{"id":23,"date":"2026-05-01T17:38:02","date_gmt":"2026-05-01T09:38:02","guid":{"rendered":"https:\/\/www.ycxhl.top\/?p=23"},"modified":"2026-08-23T11:26:59","modified_gmt":"2026-08-23T03:26:59","slug":"19","status":"publish","type":"post","link":"https:\/\/www.ycxhl.top\/fr\/archives\/19\/","title":{"rendered":"[\u9879\u76ee] \u57fa\u4e8e\u81ea\u8bad\u7ec3AI\u7684Mesh\u81ea\u9002\u5e94\u8def\u7531\u4f18\u5316\u7cfb\u7edf\u7814\u7a76"},"content":{"rendered":"

Redirection :M\u00e9moire de mod\u00e9lisation<\/a><\/h2>\n\n\n\n

Documentation du projet et pr\u00e9sentation de la recherche<\/strong><\/h1>\n\n\n\n

I. Contexte de la recherche<\/h1>\n\n\n\n

Actuellement, les r\u00e9seaux Mesh sans fil pr\u00e9sentent g\u00e9n\u00e9ralement le probl\u00e8me d'un \u201c signal fort mais d'une connexion instable \u201d. Les protocoles traditionnels tels que Zigbee et WIFI Mesh s'appuient sur un facteur unique de force du signal pour le choix de routage, sans pouvoir percevoir de mani\u00e8re globale des facteurs cl\u00e9s tels que le taux de perte de paquets de la liaison, les obstructions physiques et la charge des n\u0153uds. En cas d'interf\u00e9rences dynamiques telles que l'obstruction par des murs ou le d\u00e9placement de personnes, le r\u00e9seau est susceptible d'\u00eatre interrompu, ne peut pas s'adapter \u00e0 des environnements changeants\/complexes, et peine \u00e0 r\u00e9pondre aux besoins de communication dans des environnements particuliers.
Ce projet modifie le mode de d\u00e9cision traditionnel \u00e0 facteur unique et met en place une architecture de \u201c d\u00e9cision intelligente par IA \u201d. En d\u00e9ployant l'algorithme de for\u00eat al\u00e9atoire sur la puce ESP32-C6, chaque n\u0153ud se voit dot\u00e9 d'une capacit\u00e9 de d\u00e9cision ind\u00e9pendante, sans n\u00e9cessiter de participation du cloud. Le syst\u00e8me fusionne des caract\u00e9ristiques multidimensionnelles telles que la qualit\u00e9 du signal, le nombre de sauts de liaison, la charge des n\u0153uds et la stabilit\u00e9 de la liaison, r\u00e9alisant le passage d'une \u201c connexion passive \u201d \u00e0 une \u201c optimisation proactive \u201d, garantissant que le r\u00e9seau reste robuste, efficace et auto-r\u00e9parateur dans des environnements complexes et changeants.<\/p>\n\n\n\n

\n\n\n\n

II. Pr\u00e9sentation du projet<\/h1>\n\n\n\n

Ce projet construit un syst\u00e8me d'optimisation de routage adaptatif bas\u00e9 sur un algorithme d'IA.
Gr\u00e2ce au logiciel de simulation physique de r\u00e9seau sans fil OMNet++, une sc\u00e8ne contenant plusieurs murs et n\u0153uds de communication a \u00e9t\u00e9 construite, permettant d'obtenir 6959 donn\u00e9es d'entra\u00eenement de simulation. Ensuite, l'algorithme de for\u00eat al\u00e9atoire a \u00e9t\u00e9 utilis\u00e9 pour ajuster les donn\u00e9es de l'ensemble d'entra\u00eenement, aboutissant \u00e0 un mod\u00e8le math\u00e9matique avec un bon effet d'ajustement.
Ce mod\u00e8le peut \u00eatre approxim\u00e9 par une fonction (f est approxim\u00e9 par la for\u00eat al\u00e9atoire) :<\/p>\n\n\n\n

D<\/mi>e<\/mi>l<\/mi>i<\/mi>v<\/mi>e<\/mi>r<\/mi>y<\/mi>R<\/mi>a<\/mi>t<\/mi>i<\/mi>o<\/mi>=<\/mo>f<\/mi>(<\/mo>R<\/mi>S<\/mi>S<\/mi>I<\/mi>,<\/mo>H<\/mi>o<\/mi>p<\/mi>,<\/mo>C<\/mi>h<\/mi>i<\/mi>l<\/mi>d<\/mi>,<\/mo>L<\/mi>o<\/mi>s<\/mi>s<\/mi>)<\/mo><\/mrow>DeliveryRatio = f(RSSI, Hop, Child, Loss)\n<\/annotation><\/semantics><\/math><\/div>\n\n\n\n

