智慧城市多源物聯數據人工智能分析平臺的設計

王凱宸

摘要：文章聚焦于智慧城市背景下區域物聯數據的人工智能分析平臺設計。該平臺通過整合多源物聯數據，并運用人工智能算法分析，使物聯網具備感知與識別能力，從而實現數據的高效處理、深度挖掘與智能分析，為城市管理者提供決策支持。研究內容涵蓋了平臺的總體架構設計、主要功能模塊設計等方面，旨在為智慧城市建設提供有力的數據支撐和智能化分析工具。

關鍵詞：智慧城市；物聯網；人工智能；平臺架構

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2024）13-0039-03 開放科學（資源服務）標識碼（OSID） ：

0 引言

近年來，物聯網、人工智能、大模型技術迅猛發展，為智慧城市建設帶來了革命性的變化。物聯網作為智慧城市建設的核心，通過部署大量感知設備，實時收集城市運行的各種數據，實現了人、機、物的泛在連接和有機融合。然而，隨著物聯網設備數量的激增，產生的數據量也呈現爆炸式增長。如何有效分析和利用這些數據，成為智慧城市建設面臨的一大挑戰。傳統的數據處理和分析方法已難以應對如此大規模、高速度、多樣性的數據。因此，借助人工智能技術對物聯網數據進行深度挖掘和價值提煉，成為解決這一問題的有效途徑。

本文主要從智慧城市建設及應用的實際需求出發，探討如何設計智慧城市多源物聯數據的人工智能分析平臺，從而提升城市管理和服務的智能化水平。

1 建設背景

智慧城市物聯感知體系是數字中國戰略下的重要建設內容，也是實現智慧城市管理精細化、精準化的關鍵基礎設施。通過集成物聯網、云計算、大數據分析和人工智能等先進技術，實現對城市各個領域的實時感知和監測，為城市管理者提供準確、全面的信息，以及更加科學、合理的決策依據，推動城市現代化和智慧化發展。

1.1 智慧城市物聯感知體系發展趨勢

近年來，我國在數字中國建設的道路上取得了顯著進展，城市物聯感知體系為實現城市管理的“快速感知、快速響應、快速處理”提供了數據基礎，有利于城市運行管理的監督指揮和聯合調度[1]。智慧城市物聯感知體系的發展主要呈現出三大趨勢，即泛在化全域智聯、平臺化智慧服務和集約化高效建設[2]。例如，上海市發布的《新型城域物聯感知基礎設施建設導則（2022年）》，對物聯感知、數據規范、通用算法、平臺架構、綜合應用、安全保護等進行規范，實現街鎮-區級- 市級新型城域物聯感知基礎設施管理平臺的統一規劃、分級實施，確保平臺之間的數據融通和綜合利用。

1.2 人工智能賦能物聯感知應用發展

人工智能作為核心驅動力，為物聯感知應用賦予了強大的智能分析和決策能力，在人、機、物3大方面發揮重要作用[3]。在“人”方面，通過深度學習和大數據分析，提升人們對城市運行狀態的感知和理解。在“機”方面，通過人工智能與物聯感知技術融合應用，對機器、機械等設備實現智能化綜合管控。在“物”方面，人工智能技術的疊加為物聯感知應用提供物體識別、物體定位和追蹤能力，依托城市無處不在的物聯感知設備部署，進一步實現對城市物體的全面感知和監控。在智能物聯網時代，人、機、物三種要素在同一環境或應用場景下，通過協作交互來共同增強能力，以完成日益復雜的感知和計算任務[4]。

