数字化环境网络架构与传感器网络的应用

阵列14（2022）100168环境传感的通用网络架构：数字化环境M.I. 米德a，b，**，M. Bevilacqua c，C. Loiseau Xc，S.H. Hallett b，S. Jude b，C. 埃玛努伊勒德，J. Harris b，P. Leinster b，S. Mutnuri e，T.H. Tran c，*，L. Williamsc，***a伦敦帝国理工学院公共卫生学院环境研究组，伦敦，SW7 2AZ，英国b英国克兰菲尔德大学环境与农业信息学中心，MK43 0ALc竞争性创意设计中心，克兰菲尔德大学，克兰菲尔德，MK43 0AL，英国d克兰菲尔德大学生命工程服务学院，克兰菲尔德，MK43 0AL，英国e印度果阿Birla技术与科学学院生物科学系，邮编403726A R T I C L EI N FO保留字：无处不在的传感器网络网络分析网络政策考虑数字环境物联网城市观测站A B S T R A C T数字化环境是一种将传感器与报告和分析工具相结合的环境，用于理解，观察或管理该环境。大规模的数据收集和分析是新兴的数字化方法的一部分，用于描述和理解我们的环境。 它被认为是解决一系列复杂和相互关联的社会，经济和环境问题的有效方法。该方法的开发和构建需要在分析控制方面取得进展，并明确定义与这些系统要素之间相互作用有关的问题。本文介绍了分析控制领域的选定问题的分析。它还讨论了进展的领域，以及随着传感网络的发展需要进一步调查的领域。三个案例研究说明了这些点。第一个是物理分析测试套件，作为“重塑厕所挑战赛”（RTTC）的一部分，用于在一系列环境中进行过程控制。第二个案例研究是克兰菲尔德城市观测站，它建立在RTTC的基础上，旨在允许用户开发用户界面，以监测、评估和比较各种环境和基础设施系统以及行为（例如，水分配、电网）。第三个是国家基础设施数据和分析设施，这是一个基于云的高性能计算集群，旨在接收、存储和向先进的分析和可视化工具提供此类数据。1. 介绍大规模数据收集和分析越来越被视为解决城市规划、气候适应力、数字安全、空气质量下降和基础设施发展等问题的最佳手段[1，2]。它们也是数字化环境（DEE）发展的关键。DEE可以被定义为一个集成系统，包括可以通过一系列通信工具相互交互的设备或代理，具有相关的这些设备和代理也可以用于监测和管理DEE本身。环境DEE代表了这种方法在理解中的应用大气和自然环境管理广泛的低成本的环境和潜在的物理参数传感技术现在广泛可用。这些传感器中的许多传感器的广度、变化和相对低的成本部分地是由于可访问的电子/计算环境的快速吸收以及物联网（IoT）基础设施内的相关发展。可观测参数可包括物理、光谱、化学、生物、生物计量、声学和振动、电学、热力学和热物理性质（直接或间接测量）。这些可用于提供对更广泛环境的洞察或有关基础设施或网络的特定信息。关键在于* 通讯作者。** 通讯作者。*** 通讯作者。电子邮件地址：t.h. cranfield.ac.uk（T.H.Tran）。https://doi.org/10.1016/j.array.2022.100168接收日期：2020年8月10日;接收日期：2022年2月11日;接受日期：2022年4月4日2022年4月8日网上发售2590-0056/© 2022作者。爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表阵列期刊主页：www.sciencedirect.com/journal/arrayM.I. Mead等阵列14（2022）1001682广泛使用的低成本无线通信硬件和软件，主要与全球电信有关。早期的例子是通用分组无线电服务（GPRS）和全球导航卫星系统，例如，全球定位系统。GPRS连接到第二代和第三代移动电话网络（2G和3G）。这已经被后3G和4G标准和方法超越，例如，宽带码分多址和长期演进，以及新兴的5G基础设施。这些发展使得能够以以前无法实现的规模和相对容易的方式在全球范围内遥测大量有地理时间参照的数据。再加上加密和保真度保持的进步，以及用于接收和处理所产生数据的联盟云功能，这进一步为大规模信息传输开辟了新的机会。在本文中，我们讨论了一个框架的广义网络ar-环境传感架构，以分析控制领域的数字化环境方法。我们试图探索网络设计的端到端方面，一些更广泛的网络操作的景观，以及数据管道。