Apr\u00e8s recherche, l'algorithme de pr\u00e9diction obtenu a \u00e9t\u00e9 d\u00e9ploy\u00e9 sur le microcontr\u00f4leur ESP32-C6 et des exp\u00e9riences ont \u00e9t\u00e9 men\u00e9es. Les r\u00e9sultats montrent que le mod\u00e8le obtenu dans cet article peut mieux prendre en compte des informations telles que la force du signal, le nombre de sauts de liaison et la charge des n\u0153uds lors de la s\u00e9lection du n\u0153ud sup\u00e9rieur, afin de choisir un n\u0153ud de qualit\u00e9 globale sup\u00e9rieure pour la constitution du r\u00e9seau.
Cet algorithme peut \u00eatre appliqu\u00e9 \u00e0 des sc\u00e9narios tels que le d\u00e9ploiement rapide de r\u00e9seaux dans de grands environnements complexes, et pr\u00e9sente une certaine perspective pratique.<\/p>\n\n\n\n

\n\n\n\n

III. Points forts essentiels<\/h1>\n\n\n\n

D\u00e9cision de routage par fusion multi-caract\u00e9ristiques<\/h2>\n\n\n\n

D\u00e9passant le mode de routage traditionnel qui repose uniquement sur la force du signal, il int\u00e8gre des caract\u00e9ristiques multidimensionnelles telles que le RSSI, la distance de transmission, la qualit\u00e9 de la liaison et la consommation d'\u00e9nergie, am\u00e9liorant la pr\u00e9cision des d\u00e9cisions de chemin.<\/p>\n\n\n\n

Constitution de r\u00e9seau intelligente modulaire<\/h2>\n\n\n\n

Chaque ESP32-C6 est une unit\u00e9 ind\u00e9pendante, les unit\u00e9s communiquent et n\u00e9gocient entre elles, et par le biais du mod\u00e8le de d\u00e9cision entra\u00een\u00e9, elles estiment l'indice de qualit\u00e9 des n\u0153uds en combinant diverses donn\u00e9es r\u00e9elles, permettant finalement de former un r\u00e9seau topologique optimal.
Apr\u00e8s la constitution du r\u00e9seau, que ce soit un ESP32 (C6\/S3\/C3\/8266), un t\u00e9l\u00e9phone, une tablette ou un ordinateur, tous peuvent acc\u00e9der au r\u00e9seau via ces n\u0153uds. Ces n\u0153uds jouent alors le r\u00f4le de routeur relais dans le r\u00e9seau.<\/p>\n\n\n\n

Entra\u00eenement d'un mod\u00e8le de pr\u00e9diction par ajustement bas\u00e9 sur l'apprentissage automatique<\/h2>\n\n\n\n

Collecte de donn\u00e9es via l'outil de simulation physique sans fil OMNeT++, utilisation de la for\u00eat al\u00e9atoire pour entra\u00eener le mod\u00e8le de s\u00e9lection de routage, coefficient de d\u00e9termination :<\/p>\n\n\n\n

R<\/mi><\/mrow>2<\/mn><\/msup>=<\/mo>0.965047<\/mn>,<\/mo><\/mtext>MSE<\/mi><\/mrow>=<\/mo>0.001571<\/mn><\/mrow>\\mathrm{R}^2 = 0.965047, \\mathrm{MSE} = 0.001571<\/annotation><\/semantics><\/math><\/div>\n\n\n\n

R\u00e9alisation d'une pr\u00e9diction de qualit\u00e9 de chemin \u00e0 haute pr\u00e9cision.<\/p>\n\n\n\n

\n
\"\"<\/figure>\n\n\n\n
\"\"<\/figure>\n\n\n\n
\"\"<\/figure>\n<\/figure>\n\n\n\n

D\u00e9ploiement en p\u00e9riph\u00e9rie de l'IA<\/h2>\n\n\n\n

D\u00e9ploiement du mod\u00e8le sur les n\u0153uds ESP32-C6 pour r\u00e9aliser une inf\u00e9rence locale en temps r\u00e9el, sans n\u00e9cessiter de participation du cloud, am\u00e9liorant la vitesse de r\u00e9ponse et la commodit\u00e9 des d\u00e9cisions du mod\u00e8le.<\/p>\n\n\n\n

