论文部分内容阅读
摘要：过去十年，伴随着ICT融合技术的高速发展。越来越多的设备有着网络接入和数据处理的需求，因而诞生了万物互联的物联网。在当今，物联网面临着采传控三大平台的困境，在人工智能加持下物联网从简单连接转向智能化与智慧化。并能够主动处理数据并做出决策。有效减轻全系统负载，实现了物联网全流程的计算智能，并基于自学习持续不断演进。
关键字：万物智联，计算智能，人工智能自学习，物联网
物联网破局之难
近十年，物联网从鲜为人知到家喻户晓;从高高在上到轻易可得;从智能猫眼到扫地机器人。其渗透深度不亚于互联网，民众接受度也普遍较高。但遗憾的是，至今全球物联网行业没有出现独角兽龙头企业;没有体系化的通信规范和行业条例;更没有一个爆款能像互联网产品一样带来超过五年的时代红利。因此，我们必须承认。物联网仍处于野蛮生长期，缺乏指导和规范，没有出现周期性的行业高潮，整个行业及产品碎片化程度严重，数据信息流通性低等。上述问题成为了阻碍行业进一步发展的最大拦路虎。
伴随着工业互联网，5G，人工智能等一系列最新的成果。物联网有了新的发展目标方向，即从数量转向质量。采集侧，传输侧，管理侧使用人工智能技术来加速和辅助处理。采集侧具备计算分析能力减少上层处理压力;传输侧根据优先级实时性要求区别对待数据，实现综合效益最大化;管理侧具备全网观测，数据存储、计算、再创新优化的能力，并能对外开放统一的接入API。最终为物联网破局为智联网奠定基础！
人工智能优化数据采集分析
物联网的三大结构从下至上分别是感知层、网络层和应用层。对于感知层而言，其核心就是传感器，目的是把待测的物理量转换为电平或数字信号来输出。因此，人工智能优化的传感器可以对转换后信号进行智能降噪滤波处理，有效提高数据稳定性。
在传统滤波算法中，均值滤波，限幅滤波，滑动窗口滤波三类最为常用。经测试发现，传统滤波虽然对算力要求较低但其实时响应效果不佳，不能满足部分高精度高实时性场景性能需求，其更是主要考虑噪声的单纯时频域分布，没有全局优化的概念。因此人工智能优化的滤波可以提高精度和维度，实现自动异常告警，提升采集侧智能化水平。
人工智能的滤波算法主要有卡尔曼，PCA（主成分分析）等。与传统滤波相对的是。人工智能更加综合考虑噪声的综合分布，会从频域时域两方面下手来过滤噪声求取有效数据。因此，人工智能能够有效优化数据采集分析。但采集侧往往处于物联网边缘，对于功耗算力的要求非常局限，因此人工智能优化数据采集的另一大现实问题是如何提升单毫瓦算力，以满足边缘设备严苛的功耗算力多方面需求。
人工智能判决数据传送优先级
在传统网络中，我们对于它的底线要求是网络可达性。而在万物互联的物联网时代，网络层如果没有做好迎接数据洪流的准备，那么迎接他的必然是长时间周期性的网络瘫痪。但经大量实测数据表明，网络数据并不是每一条都很重要，也并不是每一条都有效，往往无关紧要的重复垃圾数据耗费了宝贵的带宽资源。因此，从万物互联到万物智联的核心就是构造智慧网。
在构造智慧网的过程中，5G（第五代无线通信技术）给了我们一个很好的范本。其将数据流量主要划分为三大类型，分别是高流量速率（eMBB），低时延高可靠连接（uRLLC）和泛在大规模接入（mMTC）。在这个大框架下还可以构造逻辑平面，进一步细化网络流量的优先级和数据量需求。我们针对网络层的改造思路类似，通过给数据“打标签”，决定其传输优先级。
