基于群智感知的城市噪声监测系统设计与实现
基于群智感知的城市环境监测系统研究与优化
基于群智感知的城市环境监测系统研究与优化近年来，随着城市化进程的加速和人们对城市环境质量的关注不断增加，基于群智感知的城市环境监测系统逐渐受到关注。
这种系统利用智能手机和其他传感器设备，通过收集来自公众的环境数据，实现对城市环境质量进行实时监测和评估，并为政府和公众提供决策支持。
本文将对基于群智感知的城市环境监测系统进行研究与优化。
首先，要研究基于群智感知的城市环境监测系统的设计和实施。
该系统的设计需要考虑数据收集、传输和处理的流程，以及公众参与的方式，以确保数据的可靠性和真实性。
同时，系统应支持不同类型的传感器设备，以收集多样化的环境数据，包括空气质量、噪音水平、温度等指标。
在系统实施过程中，需要建立相应的监测网络，并确保设备的正确使用和维护。
其次，要优化基于群智感知的城市环境监测系统的数据质量和准确性。
为了提高数据的质量，可以采用多种方法。
首先，通过大数据分析技术对收集到的数据进行筛选和处理，排除异常值和不准确的数据。
其次，可以引入数据校正和校准方法，提高传感器设备的测量准确性。
另外，可以通过建立动态的数据拟合模型，对不同环境参数进行相互校正，提高数据的一致性和可比性。
此外，基于群智感知的城市环境监测系统还需要进行数据的整合和可视化。
在数据整合方面，需要考虑不同传感器设备采集到的数据的格式和存储方式，确保数据的统一和一致。
在数据可视化方面，可以利用地理信息系统（GIS）技术，将数据以地图的形式展示出来，以便公众和决策者更直观地了解城市环境质量的分布情况和变化趋势。
同时，可以通过搭建在线平台，为公众提供实时的环境数据查询和监测服务，增强公众参与的意识和行动。
最后，基于群智感知的城市环境监测系统在应用过程中还需要解决一些问题。
首先是数据隐私和安全性问题。
由于系统需要收集和处理大量的个人信息和位置信息，如何保护这些数据的隐私和安全性是一个重要的问题。
其次是数据可信度和可靠性问题。
由于数据是由公众主动参与收集的，如何确保数据的可信度和可靠性是一个关键的挑战。
基于传感器的城市噪音监测系统设计
基于传感器的城市噪音监测系统设计随着城市化进程的加速，城市噪音问题日益严重。
噪音不仅会影响人们的生活质量，还可能对身心健康造成损害。
为了有效地监测和管理城市噪音，基于传感器的城市噪音监测系统应运而生。
一、城市噪音监测的重要性城市噪音来源广泛，包括交通、工业、建筑施工、社会活动等。
长期暴露在高强度噪音环境中，人们可能会出现听力下降、睡眠障碍、心血管疾病等健康问题。
此外，噪音还会影响学习、工作效率和心理状态。
因此，准确监测城市噪音水平对于制定有效的噪音控制策略、改善居民生活环境以及促进城市可持续发展具有重要意义。
二、系统设计目标与需求（一）设计目标构建一个实时、准确、可靠的城市噪音监测系统，能够全面覆盖城市区域，为相关部门和居民提供噪音数据，以便及时采取措施降低噪音污染。
（二）功能需求1、实时监测：能够实时采集噪音数据，并快速传输到数据处理中心。
2、高精度测量：准确测量噪音的强度、频率等参数。
3、定位功能：确定噪音源的位置，便于针对性地解决问题。
4、数据分析与处理：对采集到的数据进行分析，生成噪音分布地图、统计报告等。
5、预警功能：当噪音超过设定的阈值时，及时发出警报。
（三）性能需求1、稳定性：系统能够在各种恶劣环境下稳定运行，保证数据的连续性和准确性。
2、低功耗：传感器节点应具备低功耗特性，以延长电池使用寿命，减少维护成本。
3、扩展性：系统具有良好的扩展性，能够方便地增加监测点和功能模块。
三、传感器的选择（一）声学传感器声学传感器是系统的核心部件，用于检测声音信号。
常见的声学传感器有电容式、压电式和动圈式等。
电容式传感器具有灵敏度高、频率响应宽等优点，适用于高精度的噪音监测；压电式传感器则具有结构简单、成本低的特点；动圈式传感器在中低频段表现较好。
根据系统的性能要求和成本预算，选择合适的声学传感器。
