智慧城市中的智能物聯網平臺設計

劉川杰 王 奇 孫 宏

（成都九洲電子信息系統股份有限公司，四川 成都 610041）

0 引言

當前，中國物聯網已經進入快速發展時期。據調查數據顯示，2018 年中國物聯網連接量直逼30 億[1]，年復合增長率高達67%。艾瑞推測，受益于智能家居場景的率先爆發，2019 年物聯網連接量將達45.7 億[2]，而后由于5G的商用、低功耗廣域物聯網的超廣覆蓋，中國物聯網連接量2025 年將增至199 億。目前，物聯網正處于連接高速增長的階段，未來數百億的設備并發聯網產生的交互需求、數據分析需求將促使IoT 與AI 的深度融合，所以基于人工智能技術賦能的物聯網平臺將帶動智慧城市的快速發展。

1 智能物聯網平臺總體架構

系統采用物聯網技術架構以及云服務體系進行設計，總體技術架構由5 個層次構成，包括數據感知層、數據通信層、數據融合層、數據洞察層和數據應用層。

物聯網智能服務平臺設計及產業化應用規劃方案總體技術架構如圖1 所示。

1.1 智能感知層

智能感知層以物聯網技術為核心，通過對身份信息、位置、視頻圖像、環境狀態、行為模式和設施信息等進行群智感知與物聯感知，對基礎設施、環境、設備、人員以及位置等多源信息進行識別、采集、監測與控制。通過構建統一的群智感知、物聯網感知子系統，實現上層業務和底層設施的解耦，提升數據采集能力、設備控制能力以及實時交互能力，做到感知的智能化、小型化、協同化和精準化。

1.2 網絡通信層

圖1 智能物聯網平臺總體架構

網絡通信層主要負責將物聯感知的數據傳送到云計算平臺，為系統提供大容量、高可靠和高并發的網絡聯接和數據傳輸服務。系統支持LoRa、NB-IoT、LTE-M、GPRS、Sigfox等多種物聯網傳輸協議以及SIP 多媒體通信協議，可快速接入各種物聯網設備，例如智能家居、智慧平安小區智能終端、穿戴設備以及行業終端等。

1.3 基礎設施層

基礎設施層主要為應用提供數據存儲、并發計算及相關軟件資源。通過對服務器、存儲、網絡的虛擬化和動態管理，為大數據應用服務平臺以及第三方系統提供按需獲得、即時可取的計算、存儲、網絡操作系統和基礎應用軟件等資源。可實現平臺對資源的綜合監控、管理，實現對外提供虛擬主機資源、存儲資源，達到提高服務器存儲利用率、運行維護效率和業務系統可靠性，降低整體建設和整合成本。通過完善基礎設施，支撐上層大數據服務及智慧業務應用。

1.4 服務支撐層

服務支撐層采用了開放的云計算平臺架構，將私有云與公有云相結合，實現存儲、計算和網絡資源的虛擬化，支持資源的按需供給和彈性部署以及大規模、高并發協同服務計算。通過匯聚、融合、共享和交換城市不同層級、粒度的數據，實現了多源/多維數據匯聚、治理、共享、分析和計算等。

1.5 智慧應用層

智慧應用層圍繞城市管理、民生服務等智慧城市重點領域，通過基于行業或領域的智慧應用及應用整合，為社會公眾、企業用戶和城市管理者提供智能化服務。

2 智能物聯網平臺功能設計

構建以感知互動、數據驅動、云端共享、自治高效和安全可信的智能物聯網平臺為目標，深度融合物聯網與人工智能、云計算、大數據、5G 通信、NB-IoT 以及LoRa 等技術，實現設備之間協同管理與控制，建立分布式時序數據庫。將物聯網海量數據的持久化、實時智能分析與大數據的處理、可視化方案融為一體，搭建基于智慧城市應用的AIoT 智能物聯網平臺，包括應用使能分平臺、設備管理分平臺、數據采集與控制分平臺、大數據處理與可視化分平臺等。總體功能框架如圖2 所示。

2.1 應用使能分平臺

物聯網應用使能平臺（AEP）提供統一的應用基礎運行平臺，從概念、技術、方法和機制等方面集成數據的實時處理，支持按規則過濾目標數據，包括按設備、按參數及條件的過濾，實現應用數據的高時效調度與處理，并保證數據的一致性。為各行業應用提供開發輔助工具服務、GIS 位置服務，以統一用戶中心、統一權限中心為核心，構建各應用業務的鑒權認證及統一API 管理中心，提供基于消息隊列的RabbitMQ 中間件、MQTT 中間件、私有協議SDK 中間件等拉取推送組件，為業務應用提供統一標準，規范的API 服務。通過基礎構件，實現系統的松散耦合，提高系統的靈活性和擴展性，保障快速開發、降低運營維護成本。

