技术探索之物联网：基础篇——物联网的内涵和应用
物联网的起源与特征
1999 年，美国麻省理工学院 Auto-ID 实验室（MIT Auto-ID Labs）首先提出物联网概念，指出物联网是建立在 RFID 等信息传感设备与互联网的基础上，得以实现智能化识别和可管理的网络。 2005 年，在国际电信联盟（ITU）发布的物联网报告中对其定义进行了扩展，指出信息与通信技术已经发展到连接任何物品的阶段，万物互联形成物联网。虽然国际上物联网暂无统一标准定义，业内对于物联网的通用定义是基于物品与互联网的连接，通过包括射频识别（RFID）、红外感应器、全球定位系统（GPS）、激光扫描器、环境传感器等在内的信息传感设备，按照约定的协议进行通讯，从而实现智能化识别、定位、跟踪、管理等功能的网络。
物联网具备“全面感知”、 “可靠传递”及“智能处理”三大特征，也就是通过传感设备获取物体信息，再通过通信网络和互联网的结合，实时准确的将信息传递出去，利用云计算等智能技术对海量的信息和数据进行处理从而实现对物体的智能化控制。
物联网的架构
根据数据流向和处理方式可将物联网分为传感层、网络层以及应用层三个层次。
传感层：传感层的功能是感知、识别物体或环境状态并且实时采集、捕获信息，它由包括二维码标签、识读器、 RFID 标签、读写器、摄像头、 GPS、传感器、计量器等器件以及 M2M终端、传感器网络和传感网关等构成，通过传感器获取信息，并通过接收网关获得控制命令。物联网在传感层所面临的挑战是如何使传感器更敏感、拥有更全面的感知能力并且具备低功耗、体积小及低成本的属性。
网络层： 通过无线或有线的通信方式接入网络， 如互联网、 电信网等通信网络， 实现信息在传感层与应用层之间的传递。 网络层要具备网络运营和信息运营的能力，网络层中也包括对海量信息进行智能处理的部分，如云计算平台、物联网管理中心等。网络层所面临的挑战是大规模 M2M 连接对系统容量及 Qos 带来的特别要求。
应用层： 应用层的功能是实现物联网信息技术与终端行业专业技术的深度接触，完成物体信息的协同、共享、分析、决策等功能，从而形成智能化应用的解决方案，。它由包括电脑、手机等终端组成的输入输出控制终端组成。应用层所面临的挑战是信息共享及信息安全问题。 
物联网关键基础性技术： LPWAN、传感器、云计算、大数据
万物互联的基础在于数据的传输，而根据传输速率的不同，物联网业务可分为高速率、中速率及低速率业务。其中，高速率业务主要使用 3G、 4G 及 WiFi 技术，主要应用于监控摄像、数字医疗、车载导航和娱乐系统等对实时性要求较高的业务；中速率业务主要使用 2G(GPRS)技术等，主要应用于 POS、智慧家居、储物柜等高频使用但对实时性要求低的场景；低速率业务，即 LPWAN(低功耗广域网)市场主要使用 NB-IoT、 LoRa、短距无线技术等，主要应用于传感器、计量表、智慧停车、物流运输、智慧建筑等使用频次低但总数可观的应用场景。
与传统蜂窝通信的需求不同，目前占物联网市场 60%以上的是带宽低于 100kb/s 的低速率、低功耗、广域应用，这类应用需要物联网具有支持海量连接数、低终端成本、低终端功耗和超强覆盖能力等能力。传统的接入手段，如 Wi-Fi、 ZigBee、蓝牙等的传输距离太短，要通过用户手机、中继网关或 AP 点将数据送至基站，会导致数据准确率低、 功耗较高的问题。而 2G/3G/4G 网络虽然可用于低数据量的传感器数据的传输，但成本和功耗都比较高。为了 推动物联网向低成本低功耗领域发展，新型窄带物联网技术的研发在近几年被逐渐提上日程。
1、LPWAN：低功耗广域网成就物联网泛在互联
目前 LPWAN 技术可被分为授权频段的广域网技术及非授权频段的广域网技术两类，不同的LPWAN 技术在接入网络、部署方式、技术特点、功耗性能及服务模式上都有所差异。 授权频段的广域网技术包括核心标准协议被 3GPP 通过的 NB-IOT 以及由 LTE 技术演进而来的eMTC；非授权频段广域网技术包括 Sigfox、 LoRa、 PRMA 等。
