融合物联网及边缘计算技术在智慧城市智能建筑中的应用和发展

管菁，管清宝

（南京市建筑设计研究院有限责任公司）

1 引言

当前，人工智能、云计算、大数据、区块链、物联网、5G等新一代信息技术蓬勃发展。面对新冠肺炎疫情，数字化转型的重要性更加凸显，新一代信息技术、数字化平台在支撑疫情防控指挥、促进复工复产等方面发挥了重要作用，有效抵御了疫情带来的重大冲击。但问题和短板也不容忽视，一些地方耗时耗力建设的智慧城市出现了“失灵”现象，政府公共卫生应急管理和治理能力面临极大挑战。

2021年4月，在复工和全球疫情之外，数字基建再次被热炒。工信部召开的数字基础设施建设推进专家研讨会上再次提出要加快5G建设进度。近期中央层面的一系列举动，释放出一个信号：疫情让人们更加意识到，大数据的潜力巨大。

2021年7月，南京禄口机场爆发疫情，智慧城市在这次防疫的反应上“慢了半拍”，进出过禄口机场的“苏康码”红码及黄码人员管理上出了问题。此外，在对阳性检测人员涉及的小区实行封闭管理以及密切接触人员精准防疫管理上也出了问题。

郑州7月暴雨，京广路隧道几乎成了暴雨期间全市积水最为严重的地段，积水最深13m，最终导致6人遇难，数百辆车泡水。该隧道2个多月前是刚刚完成建设的“智慧隧道”！智慧隧道在这次防灾中没发挥作用。就实际情况来看，这条号称“会思考、会说话”的智慧隧道似乎并没有发挥其应有的预警、求助、精准定位等功能。

2 新型智慧城市建设

公共突发事件就像一把尺子，随时随地检验地方政府的治理能力和为民服务的效果，倒逼智慧城市迭代升级。新冠肺炎疫情发生后，我国智慧城市建设暴露出许多问题，其核心是现有建设思路、模式和成效与疫情期间多样化、复杂化的需求不相适应，本质是城市治理能力现代化水平不高。加快以5G、人工智能、工业互联网、数据中心为代表的新型基础设施建设进度，为推动智慧城市建设迭代升级提供了新契机。

2.1 智慧城市发展的3个阶段

第一阶段，信息城市。验证了智慧城市技术可行，虽然技术实现突飞猛进，但存在实操性不足，信息互通性薄弱的问题。

第二阶段，智慧城市。智慧城市解决了技术实操性问题，进入应用落地阶段，但受限于场景的单一，无法形成健全的城市智慧生态。

第三阶段，新型智慧城市。物联网、人工智能等创新技术与应用场景不断融合，智慧城市建设以城市特定刚需或痛点为导向，通过技术、产品、服务的融合创新实现了各种场景下的一体化解决方案，并解决智慧城市建设的经济性问题。

2.2 新型智慧城市“端边网云智”架构

如图1所示，“端-边-网-云-智”作为新型智慧城市的技术实施层，蕴含巨大的创新发展空间，有望成为我国智慧城市技术应用方向的重要创新成果。

图1 新型智慧城市“端边网云智”架构

“边”即边缘计算，智能化时代海量数据的爆发式计算需求与应用低时延、灵活部署要求使得计算力下沉成为必然，边缘计算应运而生。

“网”即以5G为代表的数据传输的网络，是推动端、边、云协同工作的黏合剂。

“云”即云计算，基于网络实现异质设备间数据运算与共享的设备服务。

“智”即行业智能解决方案，面向智慧城市的不同细分场景，基于“端、边、网、云”四层结构，根据业务需求、行业知识及计算能力，支持不同层次的数据计算和分析互动的行业智能化方案[1]。

2.3 未来新型智慧城市建设

随着大数据、云计算、人工智能、区块链、天地一体信息系统、5G、元宇宙等新一代信息技术的快速迭代和广泛应用，智慧城市不仅是简单的数字城市与物联网的结合产物，更是运用现代信息技术推动城市运行系统的万物互联的平台。由此，未来新型智慧城市建设应从三个方面循序渐进：

1）万物万联

在现有基础上，通过虚拟城市全网络将数字化城市万物连接起来，让我们生活的世界全面数字化表达，让城市的每个细节，实现数据交互，物和物、人与物的基本认知与对话。

2）数据汇聚

万物互联之后，便可展开更加智能便捷的服务，各类信息和数据随时随地汇聚、共享和处理，实现智能分析与调控，通过智能政务、智能交通、智能家居、智能设备、智能工厂等实现城市数字化转型。

