Cyber-Physical Systems (CPSs) ermöglichen die Verschmelzung der physischen Welt mit der virtuellen Welt durch die Integration von Berechnungen und physischen Prozessen. Ein CPS ermöglicht eine enge Integration zwischen Berechnung, Kommunikation und Steuerung in seinem Betrieb und in der Interaktion mit der Umgebung, in der es bereitgestellt wird. Neben der Berücksichtigung von Cyber- und physischen Merkmalen wächst das Interesse, menschliche und soziale Faktoren in CPS zu nutzen. Ein kürzlich vorgeschlagenes Cyber-Physical-Social-System (CPSS) umfasst beispielsweise die Cyberspace-fähige Parallelität: Ein reales System und seine künstlichen Gegenstücke laufen parallel und interaktiv durch den Cyberspace.1 Ein weiterer Vorschlag ist ein Human-in-the-Loop-CPS In diesen Studien werden menschliche und soziale Merkmale als wichtige Elemente in CPS hauptsächlich aus Sicht der Systemautomatisierung und -steuerung betrachtet. Um jedoch das volle Potenzial eines CPSS auszuschöpfen, ist eine datenzentrierte Realisierung erforderlich.
Stellen Sie sich ein städtisches Big-Data-System vor, das ein typisches CPSS-System ist. Es integriert und leitet Informationen aus dem Cyberspace (z. B. Daten von Regierungen und Institutionen), dem physischen Raum (Überwachungskameras, Smartphones usw.) und dem sozialen Raum (wie Mobile Crowd Sensing3 und mobile soziale Netzwerke) ab. Diese Art von datengesteuertem CPSS (D-CPSS) muss jedoch noch vollständig untersucht und untersucht werden.
In diesem Artikel untersuchen wir CPSS aus einer datenzentrierten Perspektive, charakterisieren seine Kernfunktionen und präsentieren ein mehrschichtiges Framework (Architektur). Insbesondere konzentrieren wir uns auf Multispace Collaborative Sensing und Cross-Space-Datenfusion und identifizieren Bereiche, die weiterer Forschung und Entwicklung bedürfen.
Datenzentriertes CPSS
Datengesteuerte Entwicklung wird in den kommenden Jahrzehnten wahrscheinlich ein vielversprechendes Software-Paradigma sein. Dies wird auch zu einer Revolution beim Design und der Entwicklung von cyber-physisch-sozialen Anwendungen und Diensten führen. Mit D-CPSS können wir die raumübergreifenden multimodalen Daten aus heterogenen Datenquellen nutzen, um das Ziel (z. B. ein Ereignis oder ein Objekt) besser zu charakterisieren. Die kombinierten Effekte von Tri-Space-Daten werden auch zahlreiche neuartige Anwendungen oder Dienste in städtischen Umgebungen fördern. Aus datenzentrierter Sicht folgt jedes CPSS einem generischen Lebenszyklus, der aus Datenerfassung, -verarbeitung und -nutzung besteht.
Die Eingaben der Architektur sind cyber-physisch-soziale Datenquellen, während Ausgaben verschiedene Anwendungen zur Datennutzung sind. In den vier vertikalen Ebenen geht es bei den beiden ganz links um die Datenerfassung, bei den beiden ganz rechts um die Datenverarbeitung. Als Human-in-the-Loop-Erfassungs- und Computersystem sollte ein D-CPSS den Datenschutz während seines gesamten Lebenszyklus gewährleisten. Wir untersuchen die Details jeder Ebene in den nächsten Abschnitten.
Kollaborative und erweiterte Erkennung
D-CPSS nutzt eine Kombination aus Online- und Offline-Erfassungsressourcen. Unterschiedliche Quellen haben unterschiedliche Wahrnehmungs- oder Wahrnehmungsfähigkeiten. Daher müssen sie orchestriert werden, um eine kollaborative Wahrnehmung zu erreichen. Bei der kollaborativen Erfassung ist die Eingabe die Erfassungsaufgabe und die Tri-Space-Erfassungsquellen, und die Ausgabe sind hochrelevante Daten über die Erfassungsaufgabe