物聯網技術在智慧社區(qū)的應用

吳永挺

（福建省第二高級技工學校，福建福州 350007）

0. 引言

隨著互聯網和移動通信技術的飛速發(fā)展，智能終端設備和應用軟件在社會中得到極大普及。物聯網作為互聯網的延伸，利用具有感知和通信能力的智能終端設備采集物理世界的數據信息，通過通信技術將物－物、物－人相連接，進行信息交換與處理，實現智能的識別、監(jiān)控和管理等目的。物聯網具有無處不在的傳感和計算能力，可以將數以百萬計的物理實體連接到互聯網上[1]。這些部署在人們社會生活中的海量物聯網設備采集大規(guī)模數據信息，通過物聯網獲取智慧決策，解決與人類生活相關的問題，如能源管理、醫(yī)療保健、商業(yè)物流、建筑自動化等。同時，隨著城市人口的快速增長和生活節(jié)奏加快，人們對社區(qū)空間的承載能力和管理水平提出了更高的要求。社區(qū)作為社會容納、匯聚人群和提供公共基礎設施的區(qū)域，其運作模式、服務和管理制度直接影響社區(qū)居民的生活質量。傳統(tǒng)的基于人工操作的社區(qū)服務體系具有響應不及時、服務范圍有限、服務成本高等問題，難以適應人們日漸多樣化、安全化、便捷化的服務需求。因此，將物聯網技術運用于智慧社區(qū)的構建成為新時代社會發(fā)展的趨勢。

智慧社區(qū)是指充分借助物聯網、云計算、大數據等網絡通信和計算機技術對社區(qū)建筑、居民醫(yī)療、物業(yè)管理等領域，形成基于數據互聯互通和智能決策處理的現代化、智慧化管理模式，構建新型社區(qū)生態(tài)服務體系。我國“十四五”規(guī)劃中明確指出要推進智慧社區(qū)的建設，形成惠民、便民的社區(qū)服務。智慧社區(qū)是智慧城市建設的基礎，它充分利用公共資源和基礎設施，為居民提供個性化服務。智慧社區(qū)有利于解決民生問題和城市治理問題，對改善居民生活質量、降低能源消耗、提高城市人口承載能力等具有重要的現實意義。

然而，當前智慧社區(qū)的建設在技術領域面臨多個挑戰(zhàn)：一是智慧社區(qū)系統(tǒng)架構復雜。智慧社區(qū)涵蓋的應用場景多種多樣，每個應用所對應的用戶需求各異。此外，物聯網中海量且異構的數據傳輸協(xié)議和計算模式不相兼容。因此，設計高效、可拓展的物聯網架構是建設智慧社區(qū)的重要環(huán)節(jié)。二是低時延、低能耗的計算模式需求。物聯網設備由于其處理器工藝和尺寸受限，導致其計算、存儲能力不足和電量供應有限，難以支持計算密集型、時延敏感型應用數據的處理，嚴重影響用戶使用體驗。三是物聯網設備的大規(guī)模接入需求。物聯網中無處不在的傳感設備采集大規(guī)模數據，這些數據需要被快速計算處理，以及時獲得反饋結果和決策。然而，傳統(tǒng)的正交時頻傳輸資源有限，難以滿足海量物聯網設備的接入需求，突發(fā)式數據傳輸也會造成上下行鏈路擁塞。四是數據安全和數據交互之間的矛盾。智慧社區(qū)平臺采集并存儲了大量居民的個人隱私信息，由于存在競爭關系、安全認證和流程審批等因素，使得不同的物聯網節(jié)點之間的數據交流效率和安全性降低。因此，如何兼顧信息安全和數據共享是智慧社區(qū)建設過程中需要考慮的重要因素。

1. 物聯網技術在智慧社區(qū)的應用

為應對上述挑戰(zhàn)，一些新型的物聯網技術被運用到智慧社區(qū)的建設中。首先介紹基于物聯網的智慧社區(qū)總體架構，其次分別對邊緣計算、非正交多址接入和聯邦學習技術在智慧社區(qū)中的應用進行詳細分析說明。

1.1 基于物聯網的智慧社區(qū)總體架構

目前，智慧社區(qū)常采用物聯網三層技術架構，自頂向下分別為：應用層、網絡層和感知層。

應用層是直接面向用戶的可交互平臺，其主要功能是通過數據挖掘和大數據分析技術，對海量異構數據進行標準化數據預處理，根據用戶需求，構建與業(yè)務相適應的子數據庫。各個子系統(tǒng)可以共享數據和應用界面，與使用者完成交互。

網絡層起到數據傳輸的作用，上承應用層與用戶連接，下接感知層收集海量數據。網絡層可以采用現有的運營商傳輸網絡，也可以組建專用網絡。為了提高傳輸速率、增大網絡容量，網絡層可以采用邊緣計算架構和非正交多址接入的空口技術。

感知層包括海量的智能感知設備，如攝像頭、智能電表、溫控傳感器等，以及所采集的大規(guī)模原始數據。由于物聯網感知設備計算和存儲能力較低、電量有限，因此往往需要利用其他物聯網節(jié)點輔助計算。此外，各物聯網節(jié)點之間的傳輸和共享機制需要保障用戶數據的安全性。

