刘高朋_外文译文_模块化物联网室内空气质量实时监测平台_2026-04-15

外文译文

题目信息

• 原文题目：A Modular IoT Platform for Real-Time Indoor Air Quality Monitoring
• 中文题目：面向室内空气质量实时监测的模块化物联网平台
• 作者：Mohieddine Benammar，Abderrazak Abdaoui，Sabbir HM Ahmad，Farid Touati，Abdullah Kadri
• 刊物：Sensors，2018，18(2): 581
• DOI：10.3390/s18020581
• 原文链接：https://pmc.ncbi.nlm.nih.gov/articles/PMC5855879/
• 用途说明：作为《基于嵌入式的二氧化碳监测与预警器设计》的外文译文附件材料。

摘要

空气质量对人体健康与生活舒适度的影响已被广泛证实。在许多社会环境中，老年人与青少年等敏感人群的大部分时间都处于室内，因此室内空气质量监测具有十分重要的现实意义。围绕实时室内空气质量监测，研究人员越来越多地采用无线传感器网络开展系统设计。该文提出了一种端到端的室内空气质量监测系统，可对二氧化碳、一氧化碳、二氧化硫、二氧化氮、臭氧、氯气以及环境温度、相对湿度进行测量。在此类系统中，远程用户通常通过本地网关把监测现场的无线传感节点接入外部网络，以实现数据的泛在访问。文章重点讨论了网关在空气质量数据处理、可靠转发以及通过 Web 服务器向用户发布数据中的作用，并给出了在互联网中断情况下进行数据备份与恢复的实现机制。系统接入开源物联网平台 Emoncms，用于实时监测与长期存储监测数据。作者采用模块化架构，使系统具有良好的可扩展性，能够平滑兼容不同传感技术、无线传感网络以及智能移动终端标准。文中给出了较完整的硬件和软件设计细节，并通过多地点采集结果验证了系统的可行性。

1 引言

室内外空气质量问题正日益受到公众和政策制定者的重视。虽然欧美国家在一氧化碳、二氧化硫、铅等污染物控制方面已取得一定进展，但二氧化氮、臭氧、颗粒物及部分有机污染物依然对人体健康构成明显威胁。相关统计研究表明，人们约有 90% 的时间处于办公室、学校、住宅和商场等封闭空间中，因此开展实时室内空气质量监测具有明显必要性。

作者指出，若能同时采集多个地点的空气质量数据并进行联网发布，用户便可及时了解目标场所的空气状况；而建筑通风管理者也能够据此优化通风策略，避免因缺少实时数据而采取成本较高的过度通风措施。在酷热或严寒地区，室外新风的温度调节需要额外能耗，因此准确掌握室内污染物水平不仅关系健康，也关系建筑运行成本。

在文献综述部分，作者对既有室内空气质量监测系统进行了比较，指出已有方案虽然在低成本监测、无线通信或云端展示方面各有贡献，但多数系统存在局限，例如：传感节点直接联网、缺少本地网络层次；网关只做简单转发、未考虑断网情况下的数据重传；系统依赖有线结构、缺少现场部署灵活性；或者仅停留在仿真与实验室阶段，尚未形成稳定的端到端嵌入式实现。基于这些不足，文章提出要构建一个同时覆盖传感节点、无线网络、网关和物联网服务器的完整系统，并重点保证通信可靠性。

2 提出的室内空气质量监测系统

2.1 系统总体架构

该系统采用端到端架构，可在多个监测点同时采集空气质量数据，并将数据处理后上传至物联网服务器，以图表和表格两种方式提供给远程用户。每个监测点内部由若干个传感节点和一个网关组成：传感节点负责采集环境参数并通过 XBee PRO 无线模块发送，网关负责接收、汇总、加时间戳并通过互联网发布。作者采用星型组网形式，适用于节点围绕网关分布的室内场景。

从系统思想来看，这种架构体现了较强的模块化特征：感知层负责多参数采集，无线层负责现场短距离传输，网关层负责边缘处理和缓存，平台层负责长期存储和远程访问。该思路与本文毕业设计中“传感器—主控—通信—上位端”的层次化设计具有较强参考价值。

