Machine Translated by Google

Bài báo

Mô hình thông minh dựa trên IoT của ngôi nhà thông minh

Môi trường an toàn PCCC

Faisal Saeed ¹, Anand Paul ¹ ,*, Abdul Rehman ¹, Won Hwa Hong ² và Hyuncheol Seo ²

1
Khoa Khoa học và Kỹ thuật Máy tính, Đại học Quốc gia Kyungpook, Daegu 702-701, Hàn Quốc;
bscsfaisal821@gmail.com (FS); a.rehman.iiui@gmail.com (AR)
2 Trường Kỹ thuật Kiến trúc, Dân dụng, Môi trường và Năng lượng, Đại học Quốc gia Kyungpook,
Daegu 702-701, Hàn Quốc; hongwh@knu.ac.kr (WHH); notsools@gmail.com (HS)
* Thư từ: paul.editor@gmail.com; Điện thoại: +82-(0)10-7930-9696

Nhận: ngày 15 tháng 12 năm 2017; Được chấp nhận: 2 tháng 2 năm 2018; Đã xuất bản: ngày 2 tháng 3 năm 2018

Tóm tắt: Cháy thường xảy ra trong nhà do bất cẩn và thay đổi điều kiện môi trường. Chúng gây ra các mối
đe dọa cho cộng đồng dân cư và có thể dẫn đến tử vong về người và thiệt hại về tài sản. Do đó, các vụ
cháy nhà phải được phát hiện sớm để ngăn chặn các loại mối đe dọa này. Thông báo ngay lập tức về đám cháy
là vấn đề quan trọng nhất trong các hệ thống phát hiện cháy trong nước. Các hệ thống phát hiện cháy sử

dụng mạng cảm biến không dây đôi khi không phát hiện ra đám cháy do lỗi cảm biến. Mạng cảm biến không dây
(WSN) bao gồm các thiết bị cảm biến nhỏ, rẻ và tiêu thụ ít năng lượng, có khả năng cảm nhận môi trường
và có thể cung cấp khả năng phát hiện cháy theo thời gian thực với độ chính xác cao. Trong bài báo này,
chúng tôi đã thiết kế và đánh giá một mạng cảm biến không dây sử dụng nhiều cảm biến để phát hiện sớm các
vụ cháy nhà. Ngoài ra, chúng tôi đã sử dụng Hệ thống Thông tin Di động Toàn cầu (GSM) để tránh báo động
sai. Để kiểm tra kết quả của hệ thống phát hiện cháy, chúng tôi đã mô phỏng đám cháy trong một ngôi nhà
thông minh bằng cách sử dụng Trình mô phỏng Fire Dynamics và một chương trình ngôn ngữ. Kết quả mô phỏng
cho thấy hệ thống của chúng tôi có khả năng phát hiện cháy sớm, ngay cả khi cảm biến không hoạt động mà
vẫn giữ mức tiêu thụ năng lượng của cảm biến ở mức chấp nhận được.

Từ khóa: WSN; nhà thông minh; ngọn lửa; đa cảm biến; giao tiếp GSM

1. Giới thiệu

Trong những năm gần đây, phát hiện hỏa hoạn đã trở thành một vấn đề rất lớn, vì nó đã gây ra thiệt hại
nghiêm trọng bao gồm cả thiệt hại về người. Đôi khi, những sự cố này có sức tàn phá lớn hơn khi ngọn lửa
lan ra môi trường xung quanh. Phát hiện sớm sự cố hỏa hoạn là một cách hiệu quả để cứu người và giảm thiệt
hại về tài sản. Để thoát khỏi một nơi bốc lửa và dập tắt nguồn lửa, đám cháy phải được phát hiện ở giai
đoạn ban đầu. Việc lắp đặt hệ thống báo cháy là cách thuận tiện nhất để phát hiện sớm đám cháy và tránh
thiệt hại. Hệ thống báo cháy bao gồm các thiết bị khác nhau hoạt động cùng nhau có khả năng phát hiện cháy
và cảnh báo mọi người thông qua các thiết bị âm thanh và hình ảnh. Các thiết bị phát hiện (nghĩa là máy dò
nhiệt, khói và khí) phát hiện các sự kiện và kích hoạt cảnh báo tự động hoặc đôi khi các cảnh báo được
kích hoạt thủ công. Báo thức có thể bao gồm chuông, âm thanh có thể gắn hoặc còi.

Hầu hết các hệ thống báo cháy đều sử dụng công nghệ mạng cảm biến không dây (WSN). WSN đã trở nên phổ
biến vì chúng có nhiều mục đích sử dụng trong các ứng dụng khác nhau, chẳng hạn như theo dõi mục tiêu
[1,2], bản địa hóa [3], chăm sóc sức khỏe [4,5], Thoát hơi nước thông minh [6], giám sát môi trường và tự
động hóa công nghiệp [ 7]. WSN cũng được sử dụng trong việc thu thập dữ liệu và giám sát, cả tự động hoặc
với sự trợ giúp của người dùng [8,9]. Các ứng dụng của WSN cũng giúp ích cho con người và động vật [10,11]
và cũng được sử dụng cho các mục đích công nghiệp, ví dụ, giám sát đường ống ngầm. Trong một mạng WSN,

Mạng truyền động J. Sens. 2018, 7, 11; doi:10.3390/jsan7010011 www.mdpi.com/journal/jsan

Machine Translated by Google

Mạng truyền động J. Sens. 2018, 7, 11 2 trên 16

các thiết bị cảm biến thường rất nhỏ, chạy bằng pin và có nhiều chức năng giám sát một số thông số của môi

trường. Dữ liệu cảm nhận được gửi đến bộ thu thập chính (ví dụ: bộ thu, đầu cụm, v.v.) để xử lý [8]. WSN được

sử dụng cho các hệ thống phát hiện cháy cũng có các thuộc tính chức năng tương tự. Mỗi cảm biến phát hiện nhiệt

độ tăng, khói hoặc khí ga ở một số điểm trong nhà và tạo cảnh báo san trong nút đầu của nó trong mạng. Nút đầu

thu thập các báo cáo từ các cảm biến khác nhau và xác định sự hiện diện của đám cháy. Tiếp theo, những người

đứng đầu khác phối hợp các đầu vào nhận được và tham khảo ý kiến của trung tâm chỉ huy từ xa để lập kế hoạch ứng

phó có thể bao gồm việc tạo báo cháy đơn giản hoặc trong các phương pháp sơ tán phức tạp. Nhiều công nghệ dựa

trên WSN đã được đề xuất để phát hiện cháy. Một số trong số chúng hoạt động độc lập với WSN và một số có công

nghệ kết hợp. Có nhiều hệ thống phát hiện sự kiện, giúp xác định nhiệt, khí và khói.

Ngày nay, các ngôi nhà thông minh và thành phố thông minh được trang bị các loại WSN khác nhau [12]. Trong

WSN, nhiều năng lượng hơn có thể được tiêu thụ do chi phí truyền thông. Do đó, hầu hết thời gian, pin của cảm

biến hết rất nhanh và có thể gây hỏng cảm biến hoặc hỏng toàn bộ mạng, vì các ngôi nhà có các phần phụ khác nhau

và mỗi phần được trang bị một cảm biến với một chức năng duy nhất. mà trong trường hợp thất bại gây ra lỗi hệ

thống. Trong trường hợp này, nếu một sự kiện xảy ra ở một phần nhất định và cảm biến không phát hiện được tai

nạn, thì không có cách nào khác để phát hiện sự cố ở giai đoạn ban đầu. Vì các cảm biến đơn chức năng chỉ có thể

phát hiện một sự kiện nên có một vấn đề đáng chú ý khác liên quan đến khả năng báo động sai. Ví dụ, một máy dò

nhiệt phát hiện nhiệt độ trong môi trường và đưa ra cảnh báo nếu nhiệt độ tăng vượt quá ngưỡng. Tuy nhiên,

nhiệt tăng có thể do thay đổi môi trường hoặc hoạt động của con người trong phòng. Trong trường hợp máy dò

khói, khói có thể đến từ bên ngoài hoặc từ các nguồn khác. Chi phí cho một báo động sai được ước tính từ 30.000

đến 50.000 đô la cho mỗi sự cố [13].

Ngày nay, cảm biến rất rẻ và có kích thước rất nhỏ. Do đó, để giải quyết các thách thức nêu trên, chúng

tôi đề xuất một hệ thống phòng cháy chữa cháy gia đình thông minh dựa trên IoT hiệu quả sử dụng nhiều cảm biến.