全球电信运营商为了推进物联网发展， 一方面在现有移动通信网的基础上不断优化网络能力，另一方面不断研究和加速部署新兴网络。遍布中国、韩国、欧洲、中东、及北美的多家运营商加速部署 NB-IOT，并早已全面展开试点工作，开启端到端的技术和业务验证， 2017 年有望迎来全球运营商 NB-IOT 的大规模部署。而来自美国的 Comcast、韩国的 SK telecom、印度的塔塔通信则通过 LoRa 技术快速建网，抢占物联网市场。部分行业企业也通过自建专网方式提供物联网服务， 对于公用事业行业用户而言， 使用 LoRa、 Sigfox 等技术建网可实现部署简单、组网灵活、服务成本低等优势。如德国电力、燃气供应商 E.ON 计划在德国数个城市组建 LoRa 网络，电力商 ENGIE 和物联网运营商 UnaBiz 也在 2016 年 7 月宣布了在新加坡组建基于 Sigfox 技术的网络部署计划。
2、ZigBee:广受欢迎的短距低速无线通信技术
相比于广覆盖、长距离的 NB-IOT、 Sigfox、 LoRa 技术， 全球流行的短距离无线通信技术有Wi-Fi、 ZigBee、 蓝牙以及红外技术。 Wi-Fi、蓝牙、 ZigBee 等工作在非授权、开源的 2.4GHz频段。
ZigBee 和蓝牙、 WiFi 相比较更专注于低传输应用， 在 2.4GHz 频段上的传输速率最高可达 50kbit/s；节点设备体积小，采用电池供电，在低耗电待机模式下，两节 5 号电池可以使用6 个月至 2 年。 基于该技术的低传输速率，其协议较为简单，大大降低了成本，且网络容量大，最多可支持 255 个设备。 ZigBee 技术的时延在 15 毫秒到 30 毫秒之间。
一般的蓝牙技术通常是为短距离耳机、音箱等与手机联网所用，一般一个主设备可以有效地处理不超过 7 个设备，设备需要人手配臵。随着联接设备的增多，通信速率会有明显下降，且该技术只能在不充电的情况下工作数周。Wi-Fi 技术虽然有效的将电脑等终端设备接入有线网络，但也面临类似问题，且功耗过高。因此， ZigBee 以成本低、功耗小、数据安全、延时短等特点，成为短距离物联网的重要技术之一，在工业、家庭自动化、农业自动化和医疗护理等领域得到广泛应用。 升级后的 ZigBee3.0 打通了不同厂家的产品，实现了内部的互通。同时， ZigBee 联盟通过开放的姿态探索内外互通，有望在现有的成熟产业的基础上打造技术开放的物联网短距离连接模式，成为万物互联的重要主导者之一。
3、传感器:传感器的性能决定物联网的性能，传感器的发展制约物联网的发展
传感器技术是物联网系统中实现物体识别和信息采集的重要技术，目前全球各类传感器超过2.2 万种，我国已有科研、技术和产品近 1 万种，但我国高端传感器仍严重依赖进口，主流传感器技术仍较薄弱。随着物联网时代对智能设备需求的不断上升，全球传感器需求有望从目前的百亿级别增量到 2025 年的万亿级别，且亚太地区有望成为最具增长潜力的传感器应用市场。
传感器由敏感元件和转换元件组成，按照被测物理量、工作原理、能量转换方式、工作机理、信号输出形式等不同形式分类与应用。
应用在物联网的传感器通常具备专门的信息接收器、发送器和数据传输通路，信息存储功能及数据处理能力并且遵循物联网通信协议及拥有唯一的可识别编号，例如射频识别系统和红外感应器等。 为了满足物联网大规模、低成本、无人值守、电池供电等应用环境要求，新型传感器正向数字式、智能化、微型化发展， 并具有低成本、低功耗、抗干扰及高灵活性等特点。 其中， 智能传感器于 20 世纪 90 年代问世，是带有微处理器，具有信息处理功能的传感器，其处理功能主要包括自动采集、自动检测、自动修正功能以及根据输入信息进行判断和决策等功能。智能传感器具备双向通信功能，能输出测量的数据且适配各种微控制器（MCU），其主要通过软件来实现测试功能及做出多种决定，智能化程度主要依赖软件开发水平。 同传统传感器相比，智能传感器具有精度高、 可靠性高、稳定性高、高信噪比、高分辨率、高性价比及强适应能力等特点。
