劉川杰 王 奇 孫 宏

（成都九洲電子信息系統(tǒng)股份有限公司，四川 成都 610041）

0 引言

當(dāng)前，中國(guó)物聯(lián)網(wǎng)已經(jīng)進(jìn)入快速發(fā)展時(shí)期。據(jù)調(diào)查數(shù)據(jù)顯示，2018 年中國(guó)物聯(lián)網(wǎng)連接量直逼30 億[1]，年復(fù)合增長(zhǎng)率高達(dá)67%。艾瑞推測(cè)，受益于智能家居場(chǎng)景的率先爆發(fā)，2019 年物聯(lián)網(wǎng)連接量將達(dá)45.7 億[2]，而后由于5G的商用、低功耗廣域物聯(lián)網(wǎng)的超廣覆蓋，中國(guó)物聯(lián)網(wǎng)連接量2025 年將增至199 億。目前，物聯(lián)網(wǎng)正處于連接高速增長(zhǎng)的階段，未來數(shù)百億的設(shè)備并發(fā)聯(lián)網(wǎng)產(chǎn)生的交互需求、數(shù)據(jù)分析需求將促使IoT 與AI 的深度融合，所以基于人工智能技術(shù)賦能的物聯(lián)網(wǎng)平臺(tái)將帶動(dòng)智慧城市的快速發(fā)展。

1 智能物聯(lián)網(wǎng)平臺(tái)總體架構(gòu)

系統(tǒng)采用物聯(lián)網(wǎng)技術(shù)架構(gòu)以及云服務(wù)體系進(jìn)行設(shè)計(jì)，總體技術(shù)架構(gòu)由5 個(gè)層次構(gòu)成，包括數(shù)據(jù)感知層、數(shù)據(jù)通信層、數(shù)據(jù)融合層、數(shù)據(jù)洞察層和數(shù)據(jù)應(yīng)用層。

物聯(lián)網(wǎng)智能服務(wù)平臺(tái)設(shè)計(jì)及產(chǎn)業(yè)化應(yīng)用規(guī)劃方案總體技術(shù)架構(gòu)如圖1 所示。

1.1 智能感知層

智能感知層以物聯(lián)網(wǎng)技術(shù)為核心，通過對(duì)身份信息、位置、視頻圖像、環(huán)境狀態(tài)、行為模式和設(shè)施信息等進(jìn)行群智感知與物聯(lián)感知，對(duì)基礎(chǔ)設(shè)施、環(huán)境、設(shè)備、人員以及位置等多源信息進(jìn)行識(shí)別、采集、監(jiān)測(cè)與控制。通過構(gòu)建統(tǒng)一的群智感知、物聯(lián)網(wǎng)感知子系統(tǒng)，實(shí)現(xiàn)上層業(yè)務(wù)和底層設(shè)施的解耦，提升數(shù)據(jù)采集能力、設(shè)備控制能力以及實(shí)時(shí)交互能力，做到感知的智能化、小型化、協(xié)同化和精準(zhǔn)化。

1.2 網(wǎng)絡(luò)通信層

圖1 智能物聯(lián)網(wǎng)平臺(tái)總體架構(gòu)

網(wǎng)絡(luò)通信層主要負(fù)責(zé)將物聯(lián)感知的數(shù)據(jù)傳送到云計(jì)算平臺(tái)，為系統(tǒng)提供大容量、高可靠和高并發(fā)的網(wǎng)絡(luò)聯(lián)接和數(shù)據(jù)傳輸服務(wù)。系統(tǒng)支持LoRa、NB-IoT、LTE-M、GPRS、Sigfox等多種物聯(lián)網(wǎng)傳輸協(xié)議以及SIP 多媒體通信協(xié)議，可快速接入各種物聯(lián)網(wǎng)設(shè)備，例如智能家居、智慧平安小區(qū)智能終端、穿戴設(shè)備以及行業(yè)終端等。

1.3 基礎(chǔ)設(shè)施層

基礎(chǔ)設(shè)施層主要為應(yīng)用提供數(shù)據(jù)存儲(chǔ)、并發(fā)計(jì)算及相關(guān)軟件資源。通過對(duì)服務(wù)器、存儲(chǔ)、網(wǎng)絡(luò)的虛擬化和動(dòng)態(tài)管理，為大數(shù)據(jù)應(yīng)用服務(wù)平臺(tái)以及第三方系統(tǒng)提供按需獲得、即時(shí)可取的計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)操作系統(tǒng)和基礎(chǔ)應(yīng)用軟件等資源?？蓪?shí)現(xiàn)平臺(tái)對(duì)資源的綜合監(jiān)控、管理，實(shí)現(xiàn)對(duì)外提供虛擬主機(jī)資源、存儲(chǔ)資源，達(dá)到提高服務(wù)器存儲(chǔ)利用率、運(yùn)行維護(hù)效率和業(yè)務(wù)系統(tǒng)可靠性，降低整體建設(shè)和整合成本。通過完善基礎(chǔ)設(shè)施，支撐上層大數(shù)據(jù)服務(wù)及智慧業(yè)務(wù)應(yīng)用。

