刘川杰 王 奇 孙 宏

（成都九洲电子信息系统股份有限公司，四川 成都 610041）

0 引言

当前，中国物联网已经进入快速发展时期。据调查数据显示，2018 年中国物联网连接量直逼30 亿[1]，年复合增长率高达67%。艾瑞推测，受益于智能家居场景的率先爆发，2019 年物联网连接量将达45.7 亿[2]，而后由于5G的商用、低功耗广域物联网的超广覆盖，中国物联网连接量2025 年将增至199 亿。目前，物联网正处于连接高速增长的阶段，未来数百亿的设备并发联网产生的交互需求、数据分析需求将促使IoT 与AI 的深度融合，所以基于人工智能技术赋能的物联网平台将带动智慧城市的快速发展。

1 智能物联网平台总体架构

系统采用物联网技术架构以及云服务体系进行设计，总体技术架构由5 个层次构成，包括数据感知层、数据通信层、数据融合层、数据洞察层和数据应用层。

物联网智能服务平台设计及产业化应用规划方案总体技术架构如图1 所示。

1.1 智能感知层

智能感知层以物联网技术为核心，通过对身份信息、位置、视频图像、环境状态、行为模式和设施信息等进行群智感知与物联感知，对基础设施、环境、设备、人员以及位置等多源信息进行识别、采集、监测与控制。通过构建统一的群智感知、物联网感知子系统，实现上层业务和底层设施的解耦，提升数据采集能力、设备控制能力以及实时交互能力，做到感知的智能化、小型化、协同化和精准化。

1.2 网络通信层

图1 智能物联网平台总体架构

网络通信层主要负责将物联感知的数据传送到云计算平台，为系统提供大容量、高可靠和高并发的网络联接和数据传输服务。系统支持LoRa、NB-IoT、LTE-M、GPRS、Sigfox等多种物联网传输协议以及SIP 多媒体通信协议，可快速接入各种物联网设备，例如智能家居、智慧平安小区智能终端、穿戴设备以及行业终端等。

1.3 基础设施层

基础设施层主要为应用提供数据存储、并发计算及相关软件资源。通过对服务器、存储、网络的虚拟化和动态管理，为大数据应用服务平台以及第三方系统提供按需获得、即时可取的计算、存储、网络操作系统和基础应用软件等资源。可实现平台对资源的综合监控、管理，实现对外提供虚拟主机资源、存储资源，达到提高服务器存储利用率、运行维护效率和业务系统可靠性，降低整体建设和整合成本。通过完善基础设施，支撑上层大数据服务及智慧业务应用。

1.4 服务支撑层

服务支撑层采用了开放的云计算平台架构，将私有云与公有云相结合，实现存储、计算和网络资源的虚拟化，支持资源的按需供给和弹性部署以及大规模、高并发协同服务计算。通过汇聚、融合、共享和交换城市不同层级、粒度的数据，实现了多源/多维数据汇聚、治理、共享、分析和计算等。

1.5 智慧应用层

智慧应用层围绕城市管理、民生服务等智慧城市重点领域，通过基于行业或领域的智慧应用及应用整合，为社会公众、企业用户和城市管理者提供智能化服务。

2 智能物联网平台功能设计

构建以感知互动、数据驱动、云端共享、自治高效和安全可信的智能物联网平台为目标，深度融合物联网与人工智能、云计算、大数据、5G 通信、NB-IoT 以及LoRa 等技术，实现设备之间协同管理与控制，建立分布式时序数据库。将物联网海量数据的持久化、实时智能分析与大数据的处理、可视化方案融为一体，搭建基于智慧城市应用的AIoT 智能物联网平台，包括应用使能分平台、设备管理分平台、数据采集与控制分平台、大数据处理与可视化分平台等。总体功能框架如图2 所示。

2.1 应用使能分平台

物联网应用使能平台（AEP）提供统一的应用基础运行平台，从概念、技术、方法和机制等方面集成数据的实时处理，支持按规则过滤目标数据，包括按设备、按参数及条件的过滤，实现应用数据的高时效调度与处理，并保证数据的一致性。为各行业应用提供开发辅助工具服务、GIS 位置服务，以统一用户中心、统一权限中心为核心，构建各应用业务的鉴权认证及统一API 管理中心，提供基于消息队列的RabbitMQ 中间件、MQTT 中间件、私有协议SDK 中间件等拉取推送组件，为业务应用提供统一标准，规范的API 服务。通过基础构件，实现系统的松散耦合，提高系统的灵活性和扩展性，保障快速开发、降低运营维护成本。

