物聯(lián)網 群智感知 技術架構 征求意見稿

1GB/TXXXXX—XXXX物聯(lián)網群智感知技術架構本文件規(guī)定了物聯(lián)網群智感知的技術架構，給出了物聯(lián)網群智感知技術架構中智能體、智能體管理、數(shù)據(jù)處理、群智協(xié)同推理的內容要求。本文件適用于物聯(lián)網群智感知技術的研發(fā)和使用。2規(guī)范性引用文件下列文件中的內容通過文中的規(guī)范性引用而構成本文件必不可少的條款。其中，凡是注日期的引用文件，僅該日期對應的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文件。GB/T41780.1-2022物聯(lián)網邊緣計算第1部分：通用要求GB/T41782.2-2022物聯(lián)網系統(tǒng)互操作性第2部分：網絡連通性GB/T42564-2023信息安全技術邊緣計算安全技術要求3術語和定義下列術語和定義適用于本文件。3.1感知終端sensing-terminal能對物或環(huán)境進行信息采集和/或執(zhí)行操作，并能聯(lián)網進行通信的裝置。[來源：GB/T37093-2018，3.3]3.2終端設備terminal-device具有計算能力、可通過上行接口直接與服務平臺建立通信連接的設備。[來源：GB/T40027-2021，3.1]3.3智能體agent能夠感知外部環(huán)境，通過學習或推理指導自身行為決策，同時采取行動以實現(xiàn)特定目標的終端設注：在物聯(lián)網范疇內，智能體通常是由物理實體及其對應的智能算法程序兩部分構成。智能體可以是智能軟件、2GB/TXXXXX—XXXX3.4異構智能體heterogeneousagent采用不同的技術和平臺創(chuàng)建的具有不同參數(shù)和性能，具有數(shù)據(jù)或接口異構性的智能體的集合。3.5感知數(shù)據(jù)sensing-data通過數(shù)據(jù)采集獲取的原始數(shù)據(jù)或在此基礎上進行加工處理的表征對象信息的數(shù)據(jù)統(tǒng)稱。[來源：GB/T33474-2016，3.11]3.6群智感知crowd-sensing通過智能體和/或異構智能體之間的協(xié)同交互機制，自動完成感知數(shù)據(jù)的采集、分析和決策的一種數(shù)據(jù)處理技術。3.7上下文context感知對象所處環(huán)境狀態(tài)信息的集合。注：通常指與某個事件、實體或信息相關的各種環(huán)境和條件，包括物理環(huán)境、時間、地點、用戶行為、設備狀態(tài)3.8人在回路humanintheloop一種在機器監(jiān)督學習的過程中引入人類決策主動參與的機制。注：人在回路中人類決策的環(huán)節(jié)主要集中在數(shù)據(jù)標注、模型評估環(huán)節(jié)，發(fā)揮的作用主要是通過數(shù)據(jù)標注提供監(jiān)督學習所需的數(shù)據(jù)標簽，通過模型評估實現(xiàn)性3.9模型壓縮modelcompression一種在機器學習模型，尤其是深度學習模型中降低模型體積、參數(shù)數(shù)量或延遲時間，提高模型的推理速度和效率的模型優(yōu)化方法。3.10聯(lián)邦機器學習federatedlearning一種多個參與方在不交互數(shù)據(jù)的情況下，通過安全機制交互模型參數(shù)，從而達到協(xié)同訓練效果的分布式機器學習方法。3.11本體ontology3GB/TXXXXX—XXXX一種對共享概念體系中對象及對象間屬性關系的形式化抽象。4縮略語下列縮略語適用于本文件。