3.2 物联网技术

物联网是世界公认的继计算机、互联网与移动通信网之后的第三次信息革命。物联网是在互联网基础上进一步延伸和扩展的网络，其将各种信息传感设备与网络相连接，形成一个巨大的互联网络。它实现了人、机、物在任何时间、任何地点的互联互通、信息交换与智能服务。物联网作为新一代信息技术与制造业深度融合的产物，通过全面互联人、机、物，构建了一个全要素、全产业链、全价值链集成的新型生产制造和服务体系。它不仅是数字化转型的实现途径，更是实现新旧动能转换的关键力量。

我国也将物联网作为战略性新兴产业予以重点关注和推进。2009年，时任国务院总理温家宝视察无锡时提出在无锡建立“感知中国”中心。2010年，《政府工作报告》中将物联网的研发应用纳入重点振兴产业，提升为国家战略。2015年，《中国制造2025》提出，加快开展物联网技术研发和应用示范，培育智能监测、远程诊断管理、全产业链追溯等工业互联网新应用。2016年，《国家信息化发展战略纲要》指出，推进物联网设施建设，优化数据中心布局，加强大数据、云计算、宽带网络协同发展，增强应用基础设施服务能力。2020年，工业和信息化部办公厅印发《关于深入推进移动物联网全面发展的通知》，强调要准确把握全球移动物联网技术标准和产业格局的演进趋势，推动2G/3G物联网业务迁移转网，建立窄带物联网（Narrow Band-Internet of Things，NB-IoT）、4G（含LTE-Cat1，即速率类别1的4G网络）和5G协同发展的移动物联网综合生态体系。2021年，工业和信息化部、中央网络安全和信息化委员会办公室等8部门印发《物联网新型基础设施建设三年行动计划（2021—2023年）》，强调要推动技术融合创新，要求加强5G、大数据、人工智能、区块链等新技术与物联网融合发展，提升物联网终端感知能力、应用平台数据处理能力和智能化水平。

3.2.1 物联网的概念

比尔·盖茨于1995年在《未来之路》一书中提出了物联网的理念。受限于当时无线网络、硬件及传感设备的发展水平，尽管物联网的形态已经存在，但没有成为信息技术的主流，所以物联网的概念并未引起业界的重视。1999年，麻省理工学院的Kevin Ashton教授提出了以标识为特征的物联网概念，把RFID（Radio Frequency Identification）技术与传感器技术应用于日常物品中，形成一个物联网。这就是早期的“物联网”概念，即基于RFID的物联网，以RFID、电子产品编码等为代表，强调利用射频识别标签将物品接入网络，实现物品信息的数字化以及物品状态的跟踪。

中国科学院在1999年就启动了传感网的研究项目，建立了一些适用的传感网。同年，在美国召开的移动计算和网络国际会议提出，传感网是下一个世纪人类面临的又一个发展机遇。2003年，美国《技术评论》提出，传感网络技术将是未来改变人们生活的十大技术之首。这个阶段的物联网强调基于局域网络的物联，以无线传感网、单一行业应用等为代表，利用无线传感器、局域网络等实现物体与网络的连接，进行信息交换与共享。

随着技术的发展，物联网的内涵不断深化。2005年11月，在突尼斯举行的信息社会世界峰会上，国际电信联盟发布《ITU互联网报告2005：物联网》，正式提出了物联网的概念。报告将物联网定义为：通过射频识别技术设备、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议，把任何物品与互联网连接起来，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络。ITU的报告描绘了物联网广泛应用后的新模式，对于物联网概念的兴起起到了较大的推动作用。

狭义上，物联网指的是将物品连接到物品的网络，实现物品的智能化识别和管理。广义上，物联网可以看作信息空间和物理空间的融合，将所有事物数字化、网络化，实现高效的信息交互。它不仅将物品与物品、人与物品相连接，还将人与现实环境相连接，通过创新的服务模式将各种信息技术融入社会行为，达到信息化在人类社会综合应用的更高境界。