Mỗi cảm biến sử dụng cơ chế riêng để phát hiện. Phương pháp của chúng tôi phát hiện đám cháy rất hiệu quả và

giảm các báo động giả bằng cách sử dụng Hệ thống Toàn cầu cho Truyền thông Di động. Sự đóng góp của bài viết này
là đa dạng.

• Các vấn đề và thách thức liên quan đến các phương pháp hiện tại được xác định. Các phương pháp hiện có sử

dụng cảm biến đơn cho từng vùng mục tiêu. Ngày nay, các cảm biến rất rẻ nên chúng tôi đã sử dụng nhiều cảm

biến cho mọi khu vực quan trọng để giải quyết các vấn đề liên quan đến phát hiện một cảm biến.

• Chúng tôi sử dụng giao tiếp GSM để cảnh báo người dùng ở giai đoạn đầu nếu cảm biến báo cháy. • Việc

xác định đám cháy được thực hiện bởi hệ thống sau khi xác minh từ hai nguồn. Các nguồn này là: (1) Phản hồi của

người dùng đối với cảnh báo GSM, tức là nếu phản hồi của người dùng là có hỏa hoạn, thì hệ thống của chúng

tôi sẽ trực tiếp tạo báo động; (2) Khi có từ hai cảm biến báo cháy trở lên, hệ thống sẽ trực tiếp phát tín

hiệu báo cháy mà không cần đợi phản hồi của người dùng. • Chúng tôi sử dụng

cấu trúc liên kết hình sao để triển khai các cảm biến và giao tiếp giữa các cảm biến và bồn rửa chính trong nhà.

Chúng tôi sử dụng giao thức ZigBee để cung cấp thông tin liên lạc giữa các cảm biến và bồn rửa.

•
Cuối cùng, chúng tôi đánh giá hệ thống liên quan đến tiêu thụ năng lượng.

Phần còn lại của bài báo được tổ chức như sau. Công việc liên quan được trình bày trong Phần 2. Phần 3

thảo luận về phân tích dữ liệu cháy. Phần 4 mô tả tổng quan về công việc được đề xuất của chúng tôi và thiết kế

chi tiết của hệ thống phát hiện cháy. Chi tiết và kết quả mô phỏng lần lượt được trình bày trong Phần 5 và Phần

6. Cuối cùng, bài viết được kết thúc ở Phần 7.

2. Công việc liên quan

Trong vài năm gần đây, cảm biến đã được sử dụng rộng rãi để phát hiện cháy [14–19]. Silva và cộng sự. [14]

đã đề xuất một công việc phát hiện cháy trong hầm mỏ bằng cách sử dụng mạng cảm biến không dây gọi là WMSS. Để

xác định yếu tố nguy hiểm trong mỏ, họ đã sử dụng cảm biến khí và thiết kế mạng cảm biến không dây để thu thập

và phân tích mức khí trong mỏ. Công việc được đề xuất trong [15] đã sử dụng các cảm biến không dây dựa trên

Zigbee để phát hiện cháy trong rừng. Họ đã sử dụng cảm biến nhiệt độ để
Machine Translated by Google

Mạng truyền động J. Sens. 2018, 7, 11 3 trên 16

thiết lập cường độ cháy trong một khu rừng. Họ đã sử dụng chip CC2430 trong thiết kế phần cứng cho các
nút mạng. Tương tự, Buratti et al. [16] cũng thiết kế một khung phát hiện cháy rừng. Trong công việc
của mình, họ đã sử dụng một mô hình để phát hiện cháy bằng cách sử dụng các sơ đồ phân cụm và giao thức
truyền thông khác nhau. Họ đã thực hiện mô phỏng để xác nhận và đánh giá công việc của họ. W. Tan và
cộng sự. [17] triển khai công việc phát hiện cháy rừng. Họ đã sử dụng camera IP đa cảm biến và không dây
để tránh báo động giả. Hệ thống của họ cũng được kết nối với internet thông qua các cổng để tải dữ liệu
lên đám mây. Một công trình được đề xuất trong [18] để phát hiện cháy rừng dựa trên mạng cảm biến không
dây ZigBee ở Trung Quốc. Một công việc phát hiện cháy rừng được đề xuất trong [19]. MỘT.
Rehman đã đề xuất một công việc cho WSN [20]. Người Hàn Quốc [21] cũng thiết kế một hệ thống phát hiện
cháy ở vùng núi của họ. Họ đặt tên cho hệ thống của mình là FFSS (Hệ thống giám sát cháy rừng). Họ đã
phát triển hệ thống của mình bằng cách sử dụng WSN, phần mềm trung gian và ứng dụng web. Các nút mạng
(tức là cảm biến nhiệt độ và cảm biến độ ẩm) thu thập các phép đo và gửi chúng đến nút chìm. Sau đó, nút
chìm truyền dữ liệu đó lên đám mây thông qua bộ thu phát (cổng). Sau đó, bằng cách sử dụng một công
thức, mức rủi ro hỏa hoạn được xác định trong chương trình phần mềm trung gian. Sau khi phát hiện đám
cháy, FFSS được kích hoạt tự động. TinyOS được sử dụng làm hệ điều hành cho các nút mạng.
Tương tự, một số hệ thống khác sử dụng WSN để phát hiện cháy sớm. Rất ít trong số họ sử dụng camera
dựa trên IP và đa cảm biến hỗn hợp [22] trên mạng lưới không dây để phát hiện đám cháy một cách hiệu
quả. Họ sử dụng ba tham số này để tạo ra một hệ thống hiệu quả để xác định và xác minh đám cháy. Có một
ứng dụng phần mềm chọn camera cơ sở IP gần nhất. Khi các cảm biến phát hiện ra đám cháy, chúng sẽ gửi
thông tin đến máy chủ trung tâm nơi chương trình phần mềm chọn camera gần nhất. Máy ảnh đó sẽ chụp ảnh
vị trí và gửi chúng trở lại bồn rửa chính. Quyết định báo động được thực hiện trên cơ sở thông tin của
cảm biến và hình ảnh được chọn. Ngoài ra, một hệ thống phát hiện cháy rừng dựa trên cụm đã được đề xuất
trong [23]. Phương pháp được đề xuất sử dụng các giao thức truyền thông tiên tiến. Công việc được đề
xuất bao gồm bốn phần chính: (i) cách tiếp cận để triển khai cảm biến, (ii) việc sử dụng WSN để phát
hiện cháy, (iii) các giao thức nội cụm và (iv) giao thức liên lạc giữa các cụm.
Một công việc khác được đề xuất bởi Wenning, Pesch, Giel và Gorg [24] để phát hiện thảm họa, bao gồm cả
sự kiện hỏa hoạn. Phương pháp này có thể nhanh chóng điều chỉnh trạng thái công việc định tuyến trên cơ
sở nguy cơ thất bại có thể xảy ra. Trong [25], các nhà nghiên cứu đã đề xuất một giao thức để điều chỉnh
Giao thức định tuyến theo ngữ cảnh (CAR) cho WSN và đặt tên là SCAR. Năng lượng, vị trí đặt máy chủ với
bồn rửa và khả năng kết nối của chúng được đánh giá trong SCAR. Đối với việc phân phối các gói dữ liệu
đến phần thu, xác suất phân phối và các giá trị dự báo được kết hợp trên cơ sở kiến thức trước đây về
các tham số SCAR. Trong hệ thống này, không gian bộ đệm và xác suất gửi được trao đổi định kỳ với các
nút lân cận. Một danh sách thứ tự của các nút lân cận được sắp xếp theo xác suất phân phối, được lưu
giữ bởi mỗi nút. García và cộng sự. [26] đã đề xuất một công việc để tạo ra một mô hình phát hiện cháy.
Họ đã thực hiện mô phỏng bằng cách phân tích dữ liệu cảm biến và thông tin địa lý. Để phân biệt với công
việc hiện có, họ đã sử dụng địa hình của môi trường đang nghiên cứu.
Yếu tố năng lượng và thời gian là một yêu cầu tất yếu cần được đáp ứng một cách hiệu quả. Yếu tố
năng lượng đóng một vai trò quan trọng để tối đa hóa tuổi thọ của các cảm biến trong môi trường WSN.
Nhu cầu ngày càng tăng của thị trường khiến nhà nghiên cứu phải phát minh ra phần cứng và thuật toán
mới đáng tin cậy và hiệu quả hơn. IEEE 802.15.4/ZigBee với cấu trúc liên kết cây cụm [27] đảm bảo hiệu
suất đáng tin cậy và mức tiêu thụ năng lượng hiệu quả giúp tăng đáng kể tuổi thọ của WSN. Tiêu chuẩn
IEEE này giảm xung đột khe thời gian có tên là khe thời gian đảm bảo (GTSs). GTS cũng có thể được sử
dụng trong các tình huống truyền thời gian thực. Việc phân bổ các GTS cho các nút cảm biến chỉ ra rằng
các nút sẽ vẫn ở chế độ ngủ cho đến khi chúng có được một khe thời gian. Các bất thường khác, chẳng
hạn như vị trí cảm biến tối ưu, truyền dữ liệu, bảo mật và các yếu tố năng lượng của cảm biến, cũng
liên quan đến môi trường cảm biến. Một số lượng đáng kể công việc đã được thực hiện trong lĩnh vực

