Введение: почему умный город не может без AI
Современный город генерирует терабайты данных каждую минуту. Датчики качества воздуха, шумомеры, счётчики трафика, метеостанции — всё это создаёт информационный шум, который человеку обработать невозможно. По данным исследования IoT Analytics (2025), к 2027 году число подключённых датчиков в умных городах превысит 50 миллиардов. Но главная проблема — не в сборе данных, а в их интерпретации и реакции. Именно здесь на сцену выходит AI-агент ASI Biont, способный не только подключаться к любому IoT-оборудованию, но и самостоятельно принимать решения на основе полученных данных.
В этой статье мы разберём реальную интеграцию датчиков Smart City (качество воздуха, уровень шума, плотность трафика) с AI-агентом ASI Biont через протокол MQTT. Вы узнаете, как настроить подключение без единой строки кода, автоматизировать уведомления при превышении ПДК, отправлять данные в Telegram и строить аналитику в реальном времени.
1. Что такое Smart City sensors и зачем их подключать к AI?
Smart City sensors — это сеть IoT-датчиков, установленных на столбах, зданиях и остановках. Типичный набор включает:
- Датчики PM2.5 и PM10 (взвешенные частицы)
- Датчики CO₂, NO₂, SO₂ (газовый анализ)
- Шумомеры (дБА)
- Радарные или камерные детекторы трафика
Без AI эти датчики просто шлют цифры в облако. С AI-агентом ASI Biont они превращаются в интеллектуальную систему, которая:
- Анализирует тренды загрязнения и предсказывает пики
- Автоматически уведомляет администрацию при превышении норм
- Интегрируется с Telegram-ботами для оповещения жителей
- Оптимизирует работу светофоров и систем вентиляции
2. Почему MQTT — идеальный протокол для Smart City?
MQTT (Message Queuing Telemetry Transport) — лёгкий протокол publish/subscribe, специально разработанный для IoT-устройств с ограниченными ресурсами. Он требует минимальной полосы пропускания, поддерживает шифрование и гарантирует доставку сообщений (QoS 0, 1, 2).
Для датчиков Smart City MQTT — стандарт де-факто:
- Низкое энергопотребление (датчики работают от батарей годами)
- Поддержка миллионов устройств на одном брокере
- Встроенная безопасность через TLS и аутентификацию
ASI Biont подключается к MQTT-брокеру через библиотеку paho-mqtt в sandbox-окружении execute_python. AI пишет скрипт, который подписывается на топики датчиков (например, city/air/quality), получает данные, анализирует и при необходимости публикует команды (например, city/alerts/high_pollution).
3. Пошаговая интеграция: от датчика к AI
Шаг 1. Установка и настройка bridge.py
ASI Biont не имеет прямого доступа к вашей локальной сети. Для связи с устройством через COM-порт или локальный MQTT-брокер используется Hardware Bridge — bridge.py. Этот скрипт вы скачиваете из дашборда ASI Biont (Devices → Create API Key → Скачать bridge).
Установка зависимостей:
pip install pyserial requests websockets
Запуск bridge.py:
python bridge.py --token=ВАШ_ТОКЕН --ports=COM3 --baud 115200 --rate=10
Bridge подключается к облаку ASI Biont через WebSocket (единственный канал связи) и обеспечивает доступ к COM-портам. Если ваши датчики подключены через MQTT-брокер в облаке (например, HiveMQ Cloud), bridge не нужен — AI подключается напрямую через execute_python.
Шаг 2. Подключение к MQTT-брокеру в чате с AI
Откройте чат с AI-агентом ASI Biont и напишите:
Подключись к MQTT-брокеру по адресу mqtt.citycloud.com:1883, логин sensor_user, пароль sensor_pass. Подпишись на топик city/+/data и выводи все сообщения в реальном времени. Если значение PM2.5 превышает 35 мкг/м³, отправь уведомление в Telegram-бот @my_city_bot.
AI сгенерирует и выполнит Python-скрипт в sandbox-окружении. Пример кода, который будет выполнен:
import paho.mqtt.client as mqtt
import requests
import json
TELEGRAM_BOT_TOKEN = "YOUR_BOT_TOKEN"
TELEGRAM_CHAT_ID = "YOUR_CHAT_ID"
def on_message(client, userdata, msg):
data = json.loads(msg.payload)
pm25 = data.get("pm25", 0)
if pm25 > 35:
message = f"⚠️ Превышение ПДК! PM2.5 = {pm25} мкг/м³ (норма до 35)"
requests.post(
f"https://api.telegram.org/bot{TELEGRAM_BOT_TOKEN}/sendMessage",
json={"chat_id": TELEGRAM_CHAT_ID, "text": message}
)
client = mqtt.Client()
client.username_pw_set("sensor_user", "sensor_pass")
client.on_message = on_message
client.connect("mqtt.citycloud.com", 1883, 60)
client.subscribe("city/+/data")
client.loop_forever()
Важно: sandbox-окружение имеет таймаут 30 секунд. Для долгоживущих подписок AI использует асинхронный подход или отправляет команду через industrial_command с протоколом mqtt.