随着物联网的规模化和协同化发展，它的多元性、复杂性和综合性特征日益凸显。例如，联网设备的种类、数量和智能化水平迅猛增长；人们不仅关注物联，也开始关注物控；人们不仅需要单一物联网系统提供的应用服务，还需要跨区域和跨行业的应用服务能力，等等。在这个阶段，打破垂直应用的壁垒、建立支持万物互联的基础网络、形成跨区域和跨行业互动的网络基础设施成为发展的热点。

近年来，我国在物联网基础建设、产业应用、创新发展等方面都走在世界前列，物联网技术普遍应用于工业制造、农业生产和交通等领域。2024年11月3日，世界物联网大会在北京开幕。会上发布了《世界万物智联数字经济白皮书》。白皮书数据显示，中国在物联网基础设施建设和数字经济创新发展方面均处于全球领先地位。目前，我国代表“物”的移动物联网终端用户数已经超过代表“人”的移动电话用户数，成为全球主要经济体中率先实现“物超人”的国家。

3.2.2 物联网的基本特征

从通信对象和通信过程的角度来看，物联网的核心是物与物以及人与物之间的信息交互。物联网的基本特征可概括为全面感知、可靠传输和智能处理。全面感知指物联网通过多种类型的传感器、广泛的应用领域、实时数据采集、大规模的数据收集、数据多样性等方式，实现对环境和物体的全面感知和理解。可靠传输是指在物联网中，数据能够以可靠的方式从传感器和设备传输到目标位置，确保数据的完整性和可靠性。智能处理是指物联网能够进行智能化的数据处理和分析，以从海量数据中提取有价值的信息、洞察和知识。

1.全面感知

物联网的全面感知特征包括以下5项。

（1）多种类型的传感器：物联网中使用各种传感器来感知环境和物体，包括温度传感器、湿度传感器、光照传感器、气体传感器、运动传感器、压力传感器、声音传感器等。每种传感器都能感知特定类型的数据，从而提供对环境和物体的详细了解。

（2）广泛的应用领域：物联网的全面感知能力适用于各种应用领域，包括智能家居、智能城市、工业自动化、健康医疗、农业和环境监测等。不同领域的应用需要不同类型的传感器来感知特定的数据，以满足其特定需求。

（3）实时数据采集：物联网能够实时采集传感器所感知到的数据。这意味着数据可以几乎即时地传输到云端或边缘计算设备进行处理和分析。实时数据采集使得物联网能够实时监测环境和物体的状态，并及时做出反应。

（4）大规模的数据收集：物联网连接了大量设备和物体，产生了大量的数据。物联网的全面感知特征使得大规模的数据收集成为可能，从而为大数据分析和洞察提供了丰富的资源。

（5）数据多样性：物联网不仅能够感知环境中的物理参数，如温度、湿度等，还能感知其他类型的数据，如图像数据、声音数据等。数据多样性使得物联网能够提供更全面、多维度的环境感知和物体状态监测。

2.可靠传输

物联网的可靠传输特征包括以下5项。

（1）可靠性协议：物联网使用可靠性协议来确保数据的可靠传输。这些协议包括传输控制协议（Transmission Control Protocol，TCP）和用户数据报协议（User Datagram Protocol，UDP）。TCP提供了可靠的、面向连接的数据传输，通过确认机制、重传机制和流量控制等方式，确保数据的完整性和可靠性。UDP则提供了无连接的传输，适用于对实时性要求较高的应用场景。

（2）错误检测和纠正：物联网在数据传输过程中使用错误检测和纠正机制以保证数据的准确性。常见的错误检测和纠正机制包括循环冗余校验（Cyclic Redundancy Check，CRC）、前向纠错（Forward Error Correction，FEC）等。这些技术能够检测并纠正在数据传输过程中可能发生的错误，确保数据的完整性和准确性。

（3）容错和冗余：物联网通过使用容错和冗余机制来提高数据传输的可靠性。容错机制包括数据备份、故障转移和冗余路径等，以确保即使在部分设备或路径出现故障的情况下，数据仍能够成功传输。冗余机制则涉及使用多个传输路径或多个传感器来传输相同的数据，以增加传输的可靠性。

