Nesse recurso, eles escrevem regularmente sobre redes mesh. Queremos dizer como os usamos em nosso projeto para criar um sistema de automação de ambiente adaptável.A tecnologia de redes auto-organizadas nos permite não apenas implantar rapidamente o sistema, mas também obter altos indicadores de sua tolerância a falhas e velocidade. Testamos nossa solução com sucesso em um site real, com uma capacidade de rede de 120 dispositivos.
Por que precisamos de uma rede mesh
Desde o advento do conceito de “casa inteligente”, a unidade principal foi considerada seu “coração” e “cérebro”. Mas gradualmente, os hubs deixam de ser necessários e logo desaparecem completamente no passado. Grandes players como Google e Amazon também confirmam essa tendência. O Google oferece roteadores de celular há vários anos, e a Amazon comprou recentemente a Eero para fortalecer sua posição no mercado de residências inteligentes.
Em nossos produtos, usamos redes mesh, pois elas resolvem vários problemas ao mesmo tempo. Em primeiro lugar, eles garantem o bom funcionamento do sistema. Normalmente, se o hub travar ou perder a conexão com a Internet, o sistema será realmente desligado, os dispositivos deixarão de responder e desempenharão suas funções básicas. As redes de malha evitam isso. Mesmo se um dispositivo falhar, o restante continuará funcionando no mesmo modo. O usuário receberá apenas uma notificação do mau funcionamento.
Em segundo lugar, as redes de malha ajudam a direcionar o tráfego. Em nosso sistema, todos os dispositivos são capazes de retransmitir o sinal para que a área de cobertura da rede se torne quase ilimitada. No caso de uma alteração na configuração da rede, o sistema determinará independentemente a rota ideal.
Em uma rede criada com base em nossa solução, um número quase ilimitado de dispositivos pode funcionar a uma distância considerável um do outro. Obtido pelo método de cálculo, esse número é de 10 a 10 graus, o que atualmente é impossível fornecer devido à quantidade limitada de RAM nos dispositivos.
O que é uma "casa inteligente" (em nossa opinião)
Atualmente, a maioria das soluções no mercado é simplesmente um conjunto de sensores e atuadores com capacidade limitada. Normalmente, esse é um controle remoto na forma de um aplicativo móvel, um tablet separado ou um alto-falante inteligente, que permite definir a temperatura, ligar / desligar aparelhos domésticos, ajustar a iluminação e configurar cenários de vida útil da bateria primitivos. Vamos admitir que o "inteligente" não é suficiente, este é apenas mais um brinquedo.
Portanto, estabelecemos o objetivo de criar um sistema de automação residencial adaptável baseado em uma rede mesh. Enquanto você o usa, nosso sistema analisa os hábitos e o comportamento do usuário. Devido a isso, com o tempo, ela começa a adaptar todos os cenários e configurações para um usuário específico, oferecer novos cenários e, após a aprovação do proprietário, configurá-los ela mesma.
A arquitetura do sistema é projetada de forma que uma caixa de entrada não seja necessária. Um dispositivo separado pode funcionar por si só, usando toda a funcionalidade incorporada nele.
Outra característica da nossa solução: antes de tomar uma decisão, o sistema coleta dados de várias fontes ao mesmo tempo (por exemplo, de uma câmera, sensor de qualidade do ar, sensor de presença, etc.). Isso se tornou possível devido ao fato de que todos os dispositivos do sistema são auto-suficientes e capazes de trocar informações diretamente entre si. O que nos permitiu reduzir significativamente a probabilidade de implementação incorreta de ações dentro da estrutura de um determinado cenário.
Todas as informações são processadas dentro do sistema (e não pelo servidor ou pelo hub central) de maneira distribuída. Como assim? Se um dos dispositivos com fonte de alimentação autônoma precisar executar cálculos complexos e com uso intenso de energia, o sistema redirecionará essa tarefa para o dispositivo mais próximo com energia elétrica constante. Essa abordagem fornece uma vida útil aceitável da bateria para dispositivos com alimentação própria e acelera o processo de decisão.
