物联网和大数据是如何应用的

随着移动云端、海量数据与无线技术快速演进，促使智能联网应用的快速发展，物联网(Internet of Things， IoT)的兴起，结合大数据(Big Data)的分析为产业带来了创新的变革与发展契机，可视为当代网络技术重要里程碑与未来潮流趋势。

物联网与大数据的兴起

物联网(又称智能联网)，系指物物相联的物联网，让物与物或物与人之间能够借此产生互动与联结，可提供“全面感知、可靠传递、智能处理”的整合服务。根据欧洲电信标准协会(European Telecommunications Standards InsTItute， ETSI)之定义，物联网可依照不同的工作内容划分为感知层、网络层及应用层。在感知层方面，主要是利用感测组件针对特定的场景进行数据收集或者是监控的动作来实现全面感知的目的;网络层主要目的则是确保数据的可靠传递，可透过各种网络通讯技术实现，将物联网终端装置上的数据传递至特定目标上;应用层则是以云端运算与储存技术为基础，进行大数据数据的分析与处理，以提供智慧化的服务。当不同类型的物联网装置数量迅速增加，将产生与累积庞大的数据数据，分析这些数据数据并且产生应用上的价值，就是大数据(Big Data)。一般可将大数据的特征归纳为4V(数量Volume、多样性Variety、速度Velocity以及真实性Veracity)。其中Volume表示数据数据量，例如未来物联网世界会连接上百亿台连网装置传感器每分每秒产生数据，会产生与累积庞大的数据，可能高达百万兆( Zettabytes， ZB)的等级(1 ZB等同于10的9次方个TB);Variety则是表示数据类型的多样化，包含文字、影像、音频/视频或是物联网装置的状态、地址等多种不同类型的数据。Velocity表示快速的数据流，由于联网装置的普及，物联网络数据的数据流动是持续不断且快速产生的，因此输出与反应数据的速度必须更加实时。此外，由于物联网的数据数据可能来自不同来源，数据的真实性Veracity也需要被检验，才能提升物联网数据的价值含量，进一步促进商业智能Business Intelligence应用的发展。

根据市调机构Gartner预测，至2017年底全球将有84亿个物联网装置使用，比起2016年成长31%，到2020年将达到204亿个;IDC也预测全球物联网的市场规模将以复合年增长率17.9%的比例成长，至2020年将达到2兆美元的市场规模;在数据数据部分，依据思科全球云端指标报告观察，由于物联网应用的快速发展，全球各地云端数据中心每年需处理从物联网装置传送的数据量将大幅提升，从2015年全年145 ZB的总资料量，到了2020年，将累积达到600 ZB。由此可知，物联网市场的发展与大数据具高度关连性，面对物联装置倍增所牵引的复杂系统与庞大数据量，将促使更多大数据数据储存，统计与分析的技术实现，引领产业的发展变革，成为未来信息科技发展的关键。

物联网与大数据的应用

技术

物联网大数据的技术架构需物联网技术与大数据分析技术密切整合，前者将具备物联网标识的传感器所搜集信息，利用无线通信网络技术寻找最佳路径传递至大数据的数据分析平台;后者则从物联网搜集到的大量数据之中找出潜在商业价值与可行之创新应用模式。

在物联网技术方面，主要聚焦低功耗长距离通讯技术、频谱资源以及装置识别等议题。目前有多个主流的物联网通讯技术(例如NB-IoT、LoRa以及SIGFOX等)各自发展，且有数个物联网标准联盟相互竞争，包括OIC(Open Internet ConsorTIum)、IPSO、Allseen、OneM2M及电信领域之3GPP等，技术标准百家争鸣，使用的频谱资源可区分为免执照、专用电信以及电信业者频谱三类。在物联网装置识别技术方面，依据欧盟IERC的定义，针对识别目标、应用场景与技术特点的不同，物联网标识可分成对象标识、通信标识和应用标识。对象标识主要用于识别物联网中被感知的物理或逻辑对象，比如EPC(Electronic Product Code)、UUID(Universally Unique Identifier )、MAC、URI(Uniform Resource IdenTIfier)、URL(Uniform Resource Locator) 、Ecode、OID(Object IdenTIfier)以及CID(Communication Identifier)等。通信标识用于识别物联网中具备通信能力的网络节点，比如IPv4、IPv6以及E.164等，而应用标识则是用于对物联网中的业务应用进行识别，比如URI与URL。这些不同标识的物联网装置，所产生的数据数据不仅庞大，类别亦相当多元，可归纳如下：

1、状态数据：物联网感测组件的信息。例如温度、湿度、压力、雨量、RFID感测，甚至是手机当中的GPS定位信息，除了数据本身的信息外，也能用来进行更复杂的分析应用。

2、互动数据：人与物之间的互动或链结。例如Twitter 推文、微博、Facebook 互动、网页广告点击或是使用者产生的内容等，包含可供参考行为或是用户网络互动的信息，可以用来分析用户装置偏好属性的特征。

3、交易数据：高度结构化数据数据。例如转账明细、付款记录、交易明细等，可以用来反映与剖析历史的信息，作为预测分析的基础。

物联网应用的浪潮将带动装置与数据量迅速增长，如何处理这些庞大数据数据的技术、分析工具及程序等，关键技术领域包含以下几点：

1、海量数据储存管理：储存容量的扩充与储存技术的突破以及分析大量数据的技术，例如NoSQL 数据库应用与Hadoop云端运算技术 。

2、实时信息传递：物联网装置有不同的标识特性，这些标识接口与网络平台的沟通与连结，有些需要及时响应，例如5G物联网络的端到端延迟要求为1ms;而有些则需要确保信息不遗漏，例如消息队列(Message Queue)的信息交换技术。

3、机器学习分析：机器学习(Machine Learning)是大数据分析的一种方法，关键在于如何反应问题真实模型的状态，一般是透过提供大量的训练数据，让机器从中找出规律、学习如何将数据分群或分类。常见的技术如人工神经网络(Artificial Neural Network， ANN)、判定树学习( Decision-tree Learning )、支持向量机(Support Vector Machine， SVM )、最近邻居法(k-Nearest Neighbor， KNN)以及案例推论(Case-Based Reasoning )等。

4、物联网大数据发展平台：简化的平台组件，完整的物联网专用开发工具及功能以及进阶的连网装置管理工具，能与大数据数据分析技术整合发展，例如ThingWorx、COSM、Scinan以及Arrayent等。

物联网大数据的价值与应用

物联网结合大数据的应用领域非常广泛，例如环境侦测、医疗保健、交通运输、商业零售以及工业控制等均属涵盖之范畴。兹摘要说明如下：

（编辑：PHP编程网 - 黄冈站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!