Sur cette ressource, ils écrivent régulièrement sur les réseaux maillés. Nous voulons dire comment nous les utilisons dans notre projet pour créer un système d'automatisation de salle adaptatif. La technologie des réseaux auto-organisés nous permet non seulement de déployer rapidement le système, mais aussi d'atteindre des indicateurs élevés de sa tolérance aux pannes et de sa vitesse. Nous avons testé avec succès notre solution sur un site réel avec une capacité réseau de 120 appareils.
Pourquoi avons-nous besoin d'un réseau maillé
Depuis l'avènement du concept de «maison intelligente», l'unité centrale est considérée comme son «cœur» et son «cerveau». Mais progressivement, les hubs cessent d'être nécessaires et disparaissent rapidement complètement dans le passé. Des acteurs majeurs comme Google et Amazon confirment également cette tendance. Google propose des routeurs cellulaires depuis plusieurs années et Amazon a récemment acheté Eero pour renforcer sa position sur le marché de la maison intelligente.
Dans nos produits, nous utilisons des réseaux maillés, car ils résolvent plusieurs problèmes à la fois. Premièrement, ils assurent le bon fonctionnement du système. Habituellement, si le concentrateur tombe en panne ou perd sa connexion à Internet, le système s'arrête réellement, les appareils cessent de répondre et remplissent leurs fonctions de base. Les réseaux maillés évitent cela. Même si un appareil tombe en panne, les autres continueront de fonctionner dans le même mode. L'utilisateur ne recevra qu'une notification du dysfonctionnement.
Deuxièmement, les réseaux maillés aident à acheminer le trafic. Dans notre système, tous les appareils sont capables de relayer le signal afin que la zone de couverture réseau devienne presque illimitée. En cas de modification de la configuration du réseau, le système déterminera indépendamment l'itinéraire optimal.
Dans un réseau créé sur la base de notre solution, un nombre presque illimité d'appareils peut fonctionner à une distance considérable les uns des autres. Obtenu par la méthode de calcul, ce chiffre est de 10 à 10 degrés, ce qui est actuellement impossible à fournir compte tenu de la quantité limitée de RAM dans les appareils.
Qu'est-ce qu'une "maison intelligente" (à notre avis)
La plupart des solutions sur le marché aujourd'hui sont simplement un ensemble de capteurs et d'actionneurs dont les capacités sont limitées. Il s'agit généralement d'une télécommande sous la forme d'une application mobile, d'une tablette séparée ou d'un haut-parleur intelligent, qui vous permet de régler la température, d'allumer / éteindre les appareils électroménagers, d'ajuster l'éclairage et de configurer des scénarios d'autonomie de batterie primitifs. Admettons que le «intelligent» ne suffit pas, ce n'est qu'un autre jouet.
Par conséquent, nous nous sommes fixé pour objectif de créer un système domotique adaptatif basé sur un réseau maillé. Au fur et à mesure que vous l'utilisez, notre système analyse les habitudes et le comportement des utilisateurs. Pour cette raison, au fil du temps, elle commence à adapter tous les scénarios et paramètres pour un utilisateur spécifique, à proposer de nouveaux scénarios et, après l'approbation du propriétaire, à les configurer elle-même.
L'architecture du système est conçue de manière à ce qu'aucun boîtier de tête ne soit nécessaire. Un appareil pris séparément peut fonctionner seul, en utilisant toutes les fonctionnalités qui y sont intégrées.
Autre particularité de notre solution: avant de prendre une décision, le système collecte des données de plusieurs sources à la fois (par exemple, depuis une caméra, un capteur de qualité de l'air, un capteur de présence, etc.). Cela est devenu possible du fait que tous les appareils du système sont autonomes et peuvent échanger directement des informations entre eux. Ce qui nous a permis de réduire significativement les probabilités de mise en œuvre incorrecte d'actions dans le cadre d'un scénario donné.
Toutes les informations sont traitées à l'intérieur du système (et non par le serveur ou le concentrateur central) de manière distribuée. Que voulez-vous dire? Si l'un des appareils avec alimentation autonome doit effectuer des calculs complexes et énergivores, le système redirigera cette tâche vers l'appareil le plus proche avec une alimentation secteur constante. Cette approche offre une autonomie de batterie acceptable pour les appareils autonomes et accélère le processus de décision.
