物联网 群智感知 技术架构 征求意见稿

1GB/TXXXXX—XXXX物联网群智感知技术架构本文件规定了物联网群智感知的技术架构，给出了物联网群智感知技术架构中智能体、智能体管理、数据处理、群智协同推理的内容要求。本文件适用于物联网群智感知技术的研发和使用。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，凡是注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T41780.1-2022物联网边缘计算第1部分：通用要求GB/T41782.2-2022物联网系统互操作性第2部分：网络连通性GB/T42564-2023信息安全技术边缘计算安全技术要求3术语和定义下列术语和定义适用于本文件。3.1感知终端sensing-terminal能对物或环境进行信息采集和/或执行操作，并能联网进行通信的装置。[来源：GB/T37093-2018，3.3]3.2终端设备terminal-device具有计算能力、可通过上行接口直接与服务平台建立通信连接的设备。[来源：GB/T40027-2021，3.1]3.3智能体agent能够感知外部环境，通过学习或推理指导自身行为决策，同时采取行动以实现特定目标的终端设注：在物联网范畴内，智能体通常是由物理实体及其对应的智能算法程序两部分构成。智能体可以是智能软件、2GB/TXXXXX—XXXX3.4异构智能体heterogeneousagent采用不同的技术和平台创建的具有不同参数和性能，具有数据或接口异构性的智能体的集合。3.5感知数据sensing-data通过数据采集获取的原始数据或在此基础上进行加工处理的表征对象信息的数据统称。[来源：GB/T33474-2016，3.11]3.6群智感知crowd-sensing通过智能体和/或异构智能体之间的协同交互机制，自动完成感知数据的采集、分析和决策的一种数据处理技术。3.7上下文context感知对象所处环境状态信息的集合。注：通常指与某个事件、实体或信息相关的各种环境和条件，包括物理环境、时间、地点、用户行为、设备状态3.8人在回路humanintheloop一种在机器监督学习的过程中引入人类决策主动参与的机制。注：人在回路中人类决策的环节主要集中在数据标注、模型评估环节，发挥的作用主要是通过数据标注提供监督学习所需的数据标签，通过模型评估实现性3.9模型压缩modelcompression一种在机器学习模型，尤其是深度学习模型中降低模型体积、参数数量或延迟时间，提高模型的推理速度和效率的模型优化方法。3.10联邦机器学习federatedlearning一种多个参与方在不交互数据的情况下，通过安全机制交互模型参数，从而达到协同训练效果的分布式机器学习方法。3.11本体ontology3GB/TXXXXX—XXXX一种对共享概念体系中对象及对象间属性关系的形式化抽象。4缩略语下列缩略语适用于本文件。CSV逗号分隔值(Comma-separatedValue)J面向对象的编程语言（Java）JS面向对象的编程脚本语言（JavaScript）JSONJS对象简谱（JavaScriptObjectNotation）OWL网络本体语言(WebOntologyLanguage)OIL本体交换语言(OntologyInterchangeLanguage)REST表述性状态转移（RepresentationalStateTransfer）SQL结构化查询语言(StructuredQueryLanguage)XML可扩展置标语言（ExtensibleMarkupLanguage）XQLXML查询语言(XMLQueryLanguage)5技术架构物联网群智感知技术架构见图1所示。4GB/TXXXXX—XXXX图1物联网群智感知技术架构物联网群智感知技术架构以感知终端（包括传感器、智能仪表、手机终端等）为基础支撑，主要由智能体、智能体管理、数据处理、群智协同推理四部分组成。a)智能体：物联网群智感知技术接入实现的基础单元。