3）智能便捷

更多城市数据方便汇聚和处理之后，大数据智慧优先、AI智慧深度学习等便可使城市各功能实现智能便捷，在人类智慧的驱动下优化运行，最大限度地以最佳方式服务市民生活。

在未来新基建和新技术的融合过程中，城市治理或将逐渐完成由“管理型”向“服务型”的转变。智慧城市作为一项巨大的城市服务产品，需要重点提升居民对城市的归属感。

3 融合物联网

智慧城市逐步走深向实，未来将重点在体制机制、发展思路、互动形式方面产生跃升。即将出现的变化将包括：治理思路改变——从“城市数字化”到“数字化城市”；阶段重点改变——从“建设智慧城市”到“运营智慧城市”；互动形式升级——从“人与人的连接”到“万物互联”。

在“新基建”的风口下，智慧城市中的场景层、数据层与硬件层将得到不断夯实完善，逐步升级，并达到跨部门、跨系统、跨业务、跨层级、跨地区的融合共享和协同发展。

3.1 融合物联网架构

广域融合物联网系统遵循智慧城市顶层设计的原则，立足于智慧建筑、延伸到智慧城市。通过5G、大数据、云计算、AI、边缘计算等新一代信息技术，完成端-边-网-云-智的硬件层的建设[2]；通过大数据共享，完成数据与服务的融合；通过融合应用，参与到智慧社区、智慧经济、智慧治理等智慧城市场景中来。

如图2所示，融合物联网技术（WF-IoT，Wide area Fusion Internet of Things）是一种基于物联网RFID的低功耗广域网通信技术。其特点是去IP化，纯物联；去中心化；全集成，融合物联。主要构成包括节点、网关和人机交互工具等三部分。

图2 WF-Io T融合物联网拓扑架构

WF-IoT融合物联网技术的突破，一网多用，一物多能，极大降低了智能化应用成本，使大规模智能化成为可能，同时也建立以“1对N”互联互通模式的智慧产业生态圈，实现广泛共享，有效聚合和充分释放。

WF-IoT终端采取单芯片实现了商用物联网、识别定位网、无线传感网的融合，搭载轻量级、低功耗系统，可以同时满足大规模部署、多业务融合、低成本刚需、高时效反应、低功耗要求等众多应用需求。从节点、智能网关，直到云端管控，能够为用户提供了物联网技术集成应用的全套解决方案。

3.2 融合物联网优势

融合物联网三大优势：①智能控制方式的革命；②开启云、霁、雾协同计算时代；③设备维修方式的革命。

WF-IoT技术成熟，形成了一个较为完整的产业链生态体系，在众多行业领域中建成了示范系统，应用效果良好，积累了可以复制推广的经验。

3.3 融合物联网应用场景

基于WF-IoT末梢网络融合集成的融合物联网已规模应用于智慧园区、智慧校园、智慧交通、智慧医疗、智慧工厂、智慧场馆、智慧商场、智慧景区、智慧照明、智慧国防、智慧建筑等众多智慧城市领域。

4 边缘计算

所谓边缘计算可以理解成物联网，它就是物联网。在安全防范系统中，在自动驾驶汽车系统中，其实都涉及了边缘计算，这样效率高。系统本身计算能力有限，但云端的计算能力是无限的，而且它的数据量也是无限的，所以它给出最准确的结果，所以叫云计算。边缘计算就是有一些地方有一些场景，有一些设备它不适合用云计算，这就出来了叫边缘计算，就是它必须在本地实现这个计算功能[3]。

4.1 5G时代的物联网

提到自动驾驶车，车有一些功能是肯定不适合云计算的，比如是否刹车，这个结果用云计算的话，可能就会车毁人亡。安防本来就是云计算，高清摄像头的那个时代就是云计算，为什么现在也要走向边缘计算，因为如果想要加快速度，如果想破案成功率更高，它必须边缘计算，这样才能够使得这个对罪犯的识别在第一时间内完成，所以这个边缘计算可以理解为5G时代的物联网，把计算能力从云端向设备端向终端去扩散。

4.2 所有设备都可能成为边缘计算的终端

边缘计算的终端其实是数量非常庞大的，现在身边接触的所有的设备，都可能成为边缘计算的终端。只要它自带计算能力，本地搭建了AI芯片，都有可能成为边缘计算的这个设备。

4.3 5G时代开始，边缘计算必将兴起

第一个原因就是云，云虽然是未来最重要的一个数据的运算中心，但是毕竟带宽有限，就算带宽上来了，5G起来了它的运算能力也是有限的，虽然芯片都是指数级的，按照摩尔定律指数级的再往上走，但是同样的数据量也是指数级地往上走。举例，你用手机看电影，5G时代蓝光就很轻易的实现了，4G的时候发现蓝光还是卡，就是这个道理，就是云计算数据增长的量还是比这个芯片的速度要快。