那么物联网数据也有类似的规律，数据指标按照上报频次被我划分成为四个等级。最低等级单位是周，即每周上报一次数据，这样的频次适用于计费业务，如自动抄表，单车周数据汇总等等。这类业务普遍对实时性要求不高，只需要周期性激活发送数据即可，因此能安排在夜间通信以提升信道利用率。第二等级是小时到天，如交规摄像头拍摄违章数据，卫星云图，水文站水位等等，这类数据可以量很大，但是要最少一小时才产生一次，所以会给网络带来短时洪流，但其对时间较不敏感，可以做到轮流发送减小开销。第三等级是秒，如城市天网监控摄像头数据，单车开锁数据，身份验证数据等等。这类数据数量占比最大，但往往包很小，因此可以做到较高的实时性，时延也处于可接受范围。最高等级是小于50毫秒，未来的智联网要承担无人驾驶、远程医疗等对时延极其敏感的業务，因此最高的优先级要保障时延处于可接受范围，同时极低的时延也要求上层处理设备离执行设备距离不可太远，因此进一步催生了边缘云和雾计算。
人工智能对网络层的影响是方方面面的，可以通过软件定义网络（SDN）快速定位问题点及改变策略路由。可在数据发送侧引入智能防火墙来抵御分布式拒绝服务（DDoS）攻击同时过滤垃圾信息。人工智能加持的网络真正实现了传输的智能。
人工智能计算发布数据并自优化
可喜的是，行业对物联网应用层数据处理已经取得较大的共识。即建立云平台，云平台再细分接入鉴权，数据收发，上层统计存储，计算发布等多个实体平面，通过平面接口有效实现上下层互动。但传统云平台只具备管理功能，即收集存储，人工智能加持的云平台则具备硬件调度和自动数据处理功能，进一步向下优化感知层和网络层，成为整个体系的统领。
那么人工智能在应用层最为重要的作用就是数据分析与调度，分析是多方面的。一是对采集上来的数据内容做分析，进而得出有益的结论和绘制数据指标图，使得开发运维人员能够针对薄弱点着重分析优化。二是对全网设备和网络的状况监测，能够快速自动定位问题点并自行尝试解决。根据问题严重程度划分警告优先级，以减少人工干预提高智能化。三是对采集数据的分析结果做自动调度和决策，例如某片区下水管路监测水量超标再结合当地雨量可辅助交管部门发布水深封路预警，城市燃气管路可燃气体浓度超标应立即关闭供气阀门等等。通过这些自动化智能化的预警预案，使得城市应急水平大幅提高，让我们能提前发布通告做好准备最终减少人员财产的伤亡损失！
总结与展望
从万物互联演进成为万物智联的时间周期必定是漫长且复杂的，还有不少技术、法律、伦理道德层面的制度性问题需要攻克。但我们在经历了疫情，地震，水灾过后，就愈发会重视科技在保护人类生命财产中发挥的优势，这条路虽然难走，但我们必定会坚定不移的坚持下去。
人工智能是多学科的融合产物，其广泛吸纳了各学科最先进的成果又最终造福于我们。我们必须从研发和应用两手来推进人工智能的发展，进而更好的服务于我国各项事业。
参考文献
[1]严斌峰.人工智能托起万物智联时代[J].通信世界，2019（20）：35-36.
[2]石光明，肖泳，李莹玉，高大化，谢雪梅.面向万物智联的语义通信网络[J].物联网学报，2021，5（02）：26-36.
[3]曹祎遐，廖繁.AI+IoT：从万物互联到万物智联[J].上海信息化，2019（02）：16-19.
[4]步才捷.IPv6到IPv6+从万物互联到万物智联[J].计算机与网络，2020，46（20）：42-43.
[5]朱敏.万物智联 大数据驱动未来[J].新经济导刊，2018（07）：22-31.
[6]郑植，海川.智能传感器开启万物智联新时代[J].新经济导刊，2018（09）：51-55.
