智慧城市多源物联数据人工智能分析平台的设计

王凯宸

摘要：文章聚焦于智慧城市背景下区域物联数据的人工智能分析平台设计。该平台通过整合多源物联数据，并运用人工智能算法分析，使物联网具备感知与识别能力，从而实现数据的高效处理、深度挖掘与智能分析，为城市管理者提供决策支持。研究内容涵盖了平台的总体架构设计、主要功能模块设计等方面，旨在为智慧城市建设提供有力的数据支撑和智能化分析工具。

关键词：智慧城市；物联网；人工智能；平台架构

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2024）13-0039-03 开放科学（资源服务）标识码（OSID） ：

0 引言

近年来，物联网、人工智能、大模型技术迅猛发展，为智慧城市建设带来了革命性的变化。物联网作为智慧城市建设的核心，通过部署大量感知设备，实时收集城市运行的各种数据，实现了人、机、物的泛在连接和有机融合。然而，随着物联网设备数量的激增，产生的数据量也呈现爆炸式增长。如何有效分析和利用这些数据，成为智慧城市建设面临的一大挑战。传统的数据处理和分析方法已难以应对如此大规模、高速度、多样性的数据。因此，借助人工智能技术对物联网数据进行深度挖掘和价值提炼，成为解决这一问题的有效途径。

本文主要从智慧城市建设及应用的实际需求出发，探讨如何设计智慧城市多源物联数据的人工智能分析平台，从而提升城市管理和服务的智能化水平。

1 建设背景

智慧城市物联感知体系是数字中国战略下的重要建设内容，也是实现智慧城市管理精细化、精准化的关键基础设施。通过集成物联网、云计算、大数据分析和人工智能等先进技术，实现对城市各个领域的实时感知和监测，为城市管理者提供准确、全面的信息，以及更加科学、合理的决策依据，推动城市现代化和智慧化发展。

1.1 智慧城市物联感知体系发展趋势

近年来，我国在数字中国建设的道路上取得了显著进展，城市物联感知体系为实现城市管理的“快速感知、快速响应、快速处理”提供了数据基础，有利于城市运行管理的监督指挥和联合调度[1]。智慧城市物联感知体系的发展主要呈现出三大趋势，即泛在化全域智联、平台化智慧服务和集约化高效建设[2]。例如，上海市发布的《新型城域物联感知基础设施建设导则（2022年）》，对物联感知、数据规范、通用算法、平台架构、综合应用、安全保护等进行规范，实现街镇-区级- 市级新型城域物联感知基础设施管理平台的统一规划、分级实施，确保平台之间的数据融通和综合利用。

1.2 人工智能赋能物联感知应用发展

人工智能作为核心驱动力，为物联感知应用赋予了强大的智能分析和决策能力，在人、机、物3大方面发挥重要作用[3]。在“人”方面，通过深度学习和大数据分析，提升人们对城市运行状态的感知和理解。在“机”方面，通过人工智能与物联感知技术融合应用，对机器、机械等设备实现智能化综合管控。在“物”方面，人工智能技术的叠加为物联感知应用提供物体识别、物体定位和追踪能力，依托城市无处不在的物联感知设备部署，进一步实现对城市物体的全面感知和监控。在智能物联网时代，人、机、物三种要素在同一环境或应用场景下，通过协作交互来共同增强能力，以完成日益复杂的感知和计算任务[4]。