CSV逗號分隔值(Comma-separatedValue)J面向對象的編程語言（Java）JS面向對象的編程腳本語言（JavaScript）JSONJS對象簡譜（JavaScriptObjectNotation）OWL網絡本體語言(WebOntologyLanguage)OIL本體交換語言(OntologyInterchangeLanguage)REST表述性狀態(tài)轉移（RepresentationalStateTransfer）SQL結構化查詢語言(StructuredQueryLanguage)XML可擴展置標語言（ExtensibleMarkupLanguage）XQLXML查詢語言(XMLQueryLanguage)5技術架構物聯(lián)網群智感知技術架構見圖1所示。4GB/TXXXXX—XXXX圖1物聯(lián)網群智感知技術架構物聯(lián)網群智感知技術架構以感知終端（包括傳感器、智能儀表、手機終端等）為基礎支撐，主要由智能體、智能體管理、數(shù)據(jù)處理、群智協(xié)同推理四部分組成。a)智能體：物聯(lián)網群智感知技術接入實現(xiàn)的基礎單元。智能體一方面主動獲取感知終端所產生的屬性數(shù)據(jù)，另一方面為智能體管理提供智能體所獲取的感知終端的靜態(tài)屬性和運行狀態(tài)數(shù)據(jù)支撐，其中靜態(tài)屬性包括設備名稱、廠商、識別號、注冊碼等，動態(tài)運行數(shù)據(jù)包括運行狀態(tài)、采集信息參量動態(tài)值等；b)智能體管理：面向智能體感知目標，提供智能體動態(tài)發(fā)現(xiàn)、接入和接口管理的能力，智能體管理一方面實現(xiàn)對智能體的統(tǒng)一管理功能，另一方面為數(shù)據(jù)處理提供異構智能體數(shù)據(jù)交互與匯聚接口；c)數(shù)據(jù)處理：使用數(shù)據(jù)持久化技術及高效實時緩存技術，借助于數(shù)據(jù)庫，JSON，CSV文件等多種形式的數(shù)據(jù)的存儲和表示，數(shù)據(jù)處理一方面對智能體管理提供的數(shù)據(jù)進行分析處理，另一方面還為群智協(xié)同推理提供統(tǒng)一的數(shù)據(jù)視圖以及訪問接口，實現(xiàn)群智感知數(shù)據(jù)智能分析與推理決策；d)群智協(xié)同推理：物聯(lián)網群智感知技術實現(xiàn)的核心功能，通過異構智能體間的資源互補性、能力差異性實現(xiàn)群智感知任務的高效執(zhí)行，群智協(xié)同推理一方面將獲取的數(shù)據(jù)處理后的數(shù)據(jù)進行融合應用，另一方面還將群智感知任務分解后通過智能體管理下發(fā)到智能體層，實現(xiàn)具體群智感知任務執(zhí)行。智能體、智能體管理、數(shù)據(jù)處理、群智協(xié)同推理等四個部分通過數(shù)據(jù)流和指令流實現(xiàn)數(shù)據(jù)流轉和邏輯功能的連接，具體流程描述如下：a)數(shù)據(jù)流：為了實現(xiàn)對感知終端狀態(tài)參數(shù)或目標感知對象的數(shù)據(jù)采集、表示、共享、匯聚、融合與推理，不僅提供透明統(tǒng)一的數(shù)據(jù)訪問接口，同時實現(xiàn)了異構數(shù)據(jù)融合決策，各流程任務描述如下：1)感知終端層：完成數(shù)據(jù)采集、預處理，并通過數(shù)據(jù)接口調用向上為智能體提供采集數(shù)據(jù)信息；2)智能體層：通過高精度優(yōu)化增強采集數(shù)據(jù)質量和精度，并通過智能體建模以統(tǒng)一的封裝模式建立感知數(shù)據(jù)和感知終端的映射關系，同時完成感知數(shù)據(jù)的發(fā)布；3)智能體管理層：對智能體建模進行解碼和分析，重點完成異構智能體屬性及約束的管理，確保數(shù)據(jù)的完整性和一致性，同時通過智能體互操作機制實現(xiàn)數(shù)據(jù)的透明化訪問；4)數(shù)據(jù)管理層：完成存儲、質量評估、數(shù)據(jù)劃分、壓縮、保護和共享等典型數(shù)據(jù)處理流程，為群智協(xié)同推理提供必要的數(shù)據(jù)準備；5)群智協(xié)同推理層：通過訪問數(shù)據(jù)統(tǒng)一接口，獲取任務相關數(shù)據(jù)，并通過數(shù)據(jù)篩選和數(shù)據(jù)融合為協(xié)作決策推理模塊生成任務指令提供數(shù)據(jù)支撐。