下载掌阅APP，畅读海量书库
立即打开
作为信息通信技术的突破方向，物联网蕴含巨大的增长潜能，是重要的战略性新兴产业，是继计算机、互联网和移动通信之后的新一轮信息技术革命，推动信息技术在各行各业更深入应用。物联网的提出体现了大融合理念，突破了将物理基础设施和信息基础设施分开的传统思维，具有重要的战略意义。
从前面的介绍可以看到，物联网并不是一个全新的技术或者概念，它属于集成创新的范畴。在发展历程中，物联网伴随着射频识别和传感器网络技术的研究与应用，并逐步融合了云计算、大数据处理和人工智能等新兴技术，从而将物理世界与数字世界有效地连接在一起。
无线射频技术最早可以追溯到无线电的发明时期。雷达技术的不断革新和发展逐渐催生了射频识别（RFID）技术，这是由于RFID技术的基本原理同无线电广播的接收和发射数据的原理相同。1948年，Harry Stockman发表的论文《利用反射功率进行通信》对RFID技术从理论上进行了有力支持。从20世纪60年代开始，RFID 技术理论研究有了进一步的发展，并且开始投入简单的实践应用中。20世纪60年代末到20世纪70年代初，一些公司开始在商业活动中推出简单的RFID系统应用，主要用于物品的电子监控，保证仓库、图书馆等场所的物品安全。这种早期用于商业监控的RFID系统结构较为简单，也比较容易进行维护，但是由于数据容量的局限性，只能用于检测被标识的对象是否在场。
20世纪70年代初是RFID技术蓬勃发展的时期。在这段时间内，各行业中的RFID应用如雨后春笋般涌现，如工业自动化、物流、车辆跟踪、仓库存储都开始了基于集成电路的RFID简单系统的应用。集成电路技术的发展已经使得这时的RFID标签具有了数据容量大、跟踪范围广泛并且可读写等特点，但是由于其缺乏相关标准的确立并且不具有固定频率的管理约束原则，因此只能作为一种专有设计而不能普遍进行推广使用。
20世纪80年代初期，设计更加完善的RFID全面投入使用。这一时期，各种封闭系统竞相出现，包括第一个RFID商业应用系统——商业电子防盗系统。从20世纪90年代开始，RFID技术领先的国家注意到RFID系统之间的互操作性问题，开始进一步考虑频率和通信协议的标准化。基于RFID技术的道路电子收费系统在意大利、法国、西班牙、葡萄牙、挪威、美国等国家得到了普遍应用。
进入21世纪后，RFID国际标准体系已经初步形成。有源电子标签、无源电子标签均得到快速发展。电子标签成本不断降低，应用规模和应用行业领域不断扩大，主要得益于RFID等相关技术的成熟。其中，RFID系统主要包括标签及封装、读写机、软件和系统集成服务，其市场份额分别为33.1%、22.9%、12.2%和31.8%。RFID系统在金融支付、身份识别、交通管理、军事安全等领域均有应用，分别占整个RFID市场份额的21.2%、11.4%、12.6%、11.0%。2017年，我国RFID的市场规模约为752亿元，同比增长23.48%。相关机构预计，随着RFID系统运用领域的继续拓宽，至2024年，我国RFID的市场规模将突破1400亿元。
国家标准GB/T 7665—2005《传感器通用术语》对传感器的定义是，“传感器是指能感受被测量并按照一定的规律转换成可用输出信号的器件或装置”。传感器作为信息获取的重要手段，与通信技术和计算机技术共同构成现代信息技术的三大支柱。传感器可以广泛应用于社会发展及人类生活的各领域，如工业自动化、农业现代化、航空航天、军事工程、机器人、资源开发、海洋探测、环境监测、安全保卫、医疗诊断、交通运输、家用电器等。
传感器的发展历程大体可以分为以下3个阶段。
（1）第一阶段是结构型传感器，它主要利用结构参量变化来感受和转化信号。例如电阻应变式传感器，它是利用金属材料发生弹性形变时电阻的变化来转化电信号的。
（2）第二阶段是20世纪70年代开始发展起来的固体传感器，这种传感器由半导体、电介质、磁性材料等固体元件构成，是利用材料某些特性制成的。例如，利用热电效应、霍尔效应、光敏效应，分别制成热电偶传感器、霍尔传感器、光敏传感器等。20世纪70年代后期，随着系统集成技术、分子合成技术、微电子技术及计算机技术的发展，集成化的固体传感器出现了。固体传感器是采用硅半导体集成工艺制成的传感器，因此也称为硅传感器或单片集成传感器，它将传感器集成在一个专用芯片上，可完成参数测量及模拟信号输出功能。集成化的固体传感器包括两种类型：传感器本身的集成化和传感器与后续电路的集成化。其发展非常迅速，现已占传感器市场的2/3左右，并且正朝着低价格、多功能和系列化方向发展。