2 平台总体架构设计

智慧城市多源物联数据人工智能分析平台从总体架构上来看分为5层，包括设备层、网络层、接入层、业务层、AI能力层。总体架构设计如图1所示。

1） 设备层：主要包含多种城市设施和感知设备，为数据采集服务提供了良好的硬件支撑。

2） 网络层：为感知设备的数据回传提供链路和途径，包括多种传输协议。

3） 接入层：为各类感知设备提供标准化接入能力，支持的网络协议包括Http、MQTT、CoAP等。

4） 业务层：业务层实现对各类物联设施设备及数据资源的管理，包括设备激活、设备查看、设备模型、应用管理等。

5） AI能力层：为物联数据提供赋能能力，包括通过物联事件引擎、物模型、事件模型、感知模型自动生成智联事件等。

3 平台主要功能模块设计

3.1 设备设施管理

设备设施管理模块通过集成物联网技术、人工智能算法和数据分析方法，实现对设备设施的高效监控、管理和优化，提高设备的运行效率、可靠性和安全性。

物联设备管理包括对于已建成的物联设备和未来会增设的物联设备的管理和网关设备的管理[5]。其中，设备激活管理是通过系统赋予管理员权限，进行系统内所有设备的激活码生成、查询、发放等操作。设备查看功能允许管理员查看系统内所有物联设备的基础运行状态、射频信号状态，并查询设备历史数据，从而实现对物联设备运行情况的实时跟踪。应用管理则是通过对系统内所有物联设备进行编辑、删除等操作，确保对系统内物联设备实时、高效的管理。此外，为进一步增强安全性，增加了设备指纹管理功能，用于对设备数据的有效性和安全性进行认证。

设施管理主要针对城市市政管理公共区域内的各项设施，与设备进行关联管理，查看和监控设施实时状态，对设施相关设备产生的城市事件快速响应和处置[6]。按照上海市《新型城域物联感知基础设施建设导则（2022年）》相关要求，系统制定统一的设施编码规则，所有设施进入系统时，发放固定的唯一的具有可识别性的设施编码，作为管理该设施的唯一属性。在统一设施编码的基础上开展设施设备关联，实现对设施实时状态的管理和监控[7]。同时，开展定期或不定期巡检工作，及时发现设备的异常状态，并向运维管理人员发出异常告警通知，实现自动化运维管理，降低感知终端的故障时间，提升城市运行管理的稳定性。

3.2 事件引擎

对事件规则进行配置化管理是实现城市智能化管理和提高处理能力的关键步骤。通过配置化的规则，能够将物联设备所采集的海量数据转化为各委办、街道、物业等部门可以理解和处理的事件，并且实时下发通知，从而迅速响应和处置城市运行中的各种问题[8]。事件引擎管理流程如图2所示。

事件管理是对城市中发生的各类事件进行统一管理和监控的功能模块，实现事件全生命周期管理。事件规则用于定义物联设备数据与具体事件之间的映射关系，根据业务需求配置不同的规则，将原始数据转化为具有明确含义的事件。事件类型用于定义和分类城市中可能发生的各种事件。事件等级是根据事件的紧急程度、影响范围等因素定义不同的等级，配置不同的响应机制和资源调度方案，并支持动态调整事件等级，适应不同情况下的处理需求[9]。事件通知是当事件触发后，通过配置通知方式、接收人、通知内容等参数，确保相关部门能够及时收到事件通知并采取相应措施。

3.3 物模型

物模型：基于一系列的标准对物体进行描述、建模、解析和集成管理[10]，从而确保物联网中的设备和数据能够以一种统一、互操作的方式进行交互和使用。

物联本体建模：针对物联网中各种物体及其属性进行标准化描述的过程。通过收集和分析物联网基础设施的数据，建立一套完整的数据目录。在此基础上，进一步抽象出一套适合物联网服务场景的本体模型。本体模型提供了对物体及其关系的标准化描述，为后续的物体解析和集成管理提供了基础。

物联解析体系：通过对新接入物体的物名、能力、位置等核心要素进行解析，实现对物体的识别和管理[10]。物联解析体系通常包括物名标识解析、能力标识解析和位置标识解析等功能，使物联网平台准确识别和管理接入的物体，确保精准提供服务和精确响应请求。

物体接入管理与赋能服务：通过对物体的管理与集成，对外提供统一接口的能力服务，提高其他系统或应用对于物体的使用效率和便捷性。

3.4 事件模型

在物模型的基础上，基于物体的能力体系来描述、解析和管理在物联网环境中发生的各种事件，进一步建立事件模型，构建事理图谱，描述和推理事件之间的关系[10]。

数据是事件模型的基础，包括数据收集、数据处理、数据分配及数据使用等环节。数据收集是从各种传感器、设备和交互物中收集数据。数据处理是对收集到的原始数据进行清洗、转换和标准化处理，以便后续分析和使用。数据分配是根据事件模型和物模型的定义，将处理后的数据分配给相应的系统、服务或应用。数据使用是系统、服务或应用使用分配到的数据来执行特定的任务、生成分析结果或提供用户交互。