b)指令流：為了實現(xiàn)群智協(xié)同，需要將目標任務拆分成多個子任務，并下發(fā)給不同的智能體，通過智能體間的協(xié)作實現(xiàn)任務執(zhí)行，指令流由協(xié)作決策推理模塊生成，各流程任務描述如下：1)協(xié)作決策推理：確定系統(tǒng)需要執(zhí)行的群智任務；2)群智任務分配：將群智任務劃分為多個子任務，同時完成子任務與智能體間的能力匹配；3)任務協(xié)同調度：確定子任務的執(zhí)行策略與協(xié)作時機；4)任務效能優(yōu)化：形成高效的任務調度指令序列；5)智能體管理層：以智能體交互管理和智能體可用性管理為約束，實現(xiàn)任務調度指令與智能體的動態(tài)匹配；6)智能體層：通過敏捷感知模塊驅動感知終端完成相應的任務指令。5GB/TXXXXX—XXXX6智能體智能體針對感知數(shù)據(jù)具有自主的感知、存儲、分析和通信能力，同時還具備自主執(zhí)行任務的能力。其主要功能由低功耗高精度優(yōu)化、邊緣計算處理、敏捷感知以及智能體參數(shù)建模與共享四部分組成，各部分具體功能要求及實現(xiàn)方式如下：a)具備低功耗與高精度效能優(yōu)化功能，終端設備能夠通過智能睡眠喚醒和動態(tài)路由組網等技術實現(xiàn)能效管理，旨在降低能耗的同時保持操作精度；b)具備邊緣計算處理功能，配備嵌入式計算引擎，其實現(xiàn)方式符合以下要求：1)符合GB/T41780.1-2022規(guī)定的相關要求；2)安全方面符合GB/T42564-2023的相關要求。c)具備敏捷感知功能，其實現(xiàn)方式包括物理參量或環(huán)境參量的直接感知、微參量感知等；d)具備智能體參數(shù)建模與共享功能，以便支持異構智能體交互，其實現(xiàn)方式包括基于本體的建模、基于規(guī)則的建模、基于機會路由的共享、基于廣播的共享、基于點對點的共享等。7智能體管理7.1概述智能體管理提供統(tǒng)一、透明的終端訪問機制，以便于解決智能體異構性強、兼容性差、訪問共享能力差等問題，主要由異構智能體建模、智能體屬性及約束管理、智能體交互管理、智能體可用性管理和智能體互操作機制組成。7.2異構智能體建模異構智能體建模具備抽象表示功能，可實現(xiàn)對智能體的統(tǒng)一建模，其主要功能包含以下幾方面：a)具備對智能體進行統(tǒng)一建模的功能，可實現(xiàn)智能體的屬性和約束的制定，可對其各類屬性和約束實現(xiàn)動態(tài)實時管理；b)具備對異構智能體進行識別的功能，可實現(xiàn)對異構智能體及智能體間的交互關系的建模，可實現(xiàn)對智能體的感知范圍、物理屬性、功能屬性、交互屬性和協(xié)作屬性等的統(tǒng)一建模。7.3智能體屬性及約束管理智能體屬性及約束管理主要提供智能體屬性的一致性建模功能，其主要功能包含以下幾方面：a)具備從多個角度對設備的物理屬性、功能屬性、運行時屬性、角色屬性、上下文屬性等進行統(tǒng)一建模功能，支持統(tǒng)一化的建模語言，形成智能體的共享概念模型，支持的建模語言主要包括XQL,OIL、OWL、JSON等；b)具備對智能體建模中的屬性范圍進行一致性判斷的能力，其判斷方法包括基于閾值的方法、基于相似度的方法、基于模糊推理的方法等；c)具備智能體間的屬性設置沖突檢測功能，并提供沖突消解能力，校正屬性設置；其檢測方法包括基于規(guī)則匹配的方法、基于密度的異常檢測算法、離群點檢測算法等。