本文讨论了选定的案例研究，特别是从应用的角度来看，以及借鉴分散异构环境传感网络的更广泛的方面。本文中所描述的概念将在“城市天文台”和“生活实验室”类型的实验作为当代的背景下进行讨论这些是应用广泛的多学科感测的示例，并且考虑到基于云的平台能够接收和保持产生的数据并支持其后续分析和可视化。2. 分散异构环境传感网络2.1. 观测网络概述传感器技术和方法越来越多地与尖端通信技术相结合，以提供用于收集数据以及随后的传输和存储的集成系统。这些是观测网络的基本要求，此外还需要进一步分析，以了解收集的数据，然后将结果传播给利益攸关方。对于一体化观测网络，需要解决与数据质量评估、质量保证、数据同化、安全和输出传播有关的紧急问题。典型的物联网部署基础设施可以被描述为分层堆栈。从启动数据生成工作流的物理层开始，经过系统管理和分析工作流层，最后到达应用程序层。应用程序层是将数据工作流转换为针对一系列用户的增值服务的地方。为了提供价值，这些堆栈环境实现了一系列连接标准，这些标准又与不同的连接层相关。这些主要遵循开放系统互连层[3]指南，但需要跨层互操作性以实现有效集成，包括应用层和语义互操作性。数据工作流的转换在大多数情况下与应用智能分析以建议上下文相关的动作相关联，其中上下文是由所获得的情况和环境决定数据来自。再加上对易于采购、安装和维护的低成本基础设施的需求，需要新的方法来模拟数据环境，以提供态势感知，并推动变革性传感方法的开发和运行。2.2. 广义网络拓扑模型分析控制和监测的传统模型是对观察对象进行控制，并开发针对指定控制/观察点的数据馈送。部署多个传感器和各种形式的无线通信代表了一种扩展这种方法。图1中概述了四种广泛的高级网络拓扑，下面将进一步详细描述。这里，本地节点指的是控制电子设备，其也可以包括一种形式的本地数据或设置存储器。接入节点可用于自动数据遥测、直接本地接入或其他形式的询问接入。传感器/致动器、本地节点和接入节点可以在单个外壳中，或者作为远程定位的组件。2.3. 网络数据这些新兴传感器网络的一个共同后果是产生大量数据，通常称为大数据。大数据描述了信息/数据资产，其特征在于多个“V”，即它们对不同利益相关者的高“量”、“速度”、“多样性”、“可变性”和“价值”。它需要高容量的云处理服务[5，6]，以及相关的分析方法，如机器学习和更广泛的人工智能方法。这涉及到存储、处理和分析结构化和非结构化数据的能力，结合归档和实时流数据[6，7]。数据资产包括来自传感器网络、网络服务和城市基础设施的实时和近实时数据流。来自新兴的分散异构环境传感网络的大数据可以包括广泛的数据类型和来源。它们是来自社交媒体、移动应用程序和公民参与/公民科学平台以及传统静态历史/遗留数据源的自愿和众包公民数据。数据可以采取许多形式，从存储在关系数据库管理系统中的常规数据到用于由IoT传感器网络、卫星[ 8，9 ]和web应用编程接口（API）[ 10 ]生成的非结构化数据和/或实时流数据的文件和文档/blob存储（或“湖”）。这些数据可以从广泛的来源产生开源理念彻底改变了数据驱动的方法和技术。事实表明，大数据方法有可能改善环境建模和城市分析方法，包括评估城市区域和智慧城市基础设施的性能[12]，以及需要–分析[11，14]，或污染和污染的环境影响[15]。2.3.1. 网络数据流网络内和网络之间的数据传输流有三个广泛的目标，输出有目的的数据（或“capta”）（例如，环境温度），输入外部操作数据（例如，使得能够基于外部分析来管理网络及其组件的操作）和内部交换操作数据（即，使得能够基于内部决策树来操作网络及其组件）。这些数据流在内容、时间和范围方面可以是一系列规模（例如，地理位置）。后两个流主要是网络管理的一部分（即，系统维护），而前者侧重于分析和监控，通常是规模上的主要流程，并且通常支持网络的基本目的。数据治理规则对这些类型的分析网络至关重要，可以大致分为6类（图1）。2）。1. 数据所有权。数据所有权可能是一个复杂的问题，特别是在网络有多个用户和赞助商的情况下（例如，通过政府操作许可支持的科学驱动的网络安装），并且数据融合用于数据流的预处理[16]。在网络设计阶段，所有权和知识产权（IP）的定义也至关重要，下游分析和/或产品组合的规划工作也是如此。M.I. Mead等阵列14（2022）1001683Fig. 1. 分散拓扑的高级示意图。部分显示在数据流视图中，部分显示在实现视图中.配置 从左到右 ：1）。 