（二）定位传感器为了确定噪音源的位置，需要配备定位传感器。
全球定位系统（GPS）和北斗导航系统是常用的定位技术。
基于群智感知的城市噪声检测与时空规律分析
基于群智感知的城市噪声检测与时空规律分析基于群智感知的城市噪声检测与时空规律分析是一种利用群体智能和感知技术来监测城市噪声并分析其时空规律的方法。
下面是一些关于该方法的详细分析：一、研究背景和意义城市噪声污染已经成为影响居民生活质量和健康的重要因素之一。
传统的噪声检测方法主要基于固定位置的传感器进行监测，难以覆盖整个城市区域，并且成本较高。
而基于群智感知的噪声检测方法可以利用大量普通用户的移动设备作为传感器，实现城市范围内的噪声实时监测，具有成本低、覆盖范围广等优势。
二、相关技术和理论1. 群智感知：一种利用大量普通用户的移动设备进行数据采集和分析的技术，可以实现对城市环境的实时监测和感知。
2. 城市噪声检测：利用声音传感器对城市中的噪声进行实时监测和分析，可以获取噪声的强度、频率等特征信息。
3. 时空数据分析：对采集的噪声数据进行时空分析，可以揭示噪声在城市中的分布规律和变化趋势。
三、城市噪声检测与数据采集方法1. 系统架构和设计：构建基于群智感知的城市噪声检测系统，包括数据采集、传输、处理和可视化等模块。
2. 数据采集方法：利用移动设备的麦克风作为声音传感器，采集城市中的噪声数据。
同时，结合GPS等定位技术，获取噪声数据的时空信息。
3. 数据传输和处理：将采集的噪声数据传输到云端服务器进行存储和处理。
利用云计算和大数据技术，实现对噪声数据的实时分析和处理。
4. 可视化展示：将处理后的噪声数据进行可视化展示，包括噪声地图、热力图等形式，方便用户直观地了解城市噪声的分布和变化趋势。
四、时空规律分析1. 时空分布规律：通过分析不同时间段和不同区域的噪声数据，揭示城市噪声的时空分布规律。
例如，工作日和休息日的噪声分布可能存在差异，商业区和居民区的噪声强度也可能不同。
2. 时空变化趋势：通过对长时间序列的噪声数据进行分析，揭示城市噪声的时空变化趋势。
例如，随着城市发展和交通流量的增加，某些区域的噪声强度可能逐渐升高。
《2024年基于混合感知的城市噪声监测系统研究》范文
《基于混合感知的城市噪声监测系统研究》篇一一、引言随着城市化进程的加速，城市噪声污染问题日益严重，给人们的生产生活带来了极大的困扰。
因此，建立一套高效、精准的城市噪声监测系统显得尤为重要。
本文将介绍一种基于混合感知的城市噪声监测系统，通过融合多种感知技术，实现对城市噪声的实时监测、数据分析和预警预报，为城市噪声污染治理提供科学依据。
二、混合感知技术概述混合感知技术是指将多种传感器技术、信号处理技术和人工智能技术相结合，实现对环境、物体和事件的全面感知和识别。
在城市噪声监测系统中，混合感知技术主要包括声学传感器、视频监控、气象传感器等。
这些传感器可以实时采集城市噪声数据、视频图像和气象信息，为后续的数据分析和预警预报提供支持。
三、系统架构设计基于混合感知的城市噪声监测系统主要包括数据采集层、数据处理层、数据存储层和应用层。
其中，数据采集层通过声学传感器、视频监控和气象传感器等设备实时采集城市噪声数据和相关信息；数据处理层对采集到的数据进行预处理、特征提取和模式识别等操作，提取出有用的噪声信息；数据存储层将处理后的数据存储到数据库中，以便后续的数据分析和应用；应用层则根据实际需求，提供实时监测、数据分析、预警预报等功能。
四、关键技术分析1. 声学传感器技术：声学传感器是城市噪声监测系统的核心设备之一，其性能直接影响到监测结果的准确性。
因此，选择高性能的声学传感器是保证系统准确性的关键。
2. 数据融合技术：混合感知技术需要融合多种传感器数据，因此需要采用数据融合技术对不同来源的数据进行整合和处理，以提取出有用的噪声信息。
3. 模式识别技术：模式识别技术可以对噪声数据进行分类和识别，进一步提高监测系统的准确性和可靠性。
4. 云计算和大数据技术：云计算和大数据技术可以实现对海量数据的存储和处理，为城市噪声监测系统提供强大的计算和支持。