7.4智能體交互管理智能體交互管理具備規(guī)范多智能體間的通信協(xié)議、通信方式等功能，可實現(xiàn)多智能體間的信息互聯(lián)互通，其主要功能包含以下幾方面：6GB/TXXXXX—XXXXa)具備網絡通信協(xié)議適配功能：能夠建立多智能體異構消息映射以及過程匹配機制,包括靜態(tài)映射和動態(tài)交互，其實現(xiàn)方式如下：1)靜態(tài)映射：消息格式轉換、消息名稱轉換、消息參數(shù)轉換；2)動態(tài)交互：周期性交互和事件觸發(fā)的交互，其中周期性交互適用于數(shù)據(jù)頻繁變化場景或數(shù)據(jù)以固定時間間隔發(fā)送的場景，事件觸發(fā)的交互主要以觸發(fā)事件的產生為發(fā)送條件。b)具備異構網絡通信功能：可以消除異構智能體通信資源的差異性，提升通信效率與覆蓋范圍，達到異構智能體的高效連通，具體的異構網絡通信功能實現(xiàn)方法包括以下幾種：1)基于接收信號強度的網絡選擇算法；2)基于歷史信息的網絡選擇算法；3)基于模糊邏輯和神經網絡的網絡選擇算法；4)基于博弈論的網絡選擇算法；5)基于優(yōu)化理論的網絡選擇算法；6)基于策略的網絡選擇算法。7.5智能體可用性管理智能體可用性管理可實現(xiàn)異構智能體的動態(tài)訪問功能，其主要功能包含以下幾方面：a)具備智能體注冊功能：其注冊方式包括用戶發(fā)起的注冊、智能體主動注冊、掃描式注冊等；b)具備智能體自動發(fā)現(xiàn)機制：支持對同源設備和跨網絡設備的動態(tài)發(fā)現(xiàn)與分組，其自動發(fā)現(xiàn)機制的實現(xiàn)方式主要包括基于廣播的智能體發(fā)現(xiàn)和基于查詢的智能體發(fā)現(xiàn)等；c)具備支持任務驅動的智能體自動適配功能：自動適配的實現(xiàn)方法主要包括基于能力匹配的方法、基于貪心的方法等。7.6智能體互操作機制智能體互操作機制可實現(xiàn)智能體間數(shù)據(jù)流與任務流的互聯(lián)互通，其互操作機制符合GB/T41782.2-2022的相關要求，主要功能包含以下幾方面：a)具備構建通信協(xié)議轉換與共享規(guī)范功能：其實現(xiàn)方式主要包括數(shù)據(jù)解析、數(shù)據(jù)轉換、數(shù)據(jù)整合和數(shù)據(jù)標準化等，以便于實現(xiàn)異構智能體間的數(shù)據(jù)共享；b)具備數(shù)據(jù)交互規(guī)范與智能體互操作模式確立的功能，以確保智能體互操作的安全性。8數(shù)據(jù)處理8.1概述物聯(lián)網群智感知技術中的數(shù)據(jù)處理具備對多智能體產生的異構數(shù)據(jù)進行采集、處理、壓縮、存儲與共享等功能，可實現(xiàn)對群智感知數(shù)據(jù)的高效治理，為群智感知任務提供數(shù)據(jù)服務。數(shù)據(jù)處理主要包括數(shù)據(jù)采集存儲、數(shù)據(jù)統(tǒng)一接口、數(shù)據(jù)壓縮、數(shù)據(jù)結構劃分、數(shù)據(jù)質量評估、數(shù)據(jù)隱私保護和數(shù)據(jù)共享。8.2數(shù)據(jù)采集及存儲數(shù)據(jù)采集模式分為被動采集和主動采集兩種模式。數(shù)據(jù)采集模式的選擇是基于任務要求的。其中被動采集適用于數(shù)據(jù)更新頻率低的場景或針對離散數(shù)據(jù)的采集，主動采集適用于數(shù)據(jù)更新頻率快或對連續(xù)數(shù)據(jù)的采集，各采集方式的具體方法如下：7GB/TXXXXX—XXXXa)被動采集：通過智能體從現(xiàn)有系統(tǒng)或環(huán)境中自動獲取數(shù)據(jù)的過程，可實現(xiàn)數(shù)據(jù)采集的低成本高效執(zhí)行；b)主動采集：通過智能體在時空部署上的動態(tài)優(yōu)化，實現(xiàn)對目標數(shù)據(jù)的主動感知與共享。