1.4 服務(wù)支撐層

服務(wù)支撐層采用了開放的云計(jì)算平臺(tái)架構(gòu)，將私有云與公有云相結(jié)合，實(shí)現(xiàn)存儲(chǔ)、計(jì)算和網(wǎng)絡(luò)資源的虛擬化，支持資源的按需供給和彈性部署以及大規(guī)模、高并發(fā)協(xié)同服務(wù)計(jì)算。通過匯聚、融合、共享和交換城市不同層級(jí)、粒度的數(shù)據(jù)，實(shí)現(xiàn)了多源/多維數(shù)據(jù)匯聚、治理、共享、分析和計(jì)算等。

1.5 智慧應(yīng)用層

智慧應(yīng)用層圍繞城市管理、民生服務(wù)等智慧城市重點(diǎn)領(lǐng)域，通過基于行業(yè)或領(lǐng)域的智慧應(yīng)用及應(yīng)用整合，為社會(huì)公眾、企業(yè)用戶和城市管理者提供智能化服務(wù)。

2 智能物聯(lián)網(wǎng)平臺(tái)功能設(shè)計(jì)

構(gòu)建以感知互動(dòng)、數(shù)據(jù)驅(qū)動(dòng)、云端共享、自治高效和安全可信的智能物聯(lián)網(wǎng)平臺(tái)為目標(biāo)，深度融合物聯(lián)網(wǎng)與人工智能、云計(jì)算、大數(shù)據(jù)、5G 通信、NB-IoT 以及LoRa 等技術(shù)，實(shí)現(xiàn)設(shè)備之間協(xié)同管理與控制，建立分布式時(shí)序數(shù)據(jù)庫(kù)。將物聯(lián)網(wǎng)海量數(shù)據(jù)的持久化、實(shí)時(shí)智能分析與大數(shù)據(jù)的處理、可視化方案融為一體，搭建基于智慧城市應(yīng)用的AIoT 智能物聯(lián)網(wǎng)平臺(tái)，包括應(yīng)用使能分平臺(tái)、設(shè)備管理分平臺(tái)、數(shù)據(jù)采集與控制分平臺(tái)、大數(shù)據(jù)處理與可視化分平臺(tái)等?？傮w功能框架如圖2 所示。

2.1 應(yīng)用使能分平臺(tái)

物聯(lián)網(wǎng)應(yīng)用使能平臺(tái)（AEP）提供統(tǒng)一的應(yīng)用基礎(chǔ)運(yùn)行平臺(tái)，從概念、技術(shù)、方法和機(jī)制等方面集成數(shù)據(jù)的實(shí)時(shí)處理，支持按規(guī)則過濾目標(biāo)數(shù)據(jù)，包括按設(shè)備、按參數(shù)及條件的過濾，實(shí)現(xiàn)應(yīng)用數(shù)據(jù)的高時(shí)效調(diào)度與處理，并保證數(shù)據(jù)的一致性。為各行業(yè)應(yīng)用提供開發(fā)輔助工具服務(wù)、GIS 位置服務(wù)，以統(tǒng)一用戶中心、統(tǒng)一權(quán)限中心為核心，構(gòu)建各應(yīng)用業(yè)務(wù)的鑒權(quán)認(rèn)證及統(tǒng)一API 管理中心，提供基于消息隊(duì)列的RabbitMQ 中間件、MQTT 中間件、私有協(xié)議SDK 中間件等拉取推送組件，為業(yè)務(wù)應(yīng)用提供統(tǒng)一標(biāo)準(zhǔn)，規(guī)范的API 服務(wù)。通過基礎(chǔ)構(gòu)件，實(shí)現(xiàn)系統(tǒng)的松散耦合，提高系統(tǒng)的靈活性和擴(kuò)展性，保障快速開發(fā)、降低運(yùn)營(yíng)維護(hù)成本。

圖2 智能物聯(lián)網(wǎng)平臺(tái)功能設(shè)計(jì)框架

2.2 設(shè)備管理分平臺(tái)