图2 智能物联网平台功能设计框架

2.2 设备管理分平台

设备管理平台（DMP）提供海量智能终端设备统一接入服务，支持多类型、多协议、多场景的物联网设备快速无缝接入，满足各类设备和接入场景要求。为物联网感知终端提供基于低功耗LoRa 中间件、NB-IoT 中间件、4G/5G移动网络中间件、CoAP 中间件以及网关控制中间件等多协议适配的设备接入组件，与主流模组、芯片预集成，简化设备接入难度，便于快速无缝接入平台，满足高并发大量设备的快速入网，实现对设备进行资源订阅、存储、转发和命令下发。通过云端构建设备实体的数据模型，实现对设备状态、设备鉴权认证、远程调试、远程OTA 升级、告警管理以及生命周期管控等人机交互的设备一体化管理能力，通过定义设备属性、事件及服务的设备数字化物模型，实现基于定义的物模型对设备进行远程调试、远程监控、远程维护、终端故障排查。

2.3 物联网大数据与可视化分平台

物联网大数据与可视化平台从物联网大数据的存储查询框架、计算框架、分析框架和可视化框架4 个方面提供基础支撑和保障。在数据存储查询、数据解析过滤、数据提炼与整合、数据安全等功能的基础上，基于多变元网络的可视化框架能够提供可视化的数据展示设计工具，实现各类数据的规格定义，支持各种可视化展示组件，可以快速实现基础数据、指标以及可视化展示的应用，将物联网数据分类处理的结果以图形化的方式实时呈现并管理。

2.4 数据采集与控制分平台

数据采集与控制平台（DCP）基于云计算、大数据技术，将结构化、非结构化等多源异构数据采集汇聚和融合。在ETL 数据 /清洗技术的基础上，结合物联网元数据体系进行“按需清洗”与“按需采集”，建立全局数据语义网络，方便数据采集和控制。建立数据互通互联机制，满足关联应用系统之间无缝共享和交换数据的需要，彻底解决了由于业务不同、应用不同以及系统不同所导致的信息孤岛问题。数据平台的统一性使大数据分析成为可能，使更多应用能够因数据的开发互通性得以实现。

3 系统实现及关键技术

3.1 多源异构数据标准化

为增加数据传输处理过程的可靠性，减轻平台处理负荷，笔者将待处理数据进行模块化处理，将前端数据按照预定大小进行分块组装和标记。系统通过建立统一的信息交换环境，采用“标识符-名称-说明-表示格式-来源-备注”的统一表示方式来进行多源感知设备的数据协同处理，实现数据交换中间件，能够通过该中间件实现高效的数据存储与数据交换，并形成标准化，提供统一接口，为数据分析与决策支持提供高效便捷的访问支持。

3.2 多源异构数据融合处理方法

物联网大数据具有多种模态形式，这些数据在内容上往往具有较强的关联性，通过建立多源数据融合模型、提取模型异源数据特征值、降低模型数据空间维度、转换模型数据互异结构，实现多模态数据融合处理共享。采用基于深度学习的TensorFlow 框架搭配ETL（抽取转化加载）等技术实现特征值提取，建立张量模型运用流计算方式在异构数据中找到共有特征值。降维方面采用主成分分析的PCA（主成分分析）算法与线性判别分析的LDA（线性判别分析）算法，建立特征值的线性回归模型或通过对特征值的动态成分规划实现维度缩减。采用主流的K-L 变换与ANN（人工神经网络）以及CNN/RNN（卷积神经网络/回归神经网络）结合等方法实现数据互异结构转换，模拟人脑神经元机理快速在互异数据中依据特征值找到互异均方误差的结构最佳变换。归一化横向扩展机制将搭配海杜普（Hadoop）生态圈进行集群级调配等一系列的可重用措施，通过单源数据的归一化实现多源数据的通用化，并利用Hadoop 生态圈中的分布式文件系统进行集群跨空间横向扩展。通过上述技术的整合，保证多源数据在融合之后具有跨平台共享能力。

3.3 多协议自动适配技术

随着物联网智能终端的普及以及网络技术的发展，越来越多的智能终端需要接入物联网平台为应用提供复杂、异构的感知数据，这就对物联网云平台网络协议支持接入提出了更高的要求。该项目利用网络控制器对设备通过各种协议传输的信息进行解密分析并转换成一种统一的数据格式，将数据统一汇总至数据中心，对数据加以分析处理为第三方提供各种应用接口。已支持LoRa、NB-IoT、3G、4G、5G 等通信协议接入，同时采用MQTT、CoAP、WebSocket、HTTP、HTTPS 等主流物联网传输协议，使物联网终端接入更可靠、更稳定。

4 结语

该文详细介绍了AIoT 的需求和发展以及智能物联网平台构建和所涉及的关键技术及应用实例和展望。鉴于人工智能和物联网技术如今依旧处于上升发展阶段，存在许多不足和亟待改进的地方，因此物联网技术在生活中的实际应用规模还不够大。现有软硬件水平和理论间的差距是导致该问题的主要原因，但如今AI 和物联网技术已受到世界瞩目，在各大科技巨头和各国科学家的努力下，相信在不久的将来就能攻克难题，让AIoT 真正走进人们生活的每个角落。