（4）QoS保证：物联网通过提供服务质量（Quality of Service，QoS）保证来确保数据传输的可靠性。QoS保证包括带宽管理、延迟控制、流量调度等技术，用于管理和保证不同应用或数据流的传输质量。通过为不同类型的数据流分配适当的资源和优先级，物联网能够满足对可靠传输有特定要求的应用。

（5）安全性保护：物联网的可靠传输特征还涉及数据传输过程中的安全性保护。物联网采用加密、身份验证、访问控制等安全措施，以确保数据在传输过程中的机密性、完整性和可用性。这些安全措施可以防止数据在传输过程中被篡改、窃取或遭受其他安全威胁。

3.智能处理

物联网的智能处理特征包括以下6项。

（1）数据聚合和整合：物联网对从多个传感器和设备收集到的分散数据进行聚合和整合。通过将不同传感器和设备的数据进行关联和整合，物联网能够提供更全面、多维度的数据视图，以便进行更深入的分析和洞察。

（2）实时数据分析：物联网能够对实时产生的数据进行快速分析和处理。通过使用实时数据分析技术，物联网可以实时检测和响应事件、异常或趋势变化，从而支持实时决策和操作。

（3）边缘计算：物联网利用边缘计算将数据处理和分析的能力推向边缘设备。边缘计算可以在接近数据源的位置进行实时处理，减少数据传输延迟和带宽消耗。通过在边缘设备上进行智能处理，物联网可以更快速、高效地响应数据，并减轻对云端资源的依赖。

（4）机器学习和人工智能：物联网运用机器学习和人工智能技术来自动发现模式、进行预测和决策。通过训练模型和算法，物联网可以自动分析数据，以识别异常、预测趋势、进行优化和决策支持。

（5）上下文感知和智能推理：物联网能够通过感知环境和物体的上下文信息，进行智能推理和决策。通过结合传感器数据和环境背景，物联网可以理解和推导出更高级别的信息，从而实现更智能的应用。

（6）自适应和优化：物联网通过持续学习和自适应机制，不断改进其智能处理能力。通过分析反馈数据和用户行为，物联网可以调整和优化自身的智能处理算法和模型，以适应不断变化的环境和需求。

3.2.3 物联网的体系架构

物联网体系架构中的基础架构采用DCM（Devices-Connect-Manage）架构，2011年由工业和信息化部电信研究院（现更名为“中国信息通信研究院”）提出。作为国际上第一个物联网总体性框架的参考标准，架构采用的是分层体系，将物联网分为感知层、网络层、应用层等3层，对应的层次特征分别是全面感知、可靠传输、智能处理。

感知层是物联网的最底层，负责数据的采集和感知。它包括各种传感器、执行器、智能设备和物理节点。这些设备能够感知和监测环境中的各种物理参数和状态，如温度、湿度、光照、位置等。感知层的设备通常具有低功耗、小型化和分布式部署的特点。感知层的主要功能是全面感知，即利用RFID、传感器、二维码等随时随地获取物体的信息。RFID技术、传感和控制技术、短距离无线通信技术是感知层涉及的主要技术，其中包括芯片研发、通信协议研究、RFID材料、智能节点供电等细分领域。

网络层负责连接感知层的设备，并提供数据传输和通信的基础设施。它包括各种网络技术和协议，如无线传感器网络（Wireless Sensor Network，WSN）、局域网（Local Area Network，LAN）、广域网（Wide Area Network，WAN）等。网络层提供可靠的数据传输、设备间的互联和通信能力，确保数据的安全和可靠传输。网络层的主要功能是实现感知数据和控制信息的双向传递，通过各种电信网络与互联网的融合，将物体的信息实时准确地传递出去。物联网通过各种接入设备与移动通信网和互联网相连，如手机付费系统由刷卡设备将内置于手机的RFID信息采集上传到互联网，网络层完成后台鉴权认证并从银行网络划账。网络层还具有信息存储查询、网络管理等功能。