MEMS（Micro-Electro Mechanical Systems）微机电系统是自然与工程科学多学科交叉的前沿技术，完整的 MEMS 微机电系统主要由微传感器、微执行器、信号处理、控制电路、通信接口和电源等部分组成，其技术目的是通过系统的微型化、集成化来探索具有新功能的元件和系统。 MEMS 传感器是采用微电子和微机械加工技术制造的新型传感器， 该传感器能将信息的获取、处理和执行集成于一体， 形成具备多功能的微型系统， 进而大幅提高系统的自动化和智能化程度，且有效的降低成本，适合规模化生产。 基于其体积小、重量轻、成本低、高可靠性、易于集成等特点， MEMS 传感器逐渐取代传统机械传感器， 有望成为在物联网时代传感器生产的主要技术。
MEMS 传感器种类繁多，应用在不同领域的 MEMS 传感器其结构也各不相同，按照其工作原理分类，可大致分为物理型、化学型和生物型三类。 从 MEMS 传感器的历史专利数据来看，其技术发展主要以市场需求为导向， MEMS 技术虽然始于 20 世纪 60 年代但 2000 年以后汽车工业对压力传感器、加速度计、热传感器的大量需求才正式掀起了 MEMS 传感器的成长浪潮。 2007-2010 年间， MEMS 传感器下游应用领域不断扩宽，从汽车工业、航空航天逐渐走向医疗电子、化工机械等领域，进入了多元化的发展阶段。 2011 年以后，受益于消费电子领域对传感器需求的激增， MEMS 传感器专利数量快速增长， 研发地区主要集中在亚洲， 并逐渐从日本、韩国转移至中国。根据中国工信部统计， 2015 年全球传感器市场规模为 1587 亿美元，同比增长 26%。 根据 Yole development 预测， 2013-2016 年全球球 MEMS市场规模复合增长率将达到 11%，市场规模超过 150 亿美元，且 MEMS 器件价格每年同比下降 7%。 根据中国信通院《物联网白皮书（2016）》中披露的数据来看， 2015 年我国传感器、 MEMS 传感器市场规模分别达到 1100 亿元和 278 亿元， 预计到 2020 年我国传感器及MEMS 传感器市场将分别达到 2115 亿元和 609 亿元。 从下游应用市场来看，消费电子依旧是 MEMS 传感器最大的应用领域，消费电子、医疗及汽车电子合计占据下游应用市场份额的 85%左右。
4、RFID： 物联网传感层的主要技术之一
RFID（Radio Frequency Identification）射频识别技术，又称“电子标签”，是 20 世纪 90年代开始兴起的一种非接触式自动识别技术， 在无人进行干预的情况下，它可以通过射频信号自动识别目标对象并获取相关的数据。 RFID 技术工作环境弹性较大，除可在极端环境下进行工作外，亦可识别高速运动物体和同一时间识别多个标签。
RFID 主要由标签、阅读器/读写器、天线三个部分组成。 标签的主要功能是附着在物体上用以标识目标对象，由耦合元件及芯片组成，具有唯一的电子编码；阅读器/读写器的主要功能是读取(或写入） 标签信息，分为手持式和固定式；天线的功能则是在标签和阅读器之间传递射频信号。 RFID 的基本工作流程是阅读器通过发射天线发送一定频率的射频信号，标签进入电磁场后产生感应电流，标签获得能量被激活，发送出存储在芯片中的产品信息，接受天线收到从标签中发送来的载波信号，在经过天线调节器传送回阅读器，阅读器对信号进行解调和解码后送到后台主系统进行处理，这种标签被称为无源标签或被动标签（Passive Tag）。有源标签或主动标签（Active Tag）主动发送某一频率的信号，阅读器读取并解码信号后， 发送至主系统进行有关数据处理。 主动标签自身装有电池供电，与被动标签相比成本更高，读写距离较远且体积较大。
根据 RFID 产品频率的不同，其应用场景也不同。 按照不同频率分类， RFID 可分为低频（125KHz-134KHz）、高频（13.56MHz）、超高频（860M-960MHz）、和微波（2.45GHz、5.8GHz）产品。 低频 RFID 产品主要用于动物管理及出入控制等领域；高频产品可应用于证照防伪和电子支付领域等；超高频产品主要用在物品追踪管理、仓储物流等领域；微波产品可用在车辆、集装箱的远距离识别等场景。 目前， RFID 的应用主要集中在物流、物品跟踪、身份识别以及智能医疗设备等领域。