2 平臺總體架構設計

智慧城市多源物聯數據人工智能分析平臺從總體架構上來看分為5層，包括設備層、網絡層、接入層、業務層、AI能力層。總體架構設計如圖1所示。

1） 設備層：主要包含多種城市設施和感知設備，為數據采集服務提供了良好的硬件支撐。

2） 網絡層：為感知設備的數據回傳提供鏈路和途徑，包括多種傳輸協議。

3） 接入層：為各類感知設備提供標準化接入能力，支持的網絡協議包括Http、MQTT、CoAP等。

4） 業務層：業務層實現對各類物聯設施設備及數據資源的管理，包括設備激活、設備查看、設備模型、應用管理等。

5） AI能力層：為物聯數據提供賦能能力，包括通過物聯事件引擎、物模型、事件模型、感知模型自動生成智聯事件等。

3 平臺主要功能模塊設計

3.1 設備設施管理

設備設施管理模塊通過集成物聯網技術、人工智能算法和數據分析方法，實現對設備設施的高效監控、管理和優化，提高設備的運行效率、可靠性和安全性。

物聯設備管理包括對于已建成的物聯設備和未來會增設的物聯設備的管理和網關設備的管理[5]。其中，設備激活管理是通過系統賦予管理員權限，進行系統內所有設備的激活碼生成、查詢、發放等操作。設備查看功能允許管理員查看系統內所有物聯設備的基礎運行狀態、射頻信號狀態，并查詢設備歷史數據，從而實現對物聯設備運行情況的實時跟蹤。應用管理則是通過對系統內所有物聯設備進行編輯、刪除等操作，確保對系統內物聯設備實時、高效的管理。此外，為進一步增強安全性，增加了設備指紋管理功能，用于對設備數據的有效性和安全性進行認證。

設施管理主要針對城市市政管理公共區域內的各項設施，與設備進行關聯管理，查看和監控設施實時狀態，對設施相關設備產生的城市事件快速響應和處置[6]。按照上海市《新型城域物聯感知基礎設施建設導則（2022年）》相關要求，系統制定統一的設施編碼規則，所有設施進入系統時，發放固定的唯一的具有可識別性的設施編碼，作為管理該設施的唯一屬性。在統一設施編碼的基礎上開展設施設備關聯，實現對設施實時狀態的管理和監控[7]。同時，開展定期或不定期巡檢工作，及時發現設備的異常狀態，并向運維管理人員發出異常告警通知，實現自動化運維管理，降低感知終端的故障時間，提升城市運行管理的穩定性。

3.2 事件引擎

對事件規則進行配置化管理是實現城市智能化管理和提高處理能力的關鍵步驟。通過配置化的規則，能夠將物聯設備所采集的海量數據轉化為各委辦、街道、物業等部門可以理解和處理的事件，并且實時下發通知，從而迅速響應和處置城市運行中的各種問題[8]。事件引擎管理流程如圖2所示。

事件管理是對城市中發生的各類事件進行統一管理和監控的功能模塊，實現事件全生命周期管理。事件規則用于定義物聯設備數據與具體事件之間的映射關系，根據業務需求配置不同的規則，將原始數據轉化為具有明確含義的事件。事件類型用于定義和分類城市中可能發生的各種事件。事件等級是根據事件的緊急程度、影響范圍等因素定義不同的等級，配置不同的響應機制和資源調度方案，并支持動態調整事件等級，適應不同情況下的處理需求[9]。事件通知是當事件觸發后，通過配置通知方式、接收人、通知內容等參數，確保相關部門能夠及時收到事件通知并采取相應措施。

3.3 物模型

物模型：基于一系列的標準對物體進行描述、建模、解析和集成管理[10]，從而確保物聯網中的設備和數據能夠以一種統一、互操作的方式進行交互和使用。

物聯本體建模：針對物聯網中各種物體及其屬性進行標準化描述的過程。通過收集和分析物聯網基礎設施的數據，建立一套完整的數據目錄。在此基礎上，進一步抽象出一套適合物聯網服務場景的本體模型。本體模型提供了對物體及其關系的標準化描述，為后續的物體解析和集成管理提供了基礎。

物聯解析體系：通過對新接入物體的物名、能力、位置等核心要素進行解析，實現對物體的識別和管理[10]。物聯解析體系通常包括物名標識解析、能力標識解析和位置標識解析等功能，使物聯網平臺準確識別和管理接入的物體，確保精準提供服務和精確響應請求。

物體接入管理與賦能服務：通過對物體的管理與集成，對外提供統一接口的能力服務，提高其他系統或應用對于物體的使用效率和便捷性。

3.4 事件模型

在物模型的基礎上，基于物體的能力體系來描述、解析和管理在物聯網環境中發生的各種事件，進一步建立事件模型，構建事理圖譜，描述和推理事件之間的關系[10]。

數據是事件模型的基礎，包括數據收集、數據處理、數據分配及數據使用等環節。數據收集是從各種傳感器、設備和交互物中收集數據。數據處理是對收集到的原始數據進行清洗、轉換和標準化處理，以便后續分析和使用。數據分配是根據事件模型和物模型的定義，將處理后的數據分配給相應的系統、服務或應用。數據使用是系統、服務或應用使用分配到的數據來執行特定的任務、生成分析結果或提供用戶交互。