直接 传感器，配置; 2）分散节点网络，配置（显示了两个网络）; 3）连接节点网络和配置; 4）网状网络[24]。1. 直接传感器：这种拓扑结构可以是永久性的，也可以是可切换的。永久直接传感器拓扑是在两点之间建立的硬连线或固定无线连接交换基于可以在不同接入节点之间移动的连接。这种拓扑类型通常用于单个传感器与智能手机、平板电脑或专用微处理器一起用作数据聚合器的应用中。2. 分散节点网络：这种类型的每个网络由单个“中心节点”组成这种拓扑结构易于设计、实现和扩展。所有数据流量都流经网络中心节点，因此需要一个适当的智能中心节点。这个中心节点的任何故障都将导致整个本地网络的损失，因此在设计中分散节点网络拓扑结构是最常见的传感器网络拓扑结构之一无线个域网是这种拓扑结构的一个例子，它由一个连接到多个无线传感器的网关组成3. 连接节点网络：对于这种拓扑结构，网络“树”有一个单一的接入点 该接入节点远程连接到一系列单独的本地节点及其相关联的传感器/致动器。这是一个层次结构的节点，其中最高级别是一个单一的“根节点”，这个节点连接到一个或多个节点在较低的水平。这样的拓扑可以包含许多级别的节点。当数据从树的分支向根节点移动时，节点中的处理和能力会这种拓扑结构是可扩展的，其简单的结构使其易于识别和隔离故障。故障不一定会危及整个网络。然而，随着树形网络变得越来越大，它们变得越来越难以管理，并且网络边缘被用作网关。4. 网状网络：对于这种拓扑结构，存在多个接入节点，并且网络具有双向网络内和网络外通信的潜力。在这种方法中，节点传播它们自己的数据，并且还充当中继来传播来自其他连接节点的数据有两种形式的网状拓扑：部分连接的网状，其中一些节点连接到一个以上的其他节点，以及完全连接的网状，其中每个节点连接到网状中的每个其他节点。网状网络具有弹性和自我修复能力，因为如果节点发生故障，数据可以沿着不同的路径路由。然而，完全连接的网状网络不适合大型传感器网络，因为所需的连接数量变得难以管理。部分连接的网状网络提供了完全连接网络的自我修复能力，而没有连接开销。网状拓扑最常见于基于IEEE 802.15.4标准及其衍生标准的无线网络中[4]。这可能是最先进的网络类型，因为它允许实现集成的分散网络控制系统。2. 传输协议。传输协议关注数据安全、国际标准化组织（ISO）标准、道德、机构间访问和国际流。对于新兴的分散异构环境感测网络，传输协议可以用于嵌入用于数据安全的措施，诸如校验和验证和内容验证，无论ISO标准（例如，数量和功能）取决于所使用的传感网络的类型和目标用户群。需要评估围绕数据共享的伦理考虑。这些考虑因素可能与个人数据的汇编和存储相关（作为主要目标或次要影响，例如，入院或人们的移动）或环境数据。考虑到某些测量数据一旦处理和验证就会产生法律和合规性影响，还需要考虑向其他机构（尤其是具有法定责任或权力的机构）传输数据的道德问题（例如，受管制的污染气体种类的混合比率）。以这种方式传输数据也会涉及数据所有权问题。同样，对于国际数据传输，需要考虑到其他国家政府管辖权和考虑因素，因为有些数据可能被视为国家资产、安全问题或可出售物品。因此，它需要具体的每一个任务，以便进一步分享或传播。3. 用户界面：所呈现的数据的级别、其格式和处理是由它所针对的用户组定义的。科学和工程要求与政府和公众用户和用途之间的差异可能很大（例如，表格传感器数据输出与信息的图形表示）。在许多情况下，直接输出数据在没有处理的情况下是相对无意义的（例如，从最初的机器数量，十六进制压缩文件或来自原始电压）。一旦数据是人类可读的形式，并以可理解的值呈现，它可能不适合一般传播（未经校正、未经校准或尚未验证），并可能需要根据用户需求的复杂性进行进一步转换。对于某些类型的传感器或致动器，这些变换可以在节点（边缘）本身处进行，并且数据在向前传输之前被简化。4. 合规影响。如果存在司法合规要求或影响，则需要对数据进行适当的验证和校准。与此同时，需要建立提交协议，以创建监管数据产品。5. 数据安全。操作备份（包括冗余系统）对于支持长期数据安全性非常重要。根据网络要求，这些措施可以对不同级别的处理数据起作用。这些数据可以通过受控访问来保护，也可以根据道德考虑进行匿名处理。需要特别注意多方基于云的数据访问，不同的产品具有不同的安全级别，具体取决于产品和用户。重要的是，应适当注意考虑传感器的安全性（例如，本地存储或保存在存储器中用于传输或处理）。6. 数据遗产。数据遗留计划需要纳入网络设计。这包括预处理数据和各级处理数据的IP控制（与数据所有权相关）。