智慧城市感知基站:未来智慧城市的综合感知基础设施

近年来，随着城镇化进程加速，城市的不断扩张带来了人口剧增、资源短缺、环境污染和交通拥堵等典型的“城市病”［1］ ，成为城市建设与城市管理的难题。为了破解“城市病”带来的窘境，建设智慧城市就显得非常重要［2-3］。智慧城市是数字城市在智能化［4-7］时代的拓展与升华［8-11］，其基础是利用新一代的信息通信技术和物联化的方式实现动态感知、实时分析和智慧服务［12-15］。智慧城市通过获取透明、鲜活和完整的城市信息，并以规范的方式实现数据共享、科学分析和有效利用，从而改善城市居民生活质量，提高城市运作和服务效率［16-18］ 。2006年，《国家中长期科学和技术发展规划纲要（2006—2020）》中明确提出了“感知中国”的概念［19］。2010年和 2018年，国家科技部先后部署了“智慧城市”863计划主题项目和“物联网与智慧城市关键技术及示范”国家重点研发专项等前沿项目。2019年，国家先后出台了《智慧城市时空大数据平台建设技术大纲》和《新型城镇化建设重点任务》等政策性文件，明确了建设智慧城市与智慧社会的重要性。随着智慧城市相关研究的推进，在感知采集设备［20］、信息服务基础设施［21］、数据处理分析和行业智慧应用平台等方面取得了一系列成果［22-24］。特别是在城市感知领域，随着物联网［25］、泛在计算、边缘智能［26］和人工智能等新兴技术的发展，相关理论与技术迎来了新一轮的创新契机［27-30］。智慧城市感知的核心是物联网技术［31］ 、云计算的方法和数字孪生的思想与概念［32］ 。总而言之，智慧城市将在之前数字城市的基础上，充分利用前沿信息通信技术以及计算方法实现智慧管理和智慧服务［33-35］ 。

尽管如此，智慧城市感知服务仍然存在大量亟待解决的问题。例如，当前城市感知服务只掌握数据，忽略了数据来源（包括传感器的类型、通讯协议、感知设备实时健康状态等），缺乏主动控制感知网络物理形态的能力，且新传感器部署后无法即插即用，需要在服务端进行传感器注册等工作。目前来看，可能这些限制并不会显著地影响智慧城市建设运行，但随着城市感知网络愈加复杂，感知资源的种类愈发多样化，人们对高质量感知数据的需求也不断提高。因此，实现海量异构传感器的统一接入，感知资源在物理空间的主动协同，以及具备边缘智能的处理能力等，皆为城市感知服务在当下面临的重大问题。

本文首先聚焦智慧城市的综合感知需求、现今广泛使用的智慧城市感知网络以及感知技术体系，综述其发展过程以及典型应用，并指出现阶段智慧城市感知网络的一些技术问题和复杂性给未来智慧城市感知网络部署带来的重大挑战；然后，重点提出智慧城市感知基站的构想［36］ ，并通过基站原型机对主要功能进行分析；最后，围绕智慧城市感知基站原型机，展望了智慧城市感知基站在智慧城市的多种应用场景。

1 智慧城市感知需求和复杂性

1.1 智慧城市中的感知需求

目前国内外已经构建了一些与智慧城市感知相关的信息系统，并且实现了感知、通信、数据分析处理与可视化的核心功能［37-40］，如美国麻省理 工 学 院 研 发 的 Live Singapore、Urban Sensing，美国国际商用机器公司研发的 Smart Rio和 Intel‐ligent Operations Center，武大吉奥智慧城市运维平台［41］和烽火科技的 FitIoT 城市物联网感知服务方案等。在软件服务层面，它们具备显著的优势，即通过互联网与智能传感器建立通信，能够满足交通、环保和规划等感知业务的需求［42-45］ ，但是由于缺乏对底层感知硬件资源的统一集成与管理，它们并不是一套完整的面向城市尺度的公共基础设施体系，如缺乏从感知层面实现多种无线电与通信总线的接入［46-48］，导致在现场无法实现智能传感器的即插即用，也缺乏实现感知资源相互访问以及自动协同观测的能力，更不能支持多种业务类型，以打破传统城市感知中的信息孤岛。因此，感知需求在智慧城市的架构中是一项既“基层”又“核心”的需求。本文认为，智慧城市感知需求包含全域感知、精准感知、异构感知和多元感知4个层面的要求［49-50］ ，如图1所示。

text_image 全域感知 卫星遥感与定位 智慧街区异构观测网 异构感知 无人机观测 多元感知 众包数据 车物 精准感知 环境空间 光场相机精准识别 室内多元精准测量 人体电信号感知 道路状况监测

图1 智慧城市的感知需求

Fig.1 Awareness Requirements in Smart City

1）全域感知。全域感知是智慧城市综合感知体系的顶层，它是发展城市数字孪生的基础，也有助于推进智慧城市虚实融合的发展。全域感知将汇聚城市中所有的感知、处理与服务能力，为智慧城市提供全周期、全方位、全要素、全天候的有效感知。

2）精准感知。精准感知决定了数据的可用性。要实现更精确的感知，位于目标观测区域内的各项智能传感器需要实现高密度、高时空分辨率的观测与采集，以提高感知数据的丰度。精准感知不仅对观测数据有严格的约束，同时也要求清晰明确地掌握感知设备的状况信息等。

3）异构感知。智慧城市的异构感知包括平台

异构与协议异构。协议异构是指城市感知中，各类传感器通过无线局域网（wireless local area net‐work，WLAN）、射频识别（radio frequency identifi‐cation，RFID）、低功耗蓝牙（bluetooth low energy，BLE）、紫 蜂（ZigBee）、窄带物联网（narrow bandInternet of Things，NB-IoT）和远程无线传输技术（long range wireless transmission technology，Lo‐Ra）等网络通信协议［51-53］ ，将室内外各类基础感知设备联网，并进行全周期、全方位、全要素、全天候的感知。平台异构是指通过空天地感知平台为智慧城市提供全面观测，包括上述不同物联接口协议构成的地面的原位感知站点（地面传感网）、无人测量车、无人船、无人机、卫星遥感、视频网络等。

4）多元感知。在城市感知体系中，除基本的环境参数外［54-58］，对人车物等动态目标的感知也极为重要，这是构成多元感知体系的一部分。对于车辆而言，还需要进行实时驾驶员人脸识别、车辆货物识别以及车辆时空轨迹跟踪等［59-63］ 。对人而言，除了身份识别信息外，在智慧社区和智慧医疗中还需要采集和分析人体活动信息，如心电活动、脑电活动和肺循环活动等［64-65］ 。这些多领域的感知对象构成了多元化的感知需求［66-67］ 。

1.2 智慧城市感知网络的复杂性

当前，在智慧城市的建设中部署了大量功能各异的感知模块，可以基本满足城市中多元化信息获取的需要［68-71］，如图 2所示。但是如何将城市中多元异构的感知资源进行有效集成和利用，同时运用异构感知资源集成管理、异构感知平台的自动控制、联合观测和边缘智能等方法技术构建互联互通的城市感知服务，是一项复杂且充满挑战的研究课题。