群智感知數(shù)據(jù)存儲的主要功能包含以下幾個方面：a)數(shù)據(jù)持久化存儲滿足數(shù)據(jù)庫、JSON、CSV文件等多種數(shù)據(jù)表形式存儲要求，可實現(xiàn)對基礎地理數(shù)據(jù)、公共專題數(shù)據(jù)和空間劃分數(shù)據(jù)的存儲和表示；b)保存數(shù)據(jù)類型包括歷史冗余數(shù)據(jù)、低頻及離散型數(shù)據(jù)；c)支持實時緩存技術，進而滿足數(shù)據(jù)訪問頻次高、數(shù)據(jù)吞吐量大、時效性高等時空數(shù)據(jù)存儲要8.3數(shù)據(jù)統(tǒng)一接口數(shù)據(jù)統(tǒng)一接口可實現(xiàn)為外部智能體或第三方應用調用本系統(tǒng)的功能提供服務接口，該接口分為標準接口和低功耗接口兩種類型：a)標準接口符合REST架構規(guī)范，其返回數(shù)據(jù)可采用JSONObject格式封裝；b)低功耗接口采用字節(jié)粒度的數(shù)據(jù)定義方式，以便降低智能體數(shù)據(jù)傳輸功率。8.4數(shù)據(jù)結構劃分數(shù)據(jù)結構劃分可實現(xiàn)大規(guī)模感知數(shù)據(jù)的高效訪問、便捷管理與安全控制，主要包括集合結構、線性結構和其他結構：a)數(shù)據(jù)的集合結構具備數(shù)據(jù)整體遷移、評估與管理等功能；b)數(shù)據(jù)的線性結構具備時序性特點，確保群智感知計算的穩(wěn)定性能；c)數(shù)據(jù)的其他結構具備一對多與多對多的復雜結構特征。8.5數(shù)據(jù)壓縮通過數(shù)據(jù)壓縮將原始數(shù)據(jù)壓縮為便于存儲、傳輸和打印的格式，可實現(xiàn)感知數(shù)據(jù)的高效傳輸。數(shù)據(jù)壓縮的方式主要包括有損壓縮和無損壓縮兩種，無損壓縮可保留原始數(shù)據(jù)的全部信息，而有損壓縮可實現(xiàn)更高的數(shù)據(jù)壓縮比，但數(shù)據(jù)質量有所降低，其主要功能包含以下幾個方面：a)具備分布式的數(shù)據(jù)壓縮功能：基于多智能體的能力差異進行動態(tài)壓縮，可實現(xiàn)分布式應用。實現(xiàn)分布式壓縮處理的方法包含MapReduce等并行計算框架；b)具備面向流式數(shù)據(jù)的壓縮功能：采用連續(xù)數(shù)據(jù)間的語義關聯(lián)進行稀疏數(shù)據(jù)壓縮，具體的流式數(shù)據(jù)壓縮方法包括以下幾種：基于采樣的流式數(shù)據(jù)壓縮、基于近似計算的流式數(shù)據(jù)壓縮等。8.6數(shù)據(jù)隱私保護數(shù)據(jù)隱私保護旨在保障數(shù)據(jù)的安全可靠，其主要功能包含以下幾個方面：a)具備智能體物理屬性的隱私保護功能；b)具備感知數(shù)據(jù)傳輸過程中的隱私保護功能；c)具備群智感知數(shù)據(jù)內容本身的隱私保護功能；d)具備基于聯(lián)邦學習架構的隱私保護功能。8.7數(shù)據(jù)質量評估數(shù)據(jù)質量評估可保障感知數(shù)據(jù)的真實性和可靠性，以便為智能決策提供有效的數(shù)據(jù)支撐，應符合以下幾個方面要求：a)完整性要求；8GB/TXXXXX—XXXXb)準確性要求；c)有效性要求；d)時效性要求；e)一致性要求。8.8數(shù)據(jù)共享數(shù)據(jù)共享可提高智能體間的協(xié)作決策能力，其具備開放異構感知數(shù)據(jù)、實現(xiàn)多智能體間的動態(tài)合作的功能，其主要功能包含以下幾個方面：a)具備高效的數(shù)據(jù)存取接口，實現(xiàn)感知數(shù)據(jù)的快速訪問等功能；b)支持多種數(shù)據(jù)訪問機制：包括發(fā)布訂閱式、觀察者模式、主動查詢式等。