này. Gul et al. [28] đã đề xuất một công việc tối ưu hóa vị trí nút cảm biến và phân tích các hạn chế
về năng lượng đối với một lượng dữ liệu đáng kể truyền qua WSN trong khi mạng đang bị tấn công DDoS.
Các kỹ thuật như thuật toán dựa trên cây Steiner có trọng số nút bị ràng buộc [29] đã được chứng minh
là hữu ích khi tạo WSN. Kỹ thuật này đã tối ưu hóa vị trí nút cảm biến một cách hiệu quả. Một phương
pháp được đề xuất [30] đã tối đa hóa tuổi thọ của cảm biến bằng cách tối ưu hóa tổng hợp dữ liệu. Các
hệ thống thông minh, từ mạng xe cộ đến người bạn thông minh và các hệ thống khác
Machine Translated by Google

Mạng truyền động J. Sens. 2018, 7, 11 4 trên 16

các hệ thống tiến hóa, được áp dụng trong các lĩnh vực công nghệ khác nhau [31–35], điều này cũng đặt ra nhiều thách

thức trong việc triển khai, đặc biệt là trong việc phân tích mô phỏng đám cháy mà không có sự can thiệp của con người.

3. Phân tích dữ liệu cháy nhà

Để hiểu tầm quan trọng của nghiên cứu, chúng tôi đã thực hiện một số phân tích bằng cách sử dụng các bộ dữ liệu

về hỏa hoạn khác nhau. Chúng tôi đã lấy các bộ dữ liệu này từ các nguồn rất đáng tin cậy [36,37]. Các bộ dữ liệu bao

gồm số liệu thống kê về hỏa hoạn bao gồm: (i) tỷ lệ phần trăm ngôi nhà có hệ thống báo cháy ở Anh và xứ Wales, (ii)

nguyên nhân gây ra hỏa hoạn, (iii) báo động cháy liên quan đến loại cảm biến và (iv) dữ liệu tử vong trên một triệu

dân số vì cháy nhà. Trong khi phân tích dữ liệu cháy nhà ban đầu, chúng tôi đã xem xét xu hướng sử dụng báo động trong

những năm từ 1988 đến 2015. Hình 1 cho thấy biểu đồ của xu hướng này. Nó cho thấy gần 93,4% ngôi nhà ở các nước Anh

hiện đang sử dụng hệ thống báo cháy.

Như phân tích này cho thấy, gần 93% ngôi nhà được trang bị hệ thống báo cháy nhưng nghiên cứu chỉ ra rằng vẫn

có nhiều trường hợp tử vong mặc dù có hệ thống phát hiện cháy. Hình 2 cho thấy biểu diễn bằng hình ảnh của phân tích

bộ dữ liệu tử vong được lấy từ [37]. Biểu đồ cho thấy số người chết trên một triệu người trong mỗi năm. Nghiên cứu

cho thấy rằng hơn mười cái chết trên một triệu dân vẫn đang xảy ra hàng năm. Thiệt hại về người hoặc tài sản do hỏa

hoạn là do nhiều nguyên nhân, chẳng hạn như lỗi báo động, báo động sai, không có phản hồi và nhiều lý do không xác

định khác.

Chúng tôi đã thực hiện một phân tích khác về tổn thất do hỏa hoạn khi lắp đặt hệ thống phát hiện cháy.

Phân tích này được thực hiện dựa trên dữ liệu lấy từ Anh từ năm 2010 đến năm 2016. Hình 3 cho thấy nghiên cứu về

thiệt hại do hỏa hoạn mỗi năm. Chúng tôi đã phân tích thiệt hại do hỏa hoạn do ba nguyên nhân: (1) Thiệt hại do hỏa

hoạn do báo động nhầm, (2) Thiệt hại do hỏa hoạn do không có người ứng phó, (3) Lý do khác/không xác định. Phân tích

cho thấy hầu hết các tổn thất là do báo động sai. Như chúng tôi đã mô tả trước đó, hầu hết các đám cháy không được

phát hiện do lỗi của cảm biến và do đó vẫn tiếp diễn. Hầu hết các ngôi nhà được kiểm tra đều được trang bị hệ thống

báo cháy dựa trên WSN.

Tổng cộng 2 mỗi Mov. Trung bình (Tổng cộng)

0,8

0,6
cháy(%)
thống
báo
hữu
Nhà
hệ
sở

0,4

0,2

0
1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014

năm

Hình 1. Tỷ lệ nhà nợ hệ thống báo cháy mỗi năm.

Machine Translated by Google

Mạng truyền động J. Sens. 2018, 7, 11 5 trên 16

Tổng cộng 2 mỗi Mov. Trung bình (Tổng cộng)

14

12

10

người
triệu
trên
vong
một
Tử số 8

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
năm

Hình 2. Tử vong do hỏa hoạn trên một triệu người.

Hình 3. Tỷ lệ tổn thất do cháy theo nguyên nhân.

Hầu hết thời gian, lỗi cảnh báo là do sự cố của WSN. Trong WSN, sự liên kết giữa các cảm
biến là rất cần thiết. Do đó, không thể thực hiện giao tiếp giữa các cảm biến nếu mạng bị ngắt
kết nối. Vì vậy, lỗi của một cảm biến duy nhất có thể dẫn đến nhiều sự kiện khắc nghiệt. Hầu
hết các cảm biến đều chạy bằng pin và có thể không có khả năng sạc lại. Hầu hết năng lượng
được sử dụng trong giao tiếp và nếu năng lượng cảm biến cạn kiệt trong quá trình giao tiếp,
lỗi cảm biến sẽ xảy ra và điều này đôi khi có thể dẫn đến lỗi mạng. Chúng tôi đã thực hiện các
phân tích về lỗi báo động khi có cảm biến phát hiện cháy. Kết quả phân tích được hiển thị trong
Hình 4. Biểu đồ phân tích hiển thị tỷ lệ phần trăm phát sinh cảnh báo thực và lỗi cảm biến đối
với các loại cảm biến khác nhau từ năm 2010 đến 2016.

Hình 4. Tỷ lệ cháy nổ theo loại.

Machine Translated by Google

Mạng truyền động J. Sens. 2018, 7, 11 6 trên 16

4. Mô hình hóa thông minh dựa trên IoT của môi trường nhà thông minh để phòng chống cháy nổ và an toàn

Trong phần này, chúng tôi chia công việc của mình thành bốn phần. Đơn vị đầu tiên mô tả cảm biến thu
thập thông tin từ môi trường và truyền nó đến đơn vị thứ hai, tức là đơn vị xử lý, bằng cách sử dụng

giao thức ZigBee. Đơn vị thứ ba là đơn vị liên lạc GSM, thông báo cho người dùng về sự kiện. Đơn vị thứ
tư kích hoạt báo động. Chi tiết về các đơn vị này như sau.

4.1. Tổng quan

Các hệ thống hiện tại có sai sót vì chúng chứa các cảm biến không hoạt động đơn lẻ cho từng phần mục
tiêu trong khu dân cư. Tuy nhiên, nếu một sự kiện xảy ra ở một địa điểm cụ thể và cảm biến của khu vực
đó không hoạt động, thì rất khó phát hiện ra sự cố ở giai đoạn ban đầu. Vấn đề lớn thứ hai là việc tạo ra
các báo động sai. Hệ thống phát hiện cháy nhà thông minh được đề xuất bao gồm bốn phần chính: (i) cảm
biến, (ii) bộ xử lý như bồn rửa chính trong nhà, (iii) hệ thống liên lạc GSM, (iv) hệ thống báo động.
Trong bộ phận cảm biến, chúng tôi đã triển khai nhiều cảm biến, tức là cảm biến khói, khí và nhiệt cho
từng phần của ngôi nhà thông minh. Tất cả các cảm biến này đều có cơ chế phát hiện sự kiện riêng. Hình 5
cho thấy mô hình hoàn chỉnh của công việc được đề xuất của chúng tôi. Bộ xử lý chứa một bồn rửa gia đình,
giao tiếp với các cảm biến thông qua Giao thức ZigBee. Quyết định phát hiện cháy được đưa ra trên bồn
rửa dựa trên thông tin nhận được từ các cảm biến và phản ứng của người dùng. Nếu một nút cảm biến duy
nhất gửi cảnh báo cháy đến bồn rửa, nó sẽ tự động kích hoạt giao tiếp GSM và gửi thông báo cảnh báo cho
người dùng. Bồn rửa đưa ra quyết định dựa trên phản ứng của người dùng hoặc thông báo cảnh báo từ các
cảm biến khác. Sau khi nhận được xác nhận về sự kiện hỏa hoạn từ hai hoặc nhiều cảm biến hoặc từ người
dùng, bồn rửa sẽ tạo ra một báo động. Đồng thời, hệ thống chia sẻ thông tin sự kiện với đám mây và với
máy chủ cục bộ giúp lan tỏa thông tin đến các đơn vị dịch vụ cơ bản.