flowchart graph TD A["环境监测系统"] --> B["综合管理系统"] B --> C["行业管理系统"] C --> D["移动宽带基站"] C --> E["LoPAN收发机RTU"] C --> F["网络基础设施"] C --> G["服务器"] H["5G NB-IoT"] --> I["感知数据流"] J["5G NB-IoT"] --> K["感知数据流"] L["191"] --> M["无线模块"] N["5G NB-IoT"] --> O["感知数据流"] P["5G NB-IoT"] --> Q["感知数据流"] R["5G NB-IoT"] --> S["感知数据流"] T["5G NB-IoT"] --> U["感知数据流"] V["5G NB-IoT"] --> W["感知数据流"] X["5G NB-IoT"] --> Y["感知数据流"] Z["5G NB-IoT"] --> AA["感知数据流"] AB["5G NB-IoT"] --> AC["感知数据流"] AD["5G NB-IoT"] --> AE["感知数据流"] AF["5G NB-IoT"] --> AG["感知数据流"] AH["5G NB-IoT"] --> AI["感知数据流"] AJ["5G NB-IoT"] --> AK["感知数据流"] AL["5G NB-IoT"] --> AM["感知数据流"] AN["5G NB-IoT"] --> AO["感知数据流"] AP["5G NB-IoT"] --> AQ["感知数据流"] AR["5G NB-IoT"] --> AS["感知数据流"] AT["5G NB-IoT"] --> AU["感知数据流"] AV["5G NB-IoT"] --> AW["感知数据流"] AX["5G NB-IoT"] --> AY["感知数据流"] AZ["5G NB-IoT"] --> BA["感知数据流"] BB["5G NB-IoT"] --> BC["感知数据流"] BD["5G NB-IoT"] --> BE["感知数据流"] BF["5G NB-IoT"] --> BG["感知数据流"] BH["5G NB-IoT"] --> BI["感知数据流"] BJ["5G NB-IoT"] --> BK["感知数据流"] BL["5G NB-IoT"] --> BM["感知数据流"] BN["5G NB-IoT"] --> BO["感知数据流"] BP["5G NB-IoT"] --> BQ["感知数据流"] BR["5G NB-IoT"] --> BS["感知数据流"] BT["5G NB-IoT"] --> BU["感知数据流"] BV["5G NB-IoT"] --> BW["感知数据流"] BX["5G NB-IoT"] --> BY["感知数据流"] BZ["5G NB-IoT"] --> BQ CA["5G NB-IoT"] --> CB CT["5G NB-IoT"] --> DB DC["5G NB-IoT"] --> DB DBX["5G NB-IoT"] --> DBY DCY["5G NB-IoT"] --> DBZ DBX --> DCY DBY --> DCY DBZ --> DCY DBY --> DCY DBZ --> DCY

图2 智慧城市综合感知数据流与感知架构

Fig.2 Perception Datastream and System Architecture of Smart City Integrated Sensing

为此，为了理解智慧城市感知网络的复杂性，本文认为要把握感知观测链上的两个重点环节：

1）通信协议与通信方式。在智慧城市的传感网中具备多样化的智能传感器，在物理场景的部署中，往往会采用不同设备制造商生产的传感器，因此每个设备制造商将根据生产设备的观测物理对象和属性选择不同的通信协议。通信协议是一项复杂的概念，它涉及到接口协议、数据链路层协议、网络协议等方面，只有在通信协议完全一致的情况下，智能传感器才可能组成传感网并实现数据交互和通信。在智慧城市中，智能传感器分为3种类型：（1）基于现场总线的智能传感器，如 1-Wire［72］ 、RS485/RS232、控制器局域网络（controller area network，CAN）、电气与电子工程 师 协 会（Institute of Electrical and ElectronicsEngineers，IEEE）1451 等。（2）无线智能传感器，主要是采用工业、科学与医疗（medical，ISM）免执照无线频段的个人区域网（personal area network，PAN）无 线 通 信 接 口 协议，常见的协议包括BLE、ZigBee和LoRa等。随着近年来窄带物联网与第五代通信技术的发展，以NB-IoT为首的基于低功耗广域网的无线通信协议也得到了广泛应用［73］ ，这些通信协议的特点是低功耗、低带宽和低价格［74-75］。（3）基于传输控制 协 议/网 际 协 议（transmission control protocol/internet protocol，TCP/IP）的智能传感器，主要是固定宽带网络与移动无线宽带网络，无论采用何种通信链路，不同的智能传感器和数据接收器只有在相同的接口协议下才允许建立通信。允许建立通信并不代表就能实现通信，这还需要上层协议一致，如统一采用Modbus协议。因此，智慧城市中通信协议各异的传感器必然为感知网络的建设带来巨大挑战。

2）网络连接。网络连接在智慧城市感知技术中为所有硬件、软件、协议、访问控制和拓扑提供支持，在整个智慧城市的感知观测与服务中起到承上启下的作用。网络架构可以将智能传感器获取的感知数据同步到感知服务中心，同时，智能传感器也能接收来自感知服务中心的请求。现阶段智慧城市建设中，广泛使用了以下 3种网络连接方式：（1）直接连接；（2）通过中间件实现网络协议转换；（3）通过中间件对数据进行处理后连接。其中，直接连接是一项最快捷和最基础的通信方式，智能传感器通过互联网建立 TCP/IP 或 用 户 数 据 包 协 议（user datagram protocol，UDP）连 接 后 ，应 用 超 文 本 传 输 协 议（hypertexttransfer protocol，HTTP）、遥 测 传 输 和 受 限 应 用协 议（constrained application protocol，CoAP）等方式进行连接［76-77］，如图 3 所示。直接连接需要智能传感器本身具备连接互联网的能力，其优点在于方便简易、能够快速地部署，但其缺点也不容忽视，即大量物联网设备通过互联网与感知中心服务器建立直接连接时，高并发请求可能导致设备连接遇到阻塞，感知服务系统可能短暂处于无响应状态，或者服务端处理请求速度降低，这将增加处理延迟与响应时间，降低智慧城市中智能传感器的工作效率。通过中间件实现网络转换的连接方式主要用在 ZigBee、LoRa 或者 BLE等基于PAN的智能传感器网络上。通过在该观测区域安装专用数据收发机以接收该观测区域的智能传感器的感知数据，并通过该数据收发机与远程终端单元（remote terminal unit，RTU）、远程遥测模块或者协议转换器的连接，使得该区域的感知数据能集成管理并传送至智慧城市感知中心。这种通信模式类似于数据采 集 与 监 视 控制 系 统（supervisory control and data acquisi‐tion，SCADA），广泛用于水利电力工程、机械工程等自动化控制领域。方式（3）的组网原理类似方式（2），在功能上相对于方式（2）增加了数 据 处 理 过 程，这种方式可在边缘端对采集的数据进行有效的清洗、分析和可视化，在降低网络请求数量与网络连接带宽的情况下，能保证发送到城市感知中心的数据均为有价值的数据，减少服务端的数据处理压力。尽管采用中间件连接的方式能有效降低互联网访问和服务器数据处理的压力，但也存在一定限制，比如只能允许一种或者少量物理层协议的统一接入，在协议转换过程中，对数据链路层协议的兼容性也有限。这些限制也导致了现阶段大量物联网设备依然靠传统的互联网方式进行网络连接，会给智慧城市的多元异构感知带来不可预测的网络缺陷。

flowchart graph TD A["传感网(I)"] --> B["自动化观测平台"] A --> C["RFID微网"] A --> D["原位感知站点"] E["通信中间件(II)"] --> F["高功率射频收发机"] E --> G["RFID微网基站"] H["数据接入服务"] --> I["传感器观测数据接收服务器"] J["广域网接入(V)"] --> K["传感器观测服务"] L["以太网连接"] --> M["互联网网关"] N["网络访问层(III)"] --> O["传感器"] P["观测过程"] --> Q["MCU"] Q --> R["传感处理器"] R --> S["无线电收发机 RTU设备"] S --> T["传感器观测服务"] T --> U["服务器"] V["数据接入服务"] --> W["传感器观测数据接收服务器"] X["广域网接入(IV)"] --> Y["Insert Observation Interface"] Y --> Z["传感器观测服务"]

图3 智慧城市传感网的网络架构与观测链

Fig.3 Network Architecture and Measure Chain of Sensor Web in Smart City

2 智慧城市感知技术体系的发展

在过去的半个世纪里，对地观测和智慧城市的技术发展经历了“基于实验的感知体系”“基于传感器的感知体系”以及“基于地理空间传感网的感知体系”，这些观测模式将不断改善城市时空综合感知体系的效率、实时与融合问题。图 4对其发展过程进行了简要回顾，并进一步分析了当前地理空间传感网模式下城市感知面临的挑战 以 及 未 来 基 于 智 慧 城 市 感 知 基 站 的 服 务方案。

