新闻资讯

一、什么是本体论（Ontology）？

"本体论"这个词听起来很哲学——它确实源自哲学，研究"存在"的本质。但在计算机科学和AI领域，Ontology有了更具体的含义：

Ontology是一种知识表示技术——用于以形式化、明确化、共享化的方式描述一个领域中的概念集合及其关系。

通俗来说，Ontology就是给机器建立一套"概念词典+关系地图"，让机器不仅知道有哪些"东西"，还知道这些东西之间的关系和规则。

二、为什么智慧建筑需要Ontology？

传统的智慧建筑系统面临一个根本问题：设备数据有了，但"知识"没有被结构化。

举个例子：一栋楼里有1000个传感器，它们产生海量数据。但如果你问系统"三楼会议室现在热不热？"，传统系统无法回答，因为：

1. 系统不知道"三楼会议室"在哪里
2. 系统不知道哪些传感器属于"三楼会议室"
3. 系统不知道"热不热"应该看温度传感器
4. 系统不知道温度多少算"热"

这些都是"知识"，而不是"数据"。Ontology就是把这些知识结构化、形式化，使AI能够推理和回答。

三、建筑本体的核心概念

建筑本体（Building Ontology）将以下核心概念形式化定义：

3.1 设备分类体系（Equipment Taxonomy）

不是简单的设备类型标签，而是带继承关系的分类树：

Equipment → HVAC_Equipment → AHU（空调箱）→ MAU（新风机组）

Equipment → Sensor → Temperature_Sensor → Room_Temperature_Sensor

Equipment → Actuator → Valve → Cooling_Valve

3.2 空间拓扑关系（Spatial Topology）

定义建筑的空间结构及设备与空间的关联：

Building → Floor → Zone → Room

hasLocation：设备与空间的关联（如：AHU-301 hasLocation 3F机房）

adjacentTo：空间邻接关系（如：301室 adjacentTo 302室）

3.3 设备供给关系（Supply Chain）

feeds / isFedBy：设备间的能源或介质供给关系。

例如：Chiller（冷水机组）feeds AHU（空调箱）——冷水机组向空调箱供冷。

这种关系使AI能推理出：如果冷水机组故障，哪些空调箱会受影响。

3.4 测点属性（Point Attributes）

hasPoint：设备与测点的关联。

测点类型包括：Temperature（温度）、Humidity（湿度）、Pressure（压力）、Flow（流量）、Status（状态）、Command（指令）等。

3.5 指令语义（Command Semantics）

hasCommand：设备支持的控制指令及其参数约束。

例如：AHU hasCommand SetTemperature（参数：数值型，范围16-30，单位℃）

四、技术标准：OWL与RDF

建筑本体采用W3C推荐的国际标准：

RDF（Resource Description Framework）：用三元组（Subject-Predicate-Object）描述知识。例如：(AHU-301, hasLocation, 3F机房)。

OWL（Web Ontology Language）：在RDF之上提供更强的逻辑表达能力，支持类继承、属性约束、逻辑推理规则等。

五、国际标准对比

目前国际上有几种建筑语义标准：

Brick Schema：由卡内基梅隆大学等发起的开源建筑本体标准，专注于建筑设备和传感器的语义描述。

Project Haystack：基于标签（Tag）的建筑数据语义标注标准，较轻量但推理能力弱。

IFC（Industry Foundation Classes）：buildingSMART的BIM数据交换标准，侧重建筑几何和属性信息。

古河AI-Ontology平台采用OWL/RDF标准，兼容Brick Schema，可导入/导出Brick格式。

六、Ontology驱动的AI：从匹配到推理

传统的建筑AI方案依赖规则引擎或机器学习模型。Ontology驱动的AI有本质区别：

规则引擎：人工编写if-then规则，设备增多后出现"规则爆炸"。

训练式AI：需要大量训练数据，新场景需要重新训练，是"黑箱"。

Ontology-Driven AI：知识以本体模型存储，AI通过语义推理得出结论。新增设备只需扩展Ontology，不需重新训练。知识是透明、可审核的。

七、实际应用场景

自然语言建筑控制：用户说"把三楼会议室调凉快点"，AI通过Ontology定位空间→找到设备→读取状态→下发指令。

故障影响分析：冷水机组故障→通过feeds关系推理出受影响的所有空调箱和区域。

智能节能：基于空间占用情况和设备关系，自动调整无人区域的空调和照明。

知识问答：回答"这栋楼的暖通系统有哪些设备？"等语义查询。

八、古河AI-Ontology平台

南京古河软件有限公司的AI-Ontology平台是面向智慧建筑的AI知识引擎，提供：

1. 可视化TBox建模编辑器
2. ABox实例化管理（与实际设备映射）
3. 知识图谱可视化（力导向图）
4. SPARQL语义查询
5. Brick Schema兼容

配合IotClaw物联网AI引擎，实现Ontology驱动的智能建筑管控。

了解更多：产品展示 | 行业术语词典