人工智能在物联网中的应用

马韶蕾

摘 要 物联网实现了人与物、物与物的信息交流，而人工智能技术极大拓宽了物联网的应用范围、应用深度和智能化程度。人工智能加物联网可以应用到智能农业、智能工业等行业，并详细介绍了智慧医疗和自动驾驶应用情况，体现了人工智能技术特点及起到的重要作用，可能导致生产方式变革或业务流程优化，拥有广阔的发展前景。

关键词 物联网；人工智能；智慧医疗；自动驾驶

中图分类号 TP39 文献标识码 A 文章编号 1674-6708（2018）217-0005-02

物联网是借助于电子信息技术，将物体嵌入微型感应芯片，通过射频识别、红外感应器、激光扫描器等信息传感设备将物品与互联网连接起来，进行信息交换和通讯，实现智能化识别、定位、监控和管理，使人与物体、物体与物体之间实现信息交流。在现实生活中常见的物联网应用如远程防盗、不停车收费、智能图书馆、远程电力抄表等。传统物联网应用面临的一些问题是：系统局限在某个行业、某个客户内部，相对封闭，没有形成真正的万物互联；智能化程度较低，应用范围受限。

物联网改变人们生活的深层次原因不仅是“互联”，最关键的是智能。具备高级智能的物联网应用会变得更智慧更人性化，并极大拓宽应用领域。近年来人工智能技术快速发展，激发物联网应用从传感器到数据处理平台发生了深刻变化，极大拓宽了物联网的应用范围和规模程度。

1 人工智能在物联网中的应用

1.1 物联网与人工智能

物联网分为3个层次：感知层，网络层，应用层。感知层相当于人的感官和末梢神经，用来感知和采集应用环境中包括温度、湿度、速度、位置、震动、压力、流量、气体等各种数据。网络层相当于人的神经系统，利用无线或有线通讯网络将采集的数据传输到数据处理平台。应用层相当于人的大脑响应指示，对收集的数据经过分析思考发出控制指令，如设备管理、环境监测、工业控制等。

人工智能是研究開发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，研究领域包括机器人、深度学习、语言识别、图像识别等，它是对人的意识、思维的信息过程的模拟，并力图制造出与人类智能相似的机器。以阿尔法狗为例充分体现出近来人工智能应用在人类智力竞技上所能达到的高度。

人工智能对于物联网上产生的推动作用：一是基于深度学习等技术使物联网应用显得更智能、更人性化，极大拓宽物联网的应用范围、应用深度和智能程度（脑更智慧）；二是在工业生产上通过应用机器人、深度学习等技术结合，实现产品生产过程精准化控制、减小产品缺陷、提高产品精度[1]，有助于高精度、小型化、智能化的芯片和感应器件的研发生产（手更灵活）。通过网络连接大量不同的设备及装置，嵌入在各个产品中的传感器不断地将新数据上传至云端服务器；云计算提供虚拟化弹性扩展的资源，通过大数据分析、深度学习等技术，从海量原始数据中获取业务潜在的知识、规律并反过来指导生产，推动生产方式的优化调整或业务的变革，在节能减排、农业生产、智慧医疗、自动驾驶等领域得到广泛应用。例如，针对物联网能耗管理节能项目通过对能耗的实时采集、监控和深入分析，提炼出降低能耗的关键因素和能耗模型，促进节能减排；物联网农业监测到农作业生长状况、水分、温度、土壤酸碱性、产品质量等指标，经过深度学习训练出得到更优化的种植模型，指导农业生产。下面详细介绍智慧医疗和自动驾驶应用。

1.2 智慧医疗

医疗物联网主要是通过网络将医疗感应设备把医疗相关的人员、资产、物品互连起来进行信息传输交互。常用设备包括：感应设备（智能腕带等）识别人、物的身份和状态，包括条形码、二维码、射频标签等；应用服务器，包括医院自身的HIS（医疗信息系统）、EMR（电子病历）等。在没有人工智能情况下，通过感应器可以采集记录患者血压、体温以及医疗设备等信息并传送到HIS系统中，应用比较简单。借助于大数据、深度学习、智能机器人等新技术，医疗物联网不再局限于简单的数据采集传输，在帮助医院实现智能化医疗管理、有效扩展医疗资源、促进医药科学研究等方面发挥重要作用。例如：远程智能看护、智能诊疗、智能药物研发等[2]。

远程智能看护：患者身上佩戴相应的采集设备实时采集患者血压、心率、体温、脉搏等，通过移动网络实时发送到物联网平台；应用服务器对数据进行处理和分析，并判断各项指标数值区间，如果超过设定值则系统将向医护人员自动发送短信报警；同时利用深度学习训练的模型，针对患者长期以来的健康监控数据进行分析，判断患者是否存在其他潜在病症；并将所有数据同时传递给HIS、EMR系统，供医生参考查询（参见图1）。