2.1 基于实验的感知体系

在20世纪70年代，科学家们提出“基于实验的感知体系”的模式时，并没有空间信息系统、智慧地球乃至于智慧城市的概念，对地球的观测也仅仅只是雏形。对于地学的观测和研究，地球科学家一般选择一系列具有代表性的地点进行现场采样或者现场获取观测结果后，将其记录在纸质档案上［78-82］ ，并带回样品（或者记录数据）到实验室进行理化分析。基于实验的感知体系虽然具备高精度的感知结果，但是缺点也不容忽视。该感知体系在数据收集、数据处理、数据提取以及数据发布上都需要大量人力，且选择采样点也严重依赖专家的先验知识，同时，“基于实验的感知体系”发布的数据具有一定的滞后性，并不能满足实时响应的需求。

flowchart graph LR A["1-基于实验的感知体系(20世纪70年代)"] --> B["2-基于离散传感器感知体系(20世纪末期至21世纪初)"] B --> C["3-基于地理空间传感网感知体系(2010年至今)"] C --> D["4-未来智慧城市的感知服务体系"] A --> E["手动测量记录"] B --> F["离散站点自动化观测"] C --> G["城市智能化感知服务方案"] E --> H["1.限于表面研究；2.依赖专家经验；3.时空分辨极低；4.费时费力。"] F --> I["1.基于网络GIS服务；2.多元异构感知的数据源；3.智能感知服务；4.“高大上”“炫酷”的数据可视化与交互。"] G --> J["智慧城市感知基站的服务方案"] J --> K["1.以实时GIS服务为基础；2.基于低功耗物联网，区域信息服务中心化；3.基于高速互联网，网络信息服务去中心化；4.Web-Ready和即插即用的感知平台。"]

图 地理空间感知体系的迭代与发展过程

Fig.4 Iteration and Development Process of Geospatial Perception System

2.2 基于离散传感器的感知体系

随着计算机技术、电子通信技术与材料科学的发展，人们发明了越来越多的传感器，研究人员通过各种传感器进行自动化探测和测量，通过提出基于离散传感器的感知体系，为对地观测带来了巨大变革。因此，科研人员不需要屡次前往实验场地进行采样和分析，他们部署在现场的原位传感器网络将自动完成测量程序。这些原位传感器包括以土壤温湿度与盐分传感器为例的电学传感器，也包括实现光照观测的光电式传感器和实现地表振动观测的压电式传感器，甚至还有更先进和复杂的传感器，如断层扫描设备、热红外或者多光谱仪、激光雷达等。除了原位传感器网络外，利用遥感技术可以对地表的参数进行大尺度的估测和反演，改善了地面原位传感网存在的空间分辨率低的问题。

基于传感器网络的感知体系不仅仅是依靠更先进的传感器，同时计算机的高效处理和储存技术也为基于传感器网络的感知体系带来了重大贡献［83-88］ 。尤其是计算机制图学和空间信息数据库技术，这两项技术被认为是地球科学和空间科学研究的重要突破。此外，计算机建模技术与地理信息系统的更新迭代也促进了空间科学的发展。将传感器观测的数据储存到空间信息数据库，并通过计算机进行分析建模，智慧地球的雏形也逐渐清晰。尽管基于离散传感器的感知体系能提高观测效率、时空连续性以及全天时全天候的观测能力，但它也存在一些弊端，如无法做到异构数据的统一管理、统一接入、在线处理和高度集成。如何使得这些异构感知平台变得网络化，且具备更强大的边缘智能能力便成为了地球科学与智慧地球研究的发展方向［89-92］ 。

2.3 基于地理空间传感网的感知体系

随着地学感知体系的不断发展和完善，智慧地球和数字孪生的愿景也逐渐产生。智慧地球、智慧城市和数字孪生是相辅相成的。在早期，空间信息系统领域的研究人员创造性地将开放地理空间网络引入研究与工程领域，这加速了数字地球的发展［93-94］ 。如美国宇航局地球观测卫星的观测数据可提供在线的浏览和分析，同时开放地理 空 间 联 盟（Open Geospatial Consortium，OGC）提出并开发了地理标记语言与在线地图服务，美国 环 境 系 统 研 究 所（Environmental Systems Re‐search Institute，ESRI）推 出 了 ArcGIS 服 务 器 和ArcGIS Online，这些工作都为智慧地球和智慧城市的发展做了大量的前期工作和铺垫。尽管基于 Web的空间信息服务为存档数据提供了一个在线数据交互平台，但是忽略了实时数据交互能力。在智慧城市乃至智慧地球的发展过程中，通过大量的异构传感器之间的融合协作可提高感知精确度。可见，地理空间网络服务在智慧城市的建设中只是一项基本的技术。

在地理空间网络服务的框架内，还需要通过大量异构传感器获得实时的环境数据，因此构建传感器网络的需求便应运而生。传感器网络可形成一套复杂的感知资源自适应通信系统，且该系统能在互联网实现传感器资源数据交互。为了构建地理空间传感网，OGC 提出了传感器网络使 能（sensor web enablement，SWE）的 标 准［95-98］，其中包括了观测与测量、传感器标记语言和服务模型标准，如传感器观测服务（sensor observationservice，SOS）、传 感 器 规 划 服 务（sensor planningservice，SPS）和 传 感 器 事 件 服 务（sensor eventservice，SES）等。显然，传感器网络和地理空间网络服务构成的地理空间传感网为对地观测带来巨大的改变，同时也推进着智慧地球的发展。

2.4 地理空间传感网感知接入体系的局限性

为了实现城市中多元异构感知平台的统一接入，目前广泛采用的网络架构是以互联网为通信主线的感知数据交互方式，如图 5所示。这是一种以广域互联网（wide area network，WAN）为“总线”，通过 TCP/IP 或 UDP 协议建立感知资源（智能传感器网络）与服务中心的网络连接，实现数据的交互。尽管该架构可以解决城市中的空天地感知数据各异带来的接入问题，但是碎片化的结构带来的弊端往往被地学以及地理信息科学的研究人员忽略。具体表现为：（1）系统模块分散，缺乏中端和末端的区块管理，同时分散的模块可能采用不同的物理层协议和数据通信协议，因此协议解析将会消耗感知中心的系统资源。该架构是以 WAN 为骨干，感知中心需要建立大量的IP访问实现感知数据接收。在未来，感知设备的增长速率远远高于淘汰速率，因而随着站点的不断增加，当感知站点的数量达到服务中心承载能力的顶峰时，可能会出现数据延迟（如类似于 TCP 面向连接协议）、数据上传失败（如类似于 UDP 非连接协议）等严重的技术问题。（2）基于WAN“总线”的感知网络存在较高的功耗和更高的投资成本，功耗高主要表现在原位站点采用蜂窝数据网络进行通信，通信模块将给感知站点带来较高的功耗。同时，为了保证设备的正常运行，必须加装额外的供电模块，这导致设备体积与成本增加。（3）系统抗物理破坏能力低，在感知端出现异常、网络层出现中断、服务端出现运行异常时，都将会导致数据的完整性降低，引发智慧城市综合感知系统的观测结果可信度受限。

flowchart graph TD A["城市感知服务中心"] --> B["专用网络"] B --> C["感知服务器"] C --> D["最终用户"] C --> E["无人载具"] C --> F["监控与流媒体"] C --> G["车辆时空轨迹"] C --> H["NB-IoT站点"] C --> I["低功耗物联网"] C --> J["移动宽带网络"] C --> K["固定宽带网络"] C --> L["无线传感器网络"] C --> M["RFID"] C --> N["ZigBee"] C --> O["RTU"] C --> P["LoRa"] C --> Q["地表环境观测网"] C --> R["数据采集卡"] C --> S["互联网通信“总线”"] C --> T["感知平台"]

图 以互联网为通信主线的感知数据交互

Fig.5 Sensing Data Interaction Using Internet as Communication Mainline

近年来，随着物联网技术的发展，以ZigBee、LoRa、BLE 等协议为主流的低功耗个人区域网（low-power PAN，LoPAN）在智慧社区、精准农业、智慧城市等场景得到广泛的应用。但是LoPAN使用的ISM免执照频段对无线电功率有严格的限制，导致这些物联网设备的通信范围受限。同时，这些物联网设备在实际应用中依然会建立大量的网络请求，并产生低数据量的IP服务。在感知服务中心，依然需要为感知设备提供协议解析、数据处理、应用发布等服务的能力。可见这是一种以服务中心为核心的体系架构，且缺乏感知网络双向访问、统一集成、控制与管理的能力。

因此，科研人员和技术人员需要根据上文的综述分析提出一套全新的方案以解决现阶段智慧城市建设中出现的如下几点问题：（1）城市感知中心仅仅能做到数据的获取（即只掌握数据），但是忽略了数据来源；（2）由于协议等参数不统一导致现场环境下无法实现新传感器的即插即用，需要对前端硬件进行升级改造或者在服务端调试升级；（3）无法主动控制感知网络的物理形态。