Máy chủ cục bộ được kết nối với những người dân xung quanh để thông báo cho những ngôi nhà khác về tình
hình hiện tại. Chúng tôi trình bày thiết kế chi tiết của từng đơn vị trong các tiểu mục sau.

Hình 5. Khung xương của mô hình nhà thông minh dựa trên IoT để phòng cháy chữa cháy.
Machine Translated by Google

Mạng truyền động J. Sens. 2018, 7, 11 7 trên 16

4.2. cảm biến

Các sản phẩm sinh ra từ đám cháy là nhiệt, khói, khí hoặc bức xạ hồng ngoại/cực tím. Các cảm biến có thể phát

hiện một hoặc nhiều hiện tượng này. Trong mô hình của chúng tôi, chúng tôi đã sử dụng cảm biến khói, khí và nhiệt để

phát hiện những thay đổi trong các khía cạnh nêu trên. Các cảm biến nhiệt độ được thiết kế chủ yếu để phát hiện những

thay đổi về nhiệt độ. Cảm biến nhiệt độ được phân thành hai loại tùy theo hoạt động của chúng, nghĩa là (i) tốc độ

tăng nhiệt (ii) nhiệt độ cố định. LM35 (công cụ Texas, Trung Quốc) là một cảm biến nhiệt độ rất hiệu quả và hiệu

chuẩn cao. Cảm biến này được sử dụng để phát hiện sự gia tăng nhiệt độ. Nó có thể có các thuộc tính như ít nóng hơn

và trở kháng tuyến tính thấp. Nó có thể hoạt động trong dải điện áp từ 4 V đến 30 V, thấp hơn 60 μA dòng điện [38].

Cảm biến khói là thiết bị có thể phát hiện khói từ đám cháy. Các cảm biến khói được đóng gói trong một lồng nhựa có

kích thước và hình dạng khác nhau, nhưng chủ yếu là hình đĩa, dày 25 mm và đường kính 150 mm. MQ9 (Henan Hanwei

Electronics Co., Ltd., Zhengzhou, China) là một cảm biến khói làm bằng ôxít vi nhôm được sử dụng để phát hiện khói

trong phòng. Để phát hiện các

khói, cảm biến này kết hợp độ nhạy cao của carbon monoxide và một lớp oxit. Nó chứa các thành phần, điều kiện làm

việc và điện cực đo rất nhạy cảm [39]. Trong quá trình cháy, các khí sinh ra (ví dụ như carbon dioxide, carbon

monoxide, và nhiều loại khí khác) rất nguy hiểm. Các thiết bị được sử dụng để phát hiện các loại khí như CO, CO2,

v.v. được gọi là máy dò khí.

Các thiết bị này được sử dụng để xác định các loại khí độc hại, dễ cháy, dễ cháy và cả sự cạn kiệt oxy.

Các thiết bị này có thể được nhóm thành các loại khác nhau (hồng ngoại, quang hóa, xúc tác, chất bán dẫn, oxy hóa,

v.v.). Chúng có sẵn ở hai dạng chính: (i) thiết bị di động (ii) thiết bị phát hiện khí cố định. MH-Z19 NDIR (Zhengzhou

Winsen Electronics Technology Co., Ltd., Zhengzhou, China) là một máy dò khí hồng ngoại khá phổ biến. Các cảm biến

này rất nhỏ, có tuổi thọ cao và hoạt động theo nguyên tắc hồng ngoại không phân tán (NDIR) để phát hiện sự hiện diện

của carbon-dioxide trong không khí rất hiệu quả.

Trong công việc được đề xuất, chúng tôi đã sử dụng ba cảm biến này cho từng phần phụ và đặt ngưỡng cho các cảm
biến này. Đối với môi trường nhà bếp, chúng tôi sử dụng các giới hạn khác nhau. Các cảm biến cảm nhận môi trường và

thu thập dữ liệu ở dạng thô. Nếu dữ liệu được cảm nhận cao hơn ngưỡng, là δS, thì cảm biến sẽ báo cáo thông tin là

cháy. Báo cáo này được chuyển đến phần chìm hoạt động như một đơn vị xử lý phân tích báo cáo.

4.3. ZigBee là Giao thức truyền thông được sử dụng

Để thiết lập mạng cảm biến không dây, có thể sử dụng các cấu trúc liên kết khác nhau, tùy thuộc vào số lượng

nút cảm biến và phương pháp truyền thông. Bốn cấu trúc liên kết phổ biến nhất là: (i)

Mạng ngang hàng, (ii) Lưới, (iii) Cây và (iv) Cấu trúc liên kết mạng hình sao [40].

Một cách tương đối, thiết lập cấu trúc liên kết mạng hình sao rất hiệu quả so với các cấu trúc liên kết mạng khác.

Hình 6b cho thấy cấu trúc liên kết mạng hình sao. Để liên lạc giữa cảm biến và bồn rửa gia đình, chúng tôi đã sử dụng

giao thức Zigbee. Hình 6a cho thấy phương thức giao tiếp. ZigBee dựa trên đặc điểm kỹ thuật tiêu chuẩn IEEE 802.15.4

và sử dụng các giao thức truyền thông cấp cao để xây dựng các mạng cục bộ cá nhân. Nó sử dụng các thiết bị vô tuyến

kỹ thuật số nhỏ, công suất thấp và nó có thể được sử dụng để truyền dữ liệu trên một số khoảng cách giới hạn từ 10

đến 100 m. Khoảng cách này phụ thuộc vào điều kiện môi trường và nó thay đổi đối với các ngôi nhà khác nhau. Nó được

coi là một giao thức năng lượng thấp vì nó cần một lượng năng lượng tối thiểu để nhận và truyền dữ liệu.
Machine Translated by Google

Mạng truyền động J. Sens. 2018, 7, 11 8 trên 16

(Một) (b)

Hình 6. (a) Sơ đồ luồng của Nút cảm biến không dây (b) Cấu trúc liên kết hình sao.

Nó tiêu thụ hầu hết năng lượng của nó trong việc truyền dữ liệu. Giao thức này sử dụng các loại
thiết bị khác nhau như: (i) Điều phối viên, (ii) Bộ định tuyến và (iii) Thiết bị đầu cuối. ZigBee sử
dụng kỹ thuật mã hóa trải phổ chuỗi trực tiếp, viết tắt là DSSS. Do đó, nó sử dụng hai loại chế độ liên
lạc chính, tức là (i) Có bật đèn hiệu và (ii) Không bật đèn hiệu. Các đường viền của giao tiếp có bật
đèn hiệu và không bật đèn hiệu được hiển thị trong Hình 7a,b [41]. Trong truyền thông hỗ trợ báo hiệu,
các khung báo hiệu hoặc gói báo hiệu được phát định kỳ bởi điều phối viên PAN [41]. Trong giao tiếp
không hỗ trợ đèn hiệu, bộ điều phối PAN phát các gói đèn hiệu một cách ngẫu nhiên. Khi các cảm biến ở
trạng thái không hoạt động hoặc không gửi dữ liệu, giao thức này sẽ tự động tắt giao diện của nó để
tiết kiệm năng lượng. Khi nó gửi tin nhắn báo hiệu, các nút vẫn ở chế độ hoạt động. Thông thường,
khoảng thời gian đèn hiệu nằm trong khoảng từ 15,36 ms đến 251,65 ms ở tốc độ 250 kb/s, nhưng điều này
phụ thuộc vào tốc độ luồng dữ liệu. Bằng cách ghi nhớ mô hình giao tiếp ZigBee này, chúng tôi đã sử
dụng ZigBee để giao tiếp dữ liệu.