在许多应用程序中，最佳实践将保留原始数据及其处理和转换机制。在其他应用中，具有上下文数据的合成产品是要存储的适当产品这些数据必须M.I. Mead等阵列14（2022）1001684来自网络的忠实记录和所使用的分析方法以及包含所需的（如由用户组定义的）有用数据。与数据遗产相关的是保持生成的元数据的适当水平的重要性，以便能够对数据资产进行详细说明和查找。可采用各种国际ISO和相关标准，例如，ISO 19115 [17]，都柏林核心[18]，数据目录词汇表- DCAT [19]，以及英国GEMINI [20]等国家等效形式。“公平”数据原则（可查找性，可访问性，互操作性和可重用性）的概念2.3.2. 通信和数据交换需要适当的机制来流式传输、捕获和提供数据分析。这种平台的当前常用示例是Microsoft Azure。典型的处理链获取捕获的数据，将其聚集并将其集成到数据库中。对于Azure，这意味着将传感器数据路由到基于云的“IoT Hub”，该中心可以处理来自环境传感器的数百万条消息。一旦在IoT Hub中接收到数据，Azure的“数据工厂”允许数据进行转换（通过数据提取，转换和加载过程），将其路由到不同的接收方应用程序，例如，数据存储（NoSQL数据存储，诸如blob和文档文件存储和数据湖，传统的SQL表存储和专用存储），分析环境（例如，离线分析、在线常规系统或Microsoft Azure“机器学习工作室”）或可视化工具（例如Microsoft“PowerBI 仪表板”，能够生成Web 或移动报告以及事件驱动的推送通知）。3. 通用网络架构图3中给出了分散的异构环境传感网络内的选项的示意性概览表示。这个通用的网络架构模型突出了一些广泛的问题，需要在广泛的网络拓扑结构中定义和解决。该型号可以通过多种方式进行配置，并可以根据安装类型进行更改。它也可以在网络的寿命期间改变（例如，网络安装、扩展和网络缩减阶段将各自具有不同的要求）。图3标识了从传感器/致动器到用于经由本地和/或云分析和存储、应用框架和应用服务器的面向客户端的接口的选项的顶级路径和选项。服务东方建筑。它还显示了需要解决的基本考虑因素（例如，数据安全、治理和维护）。这种灵活的广义网络模型的元素，原则上可以实现一 系 列 的 具 体 应 用 和 三 个 例 子 。 具 体 来 说 ， “ 重 塑 厕 所 挑 战“ （ RTTC ） 和 城 市 观 测 站 和 生 活 实 验 室 在 克兰 菲 尔 德 大 学 的 倡议。4. 案例研究这里介绍的案例研究被选择来说明广义网络体系结构模型的关键要素。第一个案例研究是作为RTTC的一部分开发的物理分析测试套件RTTC的最初目的是在现场测试期间捕获数据，以提供操作和功能反馈。随着挑战的发展，这一目的扩大到包括基于反馈的网络控制和现场环境数据的捕获。RTTC的目标是发展成为一个适合各种用途的传感、控制和分析网络第二个案例研究是克兰菲尔德城市观测站（https://www.livinglab.ac.uk）。克兰菲尔德城市观测站是英国城市观测站网络的一部分，该网络由英国基础设施和城市研究合作中心（UKCRIC）倡议资助。这个网络的网络建立在RTTC的元素之上，旨在监测和监测各种环境因素、基础设施系统和行为（例如，供水、电网、生物多样性、环境数据、街道和行人行为）。第三个案例研究考虑 了 基 于 云 的 存 储 和 分 析 平 台 的 作 用 以 及 Cranfield UrbanObservatory等项目的提供商的价值，以UKCRIC的4.1. RTTC分析传感器测试套件盖茨基金会RTTC项目旨在为低收入国家的卫生问题制定解决方案。作为该项目的一部分，开发了一个物理分析测试套件，用于监测和适用于各种环境的先进过程控制。RTTC分析框架基于网络拓扑的混合，以允许在现场使用的灵活性。此分析测试工具包的主要目的是捕获有关RTTC现场测试进度的数据，并将这些数据图二、 新兴分散异构环境传感网络的数据治理考虑因素概述（不包括分析）。M.I. Mead等阵列14（2022）1001685图三. 分散异构环境传感网络架构（改编自参考文献[24]）。可用于远程访问、分析和演示。这一范围已超出直接的业务和功能分析，包括与一系列水、环境卫生和个人卫生举措相关的更广泛的环境数据[22]。这种范围的扩大是为了允许更集成的安装和改善每个特定安装环境的操作控制。RTTC的基础是开发和采用适合发展中国家使用的卫生技术。