（3）第三阶段是20世纪80年代刚刚发展起来的智能传感器。所谓智能传感器是指其对外界信息具有一定检测、自诊断、数据处理及自适应能力的新型传感器，是微型计算机技术与检测技术相结合的产物。20世纪80年代智能化测量主要以微处理器为核心，把传感器信号调节电路微计算机、存储器及接口集成到一块芯片上，使传感器具有一定的初步人工智能。20世纪90年代智能化测量技术有了进一步的提高，在传感器一级水平上实现了智能化，使其具有自诊断功能、记忆功能、多参量测量功能及联网通信功能。
按照具体功能的演化，智能传感器又可以进一步划分为4代。
（1）第一代智能传感器出现在20世纪80年代，它将滤波、放大和调零等信号处理电路与传感器设计在一起，输出4～20mA的电流或0～5V的电压。
（2）第二代智能传感器出现在20世纪90年代中后期，它将单片微处理器嵌入传感器中，实现温度补偿、修正、校准，同时由A/D变换器将模拟信号转换为数字信号。
（3）第三代智能传感器随后出现。此时现场总线的概念对传感器的设计提出了新要求，要求实现全数字、开放式的双向通信，测量和控制信息的交换在底层上主要是通过现场总线来完成的，数据交换主要是通过内部网络来实现的。软件在传感器系统的设计上占主要地位，可以将传感器内部各敏感单元或外部的智能传感器单元联系在一起。
（4）进入21世纪，MEMS技术、低功耗的模拟和数字电路技术、低功耗的无线射频技术和传感器技术的发展，使得开发小体积、低成本、低功耗的微型传感器成为可能，此时第四代智能传感器应运而生。它高度集成了压力、温度、湿度等敏感元件，计算处理模块，无线电收发模块和电源模块。
目前发展最快的是MEMS传感器，它甚至被认为是替代传统传感器的唯一选择。它是将传统传感器的机械部件微型化后，通过三维堆叠技术把器件固定在硅晶元上，最后根据不同的应用场合采用特殊定制的封装形式，最终切割组装而成的硅基传感器。MEMS传感器具有几个特征：一是微型化，体积以毫米甚至微米计；二是采用硅基加工工艺，可以兼容集成电路（IC）生产工艺；三是MEMS传感器可以批量生产，8英寸晶元就可切割1000个MEMS芯片；四是单颗MEMS往往在封装机械传感器的同时还会集成专用集成电路（ASIC）芯片，可以对MEMS芯片进行控制，以及转换模拟量为数字量后进行输出。MEMS技术领域多学科交叉，涉及电子、机械、材料、制造、信息与自动控制、物理、化学和生物等多种学科，技术非常复杂。
从物联网的终端设备产品来看，智能设备已广泛应用于现代生活。物联网终端设备产业化的鼻祖，可能是1990年由施乐公司发售的网络可乐贩卖机（Networking Coke Machine）。这台贩卖机可以监测机器内的存货量、温度，并且能够联网。经过20多年的飞速发展，从2G到5G一路走来，物联网智能设备不断升级，市场需求也越来越多。大数据和5G时代的到来，进一步说明了智能设备未来发展的数据需求，面向大数据处理的智能设备将会不断地投入社会，智能设备将会掀起新的应用浪潮。
自20世纪以来，半导体科技的日臻成熟和信息技术革命的爆发，显著改变了人类的生产和生活方式，其中对人类影响最突出的莫过于互联网和手机。互联网和手机的高度普及大大提高了现代社会的运转效率，使互联的理念深入人心。网络通信产业的飞速发展揭开了万物互联或物联网时代的序幕，随着4G的进一步普及和5G网络的启动建设，移动宽带渗透率持续提升，万物互联的时代或将加速到来。
5G时代的网络通信除了通过增强移动宽带来满足面向人的通信需求，还增加了面向物联网的大规模机器类型通信（mMTC）和高可靠低时延通信（uRLLC）的需求。这三大需求给未来5G的发展带来巨大的挑战。例如，为满足用户体验速率提升百倍和数据流量提升千倍的需求，需要极大地提升无线接入网络的吞吐量、核心网的传输链路容量，通过新型多载波、大规模天线、新型多址接入、高阶编码调制、全双工等新技术，提升无线传输技术的频谱效率。通过密集的小区部署提升空间复用率、提高频谱效率和增加频谱带宽可提升无线接入系统容量。5G还需满足海量终端连接和各类业务的高可靠、低时延、低成本、低功耗等差异化需求，可以新建、更换、选择、组合各实体模块虚拟化形式来架构一个灵活、可扩展、可软件定义的开放系统并满足需求。包括无线通信在内的信息网络通信技术正与互联网深度融合，网络架构正趋向统一。5G将渗透到未来社会的各领域，拉近万物的距离，通过无缝融合的方式，便捷地实现人与万物的智能互联。
为了对物联网中感知终端采集的海量数据进行理解，我们需要对其进行预先处理。数据处理是对数据进行采集、存储、检索、加工、变换和传输，目的是将原始数据转换为有用的信息。其中，数据是数字、符号、字母和各种文字的集合。数据处理输出的是信息，并能以不同的形式呈现，如纯文本文件、图表、电子表格或图像。数据处理过程通常遵循一个由三个基本阶段组成的循环：输入、处理和输出。输入是数据处理的第一阶段，将收集到的数据转换成机器可以读的形式以便计算机处理。在处理阶段，计算机将原始数据转换成信息。转换是通过使用不同的数据操作技术来执行的。输出是将处理后的数据转换成人类可读的形式并作为有用信息呈现给最终用户的阶段。
