上海大学自动化系教授赵哲身：未来已来，建筑智能化的挑战来源于哪些方面？

　　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建筑智能化峰会·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。

上海大学自动化系教授赵哲身

　　建筑智能化三大挑战：互联网、物联网、人工智能

　　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。

　　变革时代带来的冲击及派生问题有哪些?

　　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。

　　平台经济，互联网生态下经济模式的转变

　　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。

　　机器学习及在行业中的应用

　　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。

        文/郑翊君