AIoT 是人工智能物联网的英文缩写,它将物联网(IoT)的连接性与从人工智能(AI)获得的数据驱动的知识相结合。这项新兴技术是基于物联网基础设施中人工智能的整合,以实现更高效的物联网操作,改善人机互动,加强数据管理和分析。目前,越来越多的行业及应用将 AI 与 IoT 结合到一起,AIoT 已经成为各大传统行业智能化升级的最佳通道,也是未来物联网发展的重要趋势。
人工智能和物联网充分结合,有望在边缘分析、自动驾驶、个性化健身、远程医疗、精准农业、智能零售、预测性维护和工业自动化等广泛的垂直行业领域释放前所未有的客户价值。
1.1 AI和物联网的融合
人工智能 (AI)和物联网是互补领域。AI 能够最好地处理大量数据,而物联网设备是提供所需数据的理想来源。涵盖两者整合的术语被称为 AIoT。这两种技术协同工作,为用户和企业提供最佳体验和应用。
通过将物联网与人工智能相结合,分布式节点收集的数据可以通过应用机器学习和深度学习等人工智能技术加以利用。因此,机器学习能力被下沉到离数据源更近的地方。这个概念被称为边缘人工智能,或边缘智能,它具备更高的可扩展性、稳健性和效率。
为了理解结合人工智能和物联网的必要性,首先看看这两个概念的优势。
•人工智能,又称AI,是计算机科学的一个领域,涉及可以模拟人类智能的智能系统的发展。简单地说,人工智能的目的是使计算机能够重现人类的能力,如感知、推理、理解等。因此,极具颠覆性的人工智能能力是各行各业智能系统的基础,可以提高效率,开发新产品和服务。
•物联网,又称IoT,是一个由连接的物体或设备组成的系统,可以在软件或传感器的帮助下实时收集和传输数据。物联网的应用有助于在各行业广泛的任务中实现高度自动化。通过传感器或用户输入,物联网设备创造了大量数据。
人工智能和物联网的结合包括人工智能系统中的机器学习模型与物联网的连接和数据传输能力的结合,主要是利用人工智能能力处理物联网系统产生和收集的数据。但随着人工智能在物联网系统中的融入,其功能不限于收集和传输信息,而是真正理解和分析数据。
物联网和人工智能结合,能使人工智能比传统方法更有效地解决各行业的实际业务问题。人工智能与物联网相结合有如下几个优势。
1)提高运营效率
AIoT 使企业能够达到最佳的运营效率。由 AIoT 驱动的机器能够通过应用机器学习方法来生成和分析数据,这使其能够快速提供运营见解、检测和修复问题,以及提高人工流程的自动化程度。因此,在重复性任务上执行的人工智能 (AI)能力使公司能够以较小的劳动力提供更好的服务。
例如,基于视觉的质量检测的自动化,以及使用相机进行工业自动化的质量控制。各种应用旨在跟踪并确保遵守指南和法规(例如,检测个人防护设备, 如口罩、头盔、背心或手套)。
2)使实时监控更容易
系统的实时监控可以帮助节省时间,减少昂贵的业务中断。它涉及系统的持续监督,以检测异常情况并做出预测或基于此做出决策。而这也不需要任何人工干预,实现更快、更客观的结果。
例如,工业人工智能物联网在石油和天然气领域的使用,用于远程泄漏检测的摄像头。
3)降低运营成本
智能 AIoT 设备和系统在降低运营成本方面发挥着至关重要的作用。智能系统的发展可以提高资源运行效率。这里包括用于根据占用率(人员的存在)调整光线和温度控制的智能建筑应用程序。
AIoT 设备在智能工厂的预防性维护和机械故障分析中起着至关重要的作用。传感器和摄像头识别用以监控机器部件的状况,以避免故障和昂贵的业务中断(智能工厂应用)。
4)有助于风险管理
风险管理对于各行业的组织都很重要。分布式智能系统能够预测未来风险,甚至采取措施进行预防,包括水位分析、员工安全分析或公共场所(智慧城市) 中的人群分析。
在 AIoT 系统的帮助下,组织可以在准备和处理未来可能的风险方面保持领先一步。保险公司也可以使用此类应用程序来管理机器和整个工厂的风险控制。
1.2 AIoT数字孪生应用场景
将 AI 与 IoT 集成是将软件和硬件相结合的高度可扩展和高效智能系统的基础。因此,AIoT 使开发和维护大规模深度学习系统成为可能。为了建立真正准确的数字孪生,需要将基于物理模拟的方法与基于数据分析的 AI 方法相结合。AIoT 和数字孪生影响了它所触及的每个行业,是制造业、医疗保健、能源、智慧城市等广泛行业领域的新兴技术趋势,几乎任何行业都能体验到 AIoT 数字孪生的卓越之处。