随着信息技术的发展，特别是物联网技术的应用，人们将会不分时间和地点，方便地获得大量的信息，数据量将以指数形式快速增长。这些数据具有快速更新、数据维数更高、非结构化等特点。如何能有效地利用这些高维数据是人们面临的基本问题。
为了减轻系统处理海量数据的负荷，可以对数据进行分级处理和降维处理。分级处理可以有效地减轻系统的负荷。在很多情况下，可以先将数据的维数降到一个合理的大小，同时尽可能多地保留原始信息，再将降维处理后的数据送入信息处理系统。这样的做法是非常有用的。降维算法也是一些机器学习、数据挖掘方法的组成部分。降维处理可以有效地压缩数据量，是处理一些数据必须进行的步骤，并且已在大规模的图像处理算法中得到应用。
数据的分级处理可以分为3个层次。
（1）传感器网络的协同感知。多个同类或异类的传感器协同感知被测目标，获得立体、丰富的感知数据，通过局部区域的数据处理和融合，能够获得高精度、可靠的感知数据。
（2）传输过程中的数据处理。该层次的数据处理包括面向无线传输网络状态的感知数据的进一步聚合和融合处理，自适应传输链路状态的应用层编码和传输协议优化，以及数据的安全传输处理，使得海量数据能够高效、可靠和安全地传输。
（3）基于各类物联网应用的共性支撑、服务决策、协调控制等。物联网中的海量信息需要利用感知数据的时间和空间的关联特性，实现不同空间区域上的多粒度的分级存储和检索，提高资源利用率和信息获取效率。
伴随着物联网产业的完善和成熟，支持不同标准的设备、不同协议的接口，拥有多种服务的综合应用服务平台将是物联网产业的发展目标。物联网云平台首先从智能家居和智能硬件等消费电子领域起步，并逐步向工业和交通等领域渗透，已经成为构建物联网生态的核心载体。在各行业应用领域，集合智能硬件、云平台于一体的物联网标准生态架构正在加快形成并完善。
物联网的创新是集成创新，想要完成一个完备的物联网解决方案是无法通过某一个企业独立实现的，平台的搭建必然是诸多上下游企业共同合作的结果。因此，物联网云平台的搭建已经成为物联网产业生态构建的核心关键环节。掌握物联网平台，就掌握了物联网生态的主动权。物联网云平台加速了产业价值向软件和基于数据的服务转移。云平台可以汇聚海量终端设备的数据，利用大数据分析等技术挖掘潜在价值并丰富服务内容。云平台可以加速物联网解决方案的开发和部署，有利于打通不同行业的应用壁垒，推动大规模开环应用的发展。云平台还可以吸引设备供应商、网络运营商、系统集成商、应用开发商等产业链上下游企业形成互利共赢的生态圈，既可以满足用户多样化需求，也能够利用快速迭代的开发模式短时间响应行业用户的特定需求，实现向集成服务模式转变。
物联网云平台的大型服务提供商正面向产业应用不断丰富平台功能。以亚马逊、微软、IBM等为代表的IT厂商，充分利用自有的云平台和认知计算平台形成的各类工具和能力，面向芯片和传感器等硬件制造商提供开发套件，推出端到端物联网整体解决方案平台。而以GE、西门子等为代表的传统制造企业，则发挥各自在制造业领域的技术和资源优势，利用Predix、Mindsphere等云平台与云基础设施服务商、工业软件开发者等展开合作，向物联网和数据服务企业转型。
综上所述，在物联网系统中，云平台的地位和重要程度非常高，其安全性和可扩展性涉及物联网技术和标准是否能扎实落地的本质问题。2014—2015年，结合不计成本的大量市场投资，通过构建开发者社区、组织开发板试用活动、建立开发者扶持计划等方式，智能硬件开发者得到了有效培训，物联网云平台完成了初步的技术储备，虽尚不具备强大的数据分析和智能决策能力，但已经能够承载百万级连接数量的智能设备，以及支持小规模的垂直行业应用。2016—2017年，包括通用平台和垂直行业平台等在内的各种类型的物联网云平台如雨后春笋般出现，表现出野蛮生长的特征。此时，智能设备的连接数量达到了千万级，各种行业应用需求也逐步成熟，大大推动了物联网云平台在各行业的渗透应用，形成了良好的应用模式。2018—2021年，物联网云平台所连接的智能设备数量已经达到亿万级。物联网云平台之间的竞争从单纯的功能战逐渐升级为全面的生态大战。但目前的物联网云平台从数据分析和智能决策功能到市场开拓方面都还比较稚嫩，欠缺自身造血能力，不能做到盈亏平衡，更不用说实现盈利。虽然物联网云平台起步于消费电子领域，但公共事业、物流交通、智能零售等行业领域，同样迫切需要基于物联网云平台数据分析和智能决策的资产跟踪、预测性维护、智能无人经济等功能应用。