Mod\u00e9lisation et impression 3D + conception de PCB<\/h2>\n\n\n\n

La conception du bo\u00eetier du terminal sera r\u00e9alis\u00e9e par mod\u00e9lisation et impression 3D, avec int\u00e9gration d'une batterie au lithium et d'un module de charge\/d\u00e9charge, et l'int\u00e9gration des circuits sera r\u00e9alis\u00e9e en soudant les diff\u00e9rents composants sur une carte de circuit imprim\u00e9 (PCB) con\u00e7ue et prototyp\u00e9e.<\/p>\n\n\n\n

\n
\"\"<\/figure>\n\n\n\n
\"\"<\/figure>\n\n\n\n
\"\"<\/figure>\n<\/figure>\n\n\n\n

Surveillance en temps r\u00e9el des donn\u00e9es\/structure dans le cloud<\/h2>\n\n\n\n

Le serveur (backend) sera construit avec le framework Python Flask, et d\u00e9ploy\u00e9 en conteneur Docker sur un serveur cloud Linux (Debian-12.0). Les pages frontend seront d\u00e9velopp\u00e9es avec Vue.JS pour permettre la surveillance en temps r\u00e9el de la topologie r\u00e9seau et des informations des n\u0153uds.<\/p>\n\n\n\n

\n
\"\"<\/figure>\n\n\n\n
\"\"<\/figure>\n<\/figure>\n\n\n\n
\n\n\n\n

IV. Illustration comparative avec les modes de connexion r\u00e9seau traditionnels<\/h1>\n\n\n\n

Situation normale<\/h2>\n\n\n\n
\"\"<\/figure>\n\n\n\n

Situations impr\u00e9vues possibles (obstruction du signal ou signal faible d\u00fb \u00e0 une distance \u00e9loign\u00e9e)<\/h2>\n\n\n\n
\"\"<\/figure>\n\n\n\n

Illustration comparative 1, 2 : Cette solution innovante pr\u00e9sente des avantages \u00e9vidents. Gr\u00e2ce \u00e0 l'int\u00e9gration d'un mod\u00e8le d'IA entra\u00een\u00e9, ce projet poss\u00e8de la capacit\u00e9 de s'adapter \u00e0 des environnements changeants et d'optimiser automatiquement la topologie r\u00e9seau, offrant ainsi une meilleure adaptabilit\u00e9, flexibilit\u00e9 et pr\u00e9visibilit\u00e9.<\/p>\n\n\n\n

\n\n\n\n

V. Perspectives d'application<\/h1>\n\n\n\n
    \n
  • Communications d'urgence sur site de catastrophe (environnement sans station de base)<\/li>\n\n\n\n
  • R\u00e9seau IoT intelligent<\/li>\n\n\n\n
  • R\u00e9seau de surveillance industriel \u00e0 faible consommation d'\u00e9nergie<\/li>\n\n\n\n
  • R\u00e9seau auto-organis\u00e9 pour maison intelligente<\/li>\n<\/ul>\n\n\n\n
    \n\n\n\n

    Journal de recherche<\/strong><\/h1>\n\n\n\n

    Un : Choix du sujet<\/h1>\n\n\n\n

    Situation actuelle :<\/strong>
    Les r\u00e9seaux Mesh sans fil actuels pr\u00e9sentent g\u00e9n\u00e9ralement le ph\u00e9nom\u00e8ne de \u201c signal fort mais instable \u201d.
    Probl\u00e8me identifi\u00e9 :<\/strong>
    Les protocoles traditionnels s'appuient sur une seule intensit\u00e9 de signal pour le choix de routage, sans pouvoir percevoir de mani\u00e8re globale des facteurs cl\u00e9s tels que le taux de perte de paquets de la liaison, l'occultation physique et la charge des n\u0153uds.
    Objectif de recherche :<\/strong>
    Construire un syst\u00e8me de r\u00e9seau Mesh intelligent robuste, efficace et auto-r\u00e9parateur.<\/p>\n\n\n\n

    \n\n\n\n

    Deux : Construction de l'environnement de simulation et collecte de donn\u00e9es<\/h1>\n\n\n\n

    Le logiciel de simulation physique de r\u00e9seaux sans fil OMNet++ a \u00e9t\u00e9 choisi pour construire les sc\u00e9narios.
    La logique de simulation repose sur les hypoth\u00e8ses suivantes :<\/p>\n\n\n\n