1)制造业
在制造业中,工业自动化、机械臂、深度学习算法等场景的出现不仅优化了效率, 还为降低运营费用铺平了道路。汽车制造商已经利用数字孪生技术彻底改变了汽车的制造方式。福特公司应用 AIoT 数字孪生,为其生产的每个汽车型号开发了七套数字孪生,每套数字孪生涵盖从设计到制造和运营的不同生产方面。它们还将数字模型用于制造过程、生产设施和客户体验。对于它们的生产设施,数字孪生可以准确地检测能源损失,并指出可以节约能源和提高整体生产线性能的地方。
2)医疗保健
医疗保健也正受到 AIoT 数字孪生技术的推动。移动医疗、电子健康记录、远程医疗保健咨询、药物研究、肿瘤学和遗传学是 AIoT 数字孪生正在研究的一些方面。帮助医生检测皮肤和器官中哪怕是微小的物理变化,人工智能应用使不可思议的事情成为可能。绷带大小的传感器被用来收集现实生活中的数据, 并告知数字孪生以改善医疗保健。
3)能源
应用 AIoT 数字孪生,通用电气的风电场的生产力就提高 20% 之多。从每个涡轮机上的传感器反馈的数字孪生体的实时信息可实现更高效的设计,甚至可以提出更改建议,使每个活跃的涡轮机更加高效。
4)物流
通过 AIoT 数字孪生优化供应链,简化库存管理。传感器和设备可以检测商品何时缺货,并自动补充产品。平台还影响商业车队和交付模块,以实现安全和无缝运营。
5)智慧城市
如果工厂、酒店和风电场的数字孪生可以提高效率和流程,那么整个城市呢?新加坡和中国上海都有完整的数字孪生,可以改善能源消耗、交通流量, 甚至帮助规划发展。智慧城市正在迅速成为现实,为减少污染和提高居民福利提供了一个很好的途径。
城市数字孪生可以使城市更智能,道路更安全。这个概念在行动中的一个真实的例子是 ET City Brain。该平台由阿里巴巴集团开发和推出,使用人工智能和物联网、数字孪生技术来监控交通和道路使用情况、检测事故、跟踪非法停车,并通过修改交通信号等为救护车铺平道路。该概念在中国的交通量也具有减少 15% 的良好记录。
2.1 数字孪生助力数字建模
随着数字孪生、物联网等新兴技术的发展,如何实现面向制造业应用的物理空间、信息空间与业务空间的多维融合,已成为智能制造落地实施的关键。面向新型智慧城市和数字经济等国家战略对可持续的数字孪生建模重大需求, 测绘技术不仅要通过高质量的创新发展不断提升适应全球范围内各种复杂环境精细化、实时化、智能化、自动化、低成本的实景三维建模能力,还要通过多学科交叉融合不断增强测绘地理信息技术在多源异质实时数据融合、关联分析与智能挖掘等方面的支撑作用和引擎作用,提供数据驱动—模型驱动—知识驱动协同的更强大的综合感知、精准诊断、可靠预测通用地理空间智能。从实景三维建模到数字孪生建模,测绘技术的内涵和外延需要不断丰富和拓展,包括从三维轮廓建模到三维实体建模、从动态更新到实时映射、从几何建模到行为过程建模与机理建模等。
尽管 3D GIS 已经可以集成表达三维地质结构和部分时空过程,但这些能力还都限于特定的应用和有限的实体特征,并且各实体之间深层次的关联关系与互馈作用机制还缺乏显式描述,大大限制了测绘地理信息的价值。因此,从实景三维建模到数字孪生建模,测绘技术急需通过与信息、地理、地质、设计、建造和工程等技术的交叉融合,在以下三方面取得突破:
1)突破长周期的天空地独立获取宏观或微观实景三维数据的局限,实现天空地有机协同,持续性实时动态获取多细节层级实景三维数据,满足数字孪生模型全要素全生命周期实时动态更新需求。
2)突破处理完备的标准化测绘地理信息数据构建实体对象外部边界表示模型为主的局限,发展智能化处理多专业、多尺度、多模态时空数据,尤其是不完备数据条件下知识引导的三维实体精细化建模技术,例如在数据不全的情况下可用模型和知识补充改善,在模型不准的情况下可用数据和知识补充改善,以此实现地上—地表—地下自然与人造环境的实景三维“立体化—结构化—语义化”建模。
