由萬物互聯轉向萬物智聯

王貝爾 楊玉昆 王思語

摘要：過去十年，伴隨著ICT融合技術的高速發(fā)展。越來越多的設備有著網絡接入和數據處理的需求，因而誕生了萬物互聯的物聯網。在當今，物聯網面臨著采傳控三大平臺的困境，在人工智能加持下物聯網從簡單連接轉向智能化與智慧化。并能夠主動處理數據并做出決策。有效減輕全系統負載，實現了物聯網全流程的計算智能，并基于自學習持續(xù)不斷演進。

關鍵字：萬物智聯，計算智能，人工智能自學習，物聯網

物聯網破局之難

近十年，物聯網從鮮為人知到家喻戶曉;從高高在上到輕易可得;從智能貓眼到掃地機器人。其滲透深度不亞于互聯網，民眾接受度也普遍較高。但遺憾的是，至今全球物聯網行業(yè)沒有出現獨角獸龍頭企業(yè);沒有體系化的通信規(guī)范和行業(yè)條例;更沒有一個爆款能像互聯網產品一樣帶來超過五年的時代紅利。因此，我們必須承認。物聯網仍處于野蠻生長期，缺乏指導和規(guī)范，沒有出現周期性的行業(yè)高潮，整個行業(yè)及產品碎片化程度嚴重，數據信息流通性低等。上述問題成為了阻礙行業(yè)進一步發(fā)展的最大攔路虎。

伴隨著工業(yè)互聯網，5G，人工智能等一系列最新的成果。物聯網有了新的發(fā)展目標方向，即從數量轉向質量。采集側，傳輸側，管理側使用人工智能技術來加速和輔助處理。采集側具備計算分析能力減少上層處理壓力;傳輸側根據優(yōu)先級實時性要求區(qū)別對待數據，實現綜合效益最大化;管理側具備全網觀測，數據存儲、計算、再創(chuàng)新優(yōu)化的能力，并能對外開放統一的接入API。最終為物聯網破局為智聯網奠定基礎！

人工智能優(yōu)化數據采集分析

物聯網的三大結構從下至上分別是感知層、網絡層和應用層。對于感知層而言，其核心就是傳感器，目的是把待測的物理量轉換為電平或數字信號來輸出。因此，人工智能優(yōu)化的傳感器可以對轉換后信號進行智能降噪濾波處理，有效提高數據穩(wěn)定性。

在傳統濾波算法中，均值濾波，限幅濾波，滑動窗口濾波三類最為常用。經測試發(fā)現，傳統濾波雖然對算力要求較低但其實時響應效果不佳，不能滿足部分高精度高實時性場景性能需求，其更是主要考慮噪聲的單純時頻域分布，沒有全局優(yōu)化的概念。因此人工智能優(yōu)化的濾波可以提高精度和維度，實現自動異常告警，提升采集側智能化水平。

人工智能的濾波算法主要有卡爾曼，PCA（主成分分析）等。與傳統濾波相對的是。人工智能更加綜合考慮噪聲的綜合分布，會從頻域時域兩方面下手來過濾噪聲求取有效數據。因此，人工智能能夠有效優(yōu)化數據采集分析。但采集側往往處于物聯網邊緣，對于功耗算力的要求非常局限，因此人工智能優(yōu)化數據采集的另一大現實問題是如何提升單毫瓦算力，以滿足邊緣設備嚴苛的功耗算力多方面需求。

人工智能判決數據傳送優(yōu)先級

在傳統網絡中，我們對于它的底線要求是網絡可達性。而在萬物互聯的物聯網時代，網絡層如果沒有做好迎接數據洪流的準備，那么迎接他的必然是長時間周期性的網絡癱瘓。但經大量實測數據表明，網絡數據并不是每一條都很重要，也并不是每一條都有效，往往無關緊要的重復垃圾數據耗費了寶貴的帶寬資源。因此，從萬物互聯到萬物智聯的核心就是構造智慧網。

在構造智慧網的過程中，5G（第五代無線通信技術）給了我們一個很好的范本。其將數據流量主要劃分為三大類型，分別是高流量速率（eMBB），低時延高可靠連接（uRLLC）和泛在大規(guī)模接入（mMTC）。在這個大框架下還可以構造邏輯平面，進一步細化網絡流量的優(yōu)先級和數據量需求。我們針對網絡層的改造思路類似，通過給數據“打標簽”，決定其傳輸優(yōu)先級。

