从物联到语义：物联网、万维物联网与语义万维物联网技术演进及智慧建筑等场景应用分析
从物联到语义
唐觉民梳理物联网、万维物联网、语义万维物联网的演进脉络、核心优势，呈现技术演进在建筑智能化等领域的落地价值。新加坡滨海湾金融中心部署WoT平台对接楼宇自动化系统、统一封装设备接口，结合AI预测未来两小时暖通冷却需求，可将冷水机组温度提高0.5℃微调设备，在不影响用户舒适度的前提下优化能耗。某大学智慧校园基于语义万维物联网构建设备知识图谱，可实现跨系统服务联动与可解释能耗诊断。
唐觉民 2025-12-14 12:05 江苏
接着昨天的故事，我们今天继续讲物联网。
1、演进：时间到了1999年，麻省理工学院（MIT）Auto-ID 中心的 Kevin Ashton 教授在研究 RFID（射频识别）在供应链管理中的应用时，首次提出了“Internet of Things”这一术语。他被誉为“物联网之父”。
时间到了2007年，Guinard 和 Trifa 等研究人员开始倡导使用万维网（Web）的标准（如 REST架构、HTTP协议、JSON数据格式）来构建物联网的应用层。他们认为，Web 的成熟、开放和互操作性可以解决物联网中各种私有平台和协议不兼容的难题。在2015年W3C 成立了 万维物联网工作组（Web of Things Working Group），致力于将 WoT 标准化。他们发布了一系列核心规范，包括：
（1）WoT 架构 (WoT Architecture):定义了 WoT 的基本概念和结构。
（2）WoT 物描述 (WoT Thing Description, TD):统一的元数据格式（基于 JSON），用于描述一个“物”（设备或服务）的能力、属性、动作和事件。
（3）WoT 发现 (WoT Discovery):规定了发现和访问设备的方法。
时间再退回到2000年，万维网（WWW）的发明者是英国计算机科学家 蒂姆·伯纳斯-李爵士（Sir Tim Berners-Lee），提出了语义网（Semantic Web）的概念，目标是构建一个机器可读、可理解的 Web。于是，物联网的研究者们在语义网的技术基础上，又引进了Semantic WOT”（语义万维物联网），语义万维物联网可以被视为在物联网（IoT）领域中应用语义网技术的产物。它的核心思想是利用语义网工具，让物联网中的“物”（设备、数据和服务）能够被机器理解，从而实现高级别的互操作性和自动化。
2、特点：
（1）IoT 的优势：
IoT 提供了连接物理世界和数字世界的基础能力，是所有智能应用的前提。
设备能够实时采集环境数据，为决策提供即时依据。覆盖从工业（IIoT）到智能家居、医疗、农业等所有领域。
底层的 IoT 协议（如 CoAP, MQTT）通常针对资源受限的设备和低带宽、低功耗的环境进行了优化。
（2）WOT 的优势：
使用标准的 Web 技术（HTTP、RESTful API）来抽象设备功能，Web 开发者可以直接上手，降低开发门槛和成本。
通过标准的物描述（Thing Description, TD）元数据，不同 IoT 平台和设备的服务可以被统一描述和发现，实现轻松集成，减少定制化工作。
基于全球通用的 Web 标准，更容易构建开放的服务市场和生态系统。继承了 Web 的成熟安全机制、身份验证和伸缩性等优势。
WOT 的核心价值在于，它利用 Web 的通用性来统一被 IoT 连接起来的碎片化世界。
（3）Semantic WOT 带来了传统 IoT 和 WOT 难以实现的优势：
真正的跨平台互操作性
IoT 的问题：设备 A 说温度是 {"temp": 25}，设备 B 说温度是 {"reading": 77, "unit": "Fahrenheit"}。系统需要人工编写代码进行转换。
SWoT 的解决方案：通过使用一个通用本体论（例如，定义温度是 ex:Temperature，单位是 unit:degreeCelsius），所有设备的数据都被语义标注。机器看到数据时，就知道它代表的是“温度”，并且知道如何将其转换为通用单位，无需人工干预。
增强的设备发现和组合
IoT/WOT 的问题：如果需要一个能加热和提供空气质量数据的设备，系统只能通过关键字或固定的接口查找。
SWoT 的解决方案：系统可以根据语义特征（例如，具有 ex:heatingFunction和 ex:airQualityProperty的设备）进行推理。它可以发现一个空调和一个空气净化器组合起来可以满足这个需求，即使没有单个设备能做到。