3)突破以数据为中心只具备较浅显的描述性分析局限,发展数据—模型—知识关联管理和融合处理技术,实现数据驱动、模型驱动和知识驱动协同的高层次诊断性、预测性和决策性分析。
2.2 数字孪生助力
一体化的仿真验证
仿真是通过将包含确定性规律和完整机理的模型转化成软件的方式来模拟物理世界的一种技术。只要模型正确,并拥有完整的输入信息和环境数据,就可以基本正确地反映物理世界的特性和参数。数字化模型的仿真技术是创建和运行数字孪生体、保证数字孪生体与对应物理实体实现有效闭环的核心技术。
数字孪生最诱人的地方是,数字模型和物联网的结合,而这种结合的最终目的是将模型打磨得更加接近真实系统。物联网技术为建模提供了一种新的强有力的手段,而且在对复杂系统机理缺乏足够认识的情况下,还可基于所采集的数据利用人工智能技术对系统进行建模。这是对建模技术的发展和补充。而基于模型的分析、预测、训练等活动,本来就是仿真要做的事。事实上,在仿真领域,利用动态实时数据进行建模和仿真的方法和技术已经研究多年,如动态数据驱动的仿真、嵌入式仿真、硬件在回路的仿真等。
3.1 AIoT数字孪生架构
数字孪生应用对 AIoT 架构需求层面的要求如下。
1)泛在异构接入
数字孪生应用物联网需要支撑多用户、多项目、多模式、多制式、百万级设施、亿级感知设备,满足各种场景下泛在感知的需求。需要适配各种异构环境、通信协议和网络制式,制定感知设备接入标准与协议模型,提高物联网数据获取的便捷性。诚然统一的接入标准和先进的接入技术从来都是未来的趋势,但是面向基础设施系统建设现状,支持基于成熟的物联网技术的主流接入协议(如ModBus、CAN、CoAP、MQTT、HTTP 等)、主流网络协议(如 LPWAN、WLAN 等)的融合接入能力,才能有效保护已有投资,实现万物数据智联。
2)人工智能赋能
在数字孪生应用中,通过在系统架构中多层次部署人工智能﹑综合使用多种应用技术,可赋予数字孪生城市感知智能﹑数据智能、决策智能,提升系统智能运行的速度与能力。
3)弹性伸缩部署
数字孪生应用物联网需要能够根据业务需求与技术策略,优化资源组合, 调整部署深度,伸缩计算资源,具有可扩展的高度弹性部署管理能力。道路、桥梁、隧道与楼宇所需的物联网架构完全不同,是否利用现有移动网络、是否独立组网、是否设置边缘节点,每个项目给出了自己的答案。事物发展的逻辑决定了数字孪生应用物联网也是随时空动态更新、渐进发展的,需要提供一种有效的管理方式来应对每时每刻的大量设备与终端的动态添加、删除或者更新的需求。
4)灵活的资源分配
未来数字孪生应用物联网的数据量将超出想象,但每种物联网设备的流量需求不尽相同,可以分为三类:面向关键任务或者事件驱动的延迟敏感型、与连续流相关的查询和实时监控的带宽敏感型,以及一般物联网事务的尽力而为型。如果采用简单的网络架构,庞大的网络设备和爆炸式增长的数据量很容易因适配问题而导致网络拥塞,继而造成过载。各种研究表明现有机制可能无法满足这种巨大流量所需的服务质量(QoS)要求。
传统的网络架构中每种设备执行固化的网络功能与策略,架构的封闭性使得网络对设备的依赖性强,网络管理无法应对日趋复杂的应用场景。软件定义网络(SDN)是一种新型的网络框架,它通过控制层和数据层的解耦,在可编程接口和集中的控制器等方面打破了传统网络模型的层次结构,突破了传统网络基础设施的局限性。交换机和路由器等网络设备仅成为转发设备,所有配置和控制决策、管理都由可扩展的集中控制器完成,由此实现了设备和网络的动态、灵活和细粒度管理;实现了网络开放性、控制灵活性和运维高效性,加速了网络应用和协议的创新,降低了网络建设和运维成本。
面向数字孪生的软件定义由感知层、转发层、AIoT 控制层、AIoT 管理层和数字孪生应用层组成,如图 1 所示。
(1)感知层。
感知层由感知节点组成,负责采集数据和受控转发数据,也可上报指令与数据状态。感知节点不是网络设备,不能被认定为转发层。为满足泛在感知的需求,感知节点须具备简单、经济、低能耗、布置灵活和操作简单的特性。
(2)转发层。
