物聯網的兩個主要目標。通過 MuSa，我們收集有關訪客和用戶的信息有幾個原因，例如提供個性化旅游并通過訪客的行為改善這些旅游。即使在我們的項目中沒有計劃，策展人也可以將收集到的數據用于其他幾個方面，比如重新組織博物館的藝術品定位，簡單地分析這些數據。
邊緣計算是物聯網中廣泛使用的計算范式；我們對收集到的數據進行預處理，以結構更好的方式將它們發送到云端，并節省發送的消息數量，以更好地利用云端的免費計劃。當其中一個 ESP32 每秒捕獲用戶的信標在可變時間臨時存儲它們，這取決于博物館中有多少用戶，直到最多五秒鐘，將它們發送到網關。這已經是一種預處理，因為如果每次都將這些數據直接發送到云端，那么免費計劃就會提前很多。我們在文檔中對消息的保存進行了進一步的計算。當消息到達 Raspberry Pi 時，它將對數據進行另一次預處理，因為它對這些數據應用卡爾曼濾波器以避免噪聲或失真。我們在文檔中進一步解釋了卡爾曼濾波器。
我們使用兩種不同類型的板：Raspberry Pi 和 ESP32。如前所述，Raspberry Pi 充當 ESP32 和云之間的網關，放置在每個藝術品附近的 ESP32 接收來自用戶的信標。有關董事會特征的更多信息，請參閱架構部分，而有關董事會角色的更深入信息，請參閱我們的文檔。
云服務的使用：Microsoft Azure。Microsoft Azure 是一個擁擠的地方：在這里我們可以找到 IoT 中心、事件中心、我們的應用程序代碼、后端，以及它的數據庫和（未實現的）機器學習算法。在實際部署中，數據庫包含有關藝術品的信息，當應用程序需要向用戶展示藝術品的游覽或詳細信息時，它將對其進行查詢。在我們的演示中，信息存儲在后端的 DbContext 中，它還負責將它們提供給應用程序。
MQTT的使用：物聯網中用于小型傳感器和移動設備的著名輕量級消息傳遞協議。它計劃在板和網關之間使用，也用于與 Led RGB 通信。
我們使用藍牙低功耗 (BLE)技術。我們需要使用 BLE 來了解用戶最接近的藝術品。因此，我們真正需要實現的是鄰近識別，而不是完整的室內定位。為了實現這一目標，我們還可以使用其他技術，因此我們決定在做出明確選擇之前比較不同的解決方案。特別是，我們考慮了這些類型問題最常用的技術，即 BLE（我們找到了有關特定 iBeacon 協議的文檔，但可以概括以下考慮）、NFC、RFID 和 GPS。合作表可在我們的文檔中找到。BLE技術滿足了我們所有的要求：不貴，兼容手機，范圍夠廣，可以做近距離識別。唯一的問題是準確性，但正如所解釋的，我們使用技術來緩解這個缺點（RSSI 和卡爾曼濾波器）。
使用發送信標的設備，在我們的例子中是智能手機。用戶的智能手機啟用信標廣告，圖板定期捕捉它們。我們的文檔中提供了有關信標格式和用戶跟蹤的更多信息。
一個LED執行器，通過綠燈顯示當天最受贊賞的十件藝術品。在數據處理期間，網關使用 MQTT 消息主題 /Musa/ARTWORK_ID/led 和有效負載 G_ON 將 RGB LED 打開為綠色/G_OFF 根據需要打開和關閉二極管。紅色是為問題、啟動階段和狀態保留的，因此它由董事會直接管理。

評價與表現

我們用不同的方法評估了用戶體驗和使用的技術。特別是，硬件和軟件組件的質量將根據它們的特性以及整個系統的質量來衡量。但是，請記住，這是為物聯網課程開發的項目，因此我們將對此進行介紹部分提供全面的分析，但不會在企業層面。

用戶體驗
由于用戶是 MuSa 的核心，因此評估的主要方面之一是用戶體驗。我們考慮了兩種評估方法：Moment 方法和Episode 方法.關于Episode方法的問題，這是一種對整個體驗提供反饋的方法，在訪問結束時，用戶將被要求填寫一份關于他的體驗的簡短調查。該問卷也可以使用 AttrakDiff 來實施。對于 Moment 方法，這是一種提供有關單個時刻的反饋的方法，通過與 MuSa 的交互，我們可以了解訪問者的心情（例如，如果他沒有跟隨我們建議的旅行可以假設他可能不喜歡它）。此外，為了這個目的，我們建議也使用像 PrEmo 這樣的商業工具，它可以讓 MuSa 實時了解用戶的感受，但我們沒有在我們的演示中實現它，因為它是一個商業工具。我們向一群人們我們的演示，并要求他們想象在博物館中部署的完整產品。考慮到這一點，我們要求他們填寫 MuSa 在定制之旅結束時向用戶展示的調查。以下是收集到的答案：

1 / 5 ?反饋

系統的整體評估
軟件質量由 ISO/IEC 9126-1 的一套法規和指南定義。我們使用基于標準的評估來衡量幾個方面的質量，包括可理解性、文檔和可移植性（我們用作模型的原始文檔就是這個）。當然，我們并沒有使用我們不需要的標準，所以我們制作了這個更輕量級的定制版本：MuSa Criteria。您可以在本文檔中找到我們的分析結果。
功耗
通過電流表進行一些測量，我們發現每個 ESP32 板在 5V 時需要大約 110mA 的電流才能工作，因此它消耗 550mW，記住我們同時使用 Wi-Fi 和 BLE，這是一個很好的值。