五、系统实现与应用基于混合感知的城市噪声监测系统可以实现以下功能：实时监测城市噪声数据、数据分析与可视化、预警预报和治理决策支持等。
《2024年基于混合感知的城市噪声监测系统研究》范文
《基于混合感知的城市噪声监测系统研究》篇一一、引言随着城市化进程的加快，城市噪声污染问题日益突出，给人们的生产生活带来了诸多不便。
因此，城市噪声的监测与控制成为了亟待解决的问题。
传统的噪声监测方法虽然可以提供一定的数据支持，但往往存在监测范围有限、实时性差等问题。
为了更好地解决这一问题，本文提出了一种基于混合感知的城市噪声监测系统，旨在提高噪声监测的准确性和实时性。
二、混合感知技术概述混合感知技术是一种集成了多种传感器技术、数据处理技术和人工智能算法的技术。
在城市噪声监测系统中，混合感知技术主要利用声学传感器、振动传感器、视频监控等多种传感器进行信息采集，然后通过数据处理技术和人工智能算法对采集到的信息进行融合和分析，从而实现对城市噪声的准确监测。
三、系统架构设计基于混合感知的城市噪声监测系统主要由以下几个部分组成：传感器层、数据传输层、数据处理层和应用层。
1. 传感器层：该层主要负责采集城市噪声的各种信息，包括声学信息、振动信息等。
为了实现全面的信息采集，可以选用多种传感器，如声学传感器、振动传感器等。
这些传感器应具备高灵敏度、低噪声等特性。
2. 数据传输层：该层主要负责将传感器采集到的数据传输到数据处理中心。
为了确保数据的实时传输，可以采用无线传输技术，如4G/5G网络、WiFi等。
3. 数据处理层：该层负责对传输过来的数据进行处理和分析。
首先，通过信号处理算法对原始数据进行预处理，然后利用人工智能算法对数据进行融合和分析，最终得到城市噪声的监测结果。
4. 应用层：该层主要负责将数据处理结果进行展示和应用。
可以通过手机APP、网页等方式将监测结果展示给用户，同时还可以根据监测结果进行噪声控制策略的制定和实施。
四、系统实现及性能分析在实际应用中，基于混合感知的城市噪声监测系统可以实现对城市噪声的全面监测。
通过多种传感器的协同工作，可以获取更丰富的噪声信息，提高监测的准确性。
同时，采用人工智能算法对数据进行融合和分析，可以实现对城市噪声的实时监测和预警。
基于移动群智感知的城市环境监测系统设计与实现
基于移动群智感知的城市环境监测系统设计与实现随着城市化的不断发展，城市环境质量成为人们关注的焦点。
为了有效地监测和改善城市环境，基于移动群智感知的城市环境监测系统应运而生。
本文将详细介绍该系统的设计与实现。
一、系统设计基于移动群智感知的城市环境监测系统设计包括三个主要方面：数据采集、数据传输和数据处理。
1. 数据采集数据采集是系统的关键环节，其主要目的是通过移动设备感知城市环境的各项指标。
系统需要借助传感器技术获取气体浓度、噪声水平、温度湿度等环境参数。
同时，系统还可以通过移动设备的摄像头获取图像用于环境监测。
此外，用户可以通过系统的界面进行主动上报，将自己所处位置的环境情况反馈到系统中。
2. 数据传输为了实现大规模的数据采集，系统需要提供高效的数据传输机制。
采用无线通信技术，如4G/5G网络或Wi-Fi，将采集到的数据实时传输到云端服务器。
通过云端服务器，数据可以进行集中存储和分析，以供后续的环境管理和决策使用。
3. 数据处理在云端服务器上，数据将进行处理和分析。
数据处理包括数据清洗、归一化处理和数据融合等过程，以确保采集到的数据的准确性和一致性。
然后，通过数据分析和挖掘技术，提取城市环境的关键指标，如空气质量指数、噪音水平等，为城市管理者提供决策支持。
二、系统实现基于移动群智感知的城市环境监测系统可以通过以下步骤实现：1. 客户端开发客户端是用户与系统交互的界面，需要开发适用于移动设备的应用程序。
这个应用程序可以提供数据采集、环境信息展示和用户交互等功能。
开发者可以使用多种技术，如Android或iOS开发，来实现客户端的功能。
在应用程序中，用户可以选择感兴趣的环境指标，并在系统的指导下进行主动上报。