3 智慧城市感知基站的构想

本文从未来智慧城市的建设和服务需求出发，结合低功耗物联网、高速无线通信等前沿技术，提出了“智慧城市综合感知基站”的概念。同时“智慧城市综合感知基站”是一项网络物理基础设施，是一种位于城市感知边缘的一体化适配器，通过形成“感知-数据-资源”的即时联动体系，实现按时、按需和精准的感知需求。本节围绕“智慧城市综合感知基站”的主要特征进行分析和介绍。

3.1 感知基站的定义与概念

智慧城市感知基站是一台可实现多种物联通信协议统一接入且支持混合组网的硬件设施，设备中运行的嵌入式软件将实现感知基站的数据解析与封装。智慧城市感知基站可覆盖约 1 km2的城市街区，实现该区域内感知设备的即插即用，并提供感知数据处理的服务。如移动电话基站可以为覆盖区域内的移动电话提供信号，但相对于传统移动通信基站，感知基站的增量不仅在于能接入多种物联通信协议，同时也能提供边缘智能与异构感知平台主动协同观测的能力。

考虑到现阶段智慧城市感知服务下的智能传感器普遍建立于以感知服务中心和WAN支撑的体系架构，这种体系为智能传感器的统一访问和管理带来了较大的限制和困难。在未来的智慧城市感知网中，大到城市尺度，小到社区和建筑尺度，将会部署各种多元异构的智能传感器，这对现有的技术架构是一种挑战，也是创新的机遇。这项挑战来自于传统的智慧城市感知架构在高并发场景下引发的网络阻塞，进而带来感知信息延迟与丢失。其创新是提出了一种去中心化的智慧城市感知服务架构。

首先，较传统技术下的智能传感器技术，采用物联网的智能传感器可以在实现设备轻量化、低功耗的同时，兼备即插即用等特性。这些传感器可快速实现高密度大规模的部署，使得城市感知时空分辨率大幅度提升，满足下一代智慧城市的感知需求。城市时空信息感知基站的架构将实现多种物联接口协议的混合组网、自主适配，无需通过互联网建立连接。每个城市感知基站均具备数据处理能力，可以满足街区尺度数据采集和服务需求。城市感知基站采用订阅访问的方式向服务端和街区的最终用户提供服务，并将多组数据以同一个数据包和请求发送到服务端，大幅度降低网络请求次数，提高网络的稳定性，降低服务端数据处理的压力。

3.2 感知基站的主要特征

智慧城市感知基站需要具备如下特性以满足下一代智慧城市综合感知服务的需求。

1）异构传感器的即插即用。在下一代的智慧城市传感网的建设中，智能传感器是智慧城市综合感知的最小单元，也是让城市中万物相连的根基。随着智能传感器的研发热度不断增加，未来在环境监控、生物医疗、城市交通等方面将涌现数以万计的传感器。智能传感器要实现数据的传输与统一接入，必须要实现物联接口协议的统一。物联接口协议包括物理层协议和数据传输层协议，物理层协议是一项电气规范，如IEEE 802.15.X，它是建立连接的链路协议。常见的物理层协议包括ZigBee、LoRa、BLE、RFID等，这些协议的自身特性将决定其在城市综合感知下的应用能力。表1针对这些常见的物联网通信协议进行了标准传输距离、传输速度以及应用场景方面的对比，需要注意的是，这些传输距离为城市场景下实测的传输距离，在真实部署时具备参考意义。

表1 物联网常见通信协议的特性分析

Tab.1 Characteristic Analysis of Common Communication Protocols in Internet of Things

在 智 慧 城 市 感 知 服 务 中，常 见 的 数 据 传 输协 议 包 括 遥 测 领 域 的 Modbus、Profibus，视 频 流传 输 协 议 实 时 流 传 输 协 议（real time streamingprotocol，RTSP），无 人 机 、无 人 车 使 用 的 Mav‐link协议等。在智慧城市综合感知服务中，数据传输协议的种类远远多于物理层协议。因此，智慧城市感知基站的首要目标是实现物联接口协议的统一接入与解析。由于物理层协议的接入与解析依赖于硬件模块，目前智慧城市感知基站具备 5 种通用物理层协议的接入能力，物理层协议的接入能力可通过外部设备互联快速服 务（peripheral component interconnect express，PCIe）进行扩展。数据传输协议的解析主要依赖于软件的支持，因此城市感知基站目前具备十余种数据传输协议的解析能力，后期可通过软件安装或者空中升级的方式提高数据协议解析能力，以满足物联网传感器的统一集成和管理。

2）自适应的接入能力。智慧城市感知基站是一项网络物理基础设施，本文认为其覆盖范围应当参考移动网络的基站，实现街区（社区）尺度下的覆盖能力。在智慧社区中，考虑到人车物等多场景的监测需求，智慧城市感知基站应当具备以千为计数的接入量级，每分钟接收和处理的流量不低于1 024MB。表2为对1 km2 的智慧街区的感知数据需求的调研分析。

表2 多场景应用与监测的智慧街区感知需求

Tab.2 Awareness Requirements of Smart Communality Including Multi‐Scenario Application

3）可信赖的计算能力。智慧城市感知基站具备较强的硬件性能是保证计算能力可信的前提。目前，主流的企业级中央处理器（central pro‐cessing unit，CPU）和 具 备 统 一 计 算 设 备 架 构（compute unified device architecture，CUDA）的高性能图形处理器均可满足街区尺度下感知平台的协议解析与观测数据的处理需求。

4）应急场景下的鲁棒性。智慧城市综合感知中的应急场景包括两部分：一是数据处理能力。智慧城市感知基站可实现多元异构感知平台的观测数据融合与处理，通过图像识别、语义分析等方式对潜在的自然灾害以及事故现场进行实时预判，实现智慧城市街区尺度的监测预警与智能决策。二是运行能力。通过内置的应急电源保证城市感知基站在掉电状态依然能维持运转；通过多种无线链路实现混合组网，即使公共电信网络出现中断，城市感知基站在街区尺度下仍然能保持指挥、通信、遥测以及回传功能的运行。

可见，智慧城市感知基站作为一项城市中的基础设施，虽然脱离了智慧城市感知服务中心带来的“中心化”的架构，但是更加注重边缘智能与边缘服务。智慧城市感知基站在街区尺度可实现感知站点的统一接入管理、街区场景的数据处理与计算等，解决了传统智慧城市时空信息服务中数据承载量有限、网络不稳定等因素带来的感知能力缺失的问题。本文将根据智慧城市感知基站的构想，介绍现阶段研发的智慧城市感知基站的原型机。

4 智慧城市感知基站的原型

4.1 整体设计

在国家重点研发专项课题 2018YFB2100500的支持下，本文提出了智慧城市感知基站的构想，并研发了原型机［36］。同时，为了测试智慧城市感知基站的原型机的核心技术指标，验证其能否担当综合感知基础设置的角色，解决多观测和多协议的统一接入问题，本文提出了 3个设计目标：（1）城市感知基站应具备多种异构物联接口协议的统一接入与解析能力；（2）城市感知基站作为软硬件融合的设备，能具备网络通信、现场管理、系统控制与识别、数据解析和传输等功能；（3）城市感知基站将成为智慧城市中的网络物理基础设施，是一个边缘化的设备，对感知中心起到“承上”，对智能传感器起到“启下”的作用。图6描述了智慧城市感知基站在城市感知网络中的定位，对比图3发现，采用城市感知基站服务模式的网络架构要比传统观测链精简。

flowchart graph TD A["城市信息服务中心"] --> B["智慧城市感知基站"] B --> C["4/5 G"] B --> D["Various Radio"] B --> E["视频监控网络"] B --> F["无人感知载具"] B --> G["光场相机阵列相机"] B --> H["5G Or High-Speed Broadband"] B --> I["433 MHz LoRa"] I --> J["2.4 GHz"] I --> K["NGSS"] I --> L["NB-IoT"] I --> M["低功耗NB-IoT传感器网络"] N["原位传感器网络"] --> O["具备Modbus协议的LoRa站点"] N --> P["RFID微网"] N --> Q["ZigBee站点"] N --> R["具备CAN/LIN协议的BLE站点"] N --> S["GNSS定位与授时信息"]

图6 智慧城市感知基站在城市感知网络中的定位

Fig.6 Location of Smart City Sensing Base Stations in City Sensing Network

智慧城市感知基站是一个全面的、集成的系统，基于SWE国际标准规范，它在智能城市中动态集成了大量异构传感器，并提供边缘计算功能。它实现了不同物联接口协议的统一接入，并避免了采集设备的过度分散。城市感知基站不仅具备不同物联接口协议下智能传感设备的连接能力，还具备数据初步分析和处理能力，并通过OGC接口规范将数据上传到城市感知中心服务器，从而减少了发送到服务器的数据包数量，并确保了稳定性。

