他们在此资源上定期撰写有关网状网络的文章。 我们想告诉我们如何在项目中使用它们来创建自适应房间自动化系统，自组织网络技术不仅使我们能够快速部署系统，而且还能够获得较高的容错性和速度指标。 我们在具有120个设备的网络容量的真实站点上成功测试了我们的解决方案。
为什么我们需要网状网络
自从“智能家居”概念问世以来，主机被视为其“心脏”和“大脑”。 但是逐渐地，不再需要这些枢纽，并且很快就完全消失了。 谷歌和亚马逊等主要公司也证实了这一趋势。 谷歌提供蜂窝路由器已经有好几年了，亚马逊最近收购了Eero，以增强其在智能家居市场的地位。
在我们的产品中，我们使用网状网络，因为它们可以立即解决多个问题。 首先，它们确保系统的平稳运行。 通常，如果集线器崩溃或失去与Internet的连接，则系统实际上会关闭，设备停止响应并执行其基本功能。 网状网络避免这种情况。 即使一台设备发生故障，其余设备也将继续以相同模式工作。 用户将仅收到有关故障的通知。
其次，网状网络有助于路由流量。 在我们的系统中，所有设备都可以中继信号，因此网络覆盖范围几乎不受限制。 如果网络配置发生更改，系统将独立确定最佳路由。
在根据我们的解决方案创建的网络中，几乎无限数量的设备可以在相当长的距离内工作。 通过计算方法获得的该数字为10到10度，鉴于设备中RAM的数量有限，目前无法提供该数字。
什么是“智能家居”（我们认为）
当今市场上的大多数解决方案只是功能受限的一组传感器和执行器。 通常，这是一种以移动应用程序，单独的平板电脑或智能扬声器形式的遥控器，使您可以设置温度，打开/关闭家用电器，调节照明并设置原始电池寿命方案。 让我们承认，“智能”还不够，这仅仅是另一个玩具。
因此，我们为自己设定了创建基于网状网络的自适应家庭自动化系统的目标。 当您使用它时，我们的系统会分析用户习惯和行为。 因此，随着时间的流逝，她开始为特定用户调整所有方案和设置，提供新方案，并在所有者批准后自行配置。
系统体系结构的设计不需要流浆箱。 单独购买的设备可以使用其内嵌的所有功能自行工作。
我们解决方案的另一个功能：在做出决定之前，系统会一次从多个来源（例如，从摄像机，空气质量传感器，存在传感器等）收集数据。 由于系统的所有设备都是自给自足的，并且能够直接在彼此之间交换信息，因此这已成为可能。 这使我们能够大大减少在给定场景的框架内错误执行操作的可能性。
所有信息都以分布式方式在系统内部处理（而不是由服务器或中央集线器处理）。 什么意思 如果具有自主电源的设备之一需要执行复杂且耗能大的计算，则系统会将这项任务重定向到具有恒定市电的最近设备。 这种方法为自供电设备提供了可接受的电池寿命，并加快了决策过程。
我还要指出连接过程的简单性。 为此，您无需进行任何配置，扫描QR码等。 只需将带有应用程序的电话连接到设备即可-就是这样：它已经在网络上，已经接受了基本设置，可以开始使用了！
网状网络的主要功能
最初，我们想使用价格合理的Espressif ESP-MESH解决方案。 但是经过分析，我们意识到它不太适合我们。 因此，我不得不发明自己的。 我们的主要优势是建设时间，加载时自动更改频道，网络速度和路由。
自我修复是自动检测和消除网络故障。 如果突然某个设备发生故障并且信号丢失，则其余设备的网络将自行重建。 从打开电源到安装网络组件的整个过程最多需要15秒，而重建过程最多不超过6秒。 节点之间的重定向支持少于10毫秒。 这些是在我们的大型工厂之一进行测试时获得的实数。 总体而言，这是军事设施的平均指标，在我们这一领域中是过度的指标。 可以说我们有大量供应！
另一个重要参数是路由，即信号如何从一个设备传输到另一个设备。 通常，类似解决方案的所有元素都以与Wi-Fi相同的频率-2.4 Hz运行。 协议使用基于空中通道状态的算法。 我们的解决方案使您可以在不影响网络性能的情况下更改频道。 例如，在该设施中，周边的所有设备都在通道13上运行。 但是在此通道的房间中央有干扰。 在这种情况下，发送信号的设备将自动更改频道并绕过问题区域。 装有我们模块的其余设备相互组织在一起，并选择最佳频率。