設(shè)備管理平臺(tái)（DMP）提供海量智能終端設(shè)備統(tǒng)一接入服務(wù)，支持多類型、多協(xié)議、多場(chǎng)景的物聯(lián)網(wǎng)設(shè)備快速無縫接入，滿足各類設(shè)備和接入場(chǎng)景要求。為物聯(lián)網(wǎng)感知終端提供基于低功耗LoRa 中間件、NB-IoT 中間件、4G/5G移動(dòng)網(wǎng)絡(luò)中間件、CoAP 中間件以及網(wǎng)關(guān)控制中間件等多協(xié)議適配的設(shè)備接入組件，與主流模組、芯片預(yù)集成，簡(jiǎn)化設(shè)備接入難度，便于快速無縫接入平臺(tái)，滿足高并發(fā)大量設(shè)備的快速入網(wǎng)，實(shí)現(xiàn)對(duì)設(shè)備進(jìn)行資源訂閱、存儲(chǔ)、轉(zhuǎn)發(fā)和命令下發(fā)。通過云端構(gòu)建設(shè)備實(shí)體的數(shù)據(jù)模型，實(shí)現(xiàn)對(duì)設(shè)備狀態(tài)、設(shè)備鑒權(quán)認(rèn)證、遠(yuǎn)程調(diào)試、遠(yuǎn)程OTA 升級(jí)、告警管理以及生命周期管控等人機(jī)交互的設(shè)備一體化管理能力，通過定義設(shè)備屬性、事件及服務(wù)的設(shè)備數(shù)字化物模型，實(shí)現(xiàn)基于定義的物模型對(duì)設(shè)備進(jìn)行遠(yuǎn)程調(diào)試、遠(yuǎn)程監(jiān)控、遠(yuǎn)程維護(hù)、終端故障排查。

2.3 物聯(lián)網(wǎng)大數(shù)據(jù)與可視化分平臺(tái)

物聯(lián)網(wǎng)大數(shù)據(jù)與可視化平臺(tái)從物聯(lián)網(wǎng)大數(shù)據(jù)的存儲(chǔ)查詢框架、計(jì)算框架、分析框架和可視化框架4 個(gè)方面提供基礎(chǔ)支撐和保障。在數(shù)據(jù)存儲(chǔ)查詢、數(shù)據(jù)解析過濾、數(shù)據(jù)提煉與整合、數(shù)據(jù)安全等功能的基礎(chǔ)上，基于多變?cè)W(wǎng)絡(luò)的可視化框架能夠提供可視化的數(shù)據(jù)展示設(shè)計(jì)工具，實(shí)現(xiàn)各類數(shù)據(jù)的規(guī)格定義，支持各種可視化展示組件，可以快速實(shí)現(xiàn)基礎(chǔ)數(shù)據(jù)、指標(biāo)以及可視化展示的應(yīng)用，將物聯(lián)網(wǎng)數(shù)據(jù)分類處理的結(jié)果以圖形化的方式實(shí)時(shí)呈現(xiàn)并管理。

2.4 數(shù)據(jù)采集與控制分平臺(tái)

數(shù)據(jù)采集與控制平臺(tái)（DCP）基于云計(jì)算、大數(shù)據(jù)技術(shù)，將結(jié)構(gòu)化、非結(jié)構(gòu)化等多源異構(gòu)數(shù)據(jù)采集匯聚和融合。在ETL 數(shù)據(jù) /清洗技術(shù)的基礎(chǔ)上，結(jié)合物聯(lián)網(wǎng)元數(shù)據(jù)體系進(jìn)行“按需清洗”與“按需采集”，建立全局?jǐn)?shù)據(jù)語義網(wǎng)絡(luò)，方便數(shù)據(jù)采集和控制。建立數(shù)據(jù)互通互聯(lián)機(jī)制，滿足關(guān)聯(lián)應(yīng)用系統(tǒng)之間無縫共享和交換數(shù)據(jù)的需要，徹底解決了由于業(yè)務(wù)不同、應(yīng)用不同以及系統(tǒng)不同所導(dǎo)致的信息孤島問題。數(shù)據(jù)平臺(tái)的統(tǒng)一性使大數(shù)據(jù)分析成為可能，使更多應(yīng)用能夠因數(shù)據(jù)的開發(fā)互通性得以實(shí)現(xiàn)。

3 系統(tǒng)實(shí)現(xiàn)及關(guān)鍵技術(shù)

3.1 多源異構(gòu)數(shù)據(jù)標(biāo)準(zhǔn)化

為增加數(shù)據(jù)傳輸處理過程的可靠性，減輕平臺(tái)處理負(fù)荷，筆者將待處理數(shù)據(jù)進(jìn)行模塊化處理，將前端數(shù)據(jù)按照預(yù)定大小進(jìn)行分塊組裝和標(biāo)記。系統(tǒng)通過建立統(tǒng)一的信息交換環(huán)境，采用“標(biāo)識(shí)符-名稱-說明-表示格式-來源-備注”的統(tǒng)一表示方式來進(jìn)行多源感知設(shè)備的數(shù)據(jù)協(xié)同處理，實(shí)現(xiàn)數(shù)據(jù)交換中間件，能夠通過該中間件實(shí)現(xiàn)高效的數(shù)據(jù)存儲(chǔ)與數(shù)據(jù)交換，并形成標(biāo)準(zhǔn)化，提供統(tǒng)一接口，為數(shù)據(jù)分析與決策支持提供高效便捷的訪問支持。