作者简介：
王贝尔 （2000.12-），男，四川攀枝花人，成都市高新西区四川大学锦城学院 物联网工程专业 本科在读。
王思语（2000.03-），女，陕西省安康市人，成都市高新西区四川大学锦城学院 物联网工程专业 本科在读。
杨玉昆（2001.09—），女，河北省唐山人，成都市高新西区四川大学锦城学院 物联网工程专业 本科在读。
关键字：万物智联，计算智能，人工智能自学习，物联网
物联网破局之难
近十年，物联网从鲜为人知到家喻户晓;从高高在上到轻易可得;从智能猫眼到扫地机器人。其渗透深度不亚于互联网，民众接受度也普遍较高。但遗憾的是，至今全球物联网行业没有出现独角兽龙头企业;没有体系化的通信规范和行业条例;更没有一个爆款能像互联网产品一样带来超过五年的时代红利。因此，我们必须承认。物联网仍处于野蛮生长期，缺乏指导和规范，没有出现周期性的行业高潮，整个行业及产品碎片化程度严重，数据信息流通性低等。上述问题成为了阻碍行业进一步发展的最大拦路虎。
伴随着工业互联网，5G，人工智能等一系列最新的成果。物联网有了新的发展目标方向，即从数量转向质量。采集侧，传输侧，管理侧使用人工智能技术来加速和辅助处理。采集侧具备计算分析能力减少上层处理压力;传输侧根据优先级实时性要求区别对待数据，实现综合效益最大化;管理侧具备全网观测，数据存储、计算、再创新优化的能力，并能对外开放统一的接入API。最终为物联网破局为智联网奠定基础！
人工智能优化数据采集分析
物联网的三大结构从下至上分别是感知层、网络层和应用层。对于感知层而言，其核心就是传感器，目的是把待测的物理量转换为电平或数字信号来输出。因此，人工智能优化的传感器可以对转换后信号进行智能降噪滤波处理，有效提高数据稳定性。
在传统滤波算法中，均值滤波，限幅滤波，滑动窗口滤波三类最为常用。经测试发现，传统滤波虽然对算力要求较低但其实时响应效果不佳，不能满足部分高精度高实时性场景性能需求，其更是主要考虑噪声的单纯时频域分布，没有全局优化的概念。因此人工智能优化的滤波可以提高精度和维度，实现自动异常告警，提升采集侧智能化水平。
人工智能的滤波算法主要有卡尔曼，PCA（主成分分析）等。与传统滤波相对的是。人工智能更加综合考虑噪声的综合分布，会从频域时域两方面下手来过滤噪声求取有效数据。因此，人工智能能够有效优化数据采集分析。但采集侧往往处于物联网边缘，对于功耗算力的要求非常局限，因此人工智能优化数据采集的另一大现实问题是如何提升单毫瓦算力，以满足边缘设备严苛的功耗算力多方面需求。
人工智能判决数据传送优先级
在传统网络中，我们对于它的底线要求是网络可达性。而在万物互联的物联网时代，网络层如果没有做好迎接数据洪流的准备，那么迎接他的必然是长时间周期性的网络瘫痪。但经大量实测数据表明，网络数据并不是每一条都很重要，也并不是每一条都有效，往往无关紧要的重复垃圾数据耗费了宝贵的带宽资源。因此，从万物互联到万物智联的核心就是构造智慧网。
在构造智慧网的过程中，5G（第五代无线通信技术）给了我们一个很好的范本。其将数据流量主要划分为三大类型，分别是高流量速率（eMBB），低时延高可靠连接（uRLLC）和泛在大规模接入（mMTC）。在这个大框架下还可以构造逻辑平面，进一步细化网络流量的优先级和数据量需求。我们针对网络层的改造思路类似，通过给数据“打标签”，决定其传输优先级。