4.2 硬件系统

智慧城市感知基站的硬件系统包括电源、计算服务、储存器、无线电收发、网络与人机交互 6大核心模块。电源模块为城市感知基站中的硬件提供持续电源供应；计算服务模块可实现协议解析、数据处理、服务建立与感知可视；感知结果将由基站中的储存模块进行临时储存。对于智慧城市感知基站而言，最重要的模块是无线电收发模块、网络模块与人机交互模块，由于人机交互模块属于软件支持范畴，因此将在§4.3中详细介绍。

1）无线电收发模块。无线电收发模块由一块包含信号处理、射频单元、基带与功放的电路构成。城市感知基站的原型机由晶宏科技生产的 封装的 系列单片机构成，并在该单片机上进行二次开发实现数据采集、Modbus协议封装与解析以及数据寄存等功能。在射频与通信上，由于智慧城市感知基站需要实现异构感知协议的接入，因此在无线电收发模块上嵌入了 ZigBee 的 TI-CC2530F256、BLE 的 RTL8762AG、LoRa 的 AI-Think Ra-02 及 Nordic nRF51822模块，以实现物联接口通信协议的统一接入。

2）网络模块。网络模块可实现城市感知基站与城市感知服务中心的通信，也为 NB-IoT站点或采用5G通信的无人载具提供网络连接。城市感知基站的原型机采用万兆有线网络、第六代无线局域网以及5G通信模块实现城市感知基站的网络通信功能。

3）人机交互模块。感知基站的原型机提供了丰富的用户交互方式，其包括3大部分：第一部分是基于物理硬件的控制，通过控制开关可以直接对无线电收发机实现启停操作，前面板的LED仪表盘显示了当前物理连接状态等信息；第二部分是基于软件的控制，通过触控面板实现感知设备的接入、管理、数据分析等功能；第三部分是数据输出和可视化，嵌入式的人机交互软件与订阅服务均可实现数据的输出与可视化。

4）电源模块。为了保证感知数据的正常收发，智慧城市感知基站通常使用交流电源提供能源。若电网故障导致设备掉电时，系统提供两套电源以保证感知基站的正常运行，在短时间断电的情况下，通过不间断电源系统以保证感知基站与辅助计算单元维持运行；若出现长时间断电，备用低压电源将保证感知基站中的无线电收发机的正常工作，并将无线电收发机获取的数据暂存于非易失性储存器中，待设备恢复供电后，采集的数据将由感知基站进行处理。这种冗余化

设计的电源模块能最大可能地保证感知基站数据收集的完整性与连续性，使得感知数据具备较高的时间分辨率。

5）计算机与储存模块。计算机模块是位于城市感知基站原型机中的X64架构计算机，该计

算机中运行了感知基站的嵌入式人机交互软件。采集的各项数据以及数据产品将保存在城市感知基站的储存阵列中，用户和服务端可订阅需获得的数据。图 7 中对智慧城市感知基站提供的主要服务与支持进行了图解与剖析。

flowchart graph TD subgraph_A["感知基站-城市感知中心服务"] A1["感知中心"] --> A2["控制指令请求"] A2 --> A3["规划指令请求"] A3 --> A4["城市时空感知基站"] A4 --> A5["数据接收指令"] A5 --> A6["报警接收指令"] A6 --> A7["Private Protocols"] end subgraph_B["异构感知数据接入"] B1["数据协议解析 (如Modbus)以及控制指令生成"] --> B2["感知数据→C"] B2 --> B3["物理层协议解析与信号数字化"] B3 --> B4["传感网下各类型传感器采集的非结构化数据"] end subgraph_C["异构感知数据处理"] C1["数据交互: SWE标准"] --> C2["感知基站数据库"] C2 --> C3["感知数据上传→A"] C3 --> C4["感知数据协议解析"] C4 --> C5["感知数据自然语言输出"] C5 --> C6["C"] C6 --> C7["D"] C7 --> C8["异构感知平台联动"] C8 --> C9["观测反馈"] C9 --> C10["原位感知数据"] C10 --> C11["异构感知平台控制指令"] C11 --> C12["感知基站提供CPU/GPU并行处理能力"] end

图 智慧城市感知基站提供的主要服务与支持

Fig.7 Main Services and Support Provided by Smart City Sensing Base Stations

4.3 软件支持

智慧城市感知基站的运转离不开硬件架构的支持，同样需要一套规范化的嵌入式软件以实现感知的相关功能。在智慧城市感知基站的原型设备上，本文部署和运行了一套“城市时空信息网络感知基站系统软件”，该软件基于 Java环境开发，整体采用客户端/服务器（client/server，C/S）体系结构，通过互联网实现与外部设备的数据交互，用户可以借助网页端实现对传感器相关信息的查询、浏览。该软件对接入的数据进行统一处理，并将处理后的数据向服务端上传，同时具备接收来自服务端的传感器规划信息的能力。此外，该软件还实现了各类协议传感器的可视化、注册、删除、修改、查询等功能，基本满足不同协议传感器统一接入及管理的需要。软件支持包括以下几个部分：

1）软件逻辑结构

该嵌入式软件采用分层模式，将应用程序按功能划分，提高底层的复用率，包括表现层、业务逻辑层和数据层。这 3个层次相对独立，增强了架构的可维护性。表现层主要用于显示数据和接收用户输入的数据，为用户提供一种交互式操作的界面。本系统前端框架采用Vue.js框架向用户展示传感器数据，并结合Cesium向用户展示地理位置信息，结合Echarts可视化库实现图表数据的展示。在Web端软件中分为信息汇总分析窗口、协议展示窗口、平台展示窗口以及二维平面地图、基于球体的三维可视化展示。业务逻辑层专门负责包装各类应用服务，并向表现层提供用于展示服务的接口。业务逻辑层服务包括传感器控制服务、传感器在线注册服务、传感器数据实时接入服务、传感器检索服务和传感器可视化服务；考虑到应用与底层协议栈的交互，数据层负责存储数据，并与系统进行数据双向传输。数据层中包含10种协议的传感器数据、7类观测平台接入的数据，接入组件的位置数据、卫星轨道数据以及基础地理数据等。

2）模块化功能设计

根据需求分析，软件功能总分为 3个基本模块，即协议数据接入模块、协议通用管理模块和可视化模块，功能描述见表3。

3）用户交互界面

本软件界面基于Vue.js框架进行设计，前后端分离以提高开发效率，降低开发难度。通过数据双向绑定和定义组件，丰富并美化界面。界面包括系统主界面、可视化界面等。图 8是团队研发 的 智 慧 城 市 感 知 基 站 的 原 型 机 以 及 交 互界面。

表3 智慧城市感知基站软件功能模块列表

Tab.3 Software Function Module List of Smart City Awareness Base Stations

text_image 平台和传感器接入状态信号级监控 十亿像素级别光场相机接入 齐备的有线和无线接口 触控式面板现场调试 硬控式面板直观明确 多无人载具统一接入 坚固外壳、手提式设计、主动散热 城市感知基站硬件系统 城市感知基站软件服务 实现城市中异构感知资源统一接入，打破传统感知信息孤岛

图 智慧城市感知基站原型机的硬件与软件

Fig.8 Prototype Machine with Software of Smart City Sensing Base Stations

4.4 测试分析

为了进一步验证城市感知基站的可靠性，以及城市感知基站是否具备高密度覆盖以及主动协同观测服务的能力，本文在真实场景下开展了城市感知基站原型机的可靠性验证和分析。

4.4.1 测试区域

测试区域位于湖北省武汉市江夏区豹澥街道，在该区域选择了1 km2 的网格街区进行实验，实验场地以及在无人机影像上标记的实验场地部署设备的参考位置如图9所示。

text_image 采用NB-IoT协议的站点 采用ZigBee协议的站点 部署安装感知基站的位置 NORTH 武汉 豹解 豹解实验街区在武汉的参考位置

图9 实验场地以及部署设备的参考位置

Fig.9 Reference Location of Deployed Equipments in Experiment Zone

4.4.2 部署设备

为 了 展 开 测 试 工 作，实 验 场 地 配 置 了 城 市感知基站原型机 1台、辅助计算单元 1台、RFID微 网 基 站 2 组、蓝 牙 微 网 基 站 1 组、LoPAN（含LoRa 与 ZigBee）原位感知站点 10 组、NB-IoT 原位感知站点 30组、RFID 微网传感器 14组、BLE生物传感器 2组、无人测量载具 3个以及 RTSP视频采集相机4路，在服务中心配置Web服务器1台。通过上述配置产生真实场景的观测数据后，可对城市感知基站的感知接入、数据处理功能、数据上报与订阅等进行基本验证。但是这并不能对城市感知基站的最大负荷与承载能力进行测试，因此，最大负荷与承载能力测试采用配置了 Jmeter的压力测试设备进行。本次压力测试中采用的软硬件实测环境以及测试工具描述见表 4。