      \n
    1. Le sc\u00e9nario est une pi\u00e8ce en deux dimensions ; la passerelle, les terminaux, les relais et les murs sont g\u00e9n\u00e9r\u00e9s al\u00e9atoirement \u00e0 chaque tour.<\/li>\n\n\n\n
    2. Les murs sont simplifi\u00e9s en segments de droite ; le franchissement d'un mur par une liaison est d\u00e9termin\u00e9 par l'intersection de segments, et l'att\u00e9nuation du signal s'accumule lin\u00e9airement avec le nombre de murs travers\u00e9s.<\/li>\n\n\n\n
    3. Le r\u00e9seau est structur\u00e9 en arbre, avec la passerelle principale comme n\u0153ud racine.<\/li>\n\n\n\n
    4. Le nombre de sauts est d\u00e9fini comme la longueur du chemin du relais vers la passerelle (sauts de relais), et le nombre de sous-appareils est d\u00e9fini comme le nombre de n\u0153uds enfants directs de ce relais dans l'arbre.<\/li>\n\n\n\n
    5. L'impact d'affaiblissement du signal caus\u00e9 par les murs est calcul\u00e9 \u00e0 l'aide du mod\u00e8le corrig\u00e9 de perte de trajet en distance logarithmique.<\/li>\n<\/ol>\n\n\n\n
      P<\/mi>L<\/mi>=<\/mo>P<\/mi>L<\/mi>0<\/mn><\/msub>+<\/mo>10<\/mn>n<\/mi><\/mspace>journal<\/mi>10<\/mn><\/msub>\u2061<\/mo>(<\/mo>d<\/mi>d<\/mi>0<\/mn><\/msub><\/mfrac>)<\/mo><\/mrow>+<\/mo>N<\/mi>mur<\/mtext><\/msub>\u22c5<\/mo>A<\/mi>mur<\/mtext><\/msub><\/mrow>PL = PL_0 + 10n \\log_{10}\\left(\\frac{d}{d_0}\\right) + N_{\\text{wall}} \\cdot A_{\\text{wall}}<\/annotation><\/semantics><\/math><\/div>\n\n\n\n
        \n
      1. Plus le nombre de sous-appareils d'un n\u0153ud relais est \u00e9lev\u00e9, plus la charge du n\u0153ud est importante, et plus la probabilit\u00e9 de perte de paquets de donn\u00e9es est \u00e9lev\u00e9e.<\/li>\n\n\n\n
      2. Les paquets de donn\u00e9es pr\u00e9sentent une certaine probabilit\u00e9 de perte \u00e0 chaque \u00e9tape de retransmission par relais.<\/li>\n<\/ol>\n\n\n\n

        Sur la base des hypoth\u00e8ses ci-dessus :
        La logique de simulation est \u00e9crite en C++, comprenant la g\u00e9n\u00e9ration al\u00e9atoire de l'environnement (positions de la passerelle, des terminaux, des n\u0153uds relais et des murs), le calcul du RSSI et du nombre de sauts pour les chemins des terminaux vers chaque relais et des relais vers la passerelle, l'impact de la charge des sous-appareils sur le taux de r\u00e9ussite de la liaison, la perte probabiliste de paquets par les relais, les statistiques sur le taux d'accessibilit\u00e9 des paquets de donn\u00e9es envoy\u00e9s par la simulation, ainsi que la sortie des r\u00e9sultats au format CSV (RSSI, nombre de sauts, nombre de sous-appareils, taux de perte de paquets du n\u0153ud vers la passerelle, taux d'accessibilit\u00e9).<\/p>\n\n\n\n

        \n\n\n\n

        Trois : Traitement des donn\u00e9es, entra\u00eenement et optimisation du mod\u00e8le d'IA<\/h1>\n\n\n\n

        (I) Pr\u00e9traitement des donn\u00e9es<\/h2>\n\n\n\n

        Les donn\u00e9es comprennent au total 6959 enregistrements, chaque enregistrement \u00e9tant compos\u00e9 de 5 champs :<\/p>\n\n\n\n

          \n
        • Intensit\u00e9 du signal (RSSI_dBm)<\/li>\n\n\n\n
        • Nombre de sauts du n\u0153ud (HopCount)<\/li>\n\n\n\n
        • Nombre de n\u0153uds enfants du n\u0153ud (ChildCount)<\/li>\n\n\n\n
        • Taux de perte de paquets du n\u0153ud vers la passerelle (NodeToGatewayLossRate)<\/li>\n\n\n\n
        • Taux d'accessibilit\u00e9 des paquets de donn\u00e9es du terminal (DeliveryRatio)
          Parmi ceux-ci, RSSI_dBm, HopCount, ChildCount et NodeToGatewayLossRate sont utilis\u00e9s comme caract\u00e9ristiques.
          Le taux de reachabilit\u00e9 entre le terminal et la passerelle DeliveryRatio sert d'\u00e9tiquette (variable cible) pour la pr\u00e9diction du mod\u00e8le.
          Lire les donn\u00e9es csv via la biblioth\u00e8que pandas en Python.<\/li>\n<\/ul>\n\n\n\n

