基于水联网的智能居家养老系统关键技术

张美润

（福建工程学院 福建省福州市 350118）

1 引言

根据第七次全国人口普查数据显示，2020年我国65 周岁以上老年人口达1.91 亿，占人口比重13.5%，比2010年上升了4.7%，说明我国即将进入深度老龄化社会。随着老龄化进程与家庭小型化、空巢化的现象日益突出，社会养老保障和养老服务的需求将急剧增加[1]。在我国规划的养老服务格局中，97%以上老人采用社区和居家养老模式，3%的老人采用机构养老。智能居家养老不仅可以保障家庭养老服务的专业化，还可以满足老人在熟悉的家庭环境养老，解决老年人需要亲情相伴等问题，已经成为符合我国老年人特点与需求的新型养老模式。

“智能居家养老”是现代技术革命推动催生的全球范围内的一场养老理念与模式创新，日益受到国内外的广泛关注[2]。随着科技进步与养老理念转变的双重影响，“智能居家养老”成了应对老龄化挑战、破解养老压力、提高养老服务质量与效率、促进养老产业转型创新升级的突破口与重要途径。基于物联网模式的“智能居家养老”系统包含了服务系统与信息平台、养老医疗服务系统、家庭监护系统和社区电子商务等模块，能够提供实时、快捷、高效、低成本的物联化、互联化、智能化的养老服务，可以解决目前所面临的养老服务内容单一，服务资源匮乏供需矛盾[3]。

2 系统简介

基于水联网的智能居家养老系统由硬件系统和软件平台两部分组成，硬件系统主要完成用水数据的采集和传输，软件平台主要针对数据进行建模分析、展示和预警。

（1）用水数据采集与传输。智能居家养老的水联网数据采集装置建立在市政机械式水表的基础之上，针对市面已在广泛使用的干簧管等磁敏指针式机械水表数字化改造方案所解决的精确计量问题，居家养老数量监控更关注的是实时用水起始时间、结束时间、瞬时用水流速和当次用水流量，考虑到用水监测所关注的是当次用水事件的实时流速、流量、起始/终止时间，故将实时流量转换为磁脉冲指针的旋转频率及周期脉宽，是准确记录当次用水事件（流速/时间/流量）曲线的更优方法。

采集装置的核心是一片STM32 的低功耗32 位处理器，其待机电流可达0.67uA。采集装置MCU 系统可在脉宽捕获模块或数据通信通道的触发下，退出低功耗模式，并进行数据处理或通信应答。采集装置使用3.6V 高密度锂电池，由于采用脉冲触发的实时监控策略，可大大降低了对基表监视的能量消耗，同时结合对MCU 外设时钟频率的自适应调节，以及NB-IoT 模块的低功耗设计，使系统功耗维持在最低水平，电池的待机工作能力要达到2-5年。基于频率计量和NB-IoT 的低功耗水联网采集装置如图1所示。

图1：基于频率计量和NB-IoT 的低功耗水联网采集装置

（2）软件平台基于水联网的居家养老的需求进行设计，平台由数据资源层、基础平台层、业务逻辑层、功能表现层构成，各层间的关系如图2所示。

图2：平台软件架构

平台软件使用开源的MySQL 数据库；平台软件具有WEB 层、数据处理层与数据采集层，各层之间通过Socket 通道进行通讯；平台软件集成了居家养老的档案信息管理、水联大网数据处理、生活状况监测与预警3 大功能；平台软件的数据处理层采用C/S 架构进行访问，WEB 层使用B/S 架构进行访问，支持多客户进行数据交互；同时，也可以使用安卓/苹果移动端对居家养老可能出现的预警信息及其对应的风险系数进行查询、响应和标记，使得亲人可以及时掌握应预警提示，志愿者和社区工作人员能够根据推送信息，进行个性化地关注及回访，提高居家养老服务的精准度和有效性。平台软件的数据流结构示意图如图3所示。