5、云计算： 物联网的神经中枢
云计算的概念最早由 Google 提出。 狭义来讲， 云计算是 IT 基础设施的交付和使用模式， 广义的云计算是指服务的交付和使用模式。 云计算以互联网为平台，为用户提供方便快捷的网络计算和存储服务。 在数据信息存储方面， 云计算系统由大量服务器组成，具有先进的存储技术和较高的传输速度。 由于云计算结合了虚拟化技术、分布式海量数据存储技术、数据管理技术、编程方式及平台管理技术五大关键技术， 使得云计算对数据的计算能力大大加强，且能够搭建成本较低的、高效的运算连接点， 使信息调度更为方便灵活，能实现对海量数据 的管理，所以云计算当之无愧是万物互联时代的基石。
目前，云计算的服务模式主要有基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）三种形式。 IaaS 是最底层硬件资源服务，通过硬件虚拟化技术及数据中心管理技术，在硬件资源上布局企业环境，进而减少硬件成本投入； 在 IaaS 上面一层是 PaaS， 企业可在虚拟系统平台上搭建数据环境或部署代码，进而减少操作系统的投入；最上层为 SaaS，企业及个人可以直接使用云计算运营商已有的互联网应用程序服务，进而节约开发和维护成本。
目前， 物联网的发展逐渐呈现平台化、云化及开源化的特征，与移动互联网、云计算、大数据深度结合，是 ICT 生态中的重要组成部分。 随着物联网的普及，硬件在物联网价值链中的占比逐渐缩小，厂商逐渐意识到需要通过应用软件和服务来创造收益，致使云计算和大数据的价值日益提升。 从我国物联网厂商的背景不难看出“云” +“端”结合的重要性，例如阿里巴巴早前推出 yunOS 系统， 华为基于其传统的网络接入优势，大力部署 NB-IOT 并积极推出“1+2+1”物联网策略，以“平台+连接+LiteOS 系统”的组合形式突破物联网市场。
6、大数据： 海量数据带动物联网价值提升
不同于来自虚拟互联网世界的大数据，物联网大数据源于大量感知终端， 如传感器， M2M 终端、智能水表、智慧医疗设备等。 物联网数据量将随着物联网技术的普及而快速增加，最终发展到互联网数据的数百倍不止。
从大数据具有的 4V 特点来看，物联网时代的大数据数据量（Volume）更大，这源于物联网终端节点的海量性，同时由于节点多数是全时工作状态，数据产生的频率要远高于互联网。物联网时代的数据速率（Velocity）更高， 海量的节点数据必然致使骨干网聚集更多数据，因此对传输速率有一定的要求，且多数物联网环境需实时访问、管理控制节点，高传输速率有助于确保相应场景的实时性工作。 物联网时代的数据多样性（Variety） 更突出， 由于物联网应用场景广泛，如智能安防、智慧医疗等，各领域产生的数据不尽相同，进而数据格式更加多样化。 物联网时代的数据真实性（Veracity）要求更高， 对基于物理世界的真实数据进行处理，才能实现影响物理世界的有效决策。 物联网最核心的商业价值就是将这些海量的数据进行智能化的分析、处理，从而生成基于不同商业模式的各类应用。 以智能安防为例，大量感知终端采集上来的海量信息包括监控视频、跟踪定位等，如果能对这些大数据进行充分的分析、串并侦查等，便能及时进行智能预警，进而提高城市安防水平，保障公共安全。
物联网时代对大数据的 4V 特征提出了更复杂的要求，大数据的处理面临统一管理平台、技术支持和安全保护三大挑战。 物联网的统一管理平台需要实现跨领域海量终端节点的数据管理；物联网的数据处理技术需要支持实时、动态、海量、碎片化的大数据的采集，并且对海量信息进行存储、筛选、挖掘和处理，在数据分析能力上物联网数据技术需要较互联网数据处理技术有一个质的突破。由于物联网数据源于物理世界，常伴有位臵、环境、行为等敏感信息，如何权衡信息安全保护与数据商业价值，亦是当下物联网服务商所面临的主要挑战之一。 国际 IT 巨头如 IBM、微软等纷纷并购数据管理公司， 攻克大数据分析难题的同时挖掘大数据潜在价值，对物联网应用的规模化发展起到了积极作用。
来源：中国信通院、安信证券等