智能诊疗：让计算机学习专家医生的医疗知识，模拟医生的思维和诊断推理。患者可以在家里电脑前，通过网络向诊疗专家提出咨询，网络另一端的机器“专家”（经过人工智能学习训练），提供专业的参考诊断和治疗方案。同时也可以解决实践中医疗资源不足的问题，对有限的医疗资源进行有效的扩展。

智能药物研发：将人工智能中的深度学习技术应用于药物研究，通过大数据分析等技术手段快速、准确地挖掘和筛选出合适的化合物或生物成分，通过计算机模拟，对药物活性、安全性和副作用进行预测，以提高新药研发成功率、降低新药研发成本。人工智能已在心血管药、抗肿瘤药和常见传染病治疗药等多领域取得了新突破。

1.3 自动驾驶

早期提出的“自动驾驶”概念主要是指人类通过无线电波下发指令遥控车辆的方向盘、离合器、制动器等机械部件来控制汽车行驶。随着物联网和人工智能技术发展，依靠高精度的传感器、实时可靠的通信系统以及通过深度学习越来越成熟的控制程序，一个集环境感知、车辆智能控制、辅助驾驶等功能于一体的自动驾驶系统，使机动车辆可以在没有人类主动的操作下自动安全上路行驶。百度、谷歌等公司都已经有试验车型运行。自动驾驶须经以下3个环节[3]。

感知层：利用各种不同的车用感测器获取收集整车的工作状态及其参数变化情形。通过摄像头、激光雷达、超声波传感器等来获取环境信息；通过车身传感器获取诸如车速、轮速、档位等车辆本身的信息；通过视觉传感器识别车道线、停止线、交通信号灯、行人、车辆等；这些信息将经过通信模块实时传递给车辆智能控制程序。

决策层：驾驶智能控制程序类似大脑，针对感測器所收集的信息进行分析处理。对于接收到的原始车辆感应数据首先进行数据的预处理化，例如将激光、雷达传感器收集到的时间数据转换为车与物体、车与人之间的距离；将车载摄像头拍摄的视频信息转换为对路障的判断、对红绿灯的判断、对行人的判断等。然后通过基于深度学习模型的实时运算处理，根据实时路况、交通环境和车辆当前状态信息，生成遵守交通规则前提下的自动驾驶决策信息，输出汽车实时运行的方向、速度、灯光、动力变化等决策信号，然后传递到汽车ECU（电子控制单元）等装置。

执行层：车辆依照决策系统下发的指令，在ECU输出讯号控制下， 让车辆动作讯号传递到机械部件（如命令车辆加速、减速、转向、倒车、亮灯等），并完成动作执行。

例如：一辆物流配送自动驾驶汽车在城市道路行驶，车辆将结合超声波传感器、摄像机、雷达和激光测距等感应器件，检测出汽车前方的地形地貌，判断前方是路况，根据前方车流、人流等障碍物情况，决定速度、方向、动力、灯光、路径的变化，车流较少道路通畅时会自动提速，一旦探测到地形或路况发生改变，例如道路上突然出现活动的人或物体，智能控制程序软件紧急判断后发出汽车紧急停车的指令，该消息实时传递给车辆ECU，ECU控制车辆制动器紧急动作，操作控制车辆停止下来。

目前谷歌和百度的无人车技术驱动车辆在相对单纯的环境下自动驾驶，遇到复杂路况需要人为接管控制。但是诸如车载高精度传感器、决策与控制系统等是目前技术攻关研究热点，技术上的突破将极大提高自动驾驶的水平，未来在智能城市中自动驾驶汽车极大程度优化交通路况。

2 结论

随着近年来人工智能、大数据、区块链、边缘计算等技术快速发展和普及应用，物联网产业持续高速成长，人工智能在其中起到了不可替代的作用，不仅提升了物联网的智能化程度，也有助于实现不同行业、不同应用之间的互联和资源共享。研究公司Gartner预测到2020年全球将有近260亿台设备连接到物联网。大量的数据前所未有地把物理世界映射到虚拟网络中，家庭、城市、全社会的基础设施都有可能通过网络实现万物互联。人工智能加物联网将会为人类社会生活带来巨大变革。

参考文献

[1]吴丽萍.人工智能融入制造业，形成新一代智能制造[EB/ OL].http：//gongkong.ofweek.com/2018-03/ART-310002-8500-30207502.html.2018-03-08.

[2]华为.移动医疗拥抱物联网[EB/OL].[2017-03-01].http：// www.sohu.com/a/127571821_139908.

[3]田国强.人工智能在车辆自动驾驶中的应用研究[J].江苏科技信息，2017，23（6）.