Hình 7. (a) Kích hoạt Beacon trong ZigBee (b) Không kích hoạt Beacon trong ZigBee.

4.4. Đơn vị xử lý

Thông tin được thu thập từ các cảm biến sau đó được gửi không dây đến trung tâm xử lý trung tâm
hoặc bồn rửa chính trong nhà. Ngày nay, raspberry pi, viết tắt là (RPI), đang được sử dụng làm đơn vị
xử lý chính. Những lý do chính để chọn nó là tính phổ biến và chức năng linh hoạt của nó. Thiết bị này
hoạt động như một bộ xử lý và xử lý dữ liệu đến từ các cảm biến để quyết định có kích hoạt báo động
hay không. Để xử lý thông tin đến từ các nút cảm biến, RPI bắt đầu khởi tạo các mô-đun cần thiết cho

quá trình xử lý cụ thể đó. Ví dụ, trong phương pháp đề xuất của chúng tôi, chúng tôi đã sử dụng hệ
thống cảnh báo SMS thông qua công nghệ GSM và sau đó là đầu vào – đầu ra mục đích chung GPIO. Nếu các
phép đo đến từ các nút cảm biến bao gồm cảnh báo cháy, mô-đun GSM được kích hoạt và tự động gửi SMS
cảnh báo cho người dùng cụ thể. Mục đích chung của mô-đun GPIO đầu vào-đầu ra là để kiểm tra phản ứng
của người dùng đối với đám cháy. Phản hồi này sẽ luôn ở dạng “có” hoặc “không”.
Machine Translated by Google

Mạng truyền động J. Sens. 2018, 7, 11 9 trên 16

Nếu câu trả lời là “có”, điều này có nghĩa là có đám cháy, nhưng nếu câu trả lời là “không”, điều đó có nghĩa là

không có đám cháy. Đối với mỗi cảm biến được triển khai trong nhà, mô-đun GSM sẽ tự động được kích hoạt. Quyết định

báo động cuối cùng phụ thuộc vào cả phản ứng của người dùng và số đọc của cảm biến. Lưu đồ của hệ thống này được hiển

thị trong Hình 8. Nếu số đọc của một cảm biến chứa thông báo cảnh báo cháy, thì hệ thống sẽ không đưa ra bất kỳ quyết

định nào thay mặt cho số đọc này. Hệ thống chờ phản hồi cho một tin nhắn SMS cảnh báo trước. Sau khi nhận được phản

hồi cho SMS cảnh báo trước, có thể là “có” hoặc “không”, báo động sẽ được kích hoạt nếu phản hồi là “có” hoặc nếu hệ

thống nhận được thông báo sự kiện từ hai cảm biến trở lên.

Hình 8. Lưu đồ của sơ đồ được đề xuất.

4.5. Mô-đun GSM

Vì chi phí cho một cảnh báo sai là rất cao, để tránh lỗ hổng này, chúng tôi đã sử dụng một mô-đun, tức là GSM.

Trong môi trường nhà bếp, có nhiều khả năng xảy ra báo động sai a, nhiệt độ, khói, khí gas và bức xạ UV hoặc IR thường

có trong khí quyển. Hiện tại, các modem GSM như WaveCom và Multitech có chức năng của chế độ SMS. Thay vì mã hóa PDU

nhị phân của tin nhắn, chế độ văn bản này cho phép nhà chìm gửi cảnh báo trước cho người dùng bằng cách sử dụng các

lệnh AT. Mã giả cho mô-đun GSM được liệt kê dưới đây:

• Mở cổng nối tiếp của thiết bị RPi và kết nối modem 3G.

• Đặt số điện thoại và nội dung tin nhắn. • Gửi

lệnh “AT” để gửi SMS • Ngắt kết nối điện thoại.

4.6. Thuật toán của hệ thống

Thuật toán của công việc đề xuất của chúng tôi được hiển thị trong Thuật toán 1 và Bảng 1. Bảng 2 cho thấy

ký hiệu được sử dụng trong thuật toán.

Bảng 1. Ngưỡng xác định cho cảm biến.

Ngưỡng xác định cho cảm biến

cảm biến khói cảm biến khí Cảm biến nhiệt độ 47 °C

Sảnh 190 190

phòng ngủ 150 150 43 °C

Phòng khách 150 150 43 °C

Phòng bếp 200 200 50 °C

Machine Translated by Google

Mạng truyền động J. Sens. 2018, 7, 11 10 trên 16

Thuật toán 1: Thuật toán công việc được đề xuất

(1) Đối với mỗi (trong số tất cả các cảm biến) làm

NẾU (Sen_Val > δs) Thì

Báo cáo = 1;

Báo động();

Kế tiếp();

Khác

Báo cáo = 0;

Kế tiếp();

//Alert Function Algorithm ở phía bên phải của bảng

(2) Đối với mỗi (Đối với tất cả báo cáo là cháy) làm

Mở();

Kết nối();

Lệnh();

Gửi(Rsp);

Ngắt kết nối();

// Thuật toán quyết định chìm

(3) IF (Hai cảm biến báo cháy hoặc phản hồi = 1)

Báo thức();
Khác

Kế tiếp();

Bảng 2. Các ký hiệu được sử dụng trong thuật toán.

ký hiệu Nghĩa ký hiệu Nghĩa

Sen_Val Giá trị cảm biến cảm biến δs Ngưỡng
1 Ngọn lửa 0 không có lửa

Báo động() GSM Kế tiếp() Vòng

Mở() Mở modem GSM Connect() Kết nối với Điện thoại
Lệnh () Các lệnh AT rsp Phản hồi của người dùng

5. Mô phỏng

Để đánh giá hiệu quả và hiệu quả của công việc được đề xuất, chúng tôi đã mô phỏng đám cháy trong một
ngôi nhà thông minh bằng cách sử dụng Trình mô phỏng động lực chữa cháy, viết tắt là FDS [42]. FDS là một
công cụ do NIST phát triển để mô phỏng đám cháy trong các môi trường khác nhau. Đây là một chương trình
ngôn ngữ máy tính giải phương trình Navier-Stokes bằng số. Nó được viết bằng FORTRAN và có nhiều đầu vào
như: (i) Ngưỡng cảm biến, (ii) Giá trị ban đầu của cảm biến, (iii) Độ ẩm, (iv) Các thông số khác nhau để
thiết kế môi trường, v.v. Bằng cách sử dụng các đầu vào này, nó sẽ tính toán Phương trình Navier–Stokes.
Hình 9 cho thấy kịch bản công việc mô phỏng của chúng tôi bằng FDS. Chúng tôi chia ngôi nhà thành bốn
phần, tức là (i) Phòng ngủ, (ii) Phòng khách, (iii) Nhà bếp, (iv) Phòng xem TV. Để theo dõi đám cháy, chúng
tôi đã kiểm tra ba thông số khác nhau, tức là nhiệt độ, khí và khói. Đối với mỗi phần của ngôi nhà, chúng
tôi sử dụng ba cảm biến, trong khi 12 cặp nhiệt điện được sử dụng toàn bộ. Đầu vào ban đầu của các cảm
biến lần lượt là 25 °C, 15 ppm và 60 ppm đối với cảm biến nhiệt độ, khí và khói. Chúng tôi đốt lửa trong
bếp và chúng tôi cho rằng ngọn lửa bắt đầu sau 30 phút kể từ khi bắt đầu mô phỏng. Sau khi ngọn lửa bắt
đầu, nó lan rộng với tốc độ 1500 KW/m2 .
Chúng tôi đã thực hiện mô phỏng cho cả hai kịch bản, đầu tiên là với sự có mặt của một cảm biến đơn
chức năng và sau đó là sự có mặt của nhiều cảm biến. Đối với kịch bản đầu tiên, chúng tôi sử dụng cảm biến
nhiệt độ để theo dõi đám cháy. Khi ngọn lửa bắt đầu từ nhà bếp, chúng tôi đã tắt cảm biến này và tiếp tục

mô phỏng trong 40 phút. Đối với kịch bản thứ hai, chúng tôi đã thực hiện mô phỏng và thiết lập giống như
trong Hình 9. Chúng tôi đã đo dữ liệu do mô phỏng tạo ra cho hai kịch bản này.
Machine Translated by Google

Mạng truyền động J. Sens. 2018, 7, 11 11 trên 16

Hình 9. Kịch bản trong nhà của mô phỏng sử dụng FDS.