智能体一方面主动获取感知终端所产生的属性数据，另一方面为智能体管理提供智能体所获取的感知终端的静态属性和运行状态数据支撑，其中静态属性包括设备名称、厂商、识别号、注册码等，动态运行数据包括运行状态、采集信息参量动态值等；b)智能体管理：面向智能体感知目标，提供智能体动态发现、接入和接口管理的能力，智能体管理一方面实现对智能体的统一管理功能，另一方面为数据处理提供异构智能体数据交互与汇聚接口；c)数据处理：使用数据持久化技术及高效实时缓存技术，借助于数据库，JSON，CSV文件等多种形式的数据的存储和表示，数据处理一方面对智能体管理提供的数据进行分析处理，另一方面还为群智协同推理提供统一的数据视图以及访问接口，实现群智感知数据智能分析与推理决策；d)群智协同推理：物联网群智感知技术实现的核心功能，通过异构智能体间的资源互补性、能力差异性实现群智感知任务的高效执行，群智协同推理一方面将获取的数据处理后的数据进行融合应用，另一方面还将群智感知任务分解后通过智能体管理下发到智能体层，实现具体群智感知任务执行。智能体、智能体管理、数据处理、群智协同推理等四个部分通过数据流和指令流实现数据流转和逻辑功能的连接，具体流程描述如下：a)数据流：为了实现对感知终端状态参数或目标感知对象的数据采集、表示、共享、汇聚、融合与推理，不仅提供透明统一的数据访问接口，同时实现了异构数据融合决策，各流程任务描述如下：1)感知终端层：完成数据采集、预处理，并通过数据接口调用向上为智能体提供采集数据信息；2)智能体层：通过高精度优化增强采集数据质量和精度，并通过智能体建模以统一的封装模式建立感知数据和感知终端的映射关系，同时完成感知数据的发布；3)智能体管理层：对智能体建模进行解码和分析，重点完成异构智能体属性及约束的管理，确保数据的完整性和一致性，同时通过智能体互操作机制实现数据的透明化访问；4)数据管理层：完成存储、质量评估、数据划分、压缩、保护和共享等典型数据处理流程，为群智协同推理提供必要的数据准备；5)群智协同推理层：通过访问数据统一接口，获取任务相关数据，并通过数据筛选和数据融合为协作决策推理模块生成任务指令提供数据支撑。b)指令流：为了实现群智协同，需要将目标任务拆分成多个子任务，并下发给不同的智能体，通过智能体间的协作实现任务执行，指令流由协作决策推理模块生成，各流程任务描述如下：1)协作决策推理：确定系统需要执行的群智任务；2)群智任务分配：将群智任务划分为多个子任务，同时完成子任务与智能体间的能力匹配；3)任务协同调度：确定子任务的执行策略与协作时机；4)任务效能优化：形成高效的任务调度指令序列；5)智能体管理层：以智能体交互管理和智能体可用性管理为约束，实现任务调度指令与智能体的动态匹配；6)智能体层：通过敏捷感知模块驱动感知终端完成相应的任务指令。5GB/TXXXXX—XXXX6智能体智能体针对感知数据具有自主的感知、存储、分析和通信能力，同时还具备自主执行任务的能力。其主要功能由低功耗高精度优化、边缘计算处理、敏捷感知以及智能体参数建模与共享四部分组成，各部分具体功能要求及实现方式如下：a)具备低功耗与高精度效能优化功能，终端设备能够通过智能睡眠唤醒和动态路由组网等技术实现能效管理，旨在降低能耗的同时保持操作精度；b)具备边缘计算处理功能，配备嵌入式计算引擎，其实现方式符合以下要求：1)符合GB/T41780.1-2022规定的相关要求；2)安全方面符合GB/T42564-2023的相关要求。c)具备敏捷感知功能，其实现方式包括物理参量或环境参量的直接感知、微参量感知等；d)具备智能体参数建模与共享功能，以便支持异构智能体交互，其实现方式包括基于本体的建模、基于规则的建模、基于机会路由的共享、基于广播的共享、基于点对点的共享等。7智能体管理7.1概述智能体管理提供统一、透明的终端访问机制，以便于解决智能体异构性强、兼容性差、访问共享能力差等问题，主要由异构智能体建模、智能体属性及约束管理、智能体交互管理、智能体可用性管理和智能体互操作机制组成。7.2异构智能体建模异构智能体建模具备抽象表示功能，可实现对智能体的统一建模，其主要功能包含以下几方面：a)具备对智能体进行统一建模的功能，可实现智能体的属性和约束的制定，可对其各类属性和约束实现动态实时管理；b)具备对异构智能体进行识别的功能，可实现对异构智能体及智能体间的交互关系的建模，可实现对智能体的感知范围、物理属性、功能属性、交互属性和协作属性等的统一建模。