2.2 系统硬件

2.2.1 传感节点

每个传感节点能够监测 6 种气体浓度，并同时采集温度与相对湿度。节点通过 XBee PRO 射频模块与网关通信，采用 Libelium 的模块化硬件平台实现。一个完整节点主要包括：经过标定的传感器组、Gas Pro Sensor Board 传感接口板、Waspmote 处理与存储板、Series 2 XBee PRO 无线模块以及可充电电池。Waspmote 板载 ATmega1281 微控制器，具备 Flash、SRAM、SD 卡、RTC 以及多种常用接口，可满足现场采集、缓存和无线通信需求。

文章列出的主要传感器规格如下。

其中，二氧化碳测量采用非分散红外（NDIR）原理；其余多种气体则采用工作在电流输出模式下的电化学传感单元。文章对三电极和四电极电化学传感器的接口原理进行了说明，指出接口板通过跨阻放大、电压偏置和 I2C 总线完成信号调理、量程匹配以及参数读取。作者同时强调，前端 EEPROM 中保存了传感器的标定信息，后续还通过实验室校准装置进行再标定，以提高测量可靠性。

2.2.2 网关

网关核心采用 Raspberry Pi 2 Model B。作者给出了其主要特性，包括 ARM 架构处理器、1 GB 内存、MicroSD 存储、以太网接口、多个 USB 接口以及较低功耗水平。网关既承担现场无线网络与互联网之间的桥接作用，也承担本地存储、数据处理和故障恢复控制任务。

文章通过存储容量估算说明了该方案的可行性。若系统每 15 min 采集一次数据，每条数据包约 114 字节，典型情况下一个网关接入 5 个传感节点，则每天仅需约 54.72 kB 存储空间。按照 6 GB 可用空间计算，本地长期缓存能力非常充足，足以支持极长时间的数据保存。此外，作者还指出，节点侧用于暂存未成功发送数据的栈空间占用很小，在恢复重传后即可释放。

在无线接入上，网关通过 USB-XBee 适配器接入 XBee PRO S2 模块；对外联网则优先使用以太网，也可以扩展 Wi-Fi 模块。作者认为 Raspberry Pi 具备较高灵活性，适合作为嵌入式网关平台。

2.3 软件与通信机制

2.3.1 传感节点固件

传感节点固件包含校准模式和测量模式两种工作状态，其中测量模式为默认模式。校准模式主要服务于实验室标定：通过温控舱和计算机控制的配气设备，获得不同气体浓度条件下的传感器输出，再将拟合得到的校正关系与传感器序列号对应保存。

在测量模式下，节点首先识别挂接的传感器序列号，随后完成预热、采样、均值计算、标定修正、本地存储和无线发送等操作。文中给出的典型流程为：调用相关库、初始化并上电各传感器、读取序列号、等待 90 s 预热、对每路传感器采集 5 次并求平均、按对应标定公式进行修正、写入带时间戳的数据、通过 XBee 发送到网关，然后进入休眠，约 13 min 后再次唤醒，形成 15 min 一次的周期测量机制。

作者另外设计了节点侧丢包重发机制。当节点向网关发送失败时，数据先存入本地栈结构；当通信恢复后，节点在空闲时间读取栈中的历史数据并重新发送，只有收到确认后才从栈中删除对应记录。这样可以避免短时通信异常导致测量数据永久丢失。

2.3.2 无线模块与网关侧处理

无线通信部分采用 XBee PRO 模块，支持协调器、路由器和终端设备等角色配置。文中说明，传感节点的无线模块配置为 End Device，网关侧模块配置为 Coordinator，并统一设置 PAN ID、串口波特率等参数，以保证网络正常组建和数据收发。作者还提到，网关程序使用 Python 和 XBee 二进制库完成数据解析。

在网关侧，系统主要包含两类并行运行的程序：一类负责从无线接口实时读取数据、提取字段、添加时间信息并上传至远程服务器；另一类负责在互联网中断后检查本地未上传数据栈，并在网络恢复后按原时间戳重新补发。作者认为，网关不应只充当“透明转发器”，而应承担一定的数据可靠性保障职责，这也是该文相较既有工作较突出的创新点之一。

2.3.3 物联网服务器接入

作者将采集系统接入 Emoncms 平台。该平台原本主要用于能源数据处理、记录和可视化，但通过调用其开放 API，也可以完成空气质量数据的写入、存储与展示。用户在平台注册账户后，可获得用于读写的 ApiKey；网关端通过这些接口直接向服务器上传测量结果。

文章还讨论了面向物联网应用的协议问题。作者认为，传统 TCP/IP 对资源受限设备并不总是最优，因此在物联网环境中常结合 6LoWPAN、REST、CoAP、MQTT 等协议栈进行设计。不过在该系统中，网关作为边缘节点已经具备较完整的处理能力，因此可以承担与云平台之间的接口适配和数据发布任务。

