智慧园区关键技术发展趋势和现状比较分析

马中骏

重庆仙桃数据谷投资管理有限公司 重庆 渝北 401120

1. 背景现状

2009年IBM提出“智慧地球”概念起，众多发达国家将智慧城市建设作为刺激经济发展和建立长期竞争优势的重要战略。我国政府近年来大力推进智慧城市规划建设，国家从2012年至2017年9月，推出了十多个相关政策文件。智慧园区作为智慧城市的重要表现形态与重要内容，智慧园区的建成对智慧城市具有重要的示范作用。经过多年的发展，园区的传统发展模式难以为继，迫切需要智慧化建设来实现转型升级。针对智慧园区建设中涉及的几个关键技术问题，进行比较分析。

2. 数据融合技术比较分析

欧洲的“智慧桑坦德(SmartSantander)”项目通过融合IoT数据，实现桑坦德市交通模式与温度[3]两者的关联。在智能交通应用领域，通过融合中心融合路边传感器数据，达到节能与经济目的。Kalyanaraman等引入一种数据融合算法，用于融合不同属性的数据流。相关研究为了充分利用物联网基础设施，实现了不同应用数据的融合，这些应用包括水管理、社会大数据、智能供电与管理、智能交通管理和智能医疗等。在国内，对相关技术的研究与应用主要体现在智能交通管理与智能医疗领域。

就当前发展现状而言，国内较之于国外，在研究与应用方面总体暂时处于落后、追赶阶段；就发展趋势而言，国内外在园区物联网基础设施集成数据融合方面，尚待开展进一步的工作。数据融合的深度学习、智慧城市/智慧园区IoT集成数据融合研究成为未来的一个发展趋势。

3. 数据可视化技术比较分析

可视化是智慧园区基础设施的一个关键元素，旨在将园区运行核心系统的各项关键数据进行可视化呈现，从而对包括应急指挥、园区管理、安全、环境保护、智能交通、基础设施等进行管理决策支持，进而实现智慧式管理和运行。

在国外，Kim等针对电力系统与金融网络案例研究了DNP3和Fix网络的可视化问题；Jo等针对目标商品的AR购物体验；Goap等对智能灌溉实时传感器数据、土壤湿度和降雨量信息做了可视化研究；Mourtzis等专门研究了车间管理场景下的车间作业监控数据可视化问题；Rathore等针对城市小气候分析展开了地理位置和时变传感器数据的可视化研究，并在部署传感器的菲茨罗伊花园、多克兰图书馆场景进行了实验验证；Jeong等对车辆当前状态感知数据的可视化进行了研究，并应用于车辆事故预防；Kumar等提出一种流式数据集结构的可视化方法，并以真实数据集验证其方法的有效性；Thürlimann等研究了污水处理厂运行期间的能源、过程等数据的可视化问题。在国内，Zhang等研究了施工现场工人未戴安全帽记录的可视化展现；Cheng等提出一种施工活动信息可视化框架，并在模拟虚拟工地、户外施工场地、工人培训场地展示了框架的效果；Wan等研究了可穿戴式物联网场景下的个人健康信息可视化问题；Chang等借助BIM对校园场景下的温度、湿度等传感器数据做了可视化研究。

就当前发展现状而言，国内外在相关技术研究与应用方面各有所长，各有特色；就发展趋势而言，国内外在园区物联网基础设施集成数据可视化方面，尚待开展进一步的工作。

4. 智能分析技术比较分析

智慧园区关键在于“智慧”。近年来，利用先进机器学习技术，即深度学习(DL)，促进物联网领域的分析和学习，已成为一种趋势。国内外都致力于研究机器学习在物联网中的应用，使用户能够获得深度分析，开发高效的智能物联网应用，例如将卷积神经网络（CNN）应用于植物病害检测和交通标志检测；循环神经网络（RNN）应用于识别运动模式和行为检测；长短时记忆（LSTM）应用于人类行为识别和移动预测；自动编码器（AE）应用于机械故障诊断和情感识别；变分自编码器（VAE）应用于入侵检测和故障检测；生成式对抗网络（GAN）应用于本地化和寻路和图像文本等。