7.3智能体属性及约束管理智能体属性及约束管理主要提供智能体属性的一致性建模功能，其主要功能包含以下几方面：a)具备从多个角度对设备的物理属性、功能属性、运行时属性、角色属性、上下文属性等进行统一建模功能，支持统一化的建模语言，形成智能体的共享概念模型，支持的建模语言主要包括XQL,OIL、OWL、JSON等；b)具备对智能体建模中的属性范围进行一致性判断的能力，其判断方法包括基于阈值的方法、基于相似度的方法、基于模糊推理的方法等；c)具备智能体间的属性设置冲突检测功能，并提供冲突消解能力，校正属性设置；其检测方法包括基于规则匹配的方法、基于密度的异常检测算法、离群点检测算法等。7.4智能体交互管理智能体交互管理具备规范多智能体间的通信协议、通信方式等功能，可实现多智能体间的信息互联互通，其主要功能包含以下几方面：6GB/TXXXXX—XXXXa)具备网络通信协议适配功能：能够建立多智能体异构消息映射以及过程匹配机制,包括静态映射和动态交互，其实现方式如下：1)静态映射：消息格式转换、消息名称转换、消息参数转换；2)动态交互：周期性交互和事件触发的交互，其中周期性交互适用于数据频繁变化场景或数据以固定时间间隔发送的场景，事件触发的交互主要以触发事件的产生为发送条件。b)具备异构网络通信功能：可以消除异构智能体通信资源的差异性，提升通信效率与覆盖范围，达到异构智能体的高效连通，具体的异构网络通信功能实现方法包括以下几种：1)基于接收信号强度的网络选择算法；2)基于历史信息的网络选择算法；3)基于模糊逻辑和神经网络的网络选择算法；4)基于博弈论的网络选择算法；5)基于优化理论的网络选择算法；6)基于策略的网络选择算法。7.5智能体可用性管理智能体可用性管理可实现异构智能体的动态访问功能，其主要功能包含以下几方面：a)具备智能体注册功能：其注册方式包括用户发起的注册、智能体主动注册、扫描式注册等；b)具备智能体自动发现机制：支持对同源设备和跨网络设备的动态发现与分组，其自动发现机制的实现方式主要包括基于广播的智能体发现和基于查询的智能体发现等；c)具备支持任务驱动的智能体自动适配功能：自动适配的实现方法主要包括基于能力匹配的方法、基于贪心的方法等。7.6智能体互操作机制智能体互操作机制可实现智能体间数据流与任务流的互联互通，其互操作机制符合GB/T41782.2-2022的相关要求，主要功能包含以下几方面：a)具备构建通信协议转换与共享规范功能：其实现方式主要包括数据解析、数据转换、数据整合和数据标准化等，以便于实现异构智能体间的数据共享；b)具备数据交互规范与智能体互操作模式确立的功能，以确保智能体互操作的安全性。8数据处理8.1概述物联网群智感知技术中的数据处理具备对多智能体产生的异构数据进行采集、处理、压缩、存储与共享等功能，可实现对群智感知数据的高效治理，为群智感知任务提供数据服务。数据处理主要包括数据采集存储、数据统一接口、数据压缩、数据结构划分、数据质量评估、数据隐私保护和数据共享。8.2数据采集及存储数据采集模式分为被动采集和主动采集两种模式。数据采集模式的选择是基于任务要求的。其中被动采集适用于数据更新频率低的场景或针对离散数据的采集，主动采集适用于数据更新频率快或对连续数据的采集，各采集方式的具体方法如下：7GB/TXXXXX—XXXXa)被动采集：通过智能体从现有系统或环境中自动获取数据的过程，可实现数据采集的低成本高效执行；b)主动采集：通过智能体在时空部署上的动态优化，实现对目标数据的主动感知与共享。群智感知数据存储的主要功能包含以下几个方面：a)数据持久化存储满足数据库、JSON、CSV文件等多种数据表形式存储要求，可实现对基础地理数据、公共专题数据和空间划分数据的存储和表示；b)保存数据类型包括历史冗余数据、低频及离散型数据；c)支持实时缓存技术，进而满足数据访问频次高、数据吞吐量大、时效性高等时空数据存储要8.3数据统一接口数据统一接口可实现为外部智能体或第三方应用调用本系统的功能提供服务接口，该接口分为标准接口和低功耗接口两种类型：a)标准接口符合REST架构规范，其返回数据可采用JSONObject格式封装；b)低功耗接口采用字节粒度的数据定义方式，以便降低智能体数据传输功率。8.4数据结构划分数据结构划分可实现大规模感知数据的高效访问、便捷管理与安全控制，主要包括集合结构、线性结构和其他结构：a)数据的集合结构具备数据整体迁移、评估与管理等功能；b)数据的线性结构具备时序性特点，确保群智感知计算的稳定性能；c)数据的其他结构具备一对多与多对多的复杂结构特征。