9群智協(xié)同推理9.1概述群智協(xié)同推理承擔群智感知任務的協(xié)同預測、協(xié)同優(yōu)化、協(xié)同分配等功能，主要由平臺效能優(yōu)化、數(shù)據(jù)篩選、數(shù)據(jù)融合、協(xié)作決策推理、群智任務分配、任務協(xié)同調度、任務效能優(yōu)化組成。9.2平臺能效優(yōu)化平臺效能優(yōu)化可通過算力效能度量和算力效能動態(tài)優(yōu)化技術降低平臺的綜合運行能耗功能，其主要功能包含以下幾個方面：a)具備建立算力資源和能耗度量一般性方法的功能，典型的算力資源構建方法包括邏輯運算、并行計算和神經網絡計算等；b)具備提供平臺效能優(yōu)化方法及統(tǒng)一接口的功能；c)具備集群高并發(fā)訪問控制、負載均衡、計算邊緣卸載等功能，可保障平臺的安全可靠運行；d)具備平臺存儲性能優(yōu)化功能，具體可采用的實現(xiàn)方式包括智能體平臺動態(tài)應用數(shù)據(jù)持久化、實時緩存優(yōu)化等；e)具備數(shù)據(jù)和模型安全訪問機制，主要包括控制訪問權限、數(shù)據(jù)加密、數(shù)據(jù)備份等訪問機制。9.3數(shù)據(jù)篩選數(shù)據(jù)篩選可針對海量感知數(shù)據(jù)進行有效過濾，提升數(shù)據(jù)質量，提升協(xié)作推理的效率，其主要功能包含以下幾個方面：a)具備對離散異常點和連續(xù)異常的篩除功能，可采用的篩選方法包括異常點檢測算法、數(shù)據(jù)質量評估方法等；b)具備對大量數(shù)據(jù)集高效剪裁的功能，需兼顧數(shù)據(jù)代表性、多樣性和均衡性；c)具備前置選擇和后置選擇兩種不同的數(shù)據(jù)篩選功能模式：1)前置選擇：數(shù)據(jù)在上傳之前對其效用進行評估，然后選擇高效數(shù)據(jù)上傳至服務器；2)后置選擇：直接將數(shù)據(jù)上傳到數(shù)據(jù)服務器或交付給任務發(fā)布之后再進行數(shù)據(jù)選擇操作。9.4數(shù)據(jù)融合數(shù)據(jù)融合針對篩選后的感知數(shù)據(jù)進行融合和分析，其主要功能包含以下幾個方面：a)具備高精度的融合推理功能，可采用融合數(shù)據(jù)源特征的方式實現(xiàn)；b)具備支持前融合算法、后融合算法等多種數(shù)據(jù)融合模式的功能：9GB/TXXXXX—XXXXc)具備自適應推理能力的功能，具體實現(xiàn)方式包括基于注意力機制的方法、基于自適應加權的方法等。9.5協(xié)作決策推理9.5.1群智協(xié)作群智協(xié)作主要由基于人在回路的群智協(xié)作框架完成，引入人工來進行數(shù)據(jù)標定工作，可提高群智感知數(shù)據(jù)決策的有效性，其中未標注數(shù)據(jù)的選擇方式主要包括隨機選擇方式、多樣化選擇方式、不確定性選擇方式、難易度選擇方式等。基于人在回路的群智協(xié)作框架見圖2所示，其主要功能包含以下幾個方面：a)具備離線機器學習功能，按照特定規(guī)則選擇人工標準樣本，實現(xiàn)樣本多樣性；b)具備在線訓練學習功能，可基于數(shù)據(jù)增強樣本實現(xiàn)模型在線訓練，進而提升模型的魯棒性。圖2人在回路的群智協(xié)作一般性框架9.5.2算法優(yōu)化算法優(yōu)化主要用于降低模型的復雜度，實現(xiàn)響應速度快、內存占用少和能耗低的總體目標。算法優(yōu)化機理見圖3所示，包括模型優(yōu)化（圖優(yōu)化和模型壓縮）、核優(yōu)化和部署優(yōu)化等，其主要功能包含以下幾個方面：a)具備圖優(yōu)化和模型壓縮功能：1)圖優(yōu)化：主要通過圖變換實現(xiàn)簡化計算資源開銷。圖優(yōu)化最終可實現(xiàn)有向無環(huán)圖的構建，可有效降低計算資源消耗；2)模型壓縮：