Để kiểm tra tính hiệu quả của công việc, chúng tôi cũng đã triển khai phương pháp đề xuất bằng cách sử dụng ngôn

ngữ lập trình C++. Chúng tôi đã thực hiện việc triển khai của mình trong visual studio 2017, trong đó chúng tôi đã sử

dụng các thư viện C++. Chúng tôi đã cài đặt môi trường mô phỏng và ngôn ngữ hình ảnh trên một máy có thông số kỹ thuật

“CPU Intel(R) Core(TM) i5-3570 @ 3,40 GHz 3,80 GHz và RAM 16 GB”. Dữ liệu do FDS tạo ra trong quá trình mô phỏng đám

cháy đã được sử dụng cho thuật toán của chúng tôi để kiểm tra hiệu quả công việc của chúng tôi.

6. Kết quả

Trong khi thực hiện mô phỏng, hệ thống lấy các giá trị ban đầu của các cảm biến và các thông số khác. Chúng tôi

đặt ngưỡng cho mọi cảm biến và sử dụng mô-đun GSM để tránh báo động sai.

Hệ thống tạo báo động khi hai hoặc nhiều giá trị cảm biến vượt quá giá trị ngưỡng của cảm biến hoặc nếu phản hồi của

người dùng chứa thông báo xác nhận cháy. Hệ thống đã được thử nghiệm nhiều lần và gần như không tạo ra phần trăm báo

động sai. Chúng tôi đã so sánh kết quả mô phỏng với kết quả từ các kỹ thuật hiện có khác để kiểm tra tính hiệu quả của

phương pháp đề xuất và chúng tôi thấy rằng hệ thống của chúng tôi hiệu quả. Chúng tôi thảo luận về kết quả mô phỏng của

chúng tôi trong các tiểu mục sau.

6.1. Hành vi cảm biến

Chúng tôi đã mô phỏng hai kịch bản khác nhau để so sánh hành vi của cảm biến và khắc phục sự cố được thảo luận

trong bài viết này. Đầu tiên, chúng tôi mô phỏng kịch bản một cảm biến bằng cách triển khai cảm biến nhiệt độ cho từng

phần. Sau đó, chúng tôi đã sử dụng một cảm biến đa năng như trong công việc đề xuất của chúng tôi. Sau khi thực hiện cả

hai mô phỏng, hai loại dữ liệu đã được tạo, nghĩa là (i) dữ liệu được tạo trong mô phỏng môi trường một cảm biến, (ii)

dữ liệu được tạo trong mô phỏng môi trường đa cảm biến. Sau đó, chúng tôi đã kiểm tra hành vi của cảm biến đối với các

bộ dữ liệu này, như thể hiện trong Hình 10 và 11, tương ứng. Đối với tình huống đầu tiên (một cảm biến), chúng tôi giả

định rằng ngọn lửa bắt đầu từ bếp, chúng tôi đã tắt cảm biến bếp và sau đó kiểm tra hoạt động của các cảm biến khác.

Hình 10 cho thấy hành vi của cảm biến trong mô phỏng cảm biến đơn, không chức năng. CHÚNG TÔI phát hiện ra rằng cảm biến

của nhà bếp không hoạt động trong suốt đám cháy. Khi lửa và nhiệt lan rộng, các cảm biến khác được triển khai trong

phòng xem TV, phòng khách và phòng ngủ bắt đầu phát hiện sự gia tăng nhiệt độ sau 8, 14 và 18 phút tương ứng.

Khi chúng tôi mô phỏng và phân tích hệ thống đa cảm biến của mình, chúng tôi nhận thấy rằng hệ thống này đã phát

hiện sự kiện trong thời gian khá ngắn so với một cảm biến duy nhất. Khi ngọn lửa bắt đầu từ nhà bếp, chúng tôi chỉ phân

tích hoạt động của cảm biến trong nhà bếp.

Machine Translated by Google

Mạng truyền động J. Sens. 2018, 7, 11 12 trên 16

Hình 10. Hoạt động của cảm biến trong mô phỏng đơn cảm biến.

Hình 11. Hoạt động của cảm biến trong mô phỏng đa cảm biến.

Biểu đồ trong Hình 11 cho thấy, khi đám cháy bắt đầu, cảm biến mà chúng tôi triển khai trong nhà bếp

bắt đầu cảm nhận môi trường ngay lập tức. Khi các giá trị nhiệt độ, khí và khói vượt quá giá trị ngưỡng,
cảm biến bắt đầu gửi cảnh báo cháy đến bồn rửa. Kết quả mô phỏng cho giao tiếp GSM (mà chúng tôi đã áp dụng

trong studio trực quan) mà chúng tôi đã sử dụng để xác minh thuật toán đã triển khai của mình được hiển thị
trong Bảng 3. Chúng tôi đã thực hiện năm thử nghiệm để kiểm tra hiệu quả của hệ thống. Các thí nghiệm cho

thấy rằng phương pháp của chúng tôi là hiệu quả và chính xác. Chúng tôi đã so sánh với các hệ thống hiện có
trong Bảng 4.

Bảng 3. Bảng kết quả từ năm thí nghiệm của chúng tôi.

Thí nghiệm STT Cảm biến nhiệt độ Cảm biến khói Cảm biến khí Phản hồi của người dùng Quyết định Không có hỏa hoạn

1 Ngọn lửa Ngọn lửa KHÔNG Ngọn lửa

2 Ngọn lửa Ngọn lửa Ngọn lửa KHÔNG Ngọn lửa

3 không có lửa không có lửa Ngọn lửa Ngọn lửa Ngọn lửa

4 Ngọn lửa Ngọn lửa không có lửa Ngọn lửa Ngọn lửa

5 Ngọn lửa Không. Một trong hai không có lửa không có lửa không có lửa

Bảng 4. So sánh phương pháp đề xuất với một số công việc hiện có.

Đặc trưng
Tân và cộng sự. [17] Yunus et al. [23] Sơn B và cộng sự. [21] (FFSS) Phương pháp đề xuất

đa cảm biến KHÔNG KHÔNG KHÔNG Đúng

cảnh báo người dùng KHÔNG KHÔNG KHÔNG Đúng

Quyết định về hai xác thực KHÔNG KHÔNG KHÔNG Đúng

cảnh báo sai Đúng Đúng Đúng KHÔNG

6.2. Tiêu thụ năng lượng

Khi chúng tôi xem xét việc thiết lập ngôi nhà, bao gồm bốn phòng, ví dụ: nhà bếp, nơi khởi động TV,
phòng khách và phòng ngủ, chúng tôi đã tính toán mức tiêu thụ năng lượng trung bình bằng các cảm biến ZigBee
trong khoảng thời gian 12 giờ với tỷ lệ 50% và 100%. chu kỳ nhiệm vụ. Chúng tôi cũng tính toán mức tiêu thụ

năng lượng cho phương pháp đề xuất của chúng tôi và so sánh nó với chu kỳ hoạt động 50% và 100%, và kết quả
được hiển thị trong Hình 12. Chu kỳ hoạt động 100% và 50% cho biết thời gian khi giao diện vô tuyến vẫn ở trong
Machine Translated by Google

Mạng truyền động J. Sens. 2018, 7, 11 13 trên 16

trạng thái hoạt động. Ngăn xếp giao tiếp tiết kiệm năng lượng có chu kỳ hoạt động dưới 1%. Các cảm biến được sử

dụng trong mỗi phòng có một cặp pin AA (3000 mAh). Tổng mức tiêu thụ năng lượng của các cảm biến trong 12 giờ đã

được tính toán (cho cả chu kỳ hoạt động 50% và 100%) và kết quả được trình bày trong Hình 12. Mức tiêu thụ năng

lượng của cảm biến ZigBee nằm trong giới hạn cho phép. Một cặp ba cảm biến được triển khai trong mỗi phần, ví dụ:

đối với nhà bếp, chúng tôi sử dụng cảm biến nhiệt độ, khói và khí, như trong các phòng khác. Mức tiêu thụ năng

lượng của các cảm biến này đã được tính toán theo phương pháp đề xuất của chúng tôi. Hình 13 cho thấy kết quả về

mức tiêu thụ năng lượng. Các cảm biến được sử dụng trong một số phòng tiêu thụ năng lượng cao so với các cảm biến

trong các phòng khác. Nhiều năng lượng đã được tiêu thụ vào buổi sáng, buổi chiều và buổi tối. Chúng tôi cũng đã

tính toán mức tiêu thụ năng lượng của các cảm biến trong trường hợp hỏa hoạn. Hình 14 cho thấy mức tiêu thụ năng

lượng trong một giờ chữa cháy. Nó cho thấy rằng nhiều năng lượng đã được tiêu thụ trong đám cháy.

