على هذا المورد ، يكتبون بانتظام حول شبكات الشبكات. نريد أن نقول كيف نستخدمها في مشروعنا لإنشاء نظام أتمتة غرفة قابلة للتكيف ، حيث لا تسمح لنا تكنولوجيا الشبكات ذاتية التنظيم بنشر النظام بسرعة فحسب ، بل أيضًا لتحقيق مؤشرات عالية من التسامح مع الأعطال وسرعتها. لقد نجحنا في اختبار حلنا على موقع حقيقي بسعة شبكة من 120 جهازًا.
لماذا نحتاج إلى شبكة شبكية
منذ ظهور مفهوم "المنزل الذكي" ، تعتبر وحدة الرأس "قلبها" و "دماغها". ولكن تدريجياً ، تتوقف المحاور عن كونها ضرورية وتختفي قريبًا تمامًا في الماضي. يؤكد اللاعبون الرئيسيون مثل Google و Amazon هذا الاتجاه. تعرض Google أجهزة التوجيه الخلوية لعدة سنوات ، واشترت Amazon مؤخراً Eero لتعزيز موقعها في السوق المنزلية الذكية.
في منتجاتنا ، نستخدم شبكات الشبكات ، لأنها تحل العديد من المشكلات في وقت واحد. أولاً ، إنها تضمن التشغيل السلس للنظام. عادةً ، إذا تعطل المركز أو فقد الاتصال بالإنترنت ، فإن النظام يتوقف فعليًا ، وتوقف الأجهزة عن الاستجابة وتؤدي وظائفها الأساسية. شبكات شبكة تجنب هذا. حتى في حالة فشل جهاز واحد ، سيستمر الباقي في العمل في نفس الوضع. سيتلقى المستخدم فقط إخطارًا بحدوث عطل.
ثانياً ، شبكات الشبكات تساعد في توجيه حركة المرور. في نظامنا ، جميع الأجهزة قادرة على نقل الإشارة بحيث تصبح منطقة تغطية الشبكة غير محدودة تقريبًا. في حالة حدوث تغيير في تكوين الشبكة ، سيقوم النظام بتحديد المسار الأمثل بشكل مستقل.
في شبكة تم إنشاؤها على أساس حلنا ، يمكن لعدد غير محدود تقريبًا من الأجهزة العمل على مسافة كبيرة من بعضها البعض. تم الحصول على هذا الرقم من خلال طريقة الحساب ، من 10 إلى 10 درجات ، وهو أمر يتعذر توفيره حاليًا نظرًا للكمية المحدودة من ذاكرة الوصول العشوائي في الأجهزة.
ما هو "المنزل الذكي" (في رأينا)
معظم الحلول في السوق اليوم هي ببساطة مجموعة من أجهزة الاستشعار والمحركات محدودة القدرات. عادةً ما يكون هذا جهاز التحكم عن بُعد في شكل تطبيق محمول أو جهاز لوحي منفصل أو مكبر صوت ذكي ، والذي يتيح لك ضبط درجة الحرارة وتشغيل / إيقاف الأجهزة المنزلية وضبط الإضاءة وإعداد سيناريوهات عمر البطارية البدائية. دعنا نعترف بأن كلمة "ذكية" ليست كافية ، إنها مجرد لعبة أخرى.
لذلك ، وضعنا لأنفسنا هدف إنشاء نظام أتمتة المنزل على التكيف على أساس شبكة متشابكة. أثناء استخدامه ، يقوم نظامنا بتحليل عادات المستخدم وسلوكه. نتيجةً لذلك ، بدأت بمرور الوقت في تكييف جميع السيناريوهات والإعدادات لمستخدم معين ، وتقديم سيناريوهات جديدة ، وبعد موافقة المالك ، قم بتكوينها بنفسها.