转发层包含交换机、路由器等网络转发设备,还包括异构网络的汇聚节点即 AIoT 网 关。网络设备负责数据转发,无自主决策供是否缺内容,网络智能被分离到控制层。AIoT 网 关为各种通信协议的实现适配,为各模块和应用提供一致的服务,并对传感器/ 设备、存储和计算资源进行抽象和轻量级实现,形成资源池和服务集,如软件定义的虚拟传感器、虚拟网 关等。AIoT 网 关通过本地网络互联互通,支持海量泛在终端的接入,对物联网数据进行采集、汇聚、传输和基本处理,而相关的控制与管理功能则通过管理层的 AIoT 控制器实现。
(3)AIoT 控制层。
AIoT SDN 控制器经南向接口与转发层网络设备交互,将网络策略转化为网络配置、安全服务等信息下发到交换机、路由器等设备;AIoT SDN 控制器经北向接口与应用层和管理层交互。开发者通过北向接口对网络进行配置、管理和优化。为避免单点故障,大规模网络需要多个 AIoT SDN 控制器协同运行。
控制层中 AIoT SDN 控制器与转发层的网络设备是 SDN 网络的基本单元, 将 SDN 控制器单独分层,可以保证 SDN 技术在 AIoT 的独立性与适用性。
(4)AIoT 管理层。
面向应用 / 事务驱动的 SDN 网络架构只能以应用 / 事务需求为中心,易导致资源滥用,引起网络资源失衡,因此需要构建具有全局视图的、能进行全域管理的管理层。管理层由物联网控制器组成,对传感器/ 设备进行编程、配置和管理,对 AIoT 网 关进行统一管理、统一调度、数据共享和动态配置等。
基于全局视图,物联网控制器可以动态激活 / 停用传感器并自定义其配置以满足应用需求,同时降低能耗。下行接口收集发送来的转发层的传感器与网 关信息,并对资源管理系统提供灵活的资源抽象(如虚拟化传感器资源)并通过上行接口相应的 API(应用程序接口)提供底层抽象给上层业务应用;管理层的网络管理模块通过控制层的北向接口与 AIoT SDN 控制器交互,配置物联网所需的网络资源的策略配置、路由协作、性能监控、睡眠调度、流量优化等。
(5)数字孪生应用层。
数字孪生应用层负责业务的构建、部署和管理,基于控制层和管理层提供的 API 完成数字孪生建模,开发应用。开发者可以通过控制层提供的北向接口和管理层提供的上行接口进行 AIoT 物联网应用的开发、安全管理与网络维护等操作。面向数字孪生应用的 AIoT 架构将控制层与管理层分离,实现 AIoT 和 SDN灵活共存,网络架构清晰,易于管理与维护。AIoT 管理层实现物联网决策,实现多应用承载,整网配置动态优化。
面向数字孪生应用的 AIoT 架构融合繁杂的物联网网络协议,简化设备配置和管理,实现从感知到边缘、从边缘到网络、从网络到应用的灵活部署。基于该架构,硬件和软件完全解耦,屏蔽了底层设备的硬件差异,实现物联网资源的虚拟化和面向多业务服务需求的动态重构, 提升服务响应能力,增强物联网的弹性、敏捷性和智能性。
3.2 AIoT数字孪生模型建模
传统的物联网业务开发包括终端设备研发、设备与云端联调、基于设备和云端进行应用开发三个步骤,三个业务开发步骤是串行的,且每一步都需要一定的资源投入和开发周期,从而导致物联网业务开发周期冗长,资源投入大。
基于物模型,可将终端设备实体进行数字化描述,在云端实现设备虚拟化。基于云端虚拟设备可以直接进行物联网的应用开发,终端设备的研发也可以同步进行。这样使得原本的串行研发流程变为并行的研发流程,缩短研发周期, 节省人力和资源成本。AIoT 架构如图 2 所示。
1)AIoT 物模型定义
物模型是一种对物理实体进行数字化语义描述的方法,将实体设备抽象为云端的数字模型。
使用物模型描述物理实体,首先需要明确从哪些方面描述物体,然后对具体的方面进行参数定义。其中,前者是“物的抽象模型”,是描述物体的“方法 论”;后者是“物的描述语言”,采用简明易懂的方式对物体的各个维度进行详细的描述。
物模型属于应用协议之上的语法语义层。其中语法层定义了物模型描述语言的种类,如 XML、JSON 等;语义层定义了使用描述语言对物模型进行具体描述时需要包含的基本关键字。在物联网平台中,由物模型完成对终端设备业务数据的标准格式定义。
在业务逻辑上,物模型属于物联网平台的设备管理模块。不同设备使用统一的物模型标准对接应用平台,不同应用之间使用统一的物模型标准进行数据互通。物模型作为数据接入的基础能力,还需要与设备管理模块的其他功能交互, 比如设备数据存储、在线调试工具等。AIoT 物模型架构如图 3 所示。