Шаг 3. Альтернативный способ: Hardware Bridge + COM-порт
Если ваши датчики подключены к Arduino или ESP32 через USB, используйте bridge.py. AI отправляет команду через industrial_command:
industrial_command(
protocol='serial://',
command='serial_write_and_read',
data='524541440a', # "READ\n" в hex
port='COM3',
baud=115200
)
Bridge получает команду через WebSocket, отправляет её в COM-порт, читает ответ и возвращает результат AI. AI парсит ответ (например, "PM2.5: 42.1") и принимает решение.
4. Реальные сценарии автоматизации
Сценарий 1. Экологический мониторинг с уведомлениями
Задача: Датчики качества воздуха установлены в 10 районах города. При превышении ПДК по PM2.5 (>35 мкг/м³) или CO₂ (>1000 ppm) необходимо немедленно уведомить администрацию и жителей.
Решение через ASI Biont:
1. AI подключается к MQTT-брокеру (HiveMQ Cloud)
2. Подписывается на топики: city/+/air
3. Анализирует каждое сообщение
4. При превышении порога публикует в топик city/alerts и отправляет сообщение через Telegram Bot API
Пример команды в чате:
Подпишись на топик city/+/air. Если PM2.5 > 35 или CO₂ > 1000, отправь в Telegram: "⚠️ Превышение в районе {район}: PM2.5 = {значение}". Используй бота @eco_city_bot.
AI сам напишет код, настроит подписку и начнёт мониторинг.
Сценарий 2. Сбор данных для аналитики в реальном времени
Задача: Накопить данные с датчиков шума и трафика за месяц для построения тепловых карт и отчётов.
Решение: AI подключается к MQTT-брокеру, подписывается на топики city/noise и city/traffic, каждое сообщение записывает в CSV-файл с меткой времени. В конце периода AI строит графики (matplotlib) и сохраняет отчёт в PDF (fpdf2).
Пример фрагмента кода (выполняется в execute_python):
import paho.mqtt.client as mqtt
import json
import csv
from datetime import datetime
DATA_FILE = "city_data.csv"
with open(DATA_FILE, "a", newline="") as f:
writer = csv.writer(f)
writer.writerow(["timestamp", "sensor_type", "value", "unit"])
def on_message(client, userdata, msg):
topic = msg.topic
data = json.loads(msg.payload)
timestamp = datetime.now().isoformat()
with open(DATA_FILE, "a", newline="") as f:
writer = csv.writer(f)
writer.writerow([timestamp, topic, data.get("value"), data.get("unit")])
client = mqtt.Client()
client.on_message = on_message
client.connect("mqtt.citycloud.com", 1883, 60)
client.subscribe("city/noise")
client.subscribe("city/traffic")
client.loop(timeout=5.0)
Сценарий 3. Интеграция с Telegram-ботом для жителей
Задача: Жители хотят получать ежедневную сводку качества воздуха в своём районе и push-уведомления при ухудшении.
Решение: AI подключается к MQTT, агрегирует данные за сутки, формирует сообщение и отправляет через Telegram Bot API. Для push-уведомлений AI использует тот же механизм, что в сценарии 1.
5. Почему ASI Biont — лучший выбор для интеграции Smart City?
Без кода и без панелей управления
Вам не нужно разбираться в MQTT, Python или REST API. Всё, что требуется — описать задачу в чате. AI сам выберет протокол, напишет код и выполнит интеграцию. Никаких кнопок «добавить устройство» — просто диалог.
Универсальная поддержка протоколов
ASI Biont поддерживает все основные промышленные протоколы: MQTT, Modbus TCP, BACnet, OPC-UA, EtherNet/IP, CAN bus, CoAP, gRPC, HTTP API, WebSocket, SSH и COM-порт. Если ваш датчик говорит на любом из этих языков, AI его поймёт.
Масштабируемость
Один AI-агент может одновременно обслуживать сотни датчиков. Вы можете добавить новый датчик, просто написав: «Подключи новый датчик качества воздуха на улице Ленина, топик city/lenina/air». AI сам добавит подписку и начнёт сбор данных.
Реальная экономия времени
Ручная интеграция одного датчика через MQTT занимает 2-4 часа (написание кода, отладка, тестирование). ASI Biont делает это за 30 секунд. Для сети из 50 датчиков экономия — 100-200 человеко-часов.
Заключение
Интеграция датчиков Smart City с AI-агентом ASI Biont — это не просто автоматизация, а смена парадигмы. Вы перестаёте быть программистом, который вручную пишет код для каждого датчика, и становитесь архитектором, который ставит задачи и получает результат.
Хотите попробовать? Зайдите на asibiont.com, создайте API-ключ, скачайте bridge.py и напишите в чат: «Подключи датчики качества воздуха через MQTT и отправляй уведомления в Telegram при превышении ПДК». AI сделает всё остальное.
Умный город начинается с умного AI.
Комментарии