这些技术旨在独立于水和污水基础设施，并将收集的废物转化为可用的产品。RTTC分析传感器测试套件的开发是为了生成和远程捕获RTTC现场测试的操作和环境数据。检测试剂盒的主要参数是pH值（用于主RTTC反应器中以触发内部水泵）和温度（整个系统，例如，触发功率使用以及安全特征）。RTTC分析传感器测试套件的设计具有物理上的强大性和经济性，并具有相关的基于云的数据支持结构。RTTC项目基础结构用于为分析测试工具包提供试验输入环境。该套件用于现场测试期间的高级RTTC过程控制和数据收集。分析测试套件的主要目的是捕获现场测试进度的数据，实现RTTC的远程反馈驱动控制（例如电力使用或水循环），并使RTTC及其更广泛环境的数据可用于远程访问，分析和演示。这一范围已扩大到业务和功能分析（pH值和T）之外，包括与广泛的水卫生和卫生 倡议（例如， 足迹，降水，环境温度、大气压力、空气质量等）。最终目标是生成一个完整的分析系统和一个端到端的方法，适合于适应其他需要监控和观察的基础设施或环境。这项工作不可或缺的是，这个系统仍然符合盖茨基金会开放获取政策[23]）。分析传感器测试工具包是一个开放的景观开发工具，它是目标驱动的，重点是系统管理，以及数据分析和功能输出的生产（例如，RTTC反应堆控制和电源管理）。分析传感器测试套件方法旨在支持系统开发，评估和管理实际使用中的一系列安装和系统。RTTC分析传感器测试套件管理框架有三个主要组成部分：第一个是“操作”，与用于实现的传感器、仪器或机器有关;第二个是“环境”，主要指操作组件的环境介质（例如，第三是“通信“，涉及数据流和传输、信号保真度、安全和输出（图4）。通信在网络运行中起着至关重要的作用。这一端到端系统旨在开放获取，并向感兴趣的利益攸关方免费提供输出数据产品见图4。RTTC分析传感器测试工具包的管理框架，显示框架每个方面的关键点M.I. Mead等阵列14（2022）1001686此外，分析测试套件的目的是支持广泛的架构的开发，能够在RTTC的测试和操作期间进行测量，数据同化和系统通信，并进行实时的整个系统过程控制。图5显示了RTTC项目的一部分，即在Birla（印度）项目测试现场的RTTC项目开发和测试阶段使用的Birla RTTC网络实施中传感器的两个主要目的是：i）.提供用于常规系统控制的数据（经由网络致动器），以及ii）.提供关于网络所处的更广泛环境的信息。对致动器的反馈可以直接在传感器本身处自动化（例如，嵌入式操作固件控制）或经由本地节点的网络内控制（如果传感器和本地节点被组合，则它们本质上是相同的）。RTTC面向使用大量的低成本传感器，与较少数量的致动器和直接传感器输入一起定位。根据决策树或查找表，对控制致动器的反馈可以基于网络感测的参数的变化，每个决策树或查找表可以是预定义的（例如，在Birla装置中，增加水流量或改变电化学反应器的设置，见图。 5，左图）。反馈可以在网络内提供，基于本地节点，或者在分散的网状网络中从远程网内节点。来自网络的子元件的反馈可用于改变整体网络行为或改变网络的选定部分的行为。例如，来自远离受控系统的网络组件的信息（例如，网络一部分的天气变化改变了整个网络的RTTC排水控制，或者只是在天气变化的路径上）。远程自动反馈也可以通过直接到传感器的用户控制、通过致动器（例如，本地连接的膝上型计算机），或通过来自远程用户或离线分析系统的遥测输入。传感器之间的数据报告本质上是非常多样化的，例如，在限定的电压范围内的简单模拟输出，或者具有相关的操作“内务处理“和校准或质量元信息的复杂列表数据。在RTTC内，数据采集速率也是可变的。数据需要以某种形式存储在本地（即使是短暂的），然后才能通过访问节点作为滚动备份提供，以防止灾难性的信息丢失。数据存储格式需要稳健，因为在此初始阶段，对正在收集的数据没有备份（数据安全性在2.3.1中讨论）。由分析系统的组件生成的数据通常最初是机器可读的形式，其未被转换为人类可读的形式。图五. （上）RTTC项目（左下）Birla技术与科学研究所现场测试现场。（右下）Birla现场示意图，从上到下显示了厕所、沉淀池、芦苇床、电化学处理池和处理过的废水出口（改编自参考文献10.1.1）。[24]）。M.I. Mead等阵列14（2022）1001687可读的形式或格式。这通常是传感器操作本身的函数（例如，机器计数表示与湿度值成比例的设定范围内的电容值）。该数据 然后被传输到本地节点，在那里它可以被管理。