上海大学自动化系教授赵哲身:未来已来建筑智
首页
阅读:
admin
2019-10-07 01:54

  随着当前技术的飞速发展,正处于互联网的爆发时代、物联网的成长期、人工智能的爆发前期,这三个不同时期都会对建筑智能化行业形成挑战。

  物联网,顾名思义,就是物物相连的互联网。物联网是新一代信息技术的重要组成部分,也是“信息化”时代的重要发展阶段。在2018年第十九届中国国际·广州站A场,上海大学自动化系教授赵哲身分享《未来已来-互联网爆发、物联网成长期的企业之路》,围绕互联网+和物联网的特征、平台经济、机器学习及其应用等方面展开阐述。

  随着当前技术的飞速发展,正处于互联网的爆发时代、物联网的成长期、人工智能的爆发前期,这三个不同时期都会对建筑智能化行业形成挑战。

  在2014年到2017年发生了许多大事件,2017年阿里巴巴发布了《智慧建筑白皮书》,震撼了行业,并且阿里巴巴成立了达摩院,进行量子计算、机器学习、基础算法等;百度在2014年成立深度学习研究院、硅谷人工智能实验室、大数据实验室、增强现实实验室;腾讯组建了AI实验室、微信AI、优图实验室等等。各大互联网企业纷纷进军该领域,可谓“未来已来”。

  那么,互联网+和物联网的特征如何?首先,互联网可以消除距离,去中心(介)化,即资源和终端用户直接连接,最好的例子就是网上购物或网上清算;第二,服务成为本质,成为企业战略的指导思想;第三,正因为缩短距离,服务成为本质,产生了个性化(定制)的个体主义,大大提高了终端用户的地位;第四,未来的建筑智能化市场将是扁平化、网格状,物联网带来了物理和体制的扁平化,其中,终端用户具备可交互性。今后物联网一定是体验业迭代,终身用户的数量成为企业的竞争力,人、动物、机器是互联的。

  在当下变革的大时代中,会带来来怎样的冲击?不仅是对物理世界的冲击,还有对社会的冲击。古典管理之父泰勒(F.W.Taylor,1856-1915),他提出定额与标准化,适合于大规模流水线生产的工业革命,已经不适应个性化定制需求。

  法约尔(HENRIFAYOL,1841~1925),将管理活动分为计划、组织、指挥、协调和控制等五大管理职能,提出了十四项管理原则。

  韦伯(Max Weber,1864-1920),对权力依职位和职能进行分工和分层,建立以规则为管理主体的组织体系和管理方式,这便是科层制。管理组织科层论受到物联网扁平化的冲击。

  大师中的大师的德鲁克,提出“互联网消除距离”。2014年诺贝尔奖得主让·马塞尔·蒂罗勒(法国Tirole,1953-)提出平台指导理论:今天互联网时代应该是双边市场。

  这是非常典型的树状结构,但扁平状结构会冲击这个结构,国际和国内不少公司采取扁平化管理模式,每个周期中的个人能力不同,但必然存在一个中心,实际上扁平化的物联网是一个无主体结构。

  但互联网+和物联网也衍生出几个派生问题:第一,体制冲突,现在智慧城市的建设困难重重,这是由于用信息化工具管理城市的理念,存着多规不合一、信息孤岛、交互标准不统一、入库标准不统一等等问题,比如摄影头,交通和刑警不统一,区和市里不统一,这必然伴随着体制冲突。第二,垄断,很多集成商早已感受到垄断,小企业和创新企业被大企业扼杀,长期以往必然存在问题,所以我国提出市场经济要反垄断。第三,技术问题。

  在互联网生态下传统经济模型发生了巨大变革,这就是平台经济的出现,现在的城市经济形态不完全是制造业,还有平台,尤其是建筑智能化行业。平台是一种经济模式,是互联网生态下经济模式的转变,缩短了供应商和终端用户的距离,使得服务成为本质。

  平台也是“生态圈”, 为终端用户、供应商、科技工作者提供信息、交易与物流等基础设施,将树状的供应链变成环状;平台也是科学管理的落地场所和实施工具。诺贝尔奖得主让·梯若尔提出,互联网时代是双边经济,要么拥有平台,要么被平台雇佣,比如阿里巴巴电商平台。

  建筑智能化平台的发展方向有这几种:IBMS、(2)能量管控平台、(3)远程运维平台、(4)智慧养老、(5)智慧园区和智慧城市、(6)国产化BA平台:边缘计算与云,很多企业目前在发展边缘网关,实际上边缘网关和云的架构和功能不同,边缘是实时性,云是非实时性,边缘是解决本地控制和局部管理,而云是全部管理和边缘资源的分配。(7)智慧地下管廊、(8)装配式智能建筑等。总之,平台可以与任何事物相结合。

  目前,机器学习的方法分类可分为有监督学习、无监督学习和强化学习。机器学习的核心经验包括以下几点,(1)样本必须覆盖对象所有频谱,模型才能有强的泛化能力,要考虑到所有可能出现的情况。(2)输入的确定:输入必须与输出强相关。输入多了模型维数增多;少了,成为扰动。(3)样本必须预处理,数据必须真实有效,滤波与去噪;另外,特征缩放和特征提取也非常重要,包括归一化对神经网络、标准化对于线性回归、平稳随机过程对时间序列。(4)没有一种模型结构(算法)是放之四海的,针对不同问题,必须尝试不同算法。

  在建筑智能化行业,企业机器学习的研究方向有这几种:(1)区能耗监测平台数据的聚合、分类,目的是自动修正不正常数据。(2)区级平台大型公共建筑能耗需求侧响应建模。采用回归分析、时间序列、深度学习神经网络。(3)面向单体建筑或建筑群的能量优化控制中的空调负荷预测模型。(4)FM:建筑物设备系统或单体设备故障状态诊断和管理。

  机器人也是当前行业十分火热的话题,那么,目前机器人在建筑智能化行业有哪些应用呢?主要是以下三种,地下管廊巡视机器人、数据中心巡视检测机器人和.居家机器人。但目前还在概念阶段,以检测为主。

  目前机器人存在一些问题,如30%的数据不准确,BA传感器不够强壮、易损坏和需要整定等,未来要解决BA存在的数据不准问题,通过大数据的相关性分析校正数据,为巡视机器人装备及时整定的传感器,现场接入闭环,以取代并修正现场节点传感器。

  最后,未来已来,未来存在着多种形式,由手机或可穿戴设备组成移动物联网,将人和物连接在一起,空间传感器由手机、可穿戴实现,AHU传感器由LoRa实现。而NB-IOT将颠覆建筑能耗监测平台架构,机器学习将颠覆智能表具行业等等。时代在改变,智能化企业也需要转型升级,以应对未来行业的发展趋势,否则将面临被市场淘汰的可能。