2)AIoT 物模型标准
AIoT 物模型由设备、组件和功能三级构建而成,其中功能分为三类:属性、行为和事件。属性、行为、事件三个维度包含了设备是什么、能做什么,以及可以对外提供哪些信息。其中,属性是指设备支持的可读或可设置的参数功能, 一般用于描述设备运行时的状态,用户也可通过设置的请求方式来更改设备的运行状态;行为是指设备可被外部调用的能力或方法,可设置输入参数和输出参数;事件是指设备运行时发生的某种需要被外部感知和处理的状态,可包含一个或多个输出参数,设备通过事件上报周期信息或者告警消息。AIoT 物模型标准如图 4 所示。
3)AIoT 物模型示意
智能灯的属性包括灯的颜色、亮度、位置、开关等,行为包括设定时长等, 事件包括告警、信息和故障等。灯的“开关”属性构成“开关功能”,“设定时长”行为构成“定时功能”。AIoT 物模型将“开关功能”和“定时功能”封装成“定时开关组件”,用户可直接调用“定时开关组件”来实现灯的定时关闭或定时开启。利用 AIoT 提供的不同组件,用户可直接拼合出完整的设备能力,降低了操作复杂度。AIoT 物模型场景实例如图 5 所示。
图5 AIoT 物模型场景实例参考
3.3 AIoT数字孪生实例化管理
实例化管理过程包括如下几个步骤:创建产品、定义功能、下载通用 SDK、下载泛协议 SDK、添加设备、设备测试。如图 6 所示为 AIoT 数字孪生实例化管理示例。
1)创建产品
在设备连接到平台前,首先要创建产品。产品为同种类型设备,如具体到某个型号。产品下的设备使用相同的物模型、数据格式、远程升级等信息。在产品创建阶段,填写的基本信息越完善,越便于后期对产品进行管理。
2)定义功能
在产品创建完成后,需要进一步定义产品下设备的功能点。采用统一的数据模型对物理实体进行描述,生成物模型,用于设备快速集成到项目中,以及方便地使用设备 / 应用调试、数据分析 / 数据可视化等平台服务。该过程可通过手动添加多个功能点的方式生成单个物模型,也可以通过导入物模型模板文件实现批量生成。生成的物模型文件也可根据需求导出到本地。
3)下载 SDK
完成上述两步后,平台将根据定义的功能点自动 SDK,方便设备通过集成SDK 接入平台,应用通过调用物联网平台的 API,实现安全接入、设备管理、数据采集、命令下发等业务场景。
系统支持标准协议接入,用户可下载设备端物模型代码,结合 SDK 开发包进行设备开发。支持泛协议接入,服务提供了用户自定义协议设备接入平台的能力,提供设备与平台的双向通信能力。
4)连接设备
物理设备要连接到平台,需要先在平台上创建设备并获取到连接平台的鉴权信息。该过程既可通过手动输入设备详情添加单个设备,也可通过先修改模板文件再上传来实现批量添加。基于产品定义的物模型,用户可以对设备进行在线调试,实时更新设备日志。设备调试服务模块支持用户通过 Web 控制台模拟虚拟设备接入,同时支持用户通过 Web 控制台模拟应用访问设备数据以及与设备进行消息通信。
若需要将设备集成到第三方的项目中去,则需要将设备先转移到第三方账户下,转移后不再拥有该设备的查看和控制权限。
3.4 AIoT数字孪生场景编排
场景编排为 AIoT 平台提供一站式场景集成能力,在编排不同物联网业务场景过程中,简化了设备指令、设备事件、内外部服务、AI 算法等功能的集成复杂度, 组装并实现智能识别、AI 算法增强、设备协同 & 联动、告警策略、北向数据灵活订阅等丰富的物联网场景。通过简便易用的可视化设计、丰富的可拖曳组件, 帮助用户高效便捷地完成各类场景的设计工作。相比于传统定制开发模式,提升效率在 5 倍以上。场景编排成为众多厂商物联网开发平台的核心能力之一。
场景联动是一种开发自动化业务逻辑的可视化编程方式,在 AIoT 平台可以通过可视化的方式定义设备之间联动策略,并将策略部署至云端或者边缘端并且完成响应的执行。场景联动由触发器(Trigger)、执行条件(Condition)、执行动作(Action)三部分组成,如表 1 所示。
表 1 AIoT 场景编排