2. 数据传输数据传输需要依赖无线通信技术。
系统可以通过移动设备底层的网络接口，如4G/5G或Wi-Fi，建立与云端服务器的连接。
在数据传输过程中，系统需要保证数据的安全性和准确性。
可以使用传输层加密技术来保护数据的传输安全，并通过数据校验机制来验证数据的准确性。
城市噪音污染的实时监测系统设计与实现
城市噪音污染的实时监测系统设计与实现摘要：城市噪音污染已成为现代城市生活中普遍存在的问题，对居民的健康和生活质量产生负面影响。
本文基于此，旨在设计和实现一种实时监测系统，以解决城市噪音污染的管理和控制。
该系统集成了传感器技术、数据采集和处理方法，能够实时监测城市各个区域的噪音水平，并将数据传输到中央数据库供决策者和公众查询。
通过该系统，城市管理部门可以及时响应噪音问题，采取有效的措施来减轻噪音污染，从而提高居民的生活质量。
关键词：城市噪音污染、实时监测系统、传感器技术、数据采集、噪音管理引言：随着城市化的不断发展，城市噪音污染已成为一个日益严重的问题。
交通、建筑工地、工业设施等噪音源不断增加，对城市居民的身心健康产生了潜在威胁。
城市噪音不仅干扰了人们的生活和休息，还可能导致心血管疾病、精神压力和睡眠障碍等健康问题。
因此，建立一种有效的城市噪音污染监测系统至关重要，以便及时识别、管理和控制噪音源，改善城市居民的生活环境。
本文旨在介绍一种实时监测系统的设计与实现，该系统能够监测城市不同地区的噪音水平，并提供准确的数据用于决策和公众参与。
通过传感器技术的应用，我们可以实时采集城市噪音数据，将其传输到中央数据库，形成可视化的噪音地图。
这样，城市管理部门和决策者可以随时查询城市各区域的噪音情况，及时采取措施来降低噪音水平。
一、噪音污染的危害与挑战城市噪音污染已成为现代城市生活中普遍存在的问题，给居民的生活和健康带来了严重的危害和挑战。
噪音污染是指城市环境中不受欢迎的声音，通常是由交通、工业、建筑工地、社会活动等多种因素引起的。
噪音污染不仅对人们的身体健康产生负面影响，还对心理健康和社交互动造成了一系列挑战。
噪音污染对居民的身体健康构成了威胁。
长期暴露于高噪音环境中，会导致心血管疾病、高血压、听力损伤等健康问题的增加。
高强度噪音还可能引发头痛、失眠、恶心等不适症状，影响人们的日常生活。
特别是对于老年人和儿童，其生理和心理更加脆弱，更容易受到噪音的危害。
群智感知技术在城市环境监测中的应用研究
群智感知技术在城市环境监测中的应用研究随着城市化进程不断加快，城市环境污染问题成为了普遍关注的话题。
传统的城市环境监测手段单一且效率低下，无法满足城市化进程下城市环境监测的需求。
在这样的背景下，群智感知技术应运而生，成为一种新型的城市环境监测手段，逐渐引起人们的关注。
一、群智感知技术的基本概念群智感知技术是指以智能手机、传感器等移动设备为基础，用户通过移动应用程序向云端上传自己感知到的信息，从而达到利用大数据分析实现环境监测的目的。
群智感知技术基于智能手机大量普及、用户参与度高、数据采集简单等特点，将城市环境监测的数据收集效率提高到了一个前所未有的水平。
二、群智感知技术在城市环境监测中的应用1. 空气质量监测群智感知技术可以利用智能手机自带的传感器，采集并上传实时的环境数据，如PM2.5、温度、湿度等。
基于这些数据，可以有效地监测城市的空气质量，以及实现智能化空气质量预警，提供给政府、媒体及公众等相关部门和个人参考。
2. 噪声监测群智感知技术也可以利用智能手机的麦克风进行噪声数据采集。
如在城市的交通繁忙地段，智能手机可以实时采集交通噪声等数据，并上传至云端进行大数据分析，从而了解城市噪声污染的情况，对环保和城市规划有所启示。
3. 污染物监测群智感知技术可以搭载一些特定的传感器，如甲醛、苯等VOCs及CO等污染物的传感器，对城市中的化学污染物进行监测。
三、群智感知技术在城市环境监测中的优势1. 普及率高：随着智能手机的普及，群智感知技术可以较大程度上实现覆盖率高、采集信息精确的效果。