应用层是物联网的最顶层，负责处理和管理物联网中的数据，并提供各种应用和服务。它包括数据分析、决策支持、应用开发和用户界面等。应用层是用户最直接接触到的层次，利用感知层和网络层提供的数据，进行数据处理、分析和应用开发，以支持各种物联网应用，如智能城市、智能家居、工业自动化等。云计算平台作为海量感知数据的存储、分析平台，既是网络层的重要组成部分，也是应用层众多应用的基础。物联网的应用可分为监控型（物流监控、污染监控）、查询型（智能检索、远程抄表）、控制型（智能交通、智能家居、路灯控制）、扫描型（手机钱包、ETC）等。应用层是物联网发展的目的，软件开发、智能控制技术将会为用户提供丰富多彩的物联网应用。

感知层是物联网发展和应用的基础，网络层是物联网发展和应用的可靠保证，没有感知层和网络层提供的基础，应用层也就成了无源之水，但未来的物联网发展将更加关注应用层。只有当未来物联网接入互联网并普及应用、数据量越来越大、应用需求日趋广泛且强烈之后，物联网才会迎来大发展，人类才能真正迈入智慧地球时代。

此外，物联网的体系架构还涉及以下横向和纵向的关键支持组件。

（1）数据管理与存储组件。数据管理与存储组件负责物联网中海量数据的存储、管理和查询，包括数据采集、存储、处理、查询和可视化等技术。这些组件确保物联网系统能够有效地存储和处理大规模的数据，并提供高效的数据访问和查询能力。

（2）安全与隐私组件。安全与隐私组件是物联网架构中非常重要的组件。由于物联网涉及大量的设备和数据交换，保护数据的安全性和隐私成为一项关键任务。安全与隐私组件提供身份认证、数据加密、访问控制、安全通信等功能，以确保物联网系统的安全性和隐私保护。

（3）设备管理与配置组件。设备管理与配置组件负责管理和配置物联网中的设备，包括设备的注册、发现、配置、监控和维护等功能。通过设备管理与配置组件，系统管理员可以对物联网中的设备进行集中管理，实现设备的远程监控和维护。

（4）服务与应用开发组件。服务与应用开发组件提供物联网系统中的各种服务和应用的开发和部署环境，包括开发工具、开发框架、API等。服务与应用开发组件使开发人员能够构建各种物联网应用和服务，满足不同的业务需求。

综上所述，物联网的体系架构由感知层、网络层和应用层构成，并涉及数据管理与存储组件、安全与隐私组件、设备管理与配置组件以及服务与应用开发组件等关键支持组件，如图3-1所示。这些组件共同协作，实现物联网的数据采集、传输、处理和应用，推动各种智能化应用的实现和发展。物联网体系架构的目标是实现设备之间的互联和数据的交互，以提供智能化的应用和服务。通过合理设计和组织不同层次和组件之间的关系，可以实现物联网系统的可靠性、安全性和可扩展性，为各个行业和领域带来更多的创新和价值。

3.2.4 物联网的关键技术

1.传感技术

传感技术是物联网的关键技术之一，它承担着感知和采集现实世界数据的重要任务。传感技术利用各种传感器和探测器来检测和测量环境参数，例如温度、湿度、光照、压力、位置等，并将这些参数转化为数字信号，为物联网提供进一步的处理和分析。常见的传感技术包括温度传感器、湿度传感器、光照传感器、压力传感器等。这些传感技术为物联网提供了大量的数据源，通过感知和采集环境数据，物联网可以实现实时监测、智能控制和数据分析，为各个领域带来更智能、高效的解决方案。

2.通信技术

通信技术负责连接和传输物联网中各种设备、传感器和系统之间的数据，并确保可靠、安全的通信，不同的通信技术在覆盖范围、功耗、带宽、可靠性和安全性方面有所差异。物联网中常用的通信技术包括无线传感网络、蜂窝网络、低功耗广域网络、Wi-Fi、蓝牙、近场通信（Near Field Communication，NFC）等。不同的通信技术共同构成了物联网的基础设施，通过合适的通信技术选择和部署，物联网设备能够相互连接、交换数据和实现智能化应用。