以智慧社區(qū)中較常見的智慧物業(yè)管理子系統(tǒng)為例，水電表數據采集器作為部署在感知層的智能傳感器，實時收集居民的水電使用情況，并通過網絡層將數據傳輸至具有計算能力的變壓器或者電站。在網絡層的傳輸過程中，有有線或無線兩種傳輸方式。一般而言，有線傳輸方式具有更高的穩(wěn)定性、可靠性和更大的傳輸帶寬，可以有效避免多用戶數據流量之間的干擾。但是有線傳輸的可拓展性較低，如果社區(qū)中添加新的水電設備，則需要單獨為其布線，運維成本較高。無線傳輸方式更加靈活，可拓展性和適應性強，適用于室內室外等多種環(huán)境。然而由于存在電磁干擾和無線網絡環(huán)境動態(tài)復雜，往往造成信號不同程度的衰減，使得接收端的信干噪比難以保證，因此需要合理配置中繼實現信號的放大和前傳。數據到達計算中心后，經過數據分析和處理，計算結果將被反饋至智能終端設備，如智能手機，用戶通過手機應用軟件就可以查詢到家庭的水電費和使用情況、監(jiān)測異常數據以及控制家庭的水電開關。

1.2 邊緣計算技術與社區(qū)無人駕駛

邊緣計算是提升物聯網計算能力的有效技術，物聯網在物理世界中部署大規(guī)模傳感器以獲取周圍環(huán)境的實時狀態(tài)。海量的數據需要被及時處理以便物聯網設備做出智慧的決策和動作[2]，數據的巨大增長會使資源受限的物聯網設備負擔過重。傳統(tǒng)的集中式云計算網絡架構將計算中心部署在核心網，不僅與終端用戶距離遠，而且傳輸的轉發(fā)與路由次數多。由于鏈路容量有限，在數據流量突發(fā)的情況下容易發(fā)生鏈路擁塞，使得網絡開銷和延遲增加[3]。為了應對物聯網中巨大的通信規(guī)模和計算需求，邊緣計算被視為一種有前景和實用的方法來升級物聯網系統(tǒng)。邊緣計算的基本原理是在距離移動終端較近的位置部署具有通信、計算、控制和緩存能力的數據處理中心，物聯網設備通過將計算任務遷移至邊緣設施，如邊緣服務器，從而獲得更為高效快速的計算服務。

社區(qū)無人駕駛是智慧社區(qū)重要組成部分，特別是在疫情防控常態(tài)化時期，利用小型無人駕駛車可以將醫(yī)療物資甚至外賣和快遞自動送至家家戶戶，真正實現人與人的零接觸，有效降低疾病傳播風險。不同于城市中交通管制的無人駕駛機動車，社區(qū)無人駕駛汽車屬于電動力車，運動范圍在人口密度較高的社區(qū)，因此具有行駛速度慢、噪聲小、安全性高的特點。社區(qū)無人駕駛汽車是物聯網智能終端設備，需要實時與外界保持聯系，根據一系列物理信息數據做出瞬時決策和相應的動作，如規(guī)避障礙、加速減速、轉彎照明、開倉關倉等，因此社區(qū)無人駕駛對低時延、低能耗的要求較為嚴格。由于無人駕駛汽車的處理器計算能力和存儲空間有限，海量實時感知數據難以在本地設備中完成數據處理。借助邊緣計算，這些采集的數據首先被分割為大小不同的子任務，分別傳輸至不同的邊緣服務器，并在邊緣服務器上完成快速計算。任務處理時延主要包括數據傳輸時延和計算時延，邊緣計算技術將大量邊緣服務器部署在智慧社區(qū)內，距離用戶更近，覆蓋更廣，極大地降低了任務傳輸時延。同時，邊緣服務器對比于終端物聯網設備具有更強的計算能力，從而使得任務計算時延也大大降低，保證了無人駕駛汽車的快速反應。

1.3 非正交多址接入技術與社區(qū)綠化

非正交多址接入是提升網絡容量、提高無線接入能力的重要手段，傳統(tǒng)的正交多址接入技術利用相互正交的無線資源塊承載用戶信號。正交時分多址接入將相互不重疊的時隙資源分配給不同用戶，多用戶共享頻域資源，以不同時隙區(qū)分信號；正交頻分多址接入為不同用戶分配相互正交的子載波，在全時域傳輸信號，避免了同頻干擾；碼分多址接入以相互正交的編碼區(qū)分多用戶信號，接收端采用相應的碼流譯碼。由于時隙資源、子載波資源和正交碼譜有限，正交多址接入方式難以滿足物聯網設備的大規(guī)模接入需求。非正交多址接入支持在相同的子載波和相同時隙下，以不同的電平或者編碼來發(fā)送信號，通過用戶配對和功率配置策略，使得在有限的頻段和時間內可以承載更多的用戶。對比于正交多址接入，非正交多址接入技術具有更高的能量效率和頻譜效率[4]。