Je voudrais également noter la simplicité de la procédure de connexion. Pour ce faire, vous n'avez pas besoin de configurer quoi que ce soit, de scanner les codes QR et plus encore. Il suffit de connecter le téléphone avec l'application à l'appareil - et c'est tout: il est déjà sur le réseau, a reçu les paramètres de base et est prêt à fonctionner!
Caractéristiques clés de notre réseau maillé
Au départ, nous voulions utiliser la solution ESP-MESH Espressif abordable. Mais après l'avoir analysé, nous avons réalisé qu'il ne nous convenait pas tout à fait. J'ai donc dû inventer la mienne. Nos principaux avantages sont le temps de construction, le changement automatique de canal lors du chargement, la vitesse du réseau et le routage.
L'auto-réparation est la détection et l'élimination automatiques des pannes de réseau. Si soudainement un périphérique tombe en panne et que le signal est perdu, le réseau des périphériques restants se reconstruira de lui-même. L'assemblage réseau à partir du moment où il est activé prend jusqu'à 15 secondes et la reconstruction ne prend pas plus de 6 secondes. La prise en charge entre les nœuds pour la redirection est inférieure à 10 millisecondes. Et ce sont des chiffres réels obtenus lors des tests dans l'une de nos grandes installations. En général, il s'agit d'un indicateur moyen pour les installations militaires et excessif dans notre segment. Nous pouvons dire que nous avons une énorme offre!
Un autre paramètre important est le routage, la façon dont le signal est transmis d'un appareil à un autre. Habituellement, tous les éléments de solutions similaires fonctionnent aux mêmes fréquences que le Wi-Fi - 2,4 Hz. Les protocoles utilisent des algorithmes basés sur l'état des canaux d'air. Notre solution vous permet de changer de canal sans affecter les performances du réseau. Par exemple, dans l'installation, tous les appareils autour du périmètre fonctionnent sur le canal 13. Mais au centre de la pièce sur ce canal, il y avait des interférences. Dans ce cas, l'appareil qui transmet le signal change automatiquement de canal et contourne la zone à problème. Les autres appareils équipés de notre module sont organisés entre eux et choisissent les fréquences optimales.
Pour atteindre une vitesse de routage élevée, nous avons optimisé tous les logiciels pour le matériel. Pour chaque processeur et coprocesseur, ils ont écrit du code dans Assembler. Cela nous a permis de réduire la consommation d'énergie et d'augmenter la vitesse du réseau de 15 fois.
La capacité maximale théorique de notre réseau est énorme. De toute évidence, dans la pratique, nous ne pouvons pas le vérifier. Pendant les tests, nous avons connecté plus de 300 appareils au réseau et le système a fonctionné de manière stable. Autrement dit, notre solution vous permettra de couvrir facilement le centre commercial et pour cela, vous n'aurez pas à abandonner les murs, à poser des câbles supplémentaires et à configurer le réseau pendant une période longue et pénible. Il suffit d'installer nos appareils là où c'est nécessaire. Même si c'est sur un site mobile, ils seront toujours en ligne.
Pour la sécurité des données des utilisateurs, nous utilisons un double chiffrement, basé sur le protocole AES, reconnu comme l'un des plus fiables. Le trafic est acheminé par tunnel entre le serveur et l'appareil ou entre une paire d'appareils. Cela élimine la possibilité d'accéder au système en piratant un réseau WIFI.
Nous avons déposé un brevet pour un modèle d'utilité pour l'application de notre algorithme de réseau auto-organisé pour automatiser les salles. Elle a fait l'objet d'une évaluation préliminaire et est actuellement à l'étude.
Un exemple de mise en œuvre de notre solution
Notre équipe a réalisé un projet à grande échelle pour moderniser l'éclairage du palais de glace de Khimik à Novopolotsk. Là, tout l'équipement d'éclairage (d'un montant de 120 unités) est réalisé avec la fonction de contrôle à distance de l'intensité lumineuse et d'accès à distance via / Wi-Fi et Bluetooth.
Il est également possible de configurer des scénarios de travail autonomes. Par exemple, en mode veille, le niveau d'éclairage, afin d'économiser de l'électricité, ne doit pas dépasser 100 lux. Pendant l'entraînement - 600. Et pendant un match de hockey avec diffusion, cet indicateur devrait être d'au moins 1 200 lux. Pour installer le système, il n'était pas nécessaire de poser un câblage supplémentaire, de modifier la configuration du réseau ou d'autres coûts. L'architecture du système est entièrement construite sur la base de notre réseau maillé. Il suffisait d'installer de nouvelles lampes LED avec des unités de contrôle.