          (\u4e8c) Division de l'ensemble d'entra\u00eenement et de l'ensemble de test<\/h2>\n\n\n\n

          Division al\u00e9atoire des donn\u00e9es avec 20% comme ensemble de test et 80% comme ensemble d'entra\u00eenement.<\/p>\n\n\n\n

          (\u4e09) Ajustement de l'algorithme<\/h2>\n\n\n\n

          Utiliser la biblioth\u00e8que scikit-learn en Python pour construire respectivement les algorithmes de r\u00e9gression lin\u00e9aire, de r\u00e9gression polynomiale et de for\u00eat al\u00e9atoire.<\/p>\n\n\n\n

          (\u56db) Analyse des r\u00e9sultats<\/h2>\n\n\n\n

          (1) R\u00e9gression lin\u00e9aire<\/h3>\n\n\n\n
          R<\/mi><\/mrow>2<\/mn><\/msup>=<\/mo>0.622295<\/mn>,<\/mo><\/mtext>MSE<\/mi><\/mrow>=<\/mo>0.016977<\/mn><\/mrow>\\mathrm{R}^2 = 0.622295, \\mathrm{MSE} = 0.016977<\/annotation><\/semantics><\/math><\/div>\n\n\n\n\n\n

          L'effet d'ajustement est faible, la relation lin\u00e9aire entre les donn\u00e9es de caract\u00e9ristiques et les donn\u00e9es d'\u00e9tiquettes n'est pas \u00e9vidente.<\/p>\n\n\n\n

          \n
          \"\"<\/figure>\n\n\n\n
          \"\"<\/figure>\n<\/figure>\n\n\n\n

          (2) R\u00e9gression polynomiale (quadratique)<\/h3>\n\n\n\n


          Selon l'image, l'effet d'ajustement est l\u00e9g\u00e8rement meilleur que la r\u00e9gression lin\u00e9aire, mais des valeurs n\u00e9gatives apparaissent dans les pr\u00e9dictions aux faibles valeurs r\u00e9elles, le mod\u00e8le pr\u00e9sente un ph\u00e9nom\u00e8ne de surapprentissage.<\/p>\n\n\n\n

          R<\/mi><\/mrow>2<\/mn><\/msup>=<\/mo>0.836970<\/mn>,<\/mo><\/mtext>MSE<\/mi><\/mrow>=<\/mo>0.007328<\/mn><\/mrow>\\mathrm{R}^2 = 0.836970, \\mathrm{MSE} = 0.007328<\/annotation><\/semantics><\/math><\/div>\n\n\n\n
          \n
          \"\"<\/figure>\n\n\n\n
          \"\"<\/figure>\n<\/figure>\n\n\n\n

          (3) For\u00eat al\u00e9atoire<\/h3>\n\n\n\n


          En raison de la relation non lin\u00e9aire entre les caract\u00e9ristiques et les \u00e9tiquettes, et de la pr\u00e9sence de bruit dans les \u00e9chantillons, apr\u00e8s analyse, cet algorithme est une m\u00e9thode de pr\u00e9diction conforme aux exigences.<\/p>\n\n\n\n

          R<\/mi><\/mrow>2<\/mn><\/msup>=<\/mo>0.965047<\/mn>,<\/mo><\/mtext>MSE<\/mi><\/mrow>=<\/mo>0.001571<\/mn><\/mrow>\\mathrm{R}^2 = 0.965047, \\mathrm{MSE} = 0.001571<\/annotation><\/semantics><\/math><\/div>\n\n\n\n
          \n
          \"\"<\/figure>\n\n\n\n
          \"\"<\/figure>\n<\/figure>\n\n\n\n
          \n\n\n\n