綠地是社區(qū)居民娛樂休閑的重要場所，也是社區(qū)的綠色心臟，社區(qū)的綠化建設是提高居民生活質量的重要內容。隨著人們對環(huán)境美化的要求越來越高，社區(qū)的綠色景觀覆蓋率也逐年增大，景觀造型和植物種類也越來越多樣，然而，自然環(huán)境的復雜多變性給綠地景觀的養(yǎng)護帶來不小困難。在基于物聯網技術的智慧社區(qū)中，通過在綠地廣泛部署溫度、濕度、光照等傳感器，將采集到的環(huán)境數據上傳至數據處理中心。若土壤濕度低于所設定的閾值，則開啟相應位置的噴水器，自動調節(jié)噴水方向、水量和時間，完成植物的澆灌。此外，還可以根據不同植被類型，有針對性地進行藥物滴灌。由于綠地覆蓋面廣，所安置的傳感器種類和數量也極大，海量傳感器同時接入容易造成傳輸鏈路的擁塞。傳統(tǒng)的正交多址接入方式將相互正交的時間或頻率資源分配給所需用戶，雖然能夠避免多信號干擾，但是由于正交資源有限，難以支持海量設備的接入。智慧社區(qū)采用非正交多址接入的方式，允許多個數據流在同一時頻資源上傳輸，極大地提高了頻譜資源和網絡容量，使得智慧社區(qū)中的每一塊綠地都能得到有效地監(jiān)測和護理。

1.4 聯邦學習技術與社區(qū)安防

智慧社區(qū)將建立在人工智能技術之上，從而在異構和大規(guī)模物聯網中實現以數據驅動的機器學習解決方案。然而，傳統(tǒng)的機器學習技術需要通過中央服務器集中收集和處理物聯網數據，容易出現單點故障，難以保障用戶隱私。聯邦學習作為一種新興的具有隱私保護性質的分布式人工智能方法，成為智慧社區(qū)中保障數據安全的重要解決方案之一。在聯邦學習中，物聯網節(jié)點設備通過本地數據協(xié)作訓練共享模型，因此只向中心服務器上傳模型參數而不是原始數據。聯邦學習是一個協(xié)同的機器學習框架，它使參與的設備能夠周期性地更新模型參數，同時將所有的訓練數據保存在本地設備上。聯邦學習往往與邊緣計算相結合，從而最大限度地實現模型優(yōu)化。中心服務器主要部署在云上，具有大量的計算和存儲資源。當執(zhí)行聯邦學習時，物聯網設備首先從中心服務器下載一個全局模型，用本地采集的數據進行訓練，局部模型的訓練則采用隨機梯度下降法，模型經過幾輪本地更新后，將被上傳到邊緣服務器進行全局聚合，更新與聚合過程不斷重復，直到產生預期的模型為止。由于聯邦學習分布式的模型訓練，以參數共享代替原始數據共享，因此能夠有效實現用戶的數據隱私保護。

社區(qū)智能安防是智慧社區(qū)的關鍵內容之一，而用戶行為分析與預測是社區(qū)智能安防的基礎。在智慧社區(qū)中，廣泛覆蓋的攝像頭捕捉居民、寵物、車輛等對象的行為，分析行為內涵，判斷行為屬性，預測該行為的安全性，最后做出相應的反饋。例如，當社區(qū)中大型寵物狗朝人大聲吼叫、掙脫遛狗繩，或者發(fā)生人與人相互扭打，通過視頻畫面的采集和實時上傳，計算中心得出寵物狗即將或正在傷人的結論，計算中心給社區(qū)安保部門發(fā)送警報和事件地點，使得社區(qū)安保人員能夠及時準確到達現場，預防事故發(fā)生或及時止損。此外，攝像頭還可以通過監(jiān)測社區(qū)車輛和駕駛員信息與行車路徑，判斷車輛是否屬于社區(qū)內合法車輛、是否偏離正常路線，通過相應的反饋機制防止非法機動車進入社區(qū)，預防社區(qū)內的車輛事故。智慧社區(qū)中準確的行為預測過程需要計算中心可靠的數據處理能力和數據安全保障機制。智慧社區(qū)采用基于聯邦學習的數據處理方式，攝像頭將采集的實時數據發(fā)送至邊緣計算服務器的訓練模型，由于訓練模型的分布式部署，每個子模型保留部分數據并只需更新各自的模型參數，并將更新后的參數傳輸至中心服務器，從而避免了原始數據的聚合，降低數據泄露的風險。

2.結語

物聯網技術從網絡架構、計算模式、無線傳輸模式、安全保障機制等方面對智慧社區(qū)的建設提供有效技術支持。物聯網三層技術架構中的應用層、網絡層和感知層是分別面向智慧社區(qū)不同的功能模塊。邊緣計算技術助力于解決智慧社區(qū)對低時延、低能耗的需求；非正交多址接入技術滿足海量物聯網設備的接入需求；聯邦學習技術保障了智慧社區(qū)用戶數據安全。利用物聯網技術，智慧社區(qū)將為居民提供更為便捷舒適的服務。