因果推理是事件模型的核心，通過分析事件之間的因果關系，提升預測準確性和響應性。因果推理主要包括事件識別、邏輯分析、推理預測、決策響應等環節。事件識別是識別物聯網環境下由物體的狀態變化、用戶操作或其他交互引起而發生的事件。因果分析是分析已識別事件之間的各類因果關系，并充分考慮事件的時間順序、物體之間交互、環境狀態等因素。推理和預測基于因果分析結果，推理或預測某個物體未來的狀態或行為，或者根據已知事件推斷出可能發生的后續事件。決策和響應是根據推理和預測結果做出決策，并采取調整物體行為、觸發警報、提供用戶反饋等一系列響應措施。

3.5 感知模型

感知模型在物聯網中占據至關重要的地位，重點在于分析和預測由感知設備產生的大量數據。在建立感知模型時須充分結合感知數據的時空性、關聯性、海量性、質量差異等情況[10]，以便在分析和預測時考慮設備之間的相互作用、數據質量及數據結構之間的差異。例如，傳感器可能在不同時間點和不同地理位置收集數據，反映物體或環境的狀態變化。

在建立感知數據模型時，還需要考慮數據的時空關聯性。對于物聯感知數據而言，數據的收集往往與特定的時間、地點和設備相關。因此，在模型建立過程中，需要確保數據的時間戳、空間坐標和設備標識等信息的準確性和完整性。這些信息對于后續的數據分析、預測和決策等具有重要的參考價值。

4 結束語

面向智慧城市的多源物聯數據人工智能分析平臺是新時期智慧城市物聯感知體系基礎設施建設的重要內容。本文通過分析物聯感知體系的發展趨勢、人工智能賦能物聯感知應用的發展情況，設計了智慧城市多源物聯數據人工智能分析平臺總體架構。該架構從感知設備到AI賦能，構建了一套完整的物聯數據人工智能分析平臺，通過匯聚多方數據源，借助人工智能算法在分析比對、融合關聯、建模分析后，對物聯網數據進行深度挖掘和價值提煉，為提升城市管理的智能化水平提供了強大的數據和應用支持。未來， 隨著人工智能在物聯數據分析領域的不斷深入和平臺性能的不斷優化，將進一步提升數據分析和決策支持的準確性，為智慧城市的持續發展和創新貢獻力量。

參考文獻：

[1] 劉文靜. 基于物聯網及AI算法搭建智慧城管運行服務管理平臺的研究[J]. 電子技術與軟件工程，2022（24）：234-238.

[2] 王瀟，王瑜，閆嘉豪，等.“十四五” 時期智慧城市感知體系發展趨勢[J]. 信息通信技術與政策，2023，49（5）：80-84.

[3] 郭斌，劉思聰，劉琰，等. 智能物聯網：概念、體系架構與關鍵技術[J]. 計算機學報，2023，46（11）：2259-2278.

[4] 高微，陳新元，王榕國. 智能物聯網AIoT的概念及應用場景的研究[J]. 信息通信技術，2023，17（3）：80-84.

[5] 王崢嶸，范洪兵. 市級物聯感知平臺建設探索[J]. 信息與電腦，2023（17）：146-148.

[6] 楊杉，葉海納，程新洲，等. 面向智慧城市的城市級物聯網平臺的建設探討[J]. 郵電設計技術，2019（9）：10-14.

[7] 梁永增. 面向智慧城市應用的物聯網平臺標準化設計[J]. 物聯網技術，2023，13（3）：97-100.

[8] 韓兆祥，闕萍. 上海“一網統管” 物聯感知體系探索研究[J]. 上海信息化，2020（8）：14-17.

[9] 王磊. 智慧城市發展背景下物聯網服務平臺設計及應用[J]. 城市建設理論研究（電子版），2023（9）：152-154.

[10] 徐超，林友勇，李少利.物聯數據建模分析框架探討[J].智能物聯技術，2019，51（3）：9-13.

【通聯編輯：代影】