8.5数据压缩通过数据压缩将原始数据压缩为便于存储、传输和打印的格式，可实现感知数据的高效传输。数据压缩的方式主要包括有损压缩和无损压缩两种，无损压缩可保留原始数据的全部信息，而有损压缩可实现更高的数据压缩比，但数据质量有所降低，其主要功能包含以下几个方面：a)具备分布式的数据压缩功能：基于多智能体的能力差异进行动态压缩，可实现分布式应用。实现分布式压缩处理的方法包含MapReduce等并行计算框架；b)具备面向流式数据的压缩功能：采用连续数据间的语义关联进行稀疏数据压缩，具体的流式数据压缩方法包括以下几种：基于采样的流式数据压缩、基于近似计算的流式数据压缩等。8.6数据隐私保护数据隐私保护旨在保障数据的安全可靠，其主要功能包含以下几个方面：a)具备智能体物理属性的隐私保护功能；b)具备感知数据传输过程中的隐私保护功能；c)具备群智感知数据内容本身的隐私保护功能；d)具备基于联邦学习架构的隐私保护功能。8.7数据质量评估数据质量评估可保障感知数据的真实性和可靠性，以便为智能决策提供有效的数据支撑，应符合以下几个方面要求：a)完整性要求；8GB/TXXXXX—XXXXb)准确性要求；c)有效性要求；d)时效性要求；e)一致性要求。8.8数据共享数据共享可提高智能体间的协作决策能力，其具备开放异构感知数据、实现多智能体间的动态合作的功能，其主要功能包含以下几个方面：a)具备高效的数据存取接口，实现感知数据的快速访问等功能；b)支持多种数据访问机制：包括发布订阅式、观察者模式、主动查询式等。9群智协同推理9.1概述群智协同推理承担群智感知任务的协同预测、协同优化、协同分配等功能，主要由平台效能优化、数据筛选、数据融合、协作决策推理、群智任务分配、任务协同调度、任务效能优化组成。9.2平台能效优化平台效能优化可通过算力效能度量和算力效能动态优化技术降低平台的综合运行能耗功能，其主要功能包含以下几个方面：a)具备建立算力资源和能耗度量一般性方法的功能，典型的算力资源构建方法包括逻辑运算、并行计算和神经网络计算等；b)具备提供平台效能优化方法及统一接口的功能；c)具备集群高并发访问控制、负载均衡、计算边缘卸载等功能，可保障平台的安全可靠运行；d)具备平台存储性能优化功能，具体可采用的实现方式包括智能体平台动态应用数据持久化、实时缓存优化等；e)具备数据和模型安全访问机制，主要包括控制访问权限、数据加密、数据备份等访问机制。9.3数据筛选数据筛选可针对海量感知数据进行有效过滤，提升数据质量，提升协作推理的效率，其主要功能包含以下几个方面：a)具备对离散异常点和连续异常的筛除功能，可采用的筛选方法包括异常点检测算法、数据质量评估方法等；b)具备对大量数据集高效剪裁的功能，需兼顾数据代表性、多样性和均衡性；c)具备前置选择和后置选择两种不同的数据筛选功能模式：1)前置选择：数据在上传之前对其效用进行评估，然后选择高效数据上传至服务器；2)后置选择：直接将数据上传到数据服务器或交付给任务发布之后再进行数据选择操作。9.4数据融合数据融合针对筛选后的感知数据进行融合和分析，其主要功能包含以下几个方面：a)具备高精度的融合推理功能，可采用融合数据源特征的方式实现；b)具备支持前融合算法、后融合算法等多种数据融合模式的功能：9GB/TXXXXX—XXXXc)具备自适应推理能力的功能，具体实现方式包括基于注意力机制的方法、基于自适应加权的方法等。9.5协作决策推理9.5.1群智协作群智协作主要由基于人在回路的群智协作框架完成，引入人工来进行数据标定工作，可提高群智感知数据决策的有效性，其中未标注数据的选择方式主要包括随机选择方式、多样化选择方式、不确定性选择方式、难易度选择方式等。基于人在回路的群智协作框架见图2所示，其主要功能包含以下几个方面：a)具备离线机器学习功能，按照特定规则选择人工标准样本，实现样本多样性；b)具备在线训练学习功能，可基于数据增强样本实现模型在线训练，进而提升模型的鲁棒性。图2人在回路的群智协作一般性框架9.5.2算法优化算法优化主要用于降低模型的复杂度，实现响应速度快、内存占用少和能耗低的总体目标。算法优化机理见图3所示，包括模型优化（图优化和模型压缩）、核优化和部署优化等，其主要功能包含以下几个方面：a)具备图优化和模型压缩功能：1)图优化：主要通过图变换实现简化计算资源开销。图优化最终可实现有向无环图的构建，可有效降低计算资源消耗；2)模型压缩：