          Quatre : D\u00e9veloppement mat\u00e9riel et d\u00e9ploiement<\/h1>\n\n\n\n

          C\u0153ur :<\/strong>
          S\u00e9lection du microcontr\u00f4leur ESP32-C6 comme unit\u00e9 de contr\u00f4le centrale. D\u00e9ploiement de l'algorithme de pr\u00e9diction entra\u00een\u00e9 sur le n\u0153ud ESP32-C6. Perfectionnement de la logique de base.
          Structure :<\/strong>
          Conception du bo\u00eetier du terminal par technologie de mod\u00e9lisation et d'impression 3D. Ach\u00e8vement de la conception et du prototypage du circuit imprim\u00e9 PCB.
          Fonctionnalit\u00e9s :<\/strong>
          Int\u00e9gration d'une batterie au lithium et d'un module de charge\/d\u00e9charge, d'un interrupteur, d'un \u00e9cran OLED.
          Capacit\u00e9 de mise en r\u00e9seau :<\/strong>
          Chaque ESP32-C6 est une unit\u00e9 ind\u00e9pendante, communiquant et n\u00e9gociant entre elles pour former un r\u00e9seau topologique optimal.
          Compatibilit\u00e9 avec la s\u00e9rie ESP32 (C6\/S3\/C3\/8266) ainsi qu'avec les terminaux tels que t\u00e9l\u00e9phones, tablettes, ordinateurs, etc.<\/p>\n\n\n\n

          \n
          \"\"<\/figure>\n\n\n\n
          \"\"<\/figure>\n\n\n\n
          \"\"<\/figure>\n<\/figure>\n\n\n\n
          \n\n\n\n

          Cinq : Construction du syst\u00e8me de surveillance cloud<\/h1>\n\n\n\n

          Backend :<\/strong>
          Construction du serveur en combinant le framework Python Flask.
          D\u00e9ploiement conteneuris\u00e9 via Docker sur un serveur cloud Linux (Debian-12.0).
          Frontend :<\/strong>
          \u00c9criture des pages frontend avec Vue.JS.
          R\u00e9alisation de la surveillance en temps r\u00e9el de la structure topologique du r\u00e9seau et des informations des n\u0153uds (incluant l'affichage des donn\u00e9es telles que le num\u00e9ro de n\u0153ud, le nombre de sous-appareils, le taux de perte de paquets, le RSSI, etc.).
          Les journaux backend peuvent enregistrer en temps r\u00e9el la r\u00e9ception des donn\u00e9es (comme le traitement des requ\u00eates POST \/api\/data).<\/p>\n\n\n\n

          \n
          \"\"<\/figure>\n\n\n\n
          \"\"<\/figure>\n<\/figure>\n\n\n\n
          \n\n\n\n

          Six : Optimisation du syst\u00e8me, correction des probl\u00e8mes<\/h1>\n\n\n\n

          Organisation des programmes de chaque partie, recherche et correction des erreurs logiques et de d\u00e9tail, optimisation du syst\u00e8me, tout en ajoutant certaines fonctionnalit\u00e9s significatives.<\/p>","protected":false},"excerpt":{"rendered":"

          \u8df3\u8f6c\uff1a\u5efa\u6a21\u8bba\u6587 \u9879\u76ee\u6587\u6863&\u7814\u7a76\u6982\u8ff0 \u4e00\u3001\u7814\u7a76\u80cc\u666f \u5f53\u524d\u65e0\u7ebf Mesh \u7f51\u7edc\u666e\u904d\u5b58\u5728\u201c\u4fe1\u53f7\u5f3a\u5374\u8fde\u63a5\u4e0d\u7a33\u5b9a […]<\/p>\n","protected":false},"author":1,"featured_media":49,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[7],"tags":[],"class_list":["post-23","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-projects"],"_links":{"self":[{"href":"https:\/\/www.ycxhl.top\/fr\/wp-json\/wp\/v2\/posts\/23","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ycxhl.top\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ycxhl.top\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ycxhl.top\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ycxhl.top\/fr\/wp-json\/wp\/v2\/comments?post=23"}],"version-history":[{"count":4,"href":"https:\/\/www.ycxhl.top\/fr\/wp-json\/wp\/v2\/posts\/23\/revisions"}],"predecessor-version":[{"id":102,"href":"https:\/\/www.ycxhl.top\/fr\/wp-json\/wp\/v2\/posts\/23\/revisions\/102"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.ycxhl.top\/fr\/wp-json\/wp\/v2\/media\/49"}],"wp:attachment":[{"href":"https:\/\/www.ycxhl.top\/fr\/wp-json\/wp\/v2\/media?parent=23"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ycxhl.top\/fr\/wp-json\/wp\/v2\/categories?post=23"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ycxhl.top\/fr\/wp-json\/wp\/v2\/tags?post=23"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}