2. 数据快速更新：传统的城市环境监测方法需要大量的时间和人力维护，而群智感知技术可以依托智能手机的实时监测和数据上传功能，实现近乎实时的数据更新。
3. 成本低廉：采用传统的城市环境监测方法需要花费大量的设备、人力以及维护费用，而采用群智感知技术则显得成本更加低廉。
四、群智感知技术在城市环境监测中遇到的问题1. 数据的可信度：由于群智网上舆论比较复杂，数据可能受到虚假俞言、互联网水军或者个人主观认知影响，因此数据的可信度主观因素也会影响数据的可靠性，2. 数据分析难度：群智感知技术所采集的数据量大，数据类型多，数据分析难度相应增加，如何提高群智感知数据分析的准确性将是一个重大的难题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于群智感知的城市噪声监测系统设计与实
现
赵立鹏季磊
摘要：在现代化城市中，噪声污染问题正在逐渐蔓延。
如果长期处于噪声环境中，人的身心健康会遭受伤害。
传统解决方案采用无线传感器网络，通常需要花费大量的人力、物力和财力来实施和维护，整个工程的实施成本很高。
另一方面，随着智能手机的普及，移动互联网技术的快速发展，基于群智感知技术的城市噪声监控系统可以借助普通用户的贡献数据来估量城市的总体噪声状况，大大降低噪声监控的成本。
然而，群智感知技术的应用需要解决几个关键问题。
首先是智能手机测量的噪声误差较大，精度远小于标准噪声仪。
其次监测时涉及用户定位信息的上传，用户隐私的保护非常重要。
在涉及用户隐私方面，采用了参与式感知的形式，让用户自主选择上传噪声采样数据，降低了用户隐私泄露的风险。
数据存储基于云端服务器搭建，以获取较好的扩展性和灵活性。
关键词：群智感知；智能手机；噪声监控；数据可视化；云技术
TP315 ：A ：1009-3044（2018）22-0190-02
1 背景
通常所說的噪声污染是指人为造成的。
从生理学的角度定义，凡是对人们日常生活产生影响的声音，统称为噪声。
噪音对于人们的身心的伤害可能是巨大的，并且已经被列为世界四大公害之一[1]。
如果长期在这种环境中工作，高血压、动脉硬化和冠心病等重大疾病的发生率也会比普通人高1至k倍[2]。
为了降低噪音污染的风险，许多国家很早开始监测噪音。
最常用的方法是绘制噪声图[3]。
2 相关技术
2.1 群智感知
学术界通常将利用普适的移动设备提供感知服务的物联网新型感知模式称之为“以人为中心的感知”[5]。
按照感知对象的类型和规模，这种感知模式的应用可以分为两类：个体感知[Persional Sensing]和社群感知[Community/Social Sensing]典型的个人感知应用包括监测个人运动模式（如站立、散步、慢跑、跑步等），以促进健康和监测个人的日常交通模式，记录个人的碳足迹等[6]。
相比之下，社群感知能够应对那些个体难以实现的大规模、复杂的社会感知任务[7]。
近年来，人们将众包与移动感知的概念相结合，让普通用户参与进来，他们的移动设备作为基本传感单元，通过移动互联网合作，形成群智感知网络，完成大规模、复杂的社会感知任务[8]。
2.2 用户感知方式
2.2.1 参与式感知
参与式感知的基本思想是让民众使用手机等移动终端设备收集并共享周围环境的感知数据，将这些信息用于各种创新性的服务[9]。
2.2.2 机会感知
机会感知通过直接或间接方式感知用户的行为，对用户干扰较小，但数据精度依赖于感知算法和应用环境，且机会感知需较高的隐私保护机制激励用户的参与。
因此在现实应用中较少[10]。
3 需求分析
噪声图是显示噪声分布的有力工具[13]。
它能够将地图上地理区域的噪声分布标注出来，可以反映噪声随空间的变化。
如果将时间戳添加到噪声分布图中，则可以同时看到噪声的空间和时间分布。
建立一个实时粒度噪声图，还需要识别一定范围（如一个城市）每个位置的噪声强度，并可以实时更新。
噪声图为噪声污染控制策略的制定提供数据，是数字城市的重要组成部分。
4 系统设计与实现
4.1 系统框架设计
