Prieš kelis metus jutiklių tinklai buvo daugiau akademinis eksperimentas nei realus produktas – universitetų laboratorijose testuodavo, kaip keli belaidžiai daviklai gali persiųsti temperatūros duomenis vienas kitam per kelis šimtus metrų. Šiandien situacija visiškai kitokia. Miesto oro kokybės stotelės, upių lygio matuokliai, dirvožemio drėgmės sensoriai laukuose, net paukščių migracijos stebėjimo sistemos – visa tai remiasi tuo pačiu principu: išdėstyti daug mažų, energiją taupančių įrenginių, kurie renka duomenis ir juos persiunčia toliau apdorojimui. Įdomu tai, kad technologija, kuri prieš dešimtmetį atrodė brangi ir sudėtinga, dabar tampa prieinama net hobistams su Raspberry Pi ir ESP32 plokštėmis.
Kas iš tikrųjų yra jutiklių tinklas
Paprastai tariant, jutiklių tinklas (angl. sensor network arba WSN – wireless sensor network) susideda iš mazgų, kurie turi bent tris komponentus: patį jutiklį (matuoja temperatūrą, drėgmę, CO2, triukšmą ar bet ką kitą), mikrovaldiklį duomenų apdorojimui ir radijo modulį persiuntimui. Kiekvienas mazgas veikia kaip mažas, savarankiškas kompiuteris, dažnai maitinamas baterija arba saulės elementu.
Skirtingai nuo klasikinio tinklo, kur turite kelis stiprius serverius, čia logika apversta – daug silpnų, pigių įrenginių, kurie kartu sudaro galingą stebėsenos sistemą. Vienas mazgas gali sugesti, baterija gali išsikrauti, bet visa sistema turėtų toliau veikti, nes duomenys ateina iš dešimčių ar šimtų taškų. Tai vadinama atsparumu gedimams (fault tolerance), ir tai yra viena svarbiausių priežasčių, kodėl aplinkos stebėsenai renkamasi būtent decentralizuotas modelis, o ne kelios brangios, tikslios stotys.
Verta paminėti, kad ne visi mazgai vienodi. Yra vadinamieji „lyderiai” arba kaupikliai (aggregator nodes), kurie surenka duomenis iš aplinkinių mazgų ir persiunčia juos toliau, taip sumažindami radijo eismą ir energijos sąnaudas. Tai panašu į hierarchinę architektūrą, kur ne kiekvienas mazgas siunčia duomenis tiesiai į debesį – tarpinės grandys sumažina apkrovą.
Komunikacijos protokolai – kodėl LoRaWAN tapo tokia populiari
Čia prasideda tikrasis inžinerinis smagumas. Wi-Fi ryšys aplinkos stebėsenai dažniausiai netinka – jis ryja per daug energijos ir veikia trumpu atstumu. Bluetooth panašiai. Todėl per paskutinį dešimtmetį suklestėjo vadinamieji LPWAN (Low Power Wide Area Network) protokolai, o iš jų labiausiai paplitęs – LoRaWAN.
LoRaWAN leidžia mazgui persiųsti nedidelį duomenų paketą kelių kilometrų atstumu (miesto sąlygomis apie 2-5 km, atviroje vietovėje net iki 15 km) suvartojant vos keletą miliamperų per valandą. Baterija tokiame mazge gali tarnauti metus ar net kelerius metus, jei duomenys siunčiami retai – kas 10-15 minučių, o ne kas sekundę. Tai puikiai tinka, pavyzdžiui, upės vandens lygio stebėjimui, kur pokyčiai nevyksta akimirksniu.
Kitas variantas – NB-IoT (Narrowband IoT), kurį palaiko mobiliojo ryšio operatoriai. Jis patogus tuo, kad naudoja jau egzistuojančią infrastruktūrą (bazinės stotys), tačiau kainos už duomenų perdavimą gali susikaupti, jei mazgų daug. Zigbee, savo ruožtu, geriau tinka trumpesniems atstumams ir tinklo topologijoms, kur mazgai tarpusavyje sudaro tinklą (mesh), persiųsdami signalą vienas per kitą – tai naudinga miško ar pastato viduje, kur radijo signalas blogai prasiskverbia.
Pasirinkimas priklauso nuo konkretaus projekto. Jei stebite orų sąlygas plačiame lauke – LoRaWAN dažniausiai geriausias sprendimas. Jei reikia tankaus tinklo pastate su daug kliūčių – Zigbee mesh gali būti patikimesnis, nes signalas šoka nuo mazgo prie mazgo, apeidamas kliūtis.