网关侧程序会持续检查上传响应。如果服务器返回成功状态，则说明数据已写入平台；否则就把未成功上传的数据写入待重传栈。另一个定时进程周期性检查该栈，并在互联网恢复后依次补发历史数据，使服务器仍能依据原时间戳把数据放回正确的时间位置。作者给出的估算结果表明，只需预留极小比例的存储空间，就能覆盖较长时间的断网恢复需求。

3 结果与分析

3.1 室内环境下的数据包丢失率评估

为评估 XBee PRO 模块在复杂室内环境中的通信性能，作者在卡塔尔大学图书馆某楼层进行了测试。测试场景中包含玻璃墙、混凝土墙、砖墙、大型木门和金属书架等多种障碍物。实验将网关固定在楼层中央离地约 1.5 m 的位置，再把传感节点放置在多个不同位置，分别采用单播与广播模式发送数据。

每个位置都向网关发送 5000 个数据包，每个数据包长度约 114 字节。通过统计网关成功接收的数据量，作者计算得到不同位置、不同传输方式下的数据包丢失概率。结果表明，障碍物类型和数量是影响通信质量的主要因素，且单播模式明显优于广播模式。对于玻璃隔断场景，两种模式的丢包率都较低；但在双层或三层混凝土墙阻挡条件下，广播模式丢包显著增大，而单播模式由于具有确认与重发机制，可靠性更高。作者据此认为，在实际室内部署中，应优先采用带确认的传输机制，以保证监测数据送达率。

3.2 卡塔尔大学场景下的室内空气质量监测结果

作者进一步在卡塔尔大学两个真实场景中采集了室内空气质量数据：一处是工程学院研究楼的大型开放办公区，另一处是化工实验室。办公区在工作日由研究人员长期使用，通过中央空调通风；实验室则配备通风橱，并由授权人员开展涉及多种气体的实验。

在办公区监测结果中，工作日的 CO2 浓度大致从早上 7 点开始上升，在下午 4 点前后回落，峰值接近 1000 ppm，较好地反映了人员活动规律。周末由于人员较少，CO2 水平明显较低，仅在保洁活动时有轻微上升。作者同时分析了 O3、CO、Cl2、NO2、SO2 等气体的监测结果，指出部分气体的读数接近传感器精度上限，因此若用于严格合规判定，还需要选择量程更合适、精度更高的传感器型号。这一分析说明，监测系统不仅要能采到数据，还要关注传感器指标与具体应用场景之间的匹配问题。

在化工实验室场景中，CO2 变化与学生进入实验室及实验过程中的气体释放密切相关；系统还检测到了 CO、Cl2、NO2、SO2 的偶发痕量波动。作者观察到 CO 与 NO2 在某些时段具有较强相关性，并据此推断污染源可能存在一定共性。整体来看，系统能够在实际应用环境下持续记录多种参数，并把实验室和办公区两类场景的差异直观地呈现出来。

4 结论

文章提出了一种模块化、端到端的室内空气质量监测系统。该系统由无线传感网络、嵌入式网关和物联网服务器组成，能够在多个地点同步监测 6 种气体以及温湿度参数。与许多仅关注采集或展示的方案不同，该系统特别强调了通信可靠性：无论是节点到网关的无线传输，还是网关到服务器的互联网传输，都设计了备份与重发机制，以减少因链路异常导致的数据丢失。

作者认为，模块化设计提升了系统的扩展能力，使其能够根据不同应用需要增减传感节点或替换传感器种类。文中还通过真实场景监测结果说明，该平台不仅可用于学校楼宇与实验室等室内场景，也可以进一步扩展到其他城市环境。对于本文毕业设计而言，这篇文献的重要启发在于：一个成熟的空气质量监测系统不仅要有感知硬件，还需要把通信、缓存、平台接入和用户访问组织成完整闭环，才能真正形成可部署、可验证、可扩展的工程方案。

致谢、作者贡献与利益冲突说明

作者在文末说明，该研究得到卡塔尔国家研究基金相关项目资助。作者贡献方面，Mohieddine Benammar 负责整体研究组织，Benammar 与 Farid Touati 共同设计实验，Abderrazak Abdaoui 与 Sabbir HM Ahmad 负责实验实施，全部作者共同参与数据分析与论文修订。作者同时声明不存在利益冲突。