3.2 多源異構(gòu)數(shù)據(jù)融合處理方法

物聯(lián)網(wǎng)大數(shù)據(jù)具有多種模態(tài)形式，這些數(shù)據(jù)在內(nèi)容上往往具有較強(qiáng)的關(guān)聯(lián)性，通過建立多源數(shù)據(jù)融合模型、提取模型異源數(shù)據(jù)特征值、降低模型數(shù)據(jù)空間維度、轉(zhuǎn)換模型數(shù)據(jù)互異結(jié)構(gòu)，實(shí)現(xiàn)多模態(tài)數(shù)據(jù)融合處理共享。采用基于深度學(xué)習(xí)的TensorFlow 框架搭配ETL（抽取轉(zhuǎn)化加載）等技術(shù)實(shí)現(xiàn)特征值提取，建立張量模型運(yùn)用流計(jì)算方式在異構(gòu)數(shù)據(jù)中找到共有特征值。降維方面采用主成分分析的PCA（主成分分析）算法與線性判別分析的LDA（線性判別分析）算法，建立特征值的線性回歸模型或通過對(duì)特征值的動(dòng)態(tài)成分規(guī)劃實(shí)現(xiàn)維度縮減。采用主流的K-L 變換與ANN（人工神經(jīng)網(wǎng)絡(luò)）以及CNN/RNN（卷積神經(jīng)網(wǎng)絡(luò)/回歸神經(jīng)網(wǎng)絡(luò)）結(jié)合等方法實(shí)現(xiàn)數(shù)據(jù)互異結(jié)構(gòu)轉(zhuǎn)換，模擬人腦神經(jīng)元機(jī)理快速在互異數(shù)據(jù)中依據(jù)特征值找到互異均方誤差的結(jié)構(gòu)最佳變換。歸一化橫向擴(kuò)展機(jī)制將搭配海杜普（Hadoop）生態(tài)圈進(jìn)行集群級(jí)調(diào)配等一系列的可重用措施，通過單源數(shù)據(jù)的歸一化實(shí)現(xiàn)多源數(shù)據(jù)的通用化，并利用Hadoop 生態(tài)圈中的分布式文件系統(tǒng)進(jìn)行集群跨空間橫向擴(kuò)展。通過上述技術(shù)的整合，保證多源數(shù)據(jù)在融合之后具有跨平臺(tái)共享能力。

3.3 多協(xié)議自動(dòng)適配技術(shù)

隨著物聯(lián)網(wǎng)智能終端的普及以及網(wǎng)絡(luò)技術(shù)的發(fā)展，越來越多的智能終端需要接入物聯(lián)網(wǎng)平臺(tái)為應(yīng)用提供復(fù)雜、異構(gòu)的感知數(shù)據(jù)，這就對(duì)物聯(lián)網(wǎng)云平臺(tái)網(wǎng)絡(luò)協(xié)議支持接入提出了更高的要求。該項(xiàng)目利用網(wǎng)絡(luò)控制器對(duì)設(shè)備通過各種協(xié)議傳輸?shù)男畔⑦M(jìn)行解密分析并轉(zhuǎn)換成一種統(tǒng)一的數(shù)據(jù)格式，將數(shù)據(jù)統(tǒng)一匯總至數(shù)據(jù)中心，對(duì)數(shù)據(jù)加以分析處理為第三方提供各種應(yīng)用接口。已支持LoRa、NB-IoT、3G、4G、5G 等通信協(xié)議接入，同時(shí)采用MQTT、CoAP、WebSocket、HTTP、HTTPS 等主流物聯(lián)網(wǎng)傳輸協(xié)議，使物聯(lián)網(wǎng)終端接入更可靠、更穩(wěn)定。

4 結(jié)語

該文詳細(xì)介紹了AIoT 的需求和發(fā)展以及智能物聯(lián)網(wǎng)平臺(tái)構(gòu)建和所涉及的關(guān)鍵技術(shù)及應(yīng)用實(shí)例和展望。鑒于人工智能和物聯(lián)網(wǎng)技術(shù)如今依舊處于上升發(fā)展階段，存在許多不足和亟待改進(jìn)的地方，因此物聯(lián)網(wǎng)技術(shù)在生活中的實(shí)際應(yīng)用規(guī)模還不夠大。現(xiàn)有軟硬件水平和理論間的差距是導(dǎo)致該問題的主要原因，但如今AI 和物聯(lián)網(wǎng)技術(shù)已受到世界矚目，在各大科技巨頭和各國(guó)科學(xué)家的努力下，相信在不久的將來就能攻克難題，讓AIoT 真正走進(jìn)人們生活的每個(gè)角落。