那么物聯網數據也有類似的規(guī)律，數據指標按照上報頻次被我劃分成為四個等級。最低等級單位是周，即每周上報一次數據，這樣的頻次適用于計費業(yè)務，如自動抄表，單車周數據匯總等等。這類業(yè)務普遍對實時性要求不高，只需要周期性激活發(fā)送數據即可，因此能安排在夜間通信以提升信道利用率。第二等級是小時到天，如交規(guī)攝像頭拍攝違章數據，衛(wèi)星云圖，水文站水位等等，這類數據可以量很大，但是要最少一小時才產生一次，所以會給網絡帶來短時洪流，但其對時間較不敏感，可以做到輪流發(fā)送減小開銷。第三等級是秒，如城市天網監(jiān)控攝像頭數據，單車開鎖數據，身份驗證數據等等。這類數據數量占比最大，但往往包很小，因此可以做到較高的實時性，時延也處于可接受范圍。最高等級是小于50毫秒，未來的智聯網要承擔無人駕駛、遠程醫(yī)療等對時延極其敏感的業(yè)務，因此最高的優(yōu)先級要保障時延處于可接受范圍，同時極低的時延也要求上層處理設備離執(zhí)行設備距離不可太遠，因此進一步催生了邊緣云和霧計算。

人工智能對網絡層的影響是方方面面的，可以通過軟件定義網絡（SDN）快速定位問題點及改變策略路由?？稍跀祿l(fā)送側引入智能防火墻來抵御分布式拒絕服務（DDoS）攻擊同時過濾垃圾信息。人工智能加持的網絡真正實現了傳輸的智能。

人工智能計算發(fā)布數據并自優(yōu)化

可喜的是，行業(yè)對物聯網應用層數據處理已經取得較大的共識。即建立云平臺，云平臺再細分接入鑒權，數據收發(fā)，上層統計存儲，計算發(fā)布等多個實體平面，通過平面接口有效實現上下層互動。但傳統云平臺只具備管理功能，即收集存儲，人工智能加持的云平臺則具備硬件調度和自動數據處理功能，進一步向下優(yōu)化感知層和網絡層，成為整個體系的統領。

那么人工智能在應用層最為重要的作用就是數據分析與調度，分析是多方面的。一是對采集上來的數據內容做分析，進而得出有益的結論和繪制數據指標圖，使得開發(fā)運維人員能夠針對薄弱點著重分析優(yōu)化。二是對全網設備和網絡的狀況監(jiān)測，能夠快速自動定位問題點并自行嘗試解決。根據問題嚴重程度劃分警告優(yōu)先級，以減少人工干預提高智能化。三是對采集數據的分析結果做自動調度和決策，例如某片區(qū)下水管路監(jiān)測水量超標再結合當地雨量可輔助交管部門發(fā)布水深封路預警，城市燃氣管路可燃氣體濃度超標應立即關閉供氣閥門等等。通過這些自動化智能化的預警預案，使得城市應急水平大幅提高，讓我們能提前發(fā)布通告做好準備最終減少人員財產的傷亡損失！

總結與展望

從萬物互聯演進成為萬物智聯的時間周期必定是漫長且復雜的，還有不少技術、法律、倫理道德層面的制度性問題需要攻克。但我們在經歷了疫情，地震，水災過后，就愈發(fā)會重視科技在保護人類生命財產中發(fā)揮的優(yōu)勢，這條路雖然難走，但我們必定會堅定不移的堅持下去。

人工智能是多學科的融合產物，其廣泛吸納了各學科最先進的成果又最終造福于我們。我們必須從研發(fā)和應用兩手來推進人工智能的發(fā)展，進而更好的服務于我國各項事業(yè)。

參考文獻

[1]嚴斌峰.人工智能托起萬物智聯時代[J].通信世界，2019（20）：35-36.

[2]石光明，肖泳，李瑩玉，高大化，謝雪梅.面向萬物智聯的語義通信網絡[J].物聯網學報，2021，5（02）：26-36.

[3]曹祎遐，廖繁.AI+IoT：從萬物互聯到萬物智聯[J].上海信息化，2019（02）：16-19.

[4]步才捷.IPv6到IPv6+從萬物互聯到萬物智聯[J].計算機與網絡，2020，46（20）：42-43.

[5]朱敏.萬物智聯 大數據驅動未來[J].新經濟導刊，2018（07）：22-31.

[6]鄭植，海川.智能傳感器開啟萬物智聯新時代[J].新經濟導刊，2018（09）：51-55.

作者簡介：

王貝爾 （2000.12-），男，四川攀枝花人，成都市高新西區(qū)四川大學錦城學院 物聯網工程專業(yè) 本科在讀。

王思語（2000.03-），女，陜西省安康市人，成都市高新西區(qū)四川大學錦城學院 物聯網工程專業(yè) 本科在讀。

楊玉昆（2001.09—），女，河北省唐山人，成都市高新西區(qū)四川大學錦城學院 物聯網工程專業(yè) 本科在讀。