那么物联网数据也有类似的规律，数据指标按照上报频次被我划分成为四个等级。最低等级单位是周，即每周上报一次数据，这样的频次适用于计费业务，如自动抄表，单车周数据汇总等等。这类业务普遍对实时性要求不高，只需要周期性激活发送数据即可，因此能安排在夜间通信以提升信道利用率。第二等级是小时到天，如交规摄像头拍摄违章数据，卫星云图，水文站水位等等，这类数据可以量很大，但是要最少一小时才产生一次，所以会给网络带来短时洪流，但其对时间较不敏感，可以做到轮流发送减小开销。第三等级是秒，如城市天网监控摄像头数据，单车开锁数据，身份验证数据等等。这类数据数量占比最大，但往往包很小，因此可以做到较高的实时性，时延也处于可接受范围。最高等级是小于50毫秒，未来的智联网要承担无人驾驶、远程医疗等对时延极其敏感的業务，因此最高的优先级要保障时延处于可接受范围，同时极低的时延也要求上层处理设备离执行设备距离不可太远，因此进一步催生了边缘云和雾计算。
人工智能对网络层的影响是方方面面的，可以通过软件定义网络（SDN）快速定位问题点及改变策略路由。可在数据发送侧引入智能防火墙来抵御分布式拒绝服务（DDoS）攻击同时过滤垃圾信息。人工智能加持的网络真正实现了传输的智能。
人工智能计算发布数据并自优化
可喜的是，行业对物联网应用层数据处理已经取得较大的共识。即建立云平台，云平台再细分接入鉴权，数据收发，上层统计存储，计算发布等多个实体平面，通过平面接口有效实现上下层互动。但传统云平台只具备管理功能，即收集存储，人工智能加持的云平台则具备硬件调度和自动数据处理功能，进一步向下优化感知层和网络层，成为整个体系的统领。
那么人工智能在应用层最为重要的作用就是数据分析与调度，分析是多方面的。一是对采集上来的数据内容做分析，进而得出有益的结论和绘制数据指标图，使得开发运维人员能够针对薄弱点着重分析优化。二是对全网设备和网络的状况监测，能够快速自动定位问题点并自行尝试解决。根据问题严重程度划分警告优先级，以减少人工干预提高智能化。三是对采集数据的分析结果做自动调度和决策，例如某片区下水管路监测水量超标再结合当地雨量可辅助交管部门发布水深封路预警，城市燃气管路可燃气体浓度超标应立即关闭供气阀门等等。通过这些自动化智能化的预警预案，使得城市应急水平大幅提高，让我们能提前发布通告做好准备最终减少人员财产的伤亡损失！
总结与展望
从万物互联演进成为万物智联的时间周期必定是漫长且复杂的，还有不少技术、法律、伦理道德层面的制度性问题需要攻克。但我们在经历了疫情，地震，水灾过后，就愈发会重视科技在保护人类生命财产中发挥的优势，这条路虽然难走，但我们必定会坚定不移的坚持下去。
人工智能是多学科的融合产物，其广泛吸纳了各学科最先进的成果又最终造福于我们。我们必须从研发和应用两手来推进人工智能的发展，进而更好的服务于我国各项事业。
参考文献
[1]严斌峰.人工智能托起万物智联时代[J].通信世界，2019（20）：35-36.
[2]石光明，肖泳，李莹玉，高大化，谢雪梅.面向万物智联的语义通信网络[J].物联网学报，2021，5（02）：26-36.
[3]曹祎遐，廖繁.AI+IoT：从万物互联到万物智联[J].上海信息化，2019（02）：16-19.
[4]步才捷.IPv6到IPv6+从万物互联到万物智联[J].计算机与网络，2020，46（20）：42-43.
[5]朱敏.万物智联 大数据驱动未来[J].新经济导刊，2018（07）：22-31.
[6]郑植，海川.智能传感器开启万物智联新时代[J].新经济导刊，2018（09）：51-55.
作者简介：
王贝尔 （2000.12-），男，四川攀枝花人，成都市高新西区四川大学锦城学院 物联网工程专业 本科在读。
王思语（2000.03-），女，陕西省安康市人，成都市高新西区四川大学锦城学院 物联网工程专业 本科在读。
杨玉昆（2001.09—），女，河北省唐山人，成都市高新西区四川大学锦城学院 物联网工程专业 本科在读。