表4 感知基站承载能力测试环境与工具

Tab.4 Environment and Tool of Load Capacity Test for City Awareness Base Stations

4.4.3 主要监控指标与结论

1）异构感知设备接入情况。这是一项关于软硬件系统的测试，考虑到测试需要依据相应的国家标准，本文依据 GB/T25000，51—2016《系统与软件工程系统与软件质量要求和评价 $( { \mathrm { \ S Q u a R E } } )$ ）》第 51 部分：就绪可用软件产 品（RUSP）的《质 量 要 求 和 测 试 细 则》，以黑盒方式完成相关测试。该设备的异构感知设备接入能力与情况见表 5。该项测试由具备 实 验 室 认 可 合 作 组 织 多 边 相 互 承 认 协 议（iLac-MRA）资质，且同时具备中国认可国际互认检测（Testing CNAS）资质的第三方机构根 据《中 华 人 民 共 和 国 计 量 法》进 行 强 制检测。

表5 异构感知设备接入能力与接入情况

Tab.5 Heterogeneous Sensing Device Access Capability

2）负载测试场景测试结果。为了确保城市综合感知基站的服务端及软件具备观测数据的高效接入能力（即单节点每秒接入点观测数据超过10 000），且支持百万级规模传感器的管理，根据 GB/T25000，51−2016《系统与软件工程系统与软件质量要求和评价（SQuaRE）》第 51部分：就绪可用软件产品（RUSP）的《质量要求和测试细则》，对系统进行性能需求分析后，完成压力测试。

系统主要通过接入服务接口进行数据收发，平均每一次的数据收发均为单个传感器的一次请求，因此要求实时吞吐量大于 10 kbit/s。通过构建表 4的软硬件实测环境以及测试工具，根据相关规范制定了性能监控指标范围，期待测试结果（模拟传感器通过接口向服务器发送观测数据）与实际测试结果见表 6。监控指标的说明如下：（1）内存：内存是确定系统瓶颈的第一个步骤；（2）CPU：排除内存因素后如果计数器的值比较大，同时网卡和硬盘的占用率低，那么可以确定是 CPU 瓶颈；（3）数据收发：判断网络连接速度是否存在瓶颈，该计数器值和网络带宽的比值不高于 50%；（4）磁盘驱动器长时间处于忙状态且使用率持续大于85%，说明存在磁盘瓶颈和内存问题。通过运行测试脚本模拟传感器向感知基站发送观测数据，完成模拟压力测试。由观测结果可知，各项指标均可达到预期水平。

表6 软件性能测试的期待结果与实测结果

Tab.6 Expected Results and Actual Results of Software Test

5 城市感知基站的应用和展望

全球科技的发展从第一次工业革命到今天的工业4.0，实现了工业制造设备的数字化与万物相连［99-101］。在此基础之上，未来的智慧城市将聚焦到整体“巨系统”，但设施“边缘化”。在物联网数据终端、数据互联互通、展示中心与服务和城市基础设施的引导性发展下，城市新型基础设施也是未来智慧城市的发展方向之一。最终，未来的智慧城市将围绕数字孪生发展，从基础建设领域的 建 筑 信 息 模 型（building information modeling，BIM）到 地 理 信 息 系 统（geographic informationsystem，GIS）再到数字孪生［102-105］ ，以及城市中的人机融合，将城市中的实体与居民构建的物理世界和数字化的世界进行孪生化。这将导致设备面临着缺乏统一接入能力、缺乏统一数据标准规范、网络复杂度不断上升、数据分析与计算量呈指数增加等挑战［106-108］。本文提出的城市感知基站是一项定位于地球空间感知与物联网领域的时空信息网络物理基础设施，就目前而言，其优势包括如下3点：

1）改变了传统模式下以城市感知服务中心为核心的服务框架，强化了边缘端和城市感知基站的应用与服务，将基层数据的采集与分析交由城市感知基站处理，可大大降低城市感知中心的服务压力，提高整体系统的鲁棒性。

2）改变了传统网络架构下“端对端”的服务模式，采用了以感知基站为中心的“承上启下”服务模式，感知基站接收与处理覆盖范围内的观测数据，通过解析、订阅、访问、按需推送的方式提供街区尺度的时空信息感知服务。

3）改变了传统模式下只掌握数据不掌握来源、无法主动控制感知网络物理形态和新的传感器无法真即插即用的问题，采用城市感知基站后可以避免上述问题，从根本上解决了感知设备之间带来的信息孤岛，整体感知服务能力受限的问题。

5.1 基于感知基站的智慧社区建设与运营

传统的智慧社区能做到传感器感知数据的可视化，以及人、车、物识别与统计等基础信息服务，但是这些信息服务是由单一传感器或者是传感器组获取到的，不具备主动协同观测的能力。在未来的智慧社区观测场景中，人、车、物的联合观测以及多感知设备协同观测的意义非凡。将城市感知基站作为智慧社区感知的协同中心，结合去边缘化的智能传感器网络，本文以智慧社区与智慧交通为示范场景进行展示。

1）室内外小场景的精确感知。随着社会的发展，中国已经步入老龄化社会，空巢老人的养老问题已经成为一个泛在的社会问题［109］ ，如何从智慧城市和智慧社区的角度解决该方面的问题仍然是未来的一项重要研究。空巢老人的精确感知，不仅要考虑感知信息的精准度，还需要考虑到对用户隐私的主动式安全保护等方面。通常来说，空巢老人的健康监护方面会涉及到心电、心率、血氧饱和度、呼吸［110］ 、血压、生命活动、跌倒等方面的观测参数，其所需传感器包括心电图、血氧饱和度、肺活动传感器［111］ 、血压传感器、

皮肤电活动传感器［112］ 、加速度传感器等，因此实时获取和感知的数据相当庞大。在过去采用“端到端”的网络架构，高并发的用户实时数据被发送到城市感知中心（智慧城市健康平台等），对网络服务来说是一项巨大的考验。在采用了城市感知基站后，感知数据将被发送到城市感知基站，并经过处理、提取与分析等过程。通过订阅与推送，终端用户、网格员、社区卫生所等单位可以直接通过该街区的城市感知基站得到数据，提高管理效率。考虑到某些参数并非需要实时测量（仅在某种条件触发下进行测量），通过城市感知基站的协同观测服务，可以使这些传感器变得更加智能。图10描述了智慧城市中的人体体域感知网、智慧城市感知基站以及远程健康监测服务的关系。

flowchart graph TD A["人体体域传感网"] --> B["自动输液泵"] A --> C["汗腺/体温感知"] A --> D["肌肉电活动"] A --> E["皮肤电信号"] A --> F["脑电感知子网"] A --> G["肺循环感知子网"] A --> H["心脏感知子网"] A --> I["起搏装置"] A --> J["运动学感知"] K["智慧城市感知基站 (街区感知网)"] --> L["ZigBee 5G 控制采集与遥测单元"] K --> M["智慧城市感知基站 (街区感知网)"] K --> N["中央感知服务中心"] O["远程医疗、监测诊断"] --> P["信息系统"] O --> Q["服务系统"] O --> R["消息系统"] O --> S["远程医疗、监测诊断"] T["电子病历 (EMR) 医院信息 系统(HIS) 检验信息 系统(LIS)"] --> U["临床科研大数据与知识图谱"] V["居民与家属 临床与教学医院 健康监护中心"] --> W["远程医疗、监测诊断"]

图 智慧城市中的人体体域感知网、智慧城市感知基站以及远程健康监测服务的关系

Fig.10 Relationship of Body Area Network, Smart City Sensing Base Stations and Remote Health Monitoring Services