Energijos klausimas – tikroji kliūtis, ne duomenų kiekis
Daugelis manosi, kad didžiausias iššūkis jutiklių tinkluose yra duomenų apdorojimas. Realybėje – tai energija. Įsivaizduokite tūkstantį jutiklių, išdėstytų miško plote stebėti gaisro riziką. Kas mėnesį keisti baterijas fiziškai neįmanoma, todėl energijos valdymas tampa pagrindiniu projektavimo kriterijumi.
Čia į pagalbą ateina energijos rinkimo technologijos (energy harvesting) – saulės elementai, kurie prisikrauna dienos metu, arba net piezoelektriniai elementai, kurie generuoja elektrą iš vibracijų (pavyzdžiui, tiltų stebėjimo sistemose). Saulės elementai su nedidele baterija leidžia mazgui veikti nepertraukiamai, nes energijos suvartojimas tarp siuntimų yra minimalus – dažniausiai mikrovaldiklis „miega” (deep sleep mode), pabusdamas tik matavimui ir siuntimui.
Praktinis patarimas tiems, kas planuoja tokį projektą: visada skaičiuokite ne vidutinį, o piko srovės suvartojimą. Radijo siųstuvas trumpam metu gali suvartoti dešimtis miliamperų, ir jei baterija nepajėgi tiekti tokios srovės (ypač šaltyje), mazgas tiesiog neveiks, nors baterijoje formaliai dar liks talpos. Tai dažna klaida hobistų projektuose – parenkama per silpna arba pasenusi baterija, kuri neatlaiko šuolio.
Duomenų apdorojimas: kraštinis kompiuteris ar debesis
Surinkti duomenis – tik pusė darbo. Kita pusė – kaip juos apdoroti taip, kad iš jų būtų nauda, o ne vien skaičių krūva duomenų bazėje. Čia iškyla klasikinis pasirinkimas tarp kraštinio skaičiavimo (edge computing) ir centralizuoto apdorojimo debesyje.
Kraštinis skaičiavimas reiškia, kad dalis logikos vyksta jau pačiame mazge arba netoliese esančiame šliuze (gateway). Pavyzdžiui, oro kokybės jutiklis gali pats nuspręsti, kad reikšmė peršoko normalų diapazoną, ir tik tada siųsti pranešimą, o ne kiekvieną minutę siųsti neapdorotus skaičius. Tai sutaupo ir energiją, ir tinklo pralaidumą.
Debesies apdorojimas, savo ruožtu, leidžia sujungti duomenis iš tūkstančių šaltinių, taikyti mašininio mokymosi modelius, ieškoti anomalijų ar prognozuoti tendencijas. Puikus pavyzdys – miško gaisrų prognozavimo sistemos, kurios sujungia dirvožemio drėgmės, temperatūros, vėjo greičio duomenis iš skirtingų mazgų ir bando modeliuoti gaisro plitimo tikimybę. Vieno mazgo duomenys čia mažai reikšmingi, tačiau visos sistemos vaizdas – jau vertingas.
Realybėje geriausi sprendimai naudoja abu principus – hibridinę architektūrą. Mazgas atlieka pirminį filtravimą (pvz., neišsiunčia duomenų, jei pokytis nereikšmingas), šliuzas agreguoja kelių mazgų informaciją, o debesis atlieka sudėtingesnę analizę ir ilgalaikį saugojimą. Tokiu būdu sumažinama tiek energijos sąnaudos, tiek tinklo apkrova, nepraradus analitinio gylio.
Kalibravimas ir duomenų tikslumas – dažnai pamirštama tema
Vienas dalykas, apie kurį entuziastai dažnai pamiršta iki pirmo realaus diegimo – pigūs jutikliai nėra tikslūs iš prigimties. Populiarus MQ-135 dujų jutiklis ar DHT22 drėgmės matuoklis gali rodyti gan didelį nuokrypį, ypač laikui bėgant arba keičiantis temperatūrai. Jei renkate duomenis moksliniam tikslui ar viešai statistikai, kalibravimas tampa būtinas, o ne pageidautinas žingsnis.
Praktiškai tai reiškia, kad reikia turėti bent vieną referencinį, brangesnį ir tikslesnį prietaisą, su kuriuo lyginami pigesnių jutiklių rodmenys, ir tada taikoma korekcijos formulė programiškai. Kai kuriose oro kokybės stebėjimo bendruomenėse (pvz., Sensor.Community projektas) tai daroma kolektyviai – lyginami tūkstančiai mazgų tarpusavyje, ir statistiškai išvedami korekcijos koeficientai regionui.
Kitas svarbus aspektas – jutiklio senėjimas. Elektrocheminiai dujų jutikliai bėgant metams praranda jautrumą, todėl sistema, kuri nenumato periodinio perkalibravimo ar bent jau senėjimo modelio, po metų ar dviejų gali rodyti klaidinančius rezultatus, net jei viskas techniškai veikia be trikčių.