设计中将系统根据功能划分为客户端模块、云服务（Web服务、数据库服务、高德地图服务、Docker容器服务）和管理端模块。
1）客户端模块
客户端基本功能是实现用户所处位置地图的展示，加载用户周围待采集数据的位置，同时客户端还具备使用麦克风进行环境声音录制并上传的功能。
根据方案设计框架图1所示：
客户端模块基于主流的androd平台。
该设计方案集成了高德地图服务用于对用户的地理位置进行实时发现并定位。
同时，安卓平台的手机传感器非常丰富，在噪声采集上设计采用手机自带的听筒进行环境声音的采集、存储和上传。
2）服务端模块
服务端模块设[本文来自于]计实现的基本功能是收集用户上传的噪声数据并通过Flask服务将数据写入云端的MongoDB数据库。
管理端通过对Web页面访问生成的噪声地图。
服务端框架图如2所示：
群智感知技术要求服务端具备海量的数据存储功能和大量用户数据的写入操作，所以方案设计采用云端服务作为服务端以增强存储和数据读写的灵活性。
4.3 客户端
APP的首页有四个底部标签页，第一个标签页是APP的主页，显示用户所在处的位置，下拉刷新时展示用户周围的监测点位置。
第二个标签页是噪声录制页，用户可以进行环境噪声的录制或取消。
第三个标签页是用户上传页，用户可以选择是否上传噪声数据。
手机应用与高德地图服务进行交互获取用户位置定位信息，以及通过OkHttp库进行网络通讯。
4.4 服务端
噪声监控的实现基于群智感知技术，由需求分析得出的设计方案要求服务端具备海量的数据存储功能和大量用户数据的并发写操作的承载能力，所以方案设计采用云端服务作为服务端以增强存储和数据读写的灵活性。
具体来说，服务端基于腾讯云服务器搭建。
系统基于ubuntu部署了三个Docker容器，同时为提高读写性能和开发效率，采用了文档型数据库MongoDB，并用三个MongoDB文档数据库容器搭建了一个三个节点的集群，包括一个主节点，两个从节点。
管理端访问服务使用Nginx作为Web服务器搭建，Web开发框架采用了Python 语言中流行的Flask创建。
在web地图开发上选择了与客户端开发相同的地图厂商高德，便于地图格式转换。
参考文献：
[1] 刘云浩. 群智感知计算[J]. 中国计算机学会通讯， 2012（8）.
[2] 王振丽. Android底层开发技术实战详解[M]. 北京：电子工业出版社， 2012（8）.
[3] 陈荟慧，郭斌，於志文. 移动群智感知应用[D]. 西安：西北工业大学， 2014.
[4] 范怀宇. Android开发精要[M]. 北京：机械工业出版社， 2012.
[5] 马建. 物联网技术概论[M]. 北京：机械工业出版社， 2011.
[6] 霍多罗夫，迪洛尔夫. MongoDB权威指南[M]. 程显峰，译. 北京：人民邮电出版社， 2011.
[7] 赵东，马华东. 群智感知网络的发展及挑战[J]. 信息通信技术， 2014（5）： 66-
70.
[8] 董伟明. Python Web开发实战[M].北京：电子工业出版社， 2016（9）.
[9] Jeff Nickoloff. Docker实战[M]. 胡震，译. 北京：电子工业出版社.
[10] 高群凯. 深入剖析Nginx[M]. 北京：人民邮电出版社， 2013.
[11] 李楠，冯涛，刘斌，等. 基于面向服务对象体系结构的交通噪声地图分布式计算方法[J]. 计算机应用， 2012（8）.
[12] Lindsay Bassett. JSON必知必会[M]. 魏嘉汛，译. 北京：人民邮电出版社，2016.
[13] 朱利安·丹乔. Python 高手之路[M]. 王飞龙，译. 北京：人民邮电出版社，2015.
[14] Riva O， Borcea C. The Urbanet revolution： Sensor power to the people！[J]. Pervasive Computing， IEEE， 2007， 6（2）： 41-49.
【通联编辑：谢媛媛】
-全文完-。