物联网如何在墨西哥部署以确保安全的饮用水

墨西哥有超过 1.2 亿人口，全国安装了数千个饮水机，为人们提供高效、一流的饮水服务。然而，通过在广大地理区域内的饮水机提供安全的供水，需要强大的技术基础设施来确保水的供应和质量，从而保护公众健康。

在本文中，我们概述了如何部署物联网 (IoT)、人工智能 (AI) 和机器学习 (ML) 来开发基于数学算法的预测系统，以确保水的可用性并预测流过的水的质量城市的管道。此外，我们还讨论了系统的预测性方面如何预测必要的维护服务，以提高供应链效率，这要归功于对来自官方来源的结构化和非结构化信息的分析以及来自物联网传感器的测量结果。

在此过程中，维护人员更有可能根据需要拥有对物理水系统进行维修和升级所需的零件和用品。

测量水的状态和质量

为了测量该国主要城市和大都市地区的水资源可用性，NDS 认知实验室实施了多个连接到 SigFox 网络的传感器。这些机械传感器专注于测量水系统的三个主要属性：体积、压力和流量。借助这个支持物联网的平台，数据团队收集了有关全国不同饮水机、管道和水箱中可用水的第一手数据。作为传感器的补充，微控制器和内存存储可提高系统的灵活性和可靠性。

每个模块在本地存储在定义的采样间隔内发生的每个用水事件的信息，在本例中为 10 分钟，确认现在是准确读取数据以推断全天用水模式的正确时间。在此间隔结束时，包含记录数据的报告通过 SigFox 网络传输到中央集线器，并开始新的采样间隔。

发送来自模块的信息后，SigFox 平台会处理数据，包括同步、错误检测和纠正，以及将其重新传输到 NDS 认知实验室平台，其中配置了 Azure IoT 中心端点来接收信息。

为了正确接收和存储来自 SigFox 平台的数据，配置的 API-KEY 用作发送的 HTTP 请求的标头。数据消息的正文具有以下 JSON 格式：

在 Azure IoT 中心接收到信息后，将执行 Azure 函数来预处理接收到的数据并将其插入 NoSQL 数据库，该数据库用作预测和分析平台的信息源。具体来说，系统使用 CosmosDB 和 MongoDB 驱动程序。

图 1：包括所有功能和组件的系统架构，从物联网传感器到用户网络。

预测性维护能力和优势

收集和分析这些信息后，开发团队继续进行项目的第二个挑战，即预测水质和必要的设备维护。

为了实现这些目标，数据团队从官方政府来源、联邦、州和市政办公室以及负责墨西哥水系统的政府办公室 (CONAGUA) 的数据库以及从私人组织，例如独立实验室。该信息具有不同的格式和时间性，因此，除了提取信息外，还对信息进行分析以获得各种水量指标，从而准确显示特定地理点的质量。

预测功能专注于预测安装在饮水机、深管和水箱中的过滤器和传感器的维护。它采用线性回归模型，该模型考虑了物联网传感器获得的不同关键变量，例如压力、体积、流量、过滤器寿命、该地区的水质和运行条件。

同样，通过这些分析，该平台建议使用最适合每个地理位置的条件和需求的某些类型的过滤器，同时考虑到更高的容量、反渗透、体积、压力、水的质量、使用寿命过滤器等参数。这样，该系统就是否需要关闭饮水机、进行维护、更换或添加过滤器或任何其他必要的维修提供建议，以确保公众的水质和可用性

在没有传感器的地理点的水质预测功能是可靠地向公众提供安全饮用水的另一个挑战。为此，开发团队使用了克里金算法，这是一种插值方法，能够使用从样本和非结构化信息中获得的数据来估计地理点中的变量，从而以尽可能小的方差获得最佳的线性和无偏估计。

系统的预测功能基于国家和国际标准要求的 17 个因素：电导率、水 pH 值、粪便大肠菌群、总大肠菌群、溶解固体、浊度、硫酸盐、氟化物、砷、锰、铅、铁、汞、铬、镉、硝酸盐和总硬度（由碳酸盐或碳酸氢盐形式的钙、镁、锶和钡离子引起的单个硬度的总和）。

为了预测供水系统中没有可用样本的点的上述每个参数的值，机器学习模型用于 17 个参数中的每一个。这些模型经过训练并以可重复使用的格式存储，在推理过程中应用（新点的预测）。

对于水质的估计，重要的是不仅要考虑附近地理点的先前测量值，还要考虑来自官方政府来源、联邦、州和市政办公室的信息，以及来自政府办公室的数据库。墨西哥的水系统 (CONAGUA) 以及独立实验室等私人组织。

通过分析来自样本的结构化信息以及来自政府和私人来源的非结构化信息，该系统能够提供最准确的测量结果。由于使用了这些技术、算法和分析，平台的准确率达到了 91% 以上，这意味着系统可以检测到 91% 的管道、饮水机和水箱出现问题的实例，实现更快、更准确的维护工作，以维持公众用水的质量和可用性。

数据可视化和 IAM 协议

为了显示收集到的所有信息以及预测和分析，开发团队使用 Flask 框架和 Python 作为后端的编程语言，创建了一个作为 REST API 的 Web 应用程序。该平台的前端是使用 AngularJS 开发的，AngularJS 是一种用于 Web 开发的 Javascript 框架，具有完全响应式设计，可以平滑地适应不同的设备，例如笔记本电脑、平板电脑和智能手机。

为了可视化数据，各种信息层用于不同的目的和负责系统的机构内的人员角色。专业展示的重点示例包括饮用水质量层、社会经济指标层（其中包括没有饮用水服务、没有接入电网、没有铺路和边缘化指数的房屋）、水资源压力可用性层、实验室层、饮水机层和废水质量层（后者的信息以 KMZ 格式获取每个已建立的参数，并从墨西哥负责水系统的政府办公室的数据库中获取）。Geo-JSON 格式用于在地图平台上呈现和可视化信息层，属于谷歌地图。

图 2：通过物联网传感器（测量）和估计值（通过克里金算法）显示优质水位置的用户界面。

为了提高用户体验和平台功能，利用信息过滤器，包括当前水状态（重污染、污染、坏、好、优）、具体信息参数、污染半径（通过使用热图）、信息源（取决于不同的传感器）或可定制的信息层组合。

图 3：用户界面显示以溶解固体计的水质热图。

最后，身份和访问管理 (IAM) 流程由 Auth0 服务启用，定义了不同的角色和用户类型。每个角色都被分配了一组特定的访问权限和权限，允许其仅访问与其对应的信息，从而确保信息的机密性并促进平台对每个角色的有效性。由于通过系统聚合了大量数据，因此用户必须配备工具来过滤与其特定工作职能无关的信息。

结论

随着该项目的全面部署，现在可以识别和预测任何市政当局何时需要在水系统中安装新的过滤器以保持水质和可用性。该系统带来了多重好处，例如降低维护成本、增加系统正常运行时间，最重要的是，确保向城市周围有需要的人提供安全可靠的供水。

这个项目对墨西哥来说非常重要，因为它代表了物联网、人工智能和机器学习等技术的使用，以及基于算法和数据科学的预测系统，应用于饮用水等常见事物。提供，最重要的是，维持城市或国家饮水机的供水服务需要强大的技术基础设施，以保障公众健康。

审核编辑 黄昊宇