تم تصميم بنية النظام بحيث لا يكون صندوق الرأس مطلوبًا. يمكن لجهاز مأخوذ بشكل منفصل أن يعمل من تلقاء نفسه ، باستخدام جميع الوظائف المضمنة فيه.
ميزة أخرى من حلولنا: قبل اتخاذ قرار ، يقوم النظام بجمع البيانات من عدة مصادر في وقت واحد (على سبيل المثال ، من الكاميرا ، ومستشعر جودة الهواء ، ومستشعر التواجد ، وما إلى ذلك). أصبح هذا ممكنًا نظرًا لحقيقة أن جميع أجهزة النظام مكتفية ذاتيا وقادرة على تبادل المعلومات فيما بينها مباشرة. مما سمح لنا بتقليل احتمالية التنفيذ غير الصحيح للإجراءات في إطار سيناريو معين.
تتم معالجة جميع المعلومات داخل النظام (وليس عن طريق الخادم أو المحور المركزي) بطريقة موزعة. ماذا تقصد؟ إذا احتاج أحد الأجهزة المزودة بمصدر طاقة مستقل إلى إجراء عمليات حسابية معقدة وكثيفة استهلاك الطاقة ، فسيقوم النظام بإعادة توجيه هذه المهمة إلى أقرب جهاز باستخدام مصدر طاقة ثابت. يوفر هذا النهج عمرًا مقبولًا للبطارية للأجهزة ذاتية التشغيل ويسرع من عملية اتخاذ القرار.
أود أيضًا أن أشير إلى بساطة إجراء الاتصال. للقيام بذلك ، لا تحتاج إلى تكوين أي شيء ، مسح رموز QR وأكثر من ذلك. يكفي إرفاق الهاتف بالتطبيق على الجهاز - وهذا هو: إنه موجود بالفعل على الشبكة ، وتلقى الإعدادات الأساسية وهو جاهز للعمل!
الملامح الرئيسية لشبكتنا الشبكية
في البداية ، أردنا استخدام حل Espressif ESP-MESH الميسور التكلفة. ولكن بعد تحليلها ، أدركنا أنها لا تناسبنا تمامًا. لذلك ، كان لا بد لي من اختراع بلدي. المزايا الرئيسية لدينا هي وقت البناء ، والتغيير التلقائي للقناة عند التحميل ، وسرعة الشبكة والتوجيه.
الشفاء الذاتي هو الكشف التلقائي عن فشل الشبكة والقضاء عليه. إذا تعطل أحد الأجهزة فجأة وفقدت الإشارة ، فسيتم إعادة إنشاء الشبكة من الأجهزة المتبقية بمفردها. يستغرق تجميع الشبكة من لحظة تشغيله ما يصل إلى 15 ثانية ، ولا تستغرق عملية إعادة الإنشاء أكثر من 6 ثوانٍ. الدعم بين العقد لإعادة التوجيه أقل من 10 ميلي ثانية. وهذه هي الأرقام الحقيقية التي تم الحصول عليها أثناء الاختبار في أحد مرافقنا الكبيرة. بشكل عام ، هذا مؤشر متوسط للمنشآت العسكرية ومفرط في قطاعنا. يمكننا القول لدينا امدادات ضخمة!
معلمة أخرى مهمة هي التوجيه ، وكيف يتم نقل الإشارة من جهاز إلى آخر. عادة ، تعمل جميع عناصر الحلول المماثلة على نفس الترددات مثل Wi-Fi - 2.4 هرتز. تستخدم البروتوكولات خوارزميات تستند إلى حالة القنوات الجوية. يتيح لك حلنا تغيير القناة دون التأثير على أداء الشبكة. على سبيل المثال ، في المنشأة ، تعمل جميع الأجهزة المحيطة بالمحيط على القناة 13. ولكن في وسط الغرفة على هذه القناة كان هناك تدخل. في هذه الحالة ، يقوم الجهاز الذي ينقل الإشارة بتغيير القناة تلقائيًا وتجاوز منطقة المشكلة. يتم تنظيم بقية الأجهزة المزودة بوحدة لدينا فيما بينها واختيار الترددات الأمثل.