通过人体体域感知网与城市感知基站的智能协同观测服务，不仅实现了精确感知，同时通过城市感知基站提供的自动化服务可以实现生命体征的初步判定，将生命威胁降到最低。采用低功耗和按需/应急事件访问的观测模式，可以减少设备在待命状态下不必要的资源浪费以及对隐私进行保护。

2）室外大场景的精确感知。交通拥堵永远是城市中最大的痛点，尽管现阶段科研与工程人员提供智慧交通的解决方案，但是依然无法做到交通的精准感知，其痛点便是原位传感器丰度较低，观测对象与目标有限，且智能传感器之间无法做到协同观测［113］ 。城市感知基站便能解决传统交通感知中精确度有限的问题。在交通场景中部署 RFID原位站点以及高像素相机阵列，可以实现大场景下的交通感知，实现交通畅行度、交通实时速率等相关参数的分析。城市中很多拥堵来自于轻微的交通剐蹭或者违法的非机动车，交通管理部门和保险管理部门通常需要频繁出动，进行现场勘查定责，这导致整体通行和服务效率受限。图 11展现了采用城市感知基站后构建交通场景的自动化感知过程。

通过这种城市感知基站在室外交通大场景的协同观测，在满足精确感知的情况下，提高了交通管理的自动化与网格化［114］ 。

5.2 基于感知基站的应急场景管理

在未来的智慧城市中，应急场景的感知能力是一项重要的衡量标准。城市的应急场景包括地震、内涝等［115］ ，城市中的感知基础设施以及终端设备往往依赖于互联网的连接。在电力和网络中断的情况下，往往会导致感知能力的停止，进而应急场景下的感知能力将严重受限［116-117］。通过城市感知基站提供的多元异构应急场景连接能力，城市感知基站的主体部分具备独立的电源系统，保证不受到市电中断的影响。同时，城市感知基站具备短报文、高通量射频电台与卫星通讯的能力，保证城市感知基站在地面网络中断的情况下，可依靠卫星等链路提供低带宽基础通讯业务，同时也可依靠全球导航卫星系统（globalnavigation satellite system，GNSS）卫 星 实 现 授时、短报文等通讯业务。这些应急性能将维持城市感知基站在应急场景下的感知能力。

text_image 实时上传事故现场到交管+保险云平台，远程无感定责，车辆迅速驶离恢复交通。 交管&保险云平台 双湖桥南往北拥堵车速10 km/h 双湖桥K+100 m交通事故，请绕行。 无人机联动监控精准感知 拥堵路段视频感知 仅识别拥堵，流量大，车速慢。但是拥堵原因需要依赖众包数据与现场勘查，反应缓慢。 基于街区尺度城市感知基站的自动化服务，快速、精准地进行现场感知，反应快，实时性高，迅速提供绕行方案。

图11 智慧城市感知基站辅助实现交通场景下的多感知设备联动

Fig.11 Smart City Awareness Base Stations in Realizing Interconnection of Multiple Sensing Devices in Traffic Scenarios

6 结 语

近十年飞速发展的信息通信技术为智慧城市的建设发展提供了基础设施与关键服务。在过去的十年，智慧城市感知由行业孤立在线感知逐步发展为多网融合综合感知，为城市提供了多维度的感知能力。但这也带来了一定的困难与限制，这些限制包括网络通信、设备供电与体积、是否具备即插即用的可能性等问题，这些问题已经成为当前智慧城市综合感知中的瓶颈。经过研究与实践，本文提出了智慧城市感知基站的创新概念和一代原型。感知基站有望提供城市中多元异构感知站点接入、多感知平台主动协同控制和应急通信保障等功能，满足全域感知、精准感知、异构感知和多元感知等核心需求，成为未来智慧城市的重要基础设施之一。

测试检验以及知识产权申明：本文中提及的智慧城市感知基站及其原型设备，包括设备本身（软件、硬件）以及用于服务端的软件已通过了第三方检测机构的技术测评。①本文中提及的城市感知基站设备及其性能测试已根据《中华人民共和国计量法》进行实验室强制检测，检验机构计量认证书编号（CMA）：181709010203；并获得中国认可国际互认检测（Testing CNAS L11851）。②本文中服务端软件涉及到的城市多尺度综合感知服务系统获得了国际实验室认可合作组织多边相互承认协议（iLac-MRA）的检测，同时获得了中国认可国际互认检测（Testing CNAS L4584）。③本文中提及的智慧城市感知基站软件（城市时空信息网络适配器系统软件）已受到中华人民共和国版权法、计算机软件保护条例以及计算机软件著作权登记办法保护，并获得中华人民共和国国家版权局计算机软件著作权登记证书（2020SR1712129）。④本文中提及的智慧城市感知基站的硬件（支持多协议的时空信息网络适配器）已经受到中华人民共和国专利法的保护，专利申请号 202110351815.4。