人工操作可能涉及长期存储、转换（例如，例如，在一个实施例中，到人类可读数据或使用预设转换表的转换）、编译（具有来自类似和不同类型的其它传感器/致动器的输入）和压缩（用于有效的长期存储、访问或遥测的准备以保持带宽）。然后，可以使该受管理的数据可用于本地访问或遥测。RTTC本地数据库（图5）具有可变的存储要求，并且足够灵活以实现一系列网络传感器和致动器类型之间的链接RTTC主体内的温度将与RTTC安装块外的温度观测结果不同）。设备和节点之间的通信使用消息队列遥测传输。Williams等人[24]详细讨论了RTTC的实现这一层的目的是为本地和/或接入节点生成相对轻量级的组合消息传递产品（传统上它们将保持分离）。RTTC架构设计用于通过访问节点（自动或非常规）。数据传输可以是双向的，但流量最大的是传感器数据本地存档。这被认为是网络“输入“传感器数据（图1）。来自RTTC接入节点的遥测通信将基于基于云的NoSQL架构，该架构功能强大，使用广泛，功能强大，在实体级别保存文档。直接用户控制也可以用于访问存储的云数据。在这个级别上，还可以通过转换、编译和压缩任务的组合来进一步管理数据。4.2. 克兰菲尔德城市观测和生活实验室4.2.1. 城市观测站RTTC中描述和采用的分散异构传感网络的类型，以及越来越多的人认识到需要在面对当代挑战时理解复杂的城市系统（例如，气候变化、可持续性、复原力），正在帮助推动城市观测站的发展。“城市观测站”一词参考文献[25]，但以前通常集中在单一学科的研究，缺乏跨越整个城市系统和五个首都的数据的测量，集成和分析，即自然，人文，社会，建造/制造和金融[26]。然而，基于低成本物联网的分散异构环境、基础设施和社会传感器配置的最新发展，正在推动人们对创建城市观测系统的兴趣日益浓厚，以捕捉、分析和呈现五大首都的城市系统行为。4.2.2. 克兰菲尔德大学城市观测站目前正在开发的克兰菲尔德大学城市观测站旨在使用户能够监测、评估和比较各种各样的环境和基础设施系统和行为。目前这些数据包括（但不限于）：水分配、电网、生物多样性、污染、环境数据、街道网络、人口密度、生物多样性和行人行为。通过RTTC项目获得的经验现在被用于支持克兰菲尔德大学城市观测站的发展，该观测站是通过UKCRIC资助的英国6个城市观测站更广泛网络的一部分[27]。克兰菲尔德大学城市天文台是独一无二的，位于半农村地区的一个自给自足的网站上，代表了一个复杂的城市系统的缩影。该网站不仅包括传统的校园基础设施（例如，宿舍、教学和研究设施）而且还包括复杂的基础设施，例如包括机场、热电联产厂、太阳能发电场和废水实验和处理工程。天文台的一个经常性主题是采用数字孪生模型借鉴了RTCC设计方法中描述的模态主题，使用环境传感器实时或近实时捕获复杂系统的各个方面。这允许将情有可原的管理决策作为情景加以采纳和试验，以及重现导致特定事件的情况。观测站的一个基本方面是，这些资产产生的数据将被汇集在一起，使用一个共同的数据平台，在克兰菲尔德大学城市观测站的信封，并伴随着各种各样的分析和传播工具和功能。观测站项目小组认为，这些基本方面对于促进研究和产生知识至关重要。此外，观测站的设计还旨在通过通用数据结构和API实现数据共享，例如与更广泛的UKCRIC城市观测站和数据用户共享。随着对城市观测站兴趣的增加，这是“生活博物馆”概念的发展。虽然生活实验室本身不是城市观测站，但它们越来越成为研究问题的框架，促进利益相关者，学生，学者和专业服务单位（例如，校园设施），允许任何这些团体产生研究问题[28，29]。克兰菲尔德大学城市观测站是更广泛的克兰菲尔德生活实验室计划的一个组成部分。该项目正在开发利用克兰菲尔德大学校园作为转型技术和方法的试验平台，以提供更好的社会、经济和环境成果，应对未来城市设计、混合交通系统、提供卫生设施、福祉以及与综合基础设施发展相关的一系列问题等重大挑战。在这方面，城市观察站提供的数据正在促进与这些问题有关的虽然仍在发展中，城市观测和生活克兰菲尔德大学的实验室计划不得不努力解决本文中强调的许多技术问题。特别是，城市观测站寻求整合来自各种不同传感器和数据类型的数据，这些数据通常使用不同的协议、数据格式/结构进行通信，而且数据量和准确性差异很大。迄今为止的经验表明，确定一个“一刀切”的虽然城市观测站强调了技术挑战，但生活实验室正在强调更广泛的新问题，特别是在道德和治理方面，随着分散的异构环境传感网络，城市观测站和生活实验室的加速部署，这些问题将变得越来越重要。