为了实现较高的路由速度，我们针对硬件优化了所有软件。 对于每个处理器和协处理器，他们都在Assembler中编写了代码。 这使我们减少了功耗，并将网络速度提高了15倍。
我们网络的理论上最大容量是巨大的。 显然，在实践中我们无法对其进行验证。 在测试过程中，我们将300多个设备连接到网络，系统运行稳定。 就是说，我们的解决方案将使覆盖购物中心变得容易，为此，您无需长时间地辛苦地穿墙砌墙，铺设额外的布线并配置网络。 在必要的地方安装我们的设备就足够了。 即使在移动网站上，他们也将始终在线。
为了确保用户数据的安全，我们使用基于AES协议的双重加密，这被认为是最可靠的加密之一。 流量在服务器和设备之间或一对设备之间通过隧道传输。 这样就消除了通过入侵WIFI网络获得访问系统的可能性。
我们已经为一种实用新型申请了专利，该实用新型将我们的自组织网络算法应用于房间自动化。 她已经接受了初步评估，目前正在考虑中。
我们解决方案的实施示例
我们的团队执行了一项大型项目，以使新罗波洛茨克Khimik冰宫的照明设备现代化。 在那里，所有照明设备（共120台）均具有远程控制光强度和通过Wi-Fi和蓝牙进行远程开/关的功能。
还可以配置独立的工作方案。 例如，在待机模式下，为了节省电量，照明度不应超过100 lux。 在训练期间-600。在进行曲棍球比赛和广播比赛期间，该指示器应至少为1200 lux。 要安装系统，无需铺设额外的布线，更改网络配置或其他费用。 系统架构完全基于我们的网状网络构建。 安装带有控制单元的新LED灯就足够了。
现代化之后，冰场在照明方面开始满足白俄罗斯共和国曲棍球联盟对直接国际电视广播的严格要求。
我们为什么需要神经网络以及如何训练它们
在我们的决策中，我们还使用人工智能技术，尤其是神经网络。 如前所述，所有数据都是由安装在房间自动化系统设备中的模块收集的，所有计算都在系统内部进行。 因此，系统中的设备越多，它们之间分配复杂的计算就越好，越快。
通常，开发人员会在大型数据集上训练神经网络。 但就我们而言，培训是特定的。 我们的神经网络不需要知道有条件的非洲猴子是什么样子。 同时，需要触发器来训练网络。 我们找出了如何使设备在硬件级别上的某些事件上学习的方法，系统有目的地研究用户习惯。 首先，网络实施经过深思熟虑的方案，以了解哪些条件最适合用户。 然后，利用积累的经验，她为特定用户选择最舒适的照明，加热和通风模式。 随着时间的流逝，该系统将接管管理房屋，公寓或其他设施的部分功能。
我们的任务是使用户尽可能舒适，他们自己几乎不更改系统设置中的任何内容，他们都很高兴。
由于系统是完全自治的，因此数据存储在设备本身的非易失性存储器中，因此系统的操作不取决于Internet访问。 如果他突然失踪，她将继续工作，提供剧本和自学。 在我们的案例中，仅当用户希望将某些数据存储在云中（例如，来自摄像机的录像）时，才需要Internet用于组织与服务器的远程访问和通信。
愿景实施计划
到今年年底，我们计划为自适应房间自动化系统部分发布一系列设备。 除摄像机外，它将几乎包括上面列出的所有内容。
具有技术视野元素的摄像机目前正在开发中。 我们计划一次传输来自多个摄像机的视频数据。 我们还试图引入一种创新方法。 我们的解决方案使用两个神经网络使用CUDA技术实时检测和跟踪房间中的人（正在解决多轨任务）。 随之而来的是，提出并训练了一个神经网络模型，根据测试结果，该模型在四个主要参数上都超过了DeepSort，这在MOT16挑战赛中在MOT16比赛中表现出最佳成绩。
众所周知，神经网络模型的设计需要大量的时间资源进行开发，还需要进行大量实验，因此，该系统不仅知道房间中的人数，而且还提供了他们的跟踪功能，即使在人们离开框架的情况下也能稳定工作。然后回来 我们的神经网络已经可以通过128个信号识别人，并根据“朋友/敌人”系统确定他们。 迄今为止，利用从室内不同摄像机获得的视频序列来适应护送人们的技术的工作的实施是有希望的。 随着时间的流逝，我们计划增加对非标准行为模式（例如跌倒或战斗）以及火焰或烟雾检测的定义。 这些领域的发展已经存在。