Après la modernisation, l'arène de glace en termes d'éclairage a commencé à répondre aux exigences strictes de la Fédération de hockey de la République du Bélarus pour les émissions de télévision internationales directes.
Pourquoi avons-nous besoin de réseaux de neurones et comment les former
Dans notre décision, nous utilisons également les technologies d'intelligence artificielle, en particulier les réseaux de neurones. Comme indiqué précédemment, toutes les données sont collectées par les modules installés dans les appareils du système d'automatisation de la pièce et tous les calculs sont effectués à l'intérieur du système. Par conséquent, plus il y a d'appareils dans le système, mieux et plus vite ils répartissent les calculs complexes entre eux.
En règle générale, les développeurs forment des réseaux de neurones sur de grands ensembles de données. Mais dans notre cas, la formation est spécifique. Notre réseau de neurones n'a pas besoin de savoir à quoi ressemblent conditionnellement les singes africains. Dans le même temps, des déclencheurs sont nécessaires pour entraîner le réseau. Nous avons compris comment faire en sorte que les appareils apprennent certains événements au niveau matériel, le système étudie délibérément les habitudes des utilisateurs. Dans un premier temps, le réseau met en œuvre des scénarios bien pensés afin de comprendre quelles conditions sont les plus confortables pour les utilisateurs. Puis, en utilisant l'expérience accumulée, elle sélectionne les modes d'éclairage, de chauffage et de ventilation les plus confortables pour un utilisateur particulier. Au fil du temps, le système prend en charge une partie des fonctions de gestion d'une maison, d'un appartement ou d'une autre installation.
Notre tâche est de rendre les utilisateurs aussi confortables que possible et eux-mêmes ne changent pratiquement rien dans les paramètres du système, ils sont tous satisfaits.
Étant donné que le système est complètement autonome, les données sont stockées dans la mémoire non volatile des appareils eux-mêmes, le fonctionnement du système ne dépend pas de l'accès à Internet. S'il disparaissait soudainement, elle continuerait à travailler, à proposer des scripts et à s'autoformer. Dans notre cas, Internet n'est nécessaire que pour organiser l'accès à distance et la communication avec le serveur si l'utilisateur souhaite stocker certaines données dans le cloud (par exemple, des enregistrements de caméras vidéo).
Plans de mise en œuvre de la vision
D'ici la fin de l'année, nous prévoyons de lancer partiellement une gamme d'appareils pour notre système d'automatisation de pièce adaptative. Il comprendra presque tout ce qui est énuméré ci-dessus, à l'exception des caméras vidéo.
Une caméra vidéo avec des éléments de vision technique est en cours de développement. Nous prévoyons de transmettre des données vidéo de plusieurs caméras à la fois. Nous essayons également d'introduire une approche innovante. Notre solution utilise deux réseaux de neurones pour détecter et suivre les personnes dans une pièce (la tâche de multipiste est en cours de résolution) en temps réel en utilisant la technologie CUDA. Pour accompagner, un modèle de réseau neuronal a été proposé et formé, qui, selon les résultats des tests, dépasse DeepSort en quatre paramètres principaux, qui ont montré les meilleurs résultats dans la compétition MOT16, dans le cadre du MOTChallenge.
Il est connu que la conception de modèles de réseaux de neurones nécessite des ressources de temps importantes pour le développement, il est également nécessaire de mener de nombreuses expériences.Ainsi, le système connaît non seulement le nombre de personnes dans la pièce, mais fournit également leur suivi, qui fonctionne de manière stable même dans les situations où les gens quittent le cadre. puis revenez. Notre réseau de neurones reconnaît déjà les personnes par 128 signes et les détermine selon le système «ami / ennemi». À ce jour, la mise en œuvre de travaux sur l'adaptation de la technologie d'accompagnement des personnes à l'aide de séquences vidéo obtenues à partir de différentes caméras en intérieur est prometteuse. Au fil du temps, nous prévoyons d'ajouter une définition des modèles de comportement non standard (par exemple, tomber ou se battre) et la détection des flammes ou de la fumée. Des développements dans ces domaines sont déjà disponibles.