Eu também gostaria de observar a simplicidade do procedimento de conexão. Para fazer isso, você não precisa configurar nada, digitalizar códigos QR e muito mais. Basta conectar o telefone com o aplicativo ao dispositivo - e é isso: ele já está na rede, recebeu as configurações básicas e está pronto para começar!
Principais recursos da nossa rede mesh
Inicialmente, queríamos usar a solução Espressif ESP-MESH acessível. Mas, depois de analisá-lo, percebemos que isso não nos convém. Portanto, eu tive que inventar o meu. Nossas principais vantagens são tempo de construção, mudança automática de canal durante o carregamento, velocidade da rede e roteamento.
A autocorreção é a detecção e eliminação automáticas de falhas na rede. Se de repente algum dispositivo falhar e o sinal for perdido, a rede dos dispositivos restantes será reconstruída por conta própria. O conjunto da rede a partir do momento em que é ligado leva até 15 segundos e a reconstrução não leva mais que 6 segundos. O suporte entre nós para redirecionamento é inferior a 10 milissegundos. E esses são números reais obtidos durante os testes em uma de nossas grandes instalações. Em geral, este é um indicador médio para instalações militares e excessivo em nosso segmento. Podemos dizer que temos uma enorme oferta!
Outro parâmetro importante é o roteamento, como o sinal é transmitido de um dispositivo para outro. Normalmente, todos os elementos de soluções semelhantes operam nas mesmas frequências que o Wi-Fi - 2,4 Hz. Os protocolos usam algoritmos baseados no estado dos canais aéreos. Nossa solução permite alterar o canal sem afetar o desempenho da rede. Por exemplo, na instalação, todos os dispositivos ao redor do perímetro operam no canal 13. Mas no centro da sala neste canal havia interferência. Nesse caso, o dispositivo que transmite o sinal muda automaticamente de canal e ignora a área problemática. O restante dos dispositivos equipados com o nosso módulo são organizados entre si e escolhem as frequências ideais.
Para obter uma alta velocidade de roteamento, otimizamos todo o software do hardware. Para cada processador e coprocessador, eles escreveram código no Assembler. Isso nos permitiu reduzir o consumo de energia e aumentar a velocidade da rede em 15 vezes.
A capacidade máxima teórica de nossa rede é enorme. Obviamente, na prática, não podemos verificar isso. Durante os testes, conectamos mais de 300 dispositivos à rede e o sistema funcionou de maneira estável. Ou seja, nossa solução facilitará a cobertura do shopping center e você não precisará abandonar as paredes, instalar cabos adicionais e configurar a rede por um longo e doloroso tempo. Basta instalar nossos dispositivos sempre que necessário. Mesmo se estiver em um site móvel, eles sempre estarão online.
Para segurança dos dados do usuário, usamos criptografia dupla, baseada no protocolo AES, reconhecido como um dos mais confiáveis. O tráfego é encapsulado entre o servidor e o dispositivo ou entre um par de dispositivos. Isso elimina a possibilidade de obter acesso ao sistema invadindo uma rede WIFI.
Solicitamos uma patente para um modelo de utilidade para aplicar nosso algoritmo de rede auto-organizado para automatizar salas. Ela foi submetida a uma avaliação preliminar e agora está sendo considerada.
Um exemplo da implementação de nossa solução
Nossa equipe realizou um projeto em larga escala para modernizar a iluminação do palácio de gelo Khimik em Novopolotsk. Lá, todo o equipamento de iluminação (no valor de 120 unidades) é fabricado com a função de controle remoto da intensidade da luz e acesso remoto on / off via Wi-Fi e Bluetooth.
Também é possível configurar cenários de trabalho independentes. Por exemplo, no modo de espera, o nível de iluminação, para economizar eletricidade, não deve exceder 100 lux. Durante o treinamento - 600. E durante uma partida de hóquei com transmissão, este indicador deve ter pelo menos 1200 lux. Para instalar o sistema, não foi necessário instalar fiação adicional, alterar a configuração da rede ou outros custos. A arquitetura do sistema é completamente construída com base em nossa rede de malha. Foi o suficiente para instalar novas lâmpadas LED com unidades de controle.