圖2 智能物聯網平臺功能設計框架

2.2 設備管理分平臺

設備管理平臺（DMP）提供海量智能終端設備統一接入服務，支持多類型、多協議、多場景的物聯網設備快速無縫接入，滿足各類設備和接入場景要求。為物聯網感知終端提供基于低功耗LoRa 中間件、NB-IoT 中間件、4G/5G移動網絡中間件、CoAP 中間件以及網關控制中間件等多協議適配的設備接入組件，與主流模組、芯片預集成，簡化設備接入難度，便于快速無縫接入平臺，滿足高并發大量設備的快速入網，實現對設備進行資源訂閱、存儲、轉發和命令下發。通過云端構建設備實體的數據模型，實現對設備狀態、設備鑒權認證、遠程調試、遠程OTA 升級、告警管理以及生命周期管控等人機交互的設備一體化管理能力，通過定義設備屬性、事件及服務的設備數字化物模型，實現基于定義的物模型對設備進行遠程調試、遠程監控、遠程維護、終端故障排查。

2.3 物聯網大數據與可視化分平臺

物聯網大數據與可視化平臺從物聯網大數據的存儲查詢框架、計算框架、分析框架和可視化框架4 個方面提供基礎支撐和保障。在數據存儲查詢、數據解析過濾、數據提煉與整合、數據安全等功能的基礎上，基于多變元網絡的可視化框架能夠提供可視化的數據展示設計工具，實現各類數據的規格定義，支持各種可視化展示組件，可以快速實現基礎數據、指標以及可視化展示的應用，將物聯網數據分類處理的結果以圖形化的方式實時呈現并管理。

2.4 數據采集與控制分平臺

數據采集與控制平臺（DCP）基于云計算、大數據技術，將結構化、非結構化等多源異構數據采集匯聚和融合。在ETL 數據 /清洗技術的基礎上，結合物聯網元數據體系進行“按需清洗”與“按需采集”，建立全局數據語義網絡，方便數據采集和控制。建立數據互通互聯機制，滿足關聯應用系統之間無縫共享和交換數據的需要，徹底解決了由于業務不同、應用不同以及系統不同所導致的信息孤島問題。數據平臺的統一性使大數據分析成為可能，使更多應用能夠因數據的開發互通性得以實現。

3 系統實現及關鍵技術

3.1 多源異構數據標準化

為增加數據傳輸處理過程的可靠性，減輕平臺處理負荷，筆者將待處理數據進行模塊化處理，將前端數據按照預定大小進行分塊組裝和標記。系統通過建立統一的信息交換環境，采用“標識符-名稱-說明-表示格式-來源-備注”的統一表示方式來進行多源感知設備的數據協同處理，實現數據交換中間件，能夠通過該中間件實現高效的數據存儲與數據交換，并形成標準化，提供統一接口，為數據分析與決策支持提供高效便捷的訪問支持。

3.2 多源異構數據融合處理方法

物聯網大數據具有多種模態形式，這些數據在內容上往往具有較強的關聯性，通過建立多源數據融合模型、提取模型異源數據特征值、降低模型數據空間維度、轉換模型數據互異結構，實現多模態數據融合處理共享。采用基于深度學習的TensorFlow 框架搭配ETL（抽取轉化加載）等技術實現特征值提取，建立張量模型運用流計算方式在異構數據中找到共有特征值。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特征值的動態成分規劃實現維度縮減。采用主流的K-L 變換與ANN（人工神經網絡）以及CNN/RNN（卷積神經網絡/回歸神經網絡）結合等方法實現數據互異結構轉換，模擬人腦神經元機理快速在互異數據中依據特征值找到互異均方誤差的結構最佳變換。歸一化橫向擴展機制將搭配海杜普（Hadoop）生態圈進行集群級調配等一系列的可重用措施，通過單源數據的歸一化實現多源數據的通用化，并利用Hadoop 生態圈中的分布式文件系統進行集群跨空間橫向擴展。通過上述技術的整合，保證多源數據在融合之后具有跨平臺共享能力。

3.3 多協議自動適配技術

隨著物聯網智能終端的普及以及網絡技術的發展，越來越多的智能終端需要接入物聯網平臺為應用提供復雜、異構的感知數據，這就對物聯網云平臺網絡協議支持接入提出了更高的要求。該項目利用網絡控制器對設備通過各種協議傳輸的信息進行解密分析并轉換成一種統一的數據格式，將數據統一匯總至數據中心，對數據加以分析處理為第三方提供各種應用接口。已支持LoRa、NB-IoT、3G、4G、5G 等通信協議接入，同時采用MQTT、CoAP、WebSocket、HTTP、HTTPS 等主流物聯網傳輸協議，使物聯網終端接入更可靠、更穩定。

4 結語

該文詳細介紹了AIoT 的需求和發展以及智能物聯網平臺構建和所涉及的關鍵技術及應用實例和展望。鑒于人工智能和物聯網技術如今依舊處于上升發展階段，存在許多不足和亟待改進的地方，因此物聯網技術在生活中的實際應用規模還不夠大。現有軟硬件水平和理論間的差距是導致該問題的主要原因，但如今AI 和物聯網技術已受到世界矚目，在各大科技巨頭和各國科學家的努力下，相信在不久的將來就能攻克難題，讓AIoT 真正走進人們生活的每個角落。