分析从使用 LoRaWAN 网络的远程 IoT 系统收集到的大型数据集  

使用 Watson Studio 和 Python 数据科学软件包来辨明趋势并预测结果

Description

在本 Code Pattern 中,我们将演示如何分析 EPA 提供的大型空气质量数据集。这可被视为“智慧城市”用例。 我们会演示如何使用 Watson Studio 和 Python 数据科学软件包来分析大型数据集。Jupyter Notebook 提供了若干关于如何利用开源软件包来分析数据集的不同示例。

概览

本 Pattern 需要使用结构化数据集。可以通过各种方式生成此数据。其中一种方式就是遵照我们题为“为利用 LoRaWAN 网络的远程 IoT 系统设置硬件平台”的相关 Pattern 来操作,这里介绍了部署远程网络来收集传感器数据的完整过程。

作为替代方法,我们将使用 EPA 已生成的数据集,测量美国不同地区的污染水平。全年每小时采集一次测量值,这样我们就能够使用时间序列分析。

完成本 Code Pattern 后,您将掌握如何:

  • 在 Watson Studio 中创建 Jupyter Notebook。
  • 通过移除不必要的数据来清理数据集。
  • 使用 Pandas (Python Data Analysis Library) 查找数据集内的模式。
  • 使用“matplotlib”库创建图形,从而直观呈现高级别数据趋势。

流

  1. 终端节点设备现场捕获传感器数据。
  2. 捕获到的数据通过无线协议发送至网关。
  3. 网关将传感器数据转发至 Watson IoT Platform。
  4. Watson IoT Platform 接收到的数据包在 Cloudant 中进行归档。
  5. Watson Studio 导入归档数据,并使用 Juypter Notebook 处理数据。

Instructions

准备好行动了吗?有关详细操作说明,尤其是 Jupyter Notebook 执行的分析过程,参阅 README。

相关博客

借助 IoT 和 Node-RED 构建 Call for Code 应用

本文详细讲解了“Call For Code” 六大技术板块之一的物联网版块,帮助读者更好的了解“Call For Code”编程挑战赛。

继续阅读 借助 IoT 和 Node-RED 构建 Call for Code 应用

Call for Code 中诞生的“冠军鸭”, 了解一下

2018 年,解决方案 Project Owl 夺得了 Call for Code 全球挑战赛的冠军。这个搭载了物联网技术的软件与硬件结合的解决方案,可以确保在自然灾害发生时,救援先遣队能够与灾民及时联络。

继续阅读 Call for Code 中诞生的“冠军鸭”, 了解一下

相关链接

英文原文

本 Code Pattern 翻译自:Analyze large data sets collected from a long-range IoT system that uses LoRaWAN networking(2018-11-28)

IBM Cloud

一个横跨公共、私有和混合环境的全栈式云平台。

Internet of Things Platform

此服务是 IBM Watson IoT 的核心,支持您与连接的设备和网关进行通信并使用其中的数据。

LoRaWAN 白皮书

LoRaWAN 是一种专为物联网设计的无线网络协议。