Hình 12. Mức tiêu thụ năng lượng trong khi các cảm biến hoạt động ở chu kỳ làm việc 50% và 100%.

Hình 13. Năng lượng tiêu thụ của cảm biến trong 12 giờ.

Hình 14. Mức tiêu thụ năng lượng của các cảm biến trong 1 giờ mô phỏng đám cháy.

7. Kết luận
Machine Translated by Google

Mạng truyền động J. Sens. 2018, 7, 11 14 trên 16

Mục tiêu chính của công việc được đề xuất là thiết kế một phân tích thông minh về ngôi nhà thông minh để phòng

cháy chữa cháy. Hai lỗ hổng chính của các hệ thống hiện đang được sử dụng là: (a) các hệ thống phòng cháy chữa cháy

chủ yếu sử dụng một cảm biến duy nhất để phát hiện sự kiện nhưng các vấn đề phát sinh nếu cảm biến mục tiêu không

phát hiện ra sự kiện, (b) có thể tạo ra báo động giả. Nhìn chung, phương pháp đề xuất của chúng tôi cung cấp một

giải pháp cho những vấn đề này. Chúng tôi đã giới thiệu một kỹ thuật hiệu quả để khắc phục những vấn đề này. Chúng

tôi đã sử dụng nhiều cảm biến cho từng khu vực trong ngôi nhà thông minh. Để giảm báo động sai, chúng tôi đã sử dụng

hệ thống liên lạc GSM. Mục đích của giao tiếp GSM là để cảnh báo người dùng vào thời điểm ban đầu xảy ra hỏa hoạn.

Các quyết định phát hiện cháy được đưa ra bởi bồn rửa chính trong nhà được kết nối không dây với tất cả các cảm

biến. Quyết định được đưa ra dựa trên các giá trị của cảm biến hoặc phản hồi của người dùng.

Chúng tôi đã mô phỏng đám cháy trong FDS do NIST thiết kế và kết quả tạo ra của mô phỏng được phân tích bằng thuật

toán đề xuất của chúng tôi mà chúng tôi đã triển khai trong Visual Studio bằng ngôn ngữ lập trình thư viện C++. Trình

giả lập được cài đặt trên máy có thông số kỹ thuật sau: CPU Intel(R) Core(TM) i5-3570 @ 3,40 GHz 3,80 GHz và RAM 16

GB. Mức tiêu thụ năng lượng của các cảm biến được triển khai cũng đã được tính toán và chúng tôi nhận thấy rằng mức

tiêu thụ đó nằm trong giới hạn chấp nhận được. Kết quả và các đánh giá khác cho thấy rằng công việc đề xuất của chúng

tôi đáp ứng tất cả các yêu cầu mong muốn. Trong tương lai, khi chúng tôi sử dụng nhiều cảm biến để phát hiện cháy và

lượng dữ liệu do các cảm biến tạo ra trong khi cháy rất cao, chúng tôi sẽ nỗ lực tìm ra phương pháp xử lý lượng dữ

liệu lớn này một cách hiệu quả.

Lời cảm ơn: Nghiên cứu này được hỗ trợ bởi Quỹ Nghiên cứu Quốc gia Hàn Quốc (NRF) do chính phủ Hàn Quốc tài trợ (NRF-2017R1C1B5017464).

Nghiên cứu này cũng được hỗ trợ bởi Quỹ nghiên cứu quốc gia Hàn Quốc (NRF) tài trợ bởi chính phủ Hàn Quốc (MSIP)

(NRF-2016R1A2A1A05005459). Khoản tài trợ này bao gồm công việc nghiên cứu và chi phí xuất bản cho xuất bản truy cập mở.

Đóng góp của tác giả: Faisal Saeed đã chuẩn bị báo cáo phân tích so sánh. Anand Paul đã thiết lập toàn bộ khuôn khổ nghiên cứu và lựa

chọn các công cụ sẽ sử dụng. Won Hwa Hong đã xem xét công việc này và đề xuất cải thiện nó bằng cách sử dụng nhiều bộ dữ liệu khác

nhau. Hyuncheol Seo và Abdul Rehman đã sử dụng các công cụ đã chọn để thực hiện mô phỏng.

Xung đột lợi ích: Các tác giả tuyên bố không có xung đột lợi ích.

Người giới thiệu

1. Bhatti, S.; Từ, J.; Memon, M. Phân cụm và khả năng chịu lỗi để theo dõi mục tiêu sử dụng mạng cảm biến không dây. Dây IET. Hệ

thống cảm biến 2011, 1, 66–73.

2. Lý, W.; Zhang, W. Lựa chọn cảm biến để cải thiện độ chính xác của nội địa hóa mục tiêu trong mạng cảm biến hình ảnh không dây.

Dây IET. Hệ thống cảm biến 2012, 2, 293–301.

3. Pagano, S.; Peirani, S.; Valle, M. Thuật toán định vị và phạm vi trong nhà dựa trên chỉ báo cường độ tín hiệu nhận được bằng cách

sử dụng các tham số thống kê cho mạng cảm biến không dây. Dây IET. Hệ thống cảm biến 2015, 5, 243–249.

4. Rathore, MM; Ahmad, A.; Phao-lô, A.; Vạn, J.; Zhang, D. Hệ thống ứng phó khẩn cấp y tế thời gian thực:

Khai thác IoT và dữ liệu lớn vì sức khỏe cộng đồng. J. Med. hệ thống. 2016, 40, 283.

5. Rathore, MM; Phao-lô, A.; Ahmad, A.; hồi, M.; Jeon, G. Hệ thống chăm sóc thông minh dựa trên Hadoop (HICS):

Phương pháp phân tích cho dữ liệu lớn trong IoT. ACM Trans. quốc tế công nghệ. 2017, 18, 8.

6. Rathore, MM; Phao-lô, A.; Hồng, WH; Seo, H.; Awan, tôi.; Saeed, S. Khai thác IoT và phân tích dữ liệu lớn: Định nghĩa thành phố kỹ

thuật số thông minh sử dụng dữ liệu đô thị thời gian thực. Duy trì. Thành phố Soc. 2017, doi:10.1016/j.scs.2017.12.022.

7. Yick, J.; Mukherjee, B.; Ghosal, D. Khảo sát mạng cảm biến không dây. Điện toán. mạng. 2008, 52, 2292–2330. số 8.

Đồ gốm, CH; Hancke, bác sĩ đa khoa; Silva, BJ Machine-to-Machine: Các ứng dụng có thể có trong các mạng công nghiệp. Trong Kỷ

yếu của Hội nghị Quốc tế IEEE về Công nghệ Công nghiệp (ICIT) năm 2013, Cape Town, Nam Phi, 25–28 tháng 2 năm 2013; trang 1321–

1326.

9. Opperman, CA; Hancke, GP Sử dụng điện thoại hỗ trợ NFC để thu thập dữ liệu từ xa và điều khiển kỹ thuật số.

Trong Kỷ yếu của IEEE AFRICON 2011, Livingstone, Zambia, 13–15 tháng 9 năm 2011; trang 1–6.

10. Kumar, A.; Hancke, GP Một hệ thống cảm biến thoải mái thông minh tiết kiệm năng lượng dựa trên IEEE 1451

tiêu chuẩn cho công trình xanh. IEEE Sens.J. 2014, 14, 4245–4252.
Machine Translated by Google

Mạng truyền động J. Sens. 2018, 7, 11 15 trên 16

11. Kumar, A.; Hancke, GP Một hệ thống giám sát sức khỏe động vật dựa trên Zigbee. IEEE Sens.J. 2015, 5, 610–617.

12. Rathore, MM; Phao-lô, A.; Ahmad, A.; Jeon, G. Dữ liệu lớn dựa trên IoT: Từ thành phố thông minh hướng tới quy hoạch siêu thành phố

thế hệ tiếp theo. quốc tế J. Ngữ nghĩa. web. Thông báo. hệ thống. 2017, 13, 28–47.

13. Blake, D. Sự cố báo động phát hiện khói khoang chở hàng trên máy bay trên máy bay đăng ký tại Hoa Kỳ, 1974–1999; Cục Hàng không Liên

bang: Washington, DC, Hoa Kỳ, 2000; CHẤM/FAA/AR-TN00/29.

14. Silva, B.; Fisher, RM; Kumar, A.; Hancke, GP Đặc tính chất lượng liên kết thử nghiệm của các mạng cảm biến không dây để giám sát

ngầm. IEEE Trans. Ind. Thông báo. 2015, 11, 1099–1110.