图3：数据流结构示意图

3 关键核心技术

3.1 NB-IoT实时用水信息智能采集装置

目前我国的水务系统仍以机械式水表和人工抄收月数据为主，无法远传和实时采集，即使采用价格较高的新型智能水表，其电池也仍无法支撑一日多次远传的实时用水信息采集的需要，所以有必要研制一款既能够避免供水管道改造，又能够满足高密度实时用水信息及时上传的普通水表低功耗和低成本的水联网数据采集器。

尽管干簧管及磁敏指针改造的机械水表传感装置采用预磁稳定或多点采集，力图解决水锤等造成临界点颤动的缺点，以确保计量信号准确输出，但在实际应用中，仍存在误动作。作为居家养老用水事件监测系统，因精确计量累计用水量已不是主要目的，反而准确地分辨出用水事件的属性是更为重要的，因此可避开精确计量水量数据问题，居家养老水联网数据采集器所针对的是解决实时用水所出现的采集密度较大、实时性要求高和电池供电系统功耗要低的问题，以及更关注实时流速和用水时标的特点，所以在水采集器的设计上，使用了事件触发和用水习性时区划分的方式，在节约电池能源的基础上实现高密度的实时用水事件及时上报；同时，水采集器会根据平台系统大数据挖掘的独居老人用水习惯所获得的用水习性区间和非习性区间，对其工作状态进行分类分级降耗和节能，并应用NB-IoT 低功耗蜂窝联网技术，综合解决居家养老用水数据在实时上报、智能化采集和待机过程的低功耗问题，以延长电池工作时间。

3.2 独居老人用水数据的分类识别

对采集终端所实时上报的用水数据（用水起始时间、结束时间和分段流速）进行分类，以统计用水容积和识别用水种类，是顺利进行信息挖掘的关键。当前已经涌现出了多种分类算法，其中极限学习机(Extreme Learning Machine,ELM)作为一种前馈神经网络的新型学习算法，它有比较简单的结构、较少的参数调整，以及较低的计算复杂度等优点，已经引起广泛的关注[4]。独居老人的生活用水的分类模型主要解决水联网采集终端实时上报的当前用水的速率、流量和起始、终止时间，初步实现烹饪、洗涤、饮用和沐浴等生活用水的分类，结合日常生活的习惯和天气因素、假期日历等因素，分析可能出现的异常风险，并给出日常生活状况风险评估的结论。

基于极限学习机的用水分类特征是各类用水平均速率、平均加速度和当次用水容积数。烹饪用水涉及食材准备、煮食用水和厨具清洁过程，其用水特征为多个开关龙头用水/关闭的组合，并且用水期间流速基本稳定，同时用水时间集中与早餐、午餐、晚餐和点心的时段；衣物洗涤过程的用水速率大，持续时间长；而水果清洁、手部清洁过程的持续时间短、用水速率大和用水量小；沐浴用水速率大，用水量较大，持续时间较长；卫生用水受抽水马桶阀门约束，储水速率先大后小的且用水容积稳定。

3.3 独居老人生活用水大数据的信息挖掘和生活状况评估算法

在一般的家庭用水中，烹饪、洗涤、饮用和沐浴等生活用水量占90%以上，通过生活用水进行大数据表示、模型构建、数据重建以及存储和优化，将水联网采集终端实时上报的用水数据结构化，从宏观层面构建每户正常用水量模型，融合用水数据内部隐藏的用户特性，结合先验知识构造多尺度的评价体系，挖掘出用水家庭的生活习性和健康用水规律，实现独居老人生活状况的智能挖掘和识别。同时，通过结构性知识为指导，构建不同用户的多尺度健康状态评价体系，将该体系用于独居老人用水分析上，最后建立一个动态检测与识别独居老人用水的多尺度检测系，可以对老人健康用水模型进行不断的优化，提高独居老人健康监测的准确率。

4 结语

基于水联网的智能居家养老系统在物联网、大数据等先进技术的支撑下，克服了传统养老产业在空间和时间方面的局限性，创新性地将实时水联网事件信息与独居老人生活状态评估相结合，建立用水大数据的智能挖掘模型，分析、评估居家养老独居老人的生活状况，并在平台系统的支撑下提供准确及时的预警。