3.RFID技术

RFID（射频识别）技术是一种非接触式的自动识别技术，它通过射频信号自动识别目标对象并获取相关数据，识别过程无须人工干预，可工作于各种恶劣环境。RFID技术可识别高速运动物体并可同时识别多个标签，操作快捷方便。RFID技术基本上由三部分组成：标签（Tag）、读写器（Reader）和天线（Antenna）。RFID技术在物联网中的应用非常广泛。通过将RFID标签与物体关联，可以实现物体的唯一标识和追踪，从而实现物联网中的实时监测、库存管理、资产跟踪、物流追踪、智能支付等应用。RFID技术的优点包括：无须视线接触，高效快速地识别，可靠性高，以及适用于各种物体类型和环境。

4.数据处理与分析技术

由于物联网设备和传感器产生的数据规模庞大且多样化，有效地分析和处理这些数据成为实现物联网应用的关键环节。数据处理与分析技术涵盖了数据采集与存储、数据预处理、数据聚合与整合、数据分析与挖掘以及数据可视化等方面。这些技术的应用使得物联网能够从海量数据中提取有价值的信息，为实时决策和智能化应用提供支持。

5.安全与隐私保护技术

由于物联网涉及大量的设备和数据交换，安全与隐私保护技术对于保护用户和系统免受安全威胁至关重要。物联网的安全与隐私保护技术是确保物联网系统安全性和用户隐私的重要组成部分。这些技术主要包括设备安全、数据加密与身份认证、网络安全与通信加密以及安全监测与响应等方面。它们的应用能够有效保护物联网系统和设备的安全性，并确保用户的隐私和数据安全，为物联网的可信度和广泛应用提供了坚实的基础。

3.2.5 物联网在智慧供应链中的应用

物联网在智慧供应链中的应用包括实时跟踪与监控、库存管理与预测、智能预警与管理、资产管理与追踪、数据分析与优化等方面。这些应用能够提升供应链的可视性、智能化和效率，帮助企业更好地管理和优化供应链流程，提高物流运输的可靠性和品质，降低成本，增强供应链的竞争力和灵活性。

1.实时跟踪与监控

物联网在供应链中的实时跟踪与监控功能为供应链管理者提供了全面的数据支持，帮助他们实时了解供应链的运作情况。通过在货物和运输工具上安装传感器和标签，物联网可以实时获取货物的位置、温度、湿度等信息，并将这些数据传输到云平台进行分析和处理。这样的功能使得企业能够更好地掌握货物的位置和状态，提高物流运输的可靠性和安全性。

2.库存管理与预测

物联网的库存管理与预测功能使得企业能够更加高效地管理库存。通过在仓库、货架和产品上安装传感器和标签，物联网可以实时监测库存水平、货物的流动情况和过期日期等信息。当库存达到预设的阈值时，系统可以自动触发补货流程，避免库存缺货和过剩的情况。这种功能有助于降低库存成本、提高库存周转率，优化供应链的运作效率。

3.智能预警与管理

借助物联网的相关技术，智慧供应链的功能得以智能化和高效化。通过安装传感器，系统能够实时监测货物的温度、湿度以及运输过程中的振动和冲击等关键参数。一旦出现异常情况，例如温度过高、湿度异常或运输过程中的剧烈振动，系统会立即自动触发预警机制，并及时通知相关人员进行处理。这样可以及早发现潜在问题，避免货物损坏或质量问题，提高供应链的可靠性和品质。

4.资产管理与追踪

物联网的广泛应用使得企业资产管理变得更加高效和精确。通过在企业资产上安装传感器和标签，如RFID标签或GPS跟踪器，物联网能够实时获取资产的位置、状态和使用情况等关键信息，并将这些数据传输到云平台进行监控和管理。实时资产管理能够帮助企业降低资产丢失和损坏的风险。此外，通过物联网系统，企业可以准确了解资产的使用情况和可用性，避免闲置或过度使用导致资源的浪费，有助于优化资产配置和维护计划，提高资产管理的效率和成本效益。

5.数据分析与优化

物联网提供了大量的供应链数据，通过对这些数据进行分析和挖掘，可以获取有价值的洞察和优化供应链的策略。例如，通过分析货物流动数据、客户需求数据和市场趋势等，企业可以优化供应链的调配和配送策略，提高运输效率和减少成本。此外，物联网还可以与人工智能和机器学习相结合，实现供应链的预测性分析和优化。