随着物联网技术的不断创新与完善,物联网应用已经渗透到了各行各业。各国纷纷把发展物联网列入到国家层面的战略中。IDC公司数据显示,2018年,全球物联网开支达6460亿美元。未来,全球物联网市场将继续稳定增长。到2022年,市场规模将达到1万亿美元。物联网是新一代信息技术的重要组成部分,也是“信息化”时代的重要发展阶段,被称为继计算机、互联网之后世界信息产业发展的第三次浪潮。2016年谷歌推出围棋机器人Alpha Go之后,人工智能的发展以指数级的趋势增长。随着人工智能、物联网等技术的不断成熟,将人工智能技术与物联网技术结合起来,以此创造一种更具智能和人性化的物联网来满足人们日益增加的要求。AIo T就是人工智能技术与物联网在实际应用中的落地融合。目前已经有越来越多的人将AI与Io T结合到一起来看,AIo T作为各大传统行业智能化升级的最佳通道,已经成为物联网发展的必然趋势。AIo T正在成为业界公认的未来技术主流形态,在全球范围内加快应用与落地。未来人类的生产生活将呈现高度智能化,进入智能化时代。目前关于支持人工智能的物联网系统主要是将传感器采集的所有数据发送到中心位置,如云或者具有专用GPU硬件的专用服务器,在那里进行模型构建和推理任务。随着终端设备的大幅度增加以及人们对服务质量的要求的进一步提升,以云计算为中心的集中式处理模式存在带宽、时延和安全问题。传统人工智能物联网系统需要始终与云连接,必须处理带宽限制和高延迟可变性。根据应用,远程处理和聚合后的数据被转发回通常位于始发传感器节点邻近处的致动器设备,而且云端往往距离底层设备较远。物联网系统连接着数据庞大的传感器、执行器和智能设备,通常执行器做出响应只需要本区域设备而并非所有设备的数据,而所有的数据都传输到云端,传输了大量低效的数据,造成网络带宽的浪费。将传感器数据发送到云端可能会引入安全漏洞和隐私问题。因为终端到云端的通信路径较长、节点较多,容易受到网络攻击。针对以上问题,本文提出一种基于分散式人工智能物联网的体系。本文通过引入云雾结合的思想,在更靠近终端设备的网络边缘位置为底层终端设备提供计算和存储,在体系中引入Docker容器虚拟化技术。本文的具体研究内容和贡献如下:(1)通过分析传统人工智能物联网系统中存在的一些问题,提出了一种基于分散式人工智能物联网的体系。(2)对基于分散式人工智能物联网的体系进行了设计。根据BP神经网络的特点,选择只包含一个隐藏层的BP神经网络作为神经网络模型。设计的基本思想是:将物联网节点与神经网络的神经元一一映射,物联网中的感知设备作为BP神经网络的输入神经元,雾设备作为隐藏神经元,执行设备作为输出神经元。感知设备、雾设备和执行设备,三者共同组成BP神经网络。在体系架构设计中引入云雾结合的思想。为体系设置分散式和集中式两种工作模式。(3)实现了基于分散式人工智能物联网的体系的功能。在开发设备上部署Python和Docker,编写Dockerfile文件构建私有镜像,并以Docker镜像为基础构建Docker容器。在Docker容器中部署代码,实现雾设备与执行设备的功能,使用socket实现容器间的通信。(4)针对物联网节点与神经网络节点的映射问题,构建了体系优化映射模型,具体分别以传输时间、传输功率和传输时间与传输功率的组合为目标函数构建了体系优化映射模型。