因果推理是事件模型的核心，通过分析事件之间的因果关系，提升预测准确性和响应性。因果推理主要包括事件识别、逻辑分析、推理预测、决策响应等环节。事件识别是识别物联网环境下由物体的状态变化、用户操作或其他交互引起而发生的事件。因果分析是分析已识别事件之间的各类因果关系，并充分考虑事件的时间顺序、物体之间交互、环境状态等因素。推理和预测基于因果分析结果，推理或预测某个物体未来的状态或行为，或者根据已知事件推断出可能发生的后续事件。决策和响应是根据推理和预测结果做出决策，并采取调整物体行为、触发警报、提供用户反馈等一系列响应措施。

3.5 感知模型

感知模型在物联网中占据至关重要的地位，重点在于分析和预测由感知设备产生的大量数据。在建立感知模型时须充分结合感知数据的时空性、关联性、海量性、质量差异等情况[10]，以便在分析和预测时考虑设备之间的相互作用、数据质量及数据结构之间的差异。例如，传感器可能在不同时间点和不同地理位置收集数据，反映物体或环境的状态变化。

在建立感知数据模型时，还需要考虑数据的时空关联性。对于物联感知数据而言，数据的收集往往与特定的时间、地点和设备相关。因此，在模型建立过程中，需要确保数据的时间戳、空间坐标和设备标识等信息的准确性和完整性。这些信息对于后续的数据分析、预测和决策等具有重要的参考价值。

4 结束语

面向智慧城市的多源物联数据人工智能分析平台是新时期智慧城市物联感知体系基础设施建设的重要内容。本文通过分析物联感知体系的发展趋势、人工智能赋能物联感知应用的发展情况，设计了智慧城市多源物联数据人工智能分析平台总体架构。该架构从感知设备到AI赋能，构建了一套完整的物联数据人工智能分析平台，通过汇聚多方数据源，借助人工智能算法在分析比对、融合关联、建模分析后，对物联网数据进行深度挖掘和价值提炼，为提升城市管理的智能化水平提供了强大的数据和应用支持。未来， 随着人工智能在物联数据分析领域的不断深入和平台性能的不断优化，将进一步提升数据分析和决策支持的准确性，为智慧城市的持续发展和创新贡献力量。

参考文献：

[1] 刘文静. 基于物联网及AI算法搭建智慧城管运行服务管理平台的研究[J]. 电子技术与软件工程，2022（24）：234-238.

[2] 王潇，王瑜，闫嘉豪，等.“十四五” 时期智慧城市感知体系发展趋势[J]. 信息通信技术与政策，2023，49（5）：80-84.

[3] 郭斌，刘思聪，刘琰，等. 智能物联网：概念、体系架构与关键技术[J]. 计算机学报，2023，46（11）：2259-2278.

[4] 高微，陈新元，王榕国. 智能物联网AIoT的概念及应用场景的研究[J]. 信息通信技术，2023，17（3）：80-84.

[5] 王峥嵘，范洪兵. 市级物联感知平台建设探索[J]. 信息与电脑，2023（17）：146-148.

[6] 杨杉，叶海纳，程新洲，等. 面向智慧城市的城市级物联网平台的建设探讨[J]. 邮电设计技术，2019（9）：10-14.

[7] 梁永增. 面向智慧城市应用的物联网平台标准化设计[J]. 物联网技术，2023，13（3）：97-100.

[8] 韩兆祥，阙萍. 上海“一网统管” 物联感知体系探索研究[J]. 上海信息化，2020（8）：14-17.

[9] 王磊. 智慧城市发展背景下物联网服务平台设计及应用[J]. 城市建设理论研究（电子版），2023（9）：152-154.

[10] 徐超，林友勇，李少利.物联数据建模分析框架探讨[J].智能物联技术，2019，51（3）：9-13.

【通联编辑：代影】