多智能体架构破解智慧校园协同难题

物联网（IoT）时代，物品通过网络连接并被赋予智能，成为数据交互与服务提供的“智能对象”。然而，工业和学术工程实践中，构建一个庞大的物联网系统通常面临着挑战：许多现有中间件和技术工具往往用于单独解决某个特定的物理虚拟化或数据接口问题，缺乏一套贯穿“需求分析、系统设计、代码实现”全流程的通用软件工程方法。零散的开发模式容易导致各类设备之间缺乏互操作性，甚至将互联的物联网降级为彼此孤立的“局域物联网” 。为打破这一工程瓶颈，本研究将多智能体系统（Multi-Agent Systems, MAS）引入物联网工程，提出一套名为ACOSO-Meth的全流程、领域中立的协同开发方法学，并在一所复杂的智慧大学校园中完成了落地演练。

这套全新的设计中，每一个物联网设备或子系统不再是死板的数据收集器，而是被虚拟化成为一个具有自适应能力的“软件智能体（Agent）”。在计算机科学中，智能代理（Agent）具备自主性、社会性、反应性和主动性等核心特征，不仅能感知周围的物理环境并做出及时反馈，还能在无人类直接干预的情况下，代表用户与其他代理进行主动的协同通信以完成特定任务。然而，要让这些智能体在物理世界里顺畅合作，需要统一衡量的“尺子”。研究团队指出，传统的分布式系统仅靠计算节点数量来衡量规模，忽视了物联网设备多空间、高密度的物理特质。因此，论文首先提出双维度的物联网“尺度”划分框架：

如图1所示，系统将物联网世界的组件和场景按照 “物理空间尺寸”和“空间部署密度”两个正交维度进行了划分。尺度的划分梯队:体量微小的智能笔或个人可穿戴网络被定义为小规模；智能汽车或智能建筑被定义为中规模；涵盖海量连接节点、跨越广阔地理空间的智能城市或大型基础设施，则归入大规模的范畴。

明确了尺度标准后，ACOSO-Meth的核心任务就是帮助软件工程师将高层的需求转化为底层能稳定运行的Java代码。为此，方法学设计了一条三级模型梯队演进的工作流：

分析阶段：采用通用智能对象元模型（High-Level SO Metamodel）。这一阶段完全独立于具体的底层技术和应用场景，用来梳理系统包含哪些硬件、提供哪些数字服务以及谁是使用者。

设计阶段：演进为基于ACOSO的智能对象元模型（ACOSO-based SO Metamodel）。系统将智能对象重塑为由特定任务（Tasks）和事件（Events）驱动的轻量级代理结构，明确各组件间的协作逻辑。

实现阶段：最终细化为基于JADE平台的JACOSO元模型。在这个阶段，模型直接与工业级多智能体中间件平台（JADE）进行无缝对接，映射为具体的Java类、行为方法和FIPA规范的通信消息格式。

为验证这套方法学的通用性与运行效率，研究团队在意大利卡拉布里亚大学（University of Calabria）的真实物理园区内，搭建了一张复杂的物联网生态网。研究人员将校园内的三大典型物理场景，分别对应到了前文划分的三种尺度中进行同步构建 ：

1. 大规模应用：Pietro Bucci智能大桥

横跨整个校园、全长1.22公里的“Pietro Bucci”大桥被视作大规模智能对象。团队在桥体钢梁上共刚性部署了90个MICA2加速度计传感器节点实时监测由行人和车辆通行引发的低频桥体结构振动。90个节点被划分为20个非重叠的无线子网络，数据首先汇聚到临近单位的9台笔记本基站上，最终统一上报给中央PC协调器，实现100%准确率的结构健康自动预警。

2. 中规模应用：智能信息学院楼

涵盖多个大楼立方体的学院大楼被定义为中规模对象。为实现绿色建筑的节能目标，团队在 18间房间和走廊内布置了43个Telos-B室内环境传感器（用于监测温湿度、光照及人员存在情况）和20个智能插座，通过10个相互重叠的子网，让 AI 能够自主、动态地调控各房间的空调（HVAC）和照明灯具。

3. 小规模应用：SenSysCal 智能实验室

作为小规模的微观测试场，办公室内布置了12个台面环境传感器，让10名实验室科研人员佩戴了30个Shimmer柔性可穿戴传感器（分别位于手腕、腰部和腿部）。系统能够通过自适应学习模型实时感知人员的坐姿与疲劳状态，在社交媒体上发送健康提醒，并根据桌面光照自动调节台灯。

通过 ACOSO 中间件内置的专用适配器（如 BMFAdapter 和 SPINEAdapter），这些采用不同通信协议（如 ZigBee、蓝牙或 WiFi）的异构底层硬件，在软件世界里全被等效转换为了标准的软件智能体事件，平稳消除了底层网络的沟通障碍 。

图13展示了在小、中、大三种不同场景下，网络消息往返时间随智能体数量增加的变化曲线。可以看出，在空间狭小且只有单个子网的小规模场景下（图13a），随着节点变多，RTT极易因网络拥堵而迅速攀升。但在大桥这种广阔的大规模场景下（图13c），由于采用了20 个互不重叠的隔离子网进行分布式部署，各子网间不会产生射频碰撞干扰，即使节点数量达到100个，系统的平均延迟依然被稳稳控制在0.3秒的极低水平，表现出了出色的架构稳健性。

同时，论文还公布了一组指标：在最终的代码结构大账本中，整个系统的“冻结核心块（无需修改即可直接复用的通用中间件代码）”占到了75%。意味着软件工程师在面对不同尺度的复杂场景时，只需要花费25%的精力去编写特定应用场景下的代码，就能够快速地克隆并部署出一套全新的物联网自适应服务系统。

作者简介：Giancarlo Fortino，意大利卡拉布里亚大学计算机工程教授、博士生导师，IEEE Fellow。主要研究方向包括可穿戴计算系统、电子健康、物联网与基于智能体的计算，聚焦数字健康、智能感知系统、物联网架构与人机系统等问题。

ORCID：0000-0002-4039-891X

DOI：10.1109/TSMC.2017.2780618