Saugumas – dažnai antraeilis, bet ne mažiau svarbus klausimas
Kalbant apie IoT, saugumas visada lieka skaudi tema, ir jutiklių tinklai ne išimtis. Daugelis LoRaWAN diegimų naudoja šifravimą tinklo ir programos lygmenyje (NwkSKey ir AppSKey raktai), tačiau realybėje ne visi projektai tinkamai konfigūruoja šiuos raktus – kartais naudojami numatytieji arba lengvai atspėjami raktai, kas atveria kelią duomenų klastojimui.
Įsivaizduokite scenarijų, kur miesto oro kokybės sistema naudojama sprendimams dėl eismo apribojimų priimti. Jei kas nors gali įsiterpti ir siųsti klaidingus duomenis, pasekmės gali būti rimtos – nuo netikslių sprendimų iki visuomenės pasitikėjimo praradimo pačia sistema. Todėl, kad ir kokia maža atrodytų sistema, verta iš karto įdiegti tinkamą autentifikaciją tarp mazgo ir šliuzo, o ne pasikliauti vien fiziniu atokumu kaip apsauga.
Praktiniai patarimai norintiems statyti savo tinklą
Jei jau planuojate savo aplinkos stebėsenos projektą – nesvarbu, ar tai daržo drėgmės kontrolė, ar bendruomeninė oro kokybės stotelė – keletas dalykų, kuriuos verta apgalvoti iš anksto, gali sutaupyti mėnesius nusivylimo:
- Pradėkite nuo mažo prototipo su vienu ar dviem mazgais, o ne iš karto planuokite šimtą taškų. Radijo aprėptis realybėje visada skiriasi nuo teorinės, ypač miesto sąlygomis su pastatais ir medžiais.
- Renkitės protokolą pagal atstumą ir siuntimo dažnį, o ne pagal populiarumą. LoRaWAN puikus retiems, retai siunčiamiems duomenims, bet jei reikia beveik realaus laiko duomenų srauto – geriau žiūrėti į Wi-Fi ar NB-IoT su tinkamu maitinimo šaltiniu.
- Numatykite kalibravimo procedūrą nuo pat pradžių, o ne po metų, kai jau turite duomenų archyvą, kurio negalima retroaktyviai pataisyti be papildomos analizės.
- Testuokite baterijos elgesį šaltyje – žiemą daugelio baterijų (ypač Li-ion) talpa smarkiai sumažėja, ir mazgas gali tiesiog užgesti šaltą naktį, nors vasarą veikė be problemų.
- Nepamirškite fizinės apsaugos – korpusas nuo drėgmės ir UV spinduliuotės dažnai kainuoja daugiau nei pati elektronika, bet be jo mazgas ilgai gyvuoti negalės.
Vietoj tradicinės pabaigos: kur tai visa link mus veda
Jutiklių tinklai aplinkos stebėsenai jau nebe eksperimentas – tai infrastruktūra, kuri tyliai veikia fone, renka duomenis ir kartais net priima automatinius sprendimus be žmogaus įsikišimo. Kuo toliau, tuo labiau technologija juda link mažesnių, pigesnių, energetiškai savarankiškų mazgų, kurie geba patys „suprasti”, kada verta siųsti duomenis, o kada – tiesiog laukti.
Įdomiausia tai, kad barjeras įėjimui į šią sritį per pastaruosius metus smarkiai sumažėjo. Nebereikia būti elektronikos inžinieriumi, kad sukurtum veikiantį jutiklių tinklą – pakanka ESP32 ar STM32 plokštės, kelių atviro kodo bibliotekų ir noro eksperimentuoti. Tačiau nuo hobio projekto iki patikimos, moksliškai pagrįstos stebėsenos sistemos kelias driekiasi per kalibravimą, energijos valdymą ir saugumo sprendimus, kurių dažnai nesimato pirmame prototipe, bet kurie tampa lemiami, kai sistema veikia jau ne savaitę, o metus.
Jei tik ruošiatės pirmam žingsniui šioje srityje – nebijokite pradėti mažai, klysti ir perdaryti. Kiekvienas sugedęs mazgas, kiekvienas nukalibruotas jutiklis moko daugiau nei bet kokia teorinė instrukcija. O aplinkos stebėsena, skirtingai nei dauguma IT sričių, turi tą privalumą, kad rezultatas – švaresnis oras, geriau prižiūrimas miškas ar tiksliau valdomas laistymas – yra apčiuopiamas ir tiesiogiai naudingas, ne tik skaičiai ekrane.