4.3. 国家基础设施物联网设施（例如所描述的城市观测站和生活实验室）成功的关键是能够实时或接近实时地将从许多环境传感器大规模产生的大量数据馈送整理在一起，并且能够将这些数据有效地呈现给分析和可视化工具。与此相关的一些相关挑战。首先，所产生的数据的数量、种类和速度需要专门的硬件、网络和数据传输配置。第二，这样收集的数据体需要能够被访问，以便进一步处理、操作和输出。最后，在一个寻求探索和模拟潜在情景结果的信息系统中，例如，温度变化对行人流量的影响等气象现象，来自一系列不同来源的M.I. Mead等阵列14（2022）1001688可能需要一起购买和共同协商。由UKRI科学和技术资助委员会运营的DAFNI [30将此功能与基础设施和环境数据的更多实时来源相结合，开辟了一条通往数据知情决策支持工具的道路。一旦接收到数据，就需要以一种方式保存数据，即所采用的数字孪生建模方法可以允许与观察到的系统解耦，该工具用于通知维护和/或设计真实系统的未来操作;因此，数字孪生离线运行，以允许对真实系统进行改进[31]。因此，DAFNI设施的设计旨在摄取大量实时传感器数据，并与现有的静态数据量放在一起，然后将所有这些数据直接提供给建模和可视化工具套件。关于哪些数据集应该相互操作的复杂性正在形成一个正在进行的开发的重点，以建立IRO方法将有助于运营商能够确定哪些数据主题适合纳入建模方法。然而，另一个挑战是所持有的数据的绝对数量和多样性，因此，与此相关的是需要通过相关的元数据记录来实现有效的数据发现，借鉴DCAT等标准[19]。通过这些方法的结合，DAFNI旨在通过更好地共享和使用数据，利用模拟和优化技术，以及与利益攸关方的合作通过可视化的方式。5. 结论与讨论DEE包括具有广泛测量和致动能力的传感器架构，与基于云的计算方法相结合，能够实时吸收环境和人类用户输入，产生用于监测和管理环境状态的网络相关输出。在本文中，我们探讨了不同的案例研究，以显示在该领域的进展。使用RTTC分析测试工具包，迄今为止的进展已经确定了许多与网络设计广泛相关的领域（意味着网络组件的选择，其物理布局和操作模式）以及相应的潜在解决方案。RTTC的成果提供了一个示范，这种类型的在RTCC分析测试套件开发过程中吸取的许多经验教训具有更广泛的适用性，并将影响当前的活动，例如克兰菲尔德大学生活实验室的持续发展。克兰菲尔德大学城市观测站扩大了RTTC在一个功能和特色的校园/半城市环境的实验室背景下。RTTC框架将作为克兰菲尔德城市观测站的一部分部署，因此将与各种其他城市观测站应用程序集成，目的是探索可能纳入RTTC在该领域的可行和有价值的扩展的途径。低成本传感器的质量正在迅速提高，许多传感器已经适用于室内和室外空气质量[32]。它们更大的灵活性和更低的成本意味着它们可以以无处不在的方式部署，并用于解决比传统的更昂贵的仪器更多的问题，例如那些专门开发的仪器。以满足监管需求。 复杂性的相应增加这反过来又导致了实质性数据集的创建和越来越容易获得。需要相应的预测分析、机器学习和流分析来挖掘和揭示大量、快速变化、多样化、结构化和非结构化数据源中的模式和集群，以开发数据智能。这些大数据方法通过拥抱和扩展传统的信息学方法提供了广泛的机会，允许传统上无法实现的数据处理水平[33]，但现在变得越来越必要。然后，可以利用DAFNI等设施来实现来自众多基础设施和环境传感器网络的数据。它们可以与现有数据的实质性“数据湖”一起部署 这些工具用于观察复杂系统，调查特定缓解措施的影响，并有可能通过“后报”方法为理解先前的结果模式提供基础信用作者声明两位作者在这份手稿中确认了他们的同等贡献。竞合利益作者声明，他们没有已知的可能影响本文所报告工作确认作者希望感谢比尔梅林达盖茨基金会和更广泛的RTTC团队在克兰菲尔德大学和合作机构。&作者还要感谢克兰菲尔德水科学研究所实验室、克兰菲尔德竞争性创意设计中心、克兰菲尔德能源中心和克兰菲尔德大气信息学和排放技术中心。克兰菲尔德大学城市观测站由UKCRIC：城 市 观 测 站 （ Strand B ） - （ EPSRC EP/P016782/1 ） 和 UKCRIC -CORONA ： 城 市 观 测 站 研 究 平 台 （ iNesthetic and Analytics 项 目 ）（EPSRC EP/R 013411/1）资助。