لتحقيق سرعة توجيه عالية ، قمنا بتحسين جميع البرامج للأجهزة. لكل المعالج والمعالج الثانوي كتبوا رمز في المجمع. سمح لنا ذلك بتقليل استهلاك الطاقة وزيادة سرعة الشبكة بمقدار 15 مرة.
السعة القصوى النظرية لشبكتنا ضخمة. من الواضح ، في الممارسة العملية لا يمكننا التحقق من ذلك. خلال الاختبارات ، قمنا بتوصيل أكثر من 300 جهاز بالشبكة ، وعمل النظام بثبات. أي أن حلنا سيجعل من السهل تغطية مركز التسوق وليس عليك التخلص من الجدران ووضع الأسلاك الإضافية وتكوين الشبكة لفترة طويلة ومؤلمة. يكفي لتثبيت أجهزتنا عند الضرورة. حتى إذا كان موجودًا على موقع جوال ، فسيظلون دائمًا على الإنترنت.
من أجل سلامة بيانات المستخدم ، نستخدم تشفيرًا مزدوجًا ، يستند إلى بروتوكول AES ، والذي يُعرف بأنه أحد الأكثر موثوقية. يتم نفق حركة المرور بين الخادم والجهاز أو بين زوج من الأجهزة. هذا يلغي إمكانية الوصول إلى النظام عن طريق اختراق شبكة WIFI.
لقد تقدمنا بطلب للحصول على براءة اختراع لنموذج المنفعة لتطبيق خوارزمية شبكة التنظيم الذاتي لدينا لأتمتة الغرف. لقد خضعت لتقييم أولي وهي الآن قيد الدراسة.
مثال على تنفيذ حلنا
قام فريقنا بتنفيذ مشروع واسع النطاق لتحديث إضاءة قصر خيميك الجليدي في نوفوبولوتسك. هناك ، يتم تصنيع جميع معدات الإضاءة (بمبلغ 120 وحدة) مع وظيفة التحكم عن بعد لشدة الضوء والوصول عن بعد / عن بعد عبر Wi-Fi و Bluetooth.
من الممكن أيضًا تكوين سيناريوهات العمل المستقلة. على سبيل المثال ، في وضع الاستعداد ، يجب ألا يتجاوز مستوى الإضاءة ، لتوفير 100 لوكس. أثناء التدريب - 600. وخلال مباراة الهوكي مع البث ، يجب أن يكون هذا المؤشر 1200 لوكس على الأقل. لتثبيت النظام ، لم يكن من الضروري وضع أسلاك إضافية أو تغيير تكوين الشبكة أو تكاليف أخرى. تم بناء بنية النظام بالكامل على أساس شبكتنا الشبكية. كان يكفي لتثبيت مصابيح LED جديدة مع وحدات التحكم.
بعد التحديث ، بدأت الساحة الجليدية من حيث الإضاءة تلبي المتطلبات الصارمة لاتحاد الهوكي لجمهورية بيلاروسيا للبث التلفزيوني الدولي المباشر.
لماذا نحتاج إلى شبكات عصبية وكيف ندربها
في قرارنا ، نستخدم أيضًا تقنيات الذكاء الاصطناعي ، وخاصة الشبكات العصبية. كما ذكرنا سابقًا ، يتم جمع جميع البيانات عن طريق الوحدات المركبة في أجهزة نظام التشغيل الآلي للغرفة ويتم تنفيذ جميع العمليات الحسابية داخل النظام. لذلك ، فكلما زاد عدد الأجهزة الموجودة في النظام ، كلما كان توزيع الحسابات المعقدة أفضل وأسرع فيما بينها.