第二个就是物联网时代，5G时代，巨头们的战略就是终端的数据量激增。一是大量的数据在终端；二是安全性，有一些数据不适合上云，所以就导致了边缘计算应运而生，需要把一些计算留在边缘，留在终端里面。

第三个就是人工智能发展，因为有一些数据它就是要留在终端，比如手机的人脸识别功能，为什么手机的人脸识别能够做到十几毫秒且在没网的环境下也能实现？这就是典型的终端设备产生海量小数据，假设人脸识别这个功能必须在云计算实现，那这个功能就非常的鸡肋，肯定没有输入密码快，但正是因为它在本地终端有一个AI芯片，它把这个功能放在了本地。因为，虽然人脸识别的难度很大，运算量要求很大，但是因为这部手机通常只属于你一个人，它只要把你各种形态各种特征给记录下来，只要能识别你一个人就够了，所以这个难度对于芯片来讲它是能够做到的。

4.4 边缘计算AI架构优势

边缘计算AI与传统信息化架构对比优势明显，主要体现在以下三方面：

①解决传统信息化架构中台层压力过大的问题。通过新架构，对设备数据的采集颗粒度与采集频次在云与边进行分离，云端按实际需求从边缘端只获取合适颗粒度与频次的数据，减轻传统信息化系统架构的采集层的压力过大问题。

②解决传统信息化架构应用系统层应用模块过多的问题。通过新架构，把平台的专业的应用系统模块下沉至边缘计算端，减轻传统信息化系统架构的应用模块过多，过于臃肿问题。

③管理角色在架构上的分离，各取所需。通过新架构，把云端用户的管理需求与一线工作人员的工作需求的物理分离。

4.5 边缘计算AI应用场景

边缘计算的典型应用场景包含自动驾驶，无人机，人脸识别监控，智慧制造，VR/AR，智能家居，智能手机，智慧灯杆，智慧交通，智慧工地，智慧城市……

1）人脸识别视频监控

视频人工智能解析引擎采用深度学习技术对提取图片中的人物进行快速识别，再对人物的行为特征进行标记，相应的AI训练则放到云端进行。搜索引擎服务器用于视频人工智能图像大数据应用系统软件的部署、运行。存储主机用于视频人工智能结构化数据的集中存储。

2）智能手机

这是我们最熟悉的边缘AI设备。语音助手是智能手机上边缘AI的好例子，因为该技术驱动了它们的语音UI。手机上的AI使得数据处理发生在设备（边缘）侧，这意味着不需要将设备数据交付到云端，这有助于保护隐私和减少流量。

3）电梯阻车系统

通过摄像机视频识别能力点对点联动电梯控制系统。当电动车进入电梯时，电梯内安装的电动车监测摄像机可对电动车自动识别，随后联动电梯内安装的语音警示器发出语音警告，并且输出开关量信号联动电梯门不会关闭，电梯暂时停止运行，直到电动车推出电梯后，电梯才会恢复正常运行。

4）智慧交通

当行人过马路时，以摄像机，激光雷达等检测器作为行人检测设备，通过深度学习技术判断人车冲突隐患，在路侧通过显示屏及语音提示器，提醒行人注意通行安全，在车内通过车载设备提醒网联汽车注意行人[4]。同时，前后车辆可以通过车辆协同的手段，来减少事故发生的概率。

5）智慧工地

智慧工地可运用5G、边缘计算、高精度定位、高清视频通信等技术搭建。以边缘计算AI搭建可视化协同指挥平台，随时随地实景监控各工地现场；监管人员、施工人员等均可以通过监控中心、视频会议终端、电脑端、手机端等多种方式实时掌握工地大数据。

6）物联网变电所

遵循物联网规约，基于物联网架构，建立以边缘AI智能网关为数据汇聚及计算中心，以实物电子标签、局部放电传感器、无线测温传感器、智能采集终端为感知设备，实现配电网络的物理全面感知、大数据应用和智能分析。

5 展望-打造更高效的“万物互联”

未来需要积极推动边缘计算与物联网、大数据、云计算、人工智能等新兴技术的深度结合，促进基于边缘计算、物联网、人工智能的新媒体、车联网、工业互联网等融合应用产品的研发，与垂直行业应用的融合创新。探索合作共赢的物联网、人工智能、边缘计算技术融合应用新模式和新业态。

同时，融合物联时代的到来，必将成为推动智慧城市、智能建筑的“新拐点”。融合物联的互为场景、互为基础、互为生态的协同应用体系也必将在未来智慧城市、智能建筑建设中持续释放融合发展的叠加效应、聚合效应、倍增效应。