参考文献

1. [1] Wang Jiayao, Liu Rong, Cheng Yi, et al. Making the City Smarter[J]. Journal of Geomatics Science and Technology, 2011, 28(2): 79-83. (王家耀, 刘嵘, 成毅, 等. 让城市更智慧[J]. 测绘科学技术学报, 2011, 28(2): 79-83)
2. [2] Chun S A, Kim D, Cho J S, et al. Framework for Smart City Model Composition[J]. International Journal of E-Planning Research, 2021, 10(3): 50-69.
3. [3] McQuire S. Urban Digital Infrastructure, Smart Cityism, and Communication[J]. International Journal of E-Planning Research, 2021, 10(3): 1-18.
4. [4] Li Deren, Gong Jianya, Shao Zhenfeng. From Digital Earth to Smart Earth[J]. Geomatics and Information Science of Wuhan University, 2010, 35(2): 127-132. (李德仁, 龚健雅, 邵振峰. 从数字地球到智慧地球[J]. 武汉大学学报·信息科学版, 2010, 35(2): 127-132)
5. [5] Chen Nengcheng, Liu Yingbing, Sheng Hao, et al. Key Techniques and System for Comprehensive Decision-Making of Spatio-Temporal Information in Smart City[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12): 2278-2286. (陈能成, 刘迎冰, 盛浩, 等. 智慧城市时空信息综合决策关键技术与系统[J]. 武汉大学学报·信息科学版, 2018, 43(12): 2278-2286)
6. [6] Xi Mao, Zhang Jin. Building Smart Communities Based on Spatio-Temporal Information Services[J]. Bulletin of Surveying and Mapping, 2014(S2): 307-310. (席茂, 张锦. 基于时空信息服务构建智慧社区[J]. 测绘通报, 2014(S2): 307-310)
7. [7] Xiong Zhang. Discussion on the Achievements and Development of Smart City 863 Project[J]. Information China, 2013(10): 44-45. (熊璋. 浅谈智慧城市 863 项目成果与发展[J]. 中国信息界, 2013(10): 44-45)
8. [8] Li Deren, Shao Zhenfeng, Yang Xiaomin. Theory and Practice from Digital City to Smart City[J]. Geospatial Information, 2011, 9(6): 1-5. (李德仁, 邵振峰, 杨小敏. 从数字城市到智慧城市的理论与实践[J]. 地理空间信息, 2011, 9(6): 1-5)
9. [9] Dang Anrong, Zhen Maocheng, Wang Dan, et al. Current Situation and Trends of the New Smart City Development in China[J]. Science & Technology Review, 2018, 36(18): 16-29. (党安荣, 甄茂成, 王丹, 等. 中国新型智慧城市发展进程与趋势[J]. 科技导报, 2018, 36(18): 16-29)
10. [10] Guo Renzhong, Lin Haojia, He Biao, et al. GIS Framework for Smart Cities[J]. Geomatics and Information Science of Wuhan University, 2020, 45(12): 1829-1835. (郭仁忠, 林浩嘉, 贺彪, 等. 面向智慧城市的GIS框架[J]. 武汉大学学报·信息科学版, 2020, 45(12): 1829-1835)
11. [11] Huang Wei. Map of National Geographic Information Public Service Platform [J]. Satellite Application, 2014(1): 41-44. (黄蔚. 国家地理信息公共服务平台天地图[J]. 卫星应用, 2014(1): 41-44)
12. [12] Luo Zhen, Sang Ziqin, Qi Fei. The Technology Framework and Functional Requirements of Public Support Platform in Smart City[J]. Information and Communications Technologies, 2014, 8(5): 54-59. (罗振, 桑梓勤, 齐飞. 智慧城市公共支撑平台技术架构及功能要求[J]. 信息通信技术, 2014, 8(5): 54-59)
13. [13] Chen Zhenyong, Xu Zhouchuan, Li Qingguang, et al. A Novel Framework of Data Sharing and Fusion in Smart City—SCLDF[J]. Journal of Computer Research and Development, 2014, 51(2): 290-301. (陈真勇, 徐州川, 李清广, 等. 一种新的智慧城市数据共享和融合框架: SCLDF[J]. 计算机研究与发展, 2014, 51(2): 290-301)
14. [14] Cieślik E. Towards the Industry 4.0: Have ICT Services Improved the Position of Central and Eastern Europe in Global Production Linkages? [J]. Manufacturing Letters, 2021, 28: 11-16.
15. [15] Li J X, Xiang Y, Sellis T, et al. Guest Editorial: Advanced Complex Data Analytics for Smart City Industrial Environment[J]. IEEE Transactions on Industrial Informatics, 2021, 17(6): 4127-4130.
16. [16] Zhang Yi, Chen Yujun, Du Bowen, et al. Multi-modal Data Fusion Model for Smart City[J]. Journal of Beijing University of Aeronautics and Astronautics, 2016, 42(12): 2683-2690. (张义, 陈虞君, 杜博文, 等. 智慧城市多模式数据融合模型[J]. 北京航空航天大学学报, 2016, 42(12): 2683-2690)
17. [17] Han Han, Li Haihua, Guan Xin. Study on Convergence and Interconnection Model of Smart City System[J]. Telecommunications Network Technology, 2015(9): 26-31. (韩涵, 李海花, 关欣. 智慧城市系统汇聚及互联模型研究[J]. 电信网技术, 2015(9): 26-31)
18. [18] Poongodi M, Sharma A, Hamdi M, et al. Smart Healthcare in Smart Cities: Wireless Patient Monitoring System Using IoT[J]. The Journal of Supercomputing, 2021, 77(11): 12230-12255.
19. [19] The State Council of the People̓s Republic of China. Outline of National Medium and Long Term Science and Technology Development Plan (2006—2020)[EB/OL]. (2006-06-07)[2006-06-07]. http://www.gov.cn/gongbao/content/2006/content_240244.htm. (中华人民共和国国务院. 国家中长期科学和技术发展规划纲要(2006—2020年)[EB/OL]. (2006-06-07)[2006-06-07]. http://www.gov.cn/gongbao/content/2006/content_240244.htm)
20. [20] Liu Hong. Construction Scheme of Special Line Carrying Network for Smart City[J]. Telecom Engineering Technics and Standardization, 2021, 34(3): 11-16. (刘虹. 面向智慧城市的专线承载网建设方案[J]. 电信工程技术与标准化, , ( ): 11-16)
21. [21] Li Xia, Liu Xiaoping. Spatial Information Technology for Facilitating “Three-Plan Integration” Using Geographical Simulation and Optimization[J]. Journal of Remote Sensing, 2016, 20(5): 1308-1318. (黎夏, 刘小平. “三规合一”服务的空间信息技术: 地理模拟与优化[J]. 遥感学报, 2016, 20(5): 1308-1318)
22. [22] Feng Shengzhong, Li Genguo, Li Xuelei, et al. Development Strategy of Emerging Applications of HPC[J]. Bulletin of Chinese Academy of Sciences, 2019, 34(6): 640-647. (冯圣中, 李根国, 栗学磊, 等. 新兴高性能计算行业应用及发展战略[J]. 中国科学院院刊, 2019, 34(6): 640-647)
23. [23] Feng Shengzhong, Fan Jianping. The Challenge and Opportunity of Smart City to High Performance Computing[J]. Journal of Integration Technology, 2012, 1(2): 84-87. (冯圣中, 樊建平. 高性能计算的智慧城市机遇与挑战[J]. 集成技术, 2012, 1(2): 84-87)
24. [24] Peng Ling, Chen Wenjian, Li Gaosheng, et al. Research on the Pulsating Visualization of Smart Cities Based on Spatial Big Data[J]. Geomatics World, 2016, 23(1): 58-63. (彭玲, 陈文建, 李高盛, 等. 基于空间大数据的智慧城市脉动可视化研究[J]. 地理信息世界, 2016, 23(1): 58-63)
25. [25] Doostmohammadian M, Rabiee H R. On the Observability and Controllability of Large-Scale IoT Networks: Reducing Number of Unmatched Nodes via Link Addition[J]. IEEE Control Systems Letters, 2021, 5(5): 1747-1752.
26. [26] Pham C, Nguyen D T, Tran N H, et al. Optimized IoT Service Chain Implementation in Edge Cloud Platform: A Deep Learning Framework[J]. IEEE Transactions on Network and Service Management, 2021, 18(1): 538-551.
27. [27] Li Deren. The “Internet Plus” Space-Based Information Services[J]. Journal of Remote Sensing, 2016, 20(5): 708-715. (李德仁. 论“互联网+”天基信息服务[J]. 遥感学报, 2016, 20(5): 708-715)
28. [28] Chen Chaoyang. Analysis of 5G Technology Innovation Application in Smart City[J]. Electronic Technology, 2021, 50(3): 96-97. (陈朝阳. 智慧城市的5G技术创新应用分析[J]. 电子技术, 2021, 50(3): 96-97)
29. [29] Bai Shigang. Application Analysis of 5G Technology in Smart City Deployment [J]. Electronics World, 2020(23): 184-185. (柏世刚. 5G技术在智慧城市部署中的应用分析[J]. 电子世界, 2020(23): 184-185)
30. [30] Wang Jingyuan, Li Chao, Xiong Zhang, et al. Survey of Data-Centric Smart City[J]. Journal of Computer Research and Development, 2014, 51(2): -. (王静远, 李超, 熊璋, 等. 以数据为中心的智慧城市研究综述[J]. 计算机研究与发展, , ( ): - )
31. [31] Li Xiaohui. Research on Key Technologies of the IoT Infrastructure for Smart City[J]. Computer Measurement & Control, 2017, 25(7): 8-11. (李晓辉. 面向智慧城市的物联网基础设施关键技术研究[J]. 计算机测量与控制, 2017, 25(7): 8-11)
32. [32] Zhang Xinchang, Li Shaoying, Zhou Qiming, et al. The Rationale and Innovative Thinking of Building Digital Twin City[J]. Science of Surveying and Mapping, 2021, 46(3): 147-152. (张新长, 李少英, 周启鸣, 等. 建设数字孪生城市的逻辑与创新思考[J]. 测绘科学, 2021, 46(3): 147-152)
33. [33] Chen Nengcheng, Zhang Liangpei. Concept and Characteristics of Integrated Earth Observation Sensor Web[J]. Journal of Geomatics, 2015, 40(5): 4-7. (陈能成, 张良培. 空天地一体化对地观测传感网的概念与特征[J]. 测绘地理信息, 2015, 40(5): 4-7)
34. [34] Chen Zeqiang, Chen Nengcheng, Wu Jiekui, et al. Technology Architecture and Standard Demands of Spatio-Temporal Information Cloud Platform for Smart City[J]. Telecommunications Network Technology, 2017(5): 46-51. (陈泽强, 陈能成, 吴杰魁, 等. 智慧城市时空信息云平台技术体系与标准需求[J]. 电信网技术, 2017(5): 46-51)
35. [35] Chen Jing, Xiang Longgang, Gong Jianya. Virtual Globe-Based Integration and Sharing Service Method of GeoSpatial Information [J]. Scientia Sinica (Terrae), 2013, 43(11): 1770-1784. (陈静, 向隆刚, 龚健雅. 基于虚拟地球的网络地理信息集成共享服务方法[J]. 中国科学: 地球科学, 2013, 43(11): 1770-1784)
36. [36] Chen D, Zhang X, Chen N, et al. Geospatial Sensor Web Adaptor for Integrating Diverse Internet of Things Protocols Within Smart City[J]. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2020: 115-121.
37. [37] Zhao Ping. Smart Fire Based on Internet of Things Technology[J]. Intelligent City, 2019, 5(18): 83-84. (赵平. 基于物联网技术的智慧消防建设[J]. 智能城市, 2019, 5(18): 83-84)
38. [38] Wang Jianwei. Application Research of.