在国外，Lee等针对计算连续缺失模式的缺失值问题，提出一种基于深度学习的信息缺失值插补模型，即深度插补网络(DeepIN)，并在校园物联网试验台场景下对模型进行验证；Ateeq等针对预测包传送率（PDR）和能耗(EC)问题，基于IEEE802.15.4公共网络数据集，对线性回归、梯度增强、随机森林、深度学习等不同回归模型做了比较研究；Amin等基于真实数据在使用CNN完成病理检测、SVM判断病人是否正常方面做了性能评估研究；Alhussein等使用深度卷积神经网络、堆叠自动编码器，研究了基于病人动作、手势和面部表情实现患者检测、分类问题，并基于儿童医院收集数据CHB-MIT评价两种方法优劣；Liang等使用RNN模型对交通站点实时人群密度进行预测；Mittal等针对垃圾管理和垃圾分类问题，研究了基于深度CNN模型的分类效果；Amato等利用智能摄像头和深度CNN模型研究了检测停车场占用率问题。

在国内，Bu等提出一种多投影深度计算模型MPDCM用以解决DPDCM模型无法捕获不同模式的相关性问题，并基于数据集Animal-20、NUS-WIDE-14对模型的有效性做了验证；Weng等给出一种多智能体无监督异常检测方法，实现了对校园能耗异常情况的检测，并通过公共数据集AMPDS2验证了方法的有效性；Li等利用堆叠自动编码器（SAE）模型进行无监督特征提取，并用以解决城市管理中空气质量监测和污染预测问题。

通过对国内外发展现状的比较分析发现，在国内外几乎未见到有物联网集成数据智能分析相关方面的研究。在智慧园区实际建设过程中，要真正实现园区的智慧，基于机器学习的物联网集成数据智能分析技术必定是未来的研究趋势。

5. 多技术融合研究比较分析

近年来，云计算、大数据、物联网等新兴互联网技术陆续出现，并在医疗、能源、通信、零售、交通等多个行业得到普遍应用[10]。《2016-2020年建筑业信息化发展纲要》指出：“十三五”时期，着力增强BIM、大数据、智能化、移动通讯、云计算、物联网等信息技术集成应用能力，要求深度融合BIM、大数据、智能化、移动通讯、云计算等信息技术，实现BIM与企业管理信息系统的一体化应用，促进企业设计水平和管理水平的提高。

在国外，Catbas等提出一种基于混合云架构的BIM数据共享机制；Ma等提出一种基于云的BIM平台信息交换方法；Das等基于Cassandra数据库实现了对BIM模型的存储；Lin等使用MongoDB存储BIM数据；Teizer等设计了集成实时环境与人员位置信息的通用架构与方法；Chen等提出一种基于云的BIM服务平台；Chang等对Hadoop MapReduce框架进行改进，使其适合处理BIM数据(MR4B)；Peng等设计了医院运维风险管理平台；Alam对物联网和BIM的概念及内涵进行了分析。

在国内，杨镇宇等对BIM云平台的优势和缺陷进行了探讨；陆培争[11]开展了基于BIM和大数据的建筑工程质量管理研究；李志龙等开展了基于BIM标准的大数据服务平台研究；邹东等设计了基于BIM和物联网的城市轨道机电工程管理的系统架构；贾伟新设计了基于物联网和BIM的社区管理平台。

通过对国内外发展现状的比较分析发现，国内外在智慧园区建设与管理技术方面，在多技术集成应用方面的研究工作还需要做进一步的工作。尤其是考虑到当前国内智慧园区建设实际需求，BIM+GIS融合技术应用于智慧园区可望成为一个发展趋势。