Após a modernização, a arena de gelo em termos de iluminação começou a atender aos requisitos rigorosos da Federação de Hóquei da República da Bielorrússia para transmissões diretas de televisão internacional.
Por que precisamos de redes neurais e como as treinamos
Em nossa decisão, também usamos tecnologias de inteligência artificial, em particular redes neurais. Como observado anteriormente, todos os dados são coletados pelos módulos instalados nos dispositivos do sistema de automação de sala e todos os cálculos são realizados dentro do sistema. Portanto, quanto mais dispositivos no sistema, melhor e mais rapidamente eles distribuem cálculos complexos entre si.
Como regra, os desenvolvedores treinam redes neurais em grandes conjuntos de dados. Mas no nosso caso, o treinamento é específico. Nossa rede neural não precisa saber como são os macacos africanos. Ao mesmo tempo, são necessários gatilhos para treinar a rede. Nós descobrimos como fazer com que os dispositivos aprendam em determinados eventos no nível do hardware, o sistema estuda intencionalmente os hábitos do usuário. A princípio, a rede implementa cenários bem pensados para entender quais condições são mais confortáveis para os usuários. Em seguida, usando a experiência acumulada, ela seleciona os modos de iluminação, aquecimento e ventilação que são mais confortáveis para um usuário específico. Com o tempo, o sistema assume parte das funções de gerenciar uma casa, apartamento ou outra instalação.
Nossa tarefa é tornar os usuários o mais confortável possível e eles próprios praticamente não mudam nada nas configurações do sistema, todos estão felizes.
Como o sistema é completamente autônomo, os dados são armazenados na memória não volátil dos próprios dispositivos, a operação do sistema não depende do acesso à Internet. Se ele desaparecesse repentinamente, ela continuaria trabalhando, oferecendo roteiros e auto-estudo. No nosso caso, a Internet é necessária apenas para organizar o acesso remoto e a comunicação com o servidor se o usuário desejar armazenar determinados dados na nuvem (por exemplo, gravações de câmeras de vídeo).
Planos de implementação da visão
Até o final do ano, planejamos lançar parcialmente uma linha de dispositivos para o nosso sistema de automação de salas adaptável. Incluirá quase tudo listado acima, com exceção das câmeras de vídeo.
Uma câmera de vídeo com elementos de visão técnica está atualmente em desenvolvimento. Planejamos transmitir dados de vídeo de várias câmeras ao mesmo tempo. Também estamos tentando introduzir uma abordagem inovadora. Nossa solução usa duas redes neurais para detectar e rastrear pessoas em uma sala (a tarefa de multitracking está sendo resolvida) em tempo real usando a tecnologia CUDA. Para acompanhar, foi proposto e treinado um modelo de rede neural que, de acordo com os resultados do teste, ultrapassa o DeepSort em quatro parâmetros principais, que apresentaram os melhores resultados na competição MOT16, como parte do MOTChallenge.
Sabe-se que o design de modelos de redes neurais requer recursos de tempo significativos para o desenvolvimento, também é necessário realizar muitos experimentos; assim, o sistema não apenas conhece o número de pessoas na sala, mas também fornece seu rastreamento, que funciona de forma estável mesmo em situações em que as pessoas deixam o quadro. e depois volte. Nossa rede neural já reconhece as pessoas por 128 sinais e as determina de acordo com o sistema "amigo / inimigo". Até o momento, é promissora a implementação de trabalhos de adaptação da tecnologia de escolta de pessoas usando sequências de vídeo obtidas de diferentes câmeras em ambientes fechados. Com o tempo, planejamos adicionar uma definição de padrões de comportamento não-padrão (por exemplo, cair ou lutar) e a detecção de chamas ou fumaça. Desenvolvimentos nessas áreas já estão disponíveis.