كقاعدة عامة ، يقوم المطورون بتدريب الشبكات العصبية على مجموعات البيانات الكبيرة. لكن في حالتنا ، التدريب محدد. لا تحتاج شبكتنا العصبية إلى معرفة شكل القرود الإفريقية بشروط. في الوقت نفسه ، هناك حاجة إلى مشغلات لتدريب الشبكة. اكتشفنا كيفية جعل الأجهزة تتعلم في أحداث معينة على مستوى الأجهزة ، ويدرس النظام عن عمد عادات المستخدم. في البداية ، تطبق الشبكة سيناريوهات مدروسة جيدًا لفهم الظروف الأكثر راحة للمستخدمين. ثم ، باستخدام التجربة المتراكمة ، تختار أنماط الإضاءة والتدفئة والتهوية الأكثر راحة لمستخدم معين. بمرور الوقت ، يتولى النظام جزءًا من وظائف إدارة المنزل أو الشقة أو أي منشأة أخرى.
مهمتنا هي جعل المستخدمين مرتاحين قدر الإمكان وأنهم عملياً لا يغيرون أي شيء في إعدادات النظام ، فهم جميعًا سعداء.
نظرًا لحقيقة أن النظام مستقل تمامًا ، يتم تخزين البيانات في الذاكرة غير المتطايرة للأجهزة نفسها ، ولا يعتمد تشغيل النظام على الوصول إلى الإنترنت. إذا اختفى فجأة ، فسوف تستمر في العمل ، وتقدم البرامج النصية والدراسة الذاتية. في حالتنا ، هناك حاجة إلى الإنترنت فقط لتنظيم الوصول عن بعد والتواصل مع الخادم إذا كان المستخدم يريد تخزين بيانات معينة في السحابة (على سبيل المثال ، التسجيلات من كاميرات الفيديو).
خطط تنفيذ الرؤية
بحلول نهاية العام ، نخطط للإفراج جزئيًا عن مجموعة من الأجهزة لنظام أتمتة الغرف القابل للتكيف. وسوف تشمل كل شيء تقريبا المذكورة أعلاه ، باستثناء كاميرات الفيديو.
كاميرا فيديو مع عناصر الرؤية التقنية قيد التطوير حاليًا. نحن نخطط لنقل بيانات الفيديو من عدة كاميرات في وقت واحد. نحن نحاول أيضا تقديم نهج مبتكر. يستخدم حلنا شبكتين عصبيتين للكشف عن الأشخاص وتتبعهم في الغرفة (يتم حل مهمة multitracking) في الوقت الفعلي باستخدام تقنية CUDA. لمرافقة ، تم اقتراح نموذج شبكة عصبية وتدريبه ، والذي يفوق نتائج الاختبار ، أن يتفوق على DeepSort في أربعة معايير رئيسية ، والتي أظهرت أفضل النتائج في مسابقة MOT16 ، كجزء من MOTChallenge.
من المعروف أن تصميم نماذج الشبكات العصبية يتطلب موارد زمنية كبيرة من أجل التطوير ، كما أنه من الضروري إجراء العديد من التجارب. وبالتالي ، فإن النظام لا يعرف فقط عدد الأشخاص في الغرفة ، ولكنه يوفر أيضًا تتبعهم ، والذي يعمل بشكل ثابت حتى في المواقف التي يترك فيها الأشخاص الإطار. ثم أعود. تتعرف شبكتنا العصبية بالفعل على الأشخاص من خلال 128 علامة وتحددهم وفقًا لنظام "صديق / عدو". حتى الآن ، يعد تنفيذ الأعمال المتعلقة بتكييف تقنية حراسة الأشخاص باستخدام تسلسلات الفيديو التي تم الحصول عليها من كاميرات مختلفة داخل المنزل أمراً واعداً. بمرور الوقت ، نخطط لإضافة تعريف لأنماط السلوك غير القياسية (على سبيل المثال ، السقوط أو القتال) واكتشاف النيران أو الدخان. التطورات في هذه المجالات متاحة بالفعل.