这些与UKCRIC国家基础设施数据库、建模、模拟和可视化设施（EPSRC EP/R 012202/1）一起得到UKCRIC协调节点（EPSRC EP/R 017727/1）的支持，该节点为UKCRIC的持续协调提供资金。引用[1] 2005年10月27日，第一个在美国的美国人，他的名字叫“Cinderby S”，“Cinderby S”，“Durant I”，“Emmet B”，“Harris J”，“Hicks K”，“Oliver T”，“Paterson D”，“White P”. 大数据和生态系统研究计划。 Adv Ecol Res2014：51-77.[2] 放大图片作者：Pollard JA，Spencer T，Jude S.沿海洪水风险评估和应急规划的大数据方法。WIREs Clim Change2018;9：e543.[3] ISO。信息技术.开放系统互连.基本参考模型：基本模型。ISO/IEC 7498-1：1994。https://www.iso.org/standard/202www.example.com [2022年2月]。[4] 美国电气与电子工程师协会。IEEE低速率无线网络标准IEEE 802.15.4-2020。https：standards.ieee.org/standard/802_15_4-2020.html. [2022年2月]。[5] 富士通有限公司白皮书链接数据：连接和利用大数据。2012年3月参考号：3378，由I. Mitchell和M.威尔逊富士通服务有限公司; 2012年。第1-21页。 2012年。[6] Jagadish HV 大数据与科学：神话与现实大数据研究2015;2：49-52.[7] 马尔湾大数据：使用SMART大数据、分析和指标来做出更好的决策并提高绩效。Cichester：Wiley; 2015258pp.[8] Maier D，Megler VM，Baptista AM，Jaramillo A，Seaton C，Turner PJ.在数据 海洋中航行。科学和统计数据库管理会议; 2012年。在新的数据来源，部分来自相关的减少，p. 1-19乌布涅夫斯基Z，在过去十年中，数据生成和存储的成本，[9] Moszynski M，Kulawiak M，Chybicki A，Bruniecki K，Bielinski T，斯捷普诺夫斯基河基于Web的市政地理信息系统M.I. Mead等阵列14（2022）1001689利用地球观测卫星数据监测沿海地区和沿海地区的安全和威胁。MarGeodes2015;38：203-24.[10] Singhal A， Pant R ， Sinha P. AlertMiX ： 多 源 流 数 据 的 大 数 据 平 台 。https://arxiv.org/ftp/arxiv/papers/1806/1806.10037.pdf网站。[2022年2月]。[11] Rumson AG，Hallett SH.开放海岸。海洋海岸管理2018;160：133-45。https://doi.org/10.1016/j.ocecoaman.2018.04.015网站。[12] Caird SP，Hallett SH.智慧城市发展的评估设计JUrban Des 2018;24（2）：188-209. https://doi.org/10.1080/13574809.2018.1469402.[13] Rumson AG，Hallett SH，Brewer T.沿海风险适应：可访问地理空间大数据的潜在作用。JMar Pol 2017;83：100-10.https://doi.org/10.1016/j.marpol.2017.05.032.[14] 放大图片作者：Choi T-M，Lambert JH.利用大数据进行风险分析。Risk Anal2017;37：1435-42.[15] Romero JM，Hallett SH，Jude S.利用大数据工具和技术：应对水质部门的挑战。可持续发展2017;9：2160。https://doi.org/10.3390/su9122160网站。[16] 卡斯塔内多湾数据融合技术综述Sci WorldJ 2013;2013（704504）：19.https://doi.org/10.1155/2013/704504网站。[17] ISO。地理信息.元数据.第1部分：基本原理ISO 19115-1：2014。http