15. Chiwewe, TM; Mbuya, CF; Hancke, GP Sử dụng đài phát thanh nhận thức cho công nghiệp chống nhiễu

Mạng cảm biến không dây: Tổng quan. IEEE Trans. Ind. Thông báo. 2015, 11, 1466–1481.

16. Buratti, C.; Conti, A.; Dardari, D.; Verdone, R. Tổng quan về công nghệ mạng cảm biến không dây và

sự tiến hóa. Cảm biến 2009, 9, 6869–6896.

17. Tân, W.; Vương, Q.; Hoàng, H.; Quách, Y.; Zhan, G. Hệ thống phát hiện cháy nổ dựa trên mạng cảm biến không dây. Trong Kỷ yếu của

Hội nghị về Thu nhận Thông tin (ICIA'07), Seogwipo-si, Hàn Quốc, 8–11 tháng 7 năm 2007.

18. Zhang, J.; Lý, W.; Hân, N.; Kan, J. Hệ thống phát hiện cháy rừng dựa trên mạng cảm biến không dây ZigBee.

Đằng trước. Vì. Trung Quốc 2008, 3, 369–374.

19. Arrue, trước Công nguyên; Ollero, A.; De Dios, JM. Hệ thống thông minh giảm báo động giả trong cháy rừng hồng ngoại

phát hiện. IEEE Intel®. hệ thống. ứng dụng 2000, 15, 64–73.

20. Rehman, A.; Din, S.; Phao-lô, A.; Ahmad, W. Một thuật toán để giảm bớt ảnh hưởng của điểm phát sóng đối với thông lượng trong mạng

cảm biến không dây. Trong Kỷ yếu của Hội thảo IEEE lần thứ 42 về Mạng máy tính cục bộ (Hội thảo LCN), Singapore, ngày 9–12 tháng

10 năm 2017; trang 170–174, doi:10.1109/LCN.Workshops.2017.83.

21. Con trai, B.; Cô ấy, YS; Kim, JG Một thiết kế và triển khai hệ thống giám sát cháy rừng dựa trên mạng cảm biến không dây cho Dãy

núi Hàn Quốc. quốc tế J. Máy tính. Khoa học. mạng. bảo mật. 2006, 6, 124–130.

22. Lloret, J.; Garcia, M.; Bri, D.; Sendra, S. Triển khai mạng cảm biến không dây cho cháy rừng và nông thôn

phát hiện và xác minh. Cảm biến 2009, 9, 8722–8747.

23. Aslan YE; Korpeoglu, I.; Ulusoy, Ö. Khung sử dụng mạng cảm biến không dây trong cháy rừng

phát hiện và giám sát. Điện toán. môi trường. Hệ thống đô thị 2012, 36, 614–625.

24. Ôn Ninh, BL; Pesch, D.; Timm-Giel, A.; Görg, C. Định tuyến nhận biết giám sát môi trường: Làm cho mạng cảm biến môi trường mạnh mẽ

hơn. viễn thông. hệ thống. 2010, 43, 3–11.

25. Musolesi, M.; mưa đá, S.; Mascolo, C. Định tuyến thích ứng cho các mạng ad hoc di động được kết nối không liên tục. Trong Kỷ yếu

của Hội nghị chuyên đề quốc tế IEEE lần thứ sáu về Thế giới mạng di động không dây và đa phương tiện, Taormina-Giardini Naxos,

Ý, 16 tháng 6 năm 2005.

26. García, EM; Serna, M.Á.; Bermúdez, A.; Casado, R. Mô phỏng hệ thống hỗ trợ chữa cháy rừng dựa trên WSN. Trong Kỷ yếu của Hội nghị

chuyên đề quốc tế về xử lý song song và phân tán với các ứng dụng, Sydney, NSW, Australia, 10–12 tháng 12 năm 2008.

27. Koubaa, A.; Cunha, A.; Alves, M. Cơ chế lập lịch báo hiệu phân chia thời gian cho IEEE 802.15. 4/ Mạng cảm biến không dây dạng cây

cụm ZigBee. Trong Kỷ yếu của Hội nghị Euromicro lần thứ 19 về Hệ thống thời gian thực, Pisa, Ý, 4–6 tháng 7 năm 2007; trang 125–

135.

28. Gul, J.; Mushtaq, S.; Riaz, R. Vị trí nút bảo vệ tối ưu sử dụng SGLD và hệ số năng lượng. J. Máy tính.

2012, 4, 87–92.

29. Lưu, BH; Nguyên, NT; Phạm, VT; Wang, WS Các thuật toán dựa trên cây Steiner có trọng số nút bị ràng buộc để xây dựng mạng cảm biến

không dây bao phủ các lưới ô vuông tới hạn có trọng số tối đa.

Điện toán. cộng đồng. 2016, 81, 52–60.

30. Nguyễn, NT; Lưu, BH; Phạm, VT; Luo, YS Về việc tối đa hóa thời gian tồn tại cho tập hợp dữ liệu trong mạng cảm biến không dây bằng

cách sử dụng cây tập hợp dữ liệu ảo. Điện toán. mạng. 2016, 105, 99–110.

31. Paul, A.; Đa-ni-ên, A.; Ahmad, A.; Rho, S. Trí thông minh nhận thức hợp tác cho internet của các phương tiện. IEEE

hệ thống. J. 2015, 11, 1249–1258.

32. Paul, A.; Ahmad, A.; Rathore, MM; Jabbar, S. Smartbuddy: Xác định hành vi của con người bằng dữ liệu lớn

phân tích trong mạng xã hội vạn vật. Dây IEEE. cộng đồng. 2016, 23, 68–74.

33. Paul, A. Quản lý năng lượng theo thời gian thực cho M2M được nhúng bằng các phương pháp học tập thông minh. ACM

Dịch. Nhúng. Điện toán. hệ thống. 2014, 13, 1–22.

34. Paul, A.; Chiến thắng, TAA; Jeyakumar, AE Particle swarm phương pháp tiếp cận để retiming trong VLSI. Trong Kỷ yếu của Hội nghị

chuyên đề Trung Tây lần thứ 46 của IEEE về Mạch và Hệ thống, Cairo, Ai Cập, 27–30 tháng 12 năm 2003.
Machine Translated by Google

Mạng truyền động J. Sens. 2018, 7, 11 16 trên 16

35. Paul, A.; Rho, S. Mô hình xác suất cho M2M trong mạng và truyền thông IoT. viễn thông. hệ thống.

2016, 62, 59–66.

36. DỮ LIỆU.GOV.UK. Có sẵn trực tuyến: https://data.gov.uk/dataset/fire-statistics-smoke-alarms (truy cập vào ngày 11

tháng 11 năm 2017).

37. Cơ quan Quản lý Cứu hỏa Hoa Kỳ. Có sẵn trực tuyến: https://www.usfa.fema.gov/data/statistics/order_download_

data.html (truy cập ngày 22 tháng 10 năm 2017).

38. Dụng cụ, Cảm biến nhiệt độ độ chính xác C. T. LM35. Có sẵn trực tuyến: www.ti.com/lit/

ds/symlink/lm35.pdf (truy cập ngày 12 tháng 10 năm 2017).

39. Henan Hanwei Electronics Co., Ltd. Cảm biến bán dẫn MQ-9 cho CO/Khí dễ cháy. Có sẵn

trực tuyến: www.pololu.com/file/0J314/MQ9.pdf (truy cập ngày 12 tháng 10 năm 2017).

40. Kosmerchock, S. Cấu trúc liên kết mạng cảm biến không dây. Có sẵn trực tuyến: http://www.k5systems.com/

TP0001_v1.pdf (truy cập ngày 15 tháng 12 năm 2017).

41. Chu, M.; Nie, ZL Phân tích và thiết kế giao thức tầng MAC ZigBee. Trong Kỷ yếu của Hội nghị Quốc tế về Kỹ thuật Quản lý và

Công nghệ Thông tin Tương lai (FITME), Thường Châu, Trung Quốc, ngày 9–10 tháng 10 năm 2010.

42. McGrattan, K.; Hostikka, S.; Floyd, J.; Baum, H.; McDermott, R. Fire Dynamics Simulator (Phiên bản 5), Hướng dẫn tham khảo

kỹ thuật; Viện Tiêu chuẩn và Công nghệ Quốc gia: Gaithersburg, MD, USA, 2004; Tập 5.

© 2018 của các tác giả. Người được cấp phép MDPI, Basel, Thụy Sĩ. Bài viết này là một bài báo truy
cập mở được phân phối theo các điều khoản và điều kiện của Creative Commons Attribution

(CC BY) giấy phép (http://creativecommons.org/licenses/by/4.0/).