智能推理和自动化
语义层允许系统执行复杂的推理（Reasoning）。
示例：如果本体论规定“当房间空置且窗户打开时，禁用暖气”，系统可以根据传感器数据（空置感应器、窗户状态感应器）进行逻辑判断，并自动执行操作，实现更高效率的能源管理。
总而言之，IoT是连接的基础，WOT是 Web 标准化的访问层，而 Semantic WOT是通过赋予数据和功能以机器可理解的含义，来实现高度的自动化和智能决策的智能层。
3、案例：
（1）新加坡滨海湾金融中心 (MBFC)— WoT/AIoT 驱动的能源优化，这个案例侧重于大规模、高可靠性的设备连接和 AI 驱动的实时优化。
| IoT 演进阶段 | 实施的技术与应用 | 概念总结 |
| 基础连接 (IoT) | 传感器基础设施 | 楼宇自动化系统 (BAS) 将数千个传感器（温度、湿度、空气质量、照明）和执行器连接到本地网络，使用 BACnet/IP协议进行通信。这是整个智能化的数据基础。 |
| 统一接口 (WoT) | 数据接入平台 (DAP) | 部署在边缘网关或本地服务器上的 WoT 平台（或类似功能的中间件）读取 BACnet/IP 数据，并将其统一封装成 RESTful API接口。 |
结果：楼宇管理系统（BMS）只需要调用统一的 GET /properties/temperature/ZoneAAPI，而无需关心底层是哪种协议或设备。 | ||
| 智能决策 (AIoT) | 预测性 HVAC 优化 | 边缘/云端 AI 模型利用历史数据、天气预报和实时占用率数据，预测未来两小时的冷却需求。 |
| 应用：AI 提前对冷水机组、水泵和风机进行微调（例如，将冷水机组温度提高 0.5°C），在不牺牲用户舒适度的前提下，将系统能耗优化到最低。 | ||
| 垂直应用 (BIoT) | 空间利用与安防联动 | 利用 AI 摄像头（边缘 AI）进行人员计数，结合 WoT 接口将数据推送给照明和 HVAC 系统，实现区域级的 “人来即开，人走即关”策略。 |
（2）某大学智慧校园能源系统— SWoT 驱动的跨域协同，这个案例侧重于解决教学楼、宿舍、图书馆等不同功能建筑之间复杂设备的语义互操作和知识管理。
| IoT 演进阶段 | 实施的技术与应用 | 概念总结 |
| 统一建模 (SWoT) | 数字孪生模型 (DT) | 平台使用 JSON-LD/DTDL或类似的语义模型语言，创建整个校园的数字孪生。 |
| 语义标注 | 关键：不仅定义一个灯是 Light，还定义其关系：Light(在) Room 301(属于) Engineering Building。 | |
| 结果：系统构建了知识图谱，任何应用都可以通过语义查询（如 SPARQL 或类 DTDL 查询）来检索知识。 | ||
| 跨域协同 (SWoT) | 服务发现与组合 | 解决传统痛点：当检测到图书馆阅览室二氧化碳浓度过高（数据来自环境监测系统）时，系统自动发现并调用暖通系统的 increaseAirFlow命令。 |
| 优势：无需事先编写代码集成这两个系统，平台通过语义理解，自动实现了跨系统的 “物”的服务组合。 | ||
| 高级分析 (AIoT + SWoT) | 可解释的能耗诊断 | AIoT模型发现某教学楼夜间能耗异常高。SWoT 语义模型介入，系统通过推理得出结论：高能耗与 HVAC 无关，而是因为 “投影仪”（资产）被**“教学人员”（用户ID）在昨晚 10 点遗忘在开机状态**。 |
| 价值：将抽象的能耗数据与物理实体、位置和用户行为关联起来，使分析结果具有可解释性和可操作性。 |
4、价值：
这两个案例共同展示了物联网演进带来的价值飞跃：
（1）从 IoT 到 WoT：解决了设备的接入问题，实现了数据接口的标准化。
（2）从 WoT 到 SWoT ：解决了跨系统的语义鸿沟，使得不同子系统能够互相理解并实现深度协作。这是 BIoT 实现复杂自动化（如跨 HVAC 和照明的节能联动）的关键。
（3）SWoT + AIoT 的融合：实现了最高级别的智能。SWoT 提供了 “世界的上下文”，AIoT 提供了 “预测能力”。这种融合使得智能建筑能够从被动控制转变为主动优化、自主决策和可解释诊断。
来源：唐觉民 · mp.weixin.qq.com