測量

復雜性和響應性
我們需要我們的系統在用戶訪問期間能夠實時響應用戶，但同時我們也不想讓我們的網絡充斥著消息，保持低復雜性，也可以節省董事會的力量。我們需要在這兩種需求之間找到平衡。因此，我們對系統進行了簡要分析，并決定使用 Raspberry Pi 板作為網關（更多詳細信息請參閱我們的文檔）。這也影響了成本：我們希望將我們的免費計劃的限制發揮到最大（我們可以發送到 Azure 的消息限制是每天 8000 條），以便我們可以盡可能少地支付。這可以是通過利用邊緣計算實現：我們在網關中進行數據預處理，以匯總不同板的消息并將單個報告發送到 Azure。Raspberry 還充當一種橋梁，接收 MQTT-SN 消息并將其轉換為 MQTT 消息。讓我們對這個系統的復雜性和響應能力做一個簡短的評估，讓我們考慮以下場景：-我們有 30 個 ESP32 板，每秒發送 1 條消息-原始數據發送到 Azure：這意味著每分鐘大約有 30 條消息 * 60 秒 = 1800 條消息，這意味著免費計劃將在 8000 / 1800 = 4 分鐘后到期。-邊緣計算：不是將消息直接發送到 Azure，而是由網關收集，而是每 5 秒向云發送一個報告。所以我們每分鐘有 60 / 5 = 12 條消息，這意味著免費計劃將持續 8000 / 12 = 666, 66 分鐘，即 11, 11 小時。所以我們每天有 5 分鐘和 11 小時，優勢邊緣計算架構是巨大的！我們可以讓一個有 30 個板的博物館每天免費使用我們的系統（除非它保持開放超過 11 小時）。
最大用戶數
我們對當前硬件和技術的最大同時用戶數進行了一些計算和壓力測試。我們看到我們的主板使用了許多不同的技術，例如 WiFi、BLE、MQTT 和 JSON 主體。這些技術需要圖書館，而圖書館需要空間；我們的 ESP32 有 4MB 的空間，我們已經能夠對它進行臨時分區并為我們需要的所有空間獲得足夠的空間，包括代碼和動態分區。但是我們有多少可用空間？沒那么多。在這個空閑空間中，我們必須適應構建 JSON 的數據結構，放置從 BLE 讀取的臨時數據，等等。所以一些數據結構可以是靜態預定義的，而另一些則存在于堆中。我們憑經驗發現預定義大小的折衷方案，收集數據大約 5500 字節，網絡最大消息（由于標頭）更多字節，等等。有了這個值，在單次迭代的情況下，由于信標標識符/RSSI 值的最大大小為 58 字節，我們有大約 94 次迭代的空間。在我們使用信標模擬器應用程序進行壓力測試期間，我們或多或少地得到了這樣的結果：在 100 個信標中捕獲了 93 個。讓我們對此發表評論。如果我們有一個大房間，有 20 件藝術品和 20 個板子，如果每個板子最多捕捉 93 個信標，并且每個板子都捕捉到離板子很遠的人的信標，那么可能我們將無法為所有訪客服務，因為 93 看起來不要成為這么大的數字。我們的解決方案是什么？以較低的功率傳輸信標。設置信標的傳輸功率很容易（請參閱我們的 Android 應用程序以獲取示例）。如果我們以較低的功率傳輸信標，則只有靠近訪客的板才能捕捉到他的信標，
后端
我們的后端代碼質量已經過CodeCity 測試。這是一個非常簡單的工具，可以讓我們以一種新的方式檢查最常見的軟件指標，將軟件系統可視化為交互式、可導航的 3D 城市。類被表示為城市中的建筑物，而包被描述為建筑物所在的地區。城市結構越好，代碼質量就越高。我們在文檔中提供了有關 CodeCity 的更深入的詳細信息。這些是我們的結果：沒有“病態”模式：沒有建筑物太高，它們在景觀中分布得很好。代碼是模塊化的和“健康的”。

代碼城結果

前端
Android 應用程序運行良好，沒有出現延遲或異常行為。不幸的是，目前沒有免費的工具可以從 Android 項目生成 MSE 統計信息。我們檢查了軟件評估的最常見指標。這些是結果：

前端評估

價格
-硬件我們需要與博物館展出的藝術品和單個重要作品的數量一樣多的板，再加上一個用于網關的板；每一個的成本約為 10 歐元。我們還需要相同數量的 RGB LED，它們非常便宜，每個成本約為 0、50 歐元。當然，還有很多其他的解決方案可以替代 LED。最昂貴的組件是兩塊 Raspberry Pi 板，價格從大約 20 歐元到更多。- Cloud Azure 是一種商業產品，為小型項目提供少數免費服務。使用Microsoft 定價計算器，我們檢查了用于研究目的的最便宜的解決方案。

Azure IoT 中心在每天 8000 條消息之前都是免費的。利用我們的架構選擇，使用主網關板作為整個傳感器網絡的橋梁，我們可以節省大量消息。
Azure 數據庫對于上一代 Azure 數據庫（第 4 代）是免費的，只有幾 GB 的空間，但您無法進行任何備份的事實是一個主要缺點。
Azure 應用服務計劃免費提供一個完整的解決方案，用于部署具有 FE 和 BE 的全棧應用程序。免費解決方案提供 1GB 存儲空間、1GB RAM 和共享 CPU。請注意，以這種方式您不能讓您的應用程序始終運行
. 不幸的是，Azure 機器學習不提供任何免費計劃，起價約為 4 美元/月，但同樣，對于我們的最終交付，它沒有實施。我們附上了一份簡短的Excel 報告，以便更好地可視化所有計劃。使用Azure 定價計算器可以輕松擴展此計劃并評估其對成本的影響。