IOT是什么？有哪些用途和技术？

介绍

物联网（Internet of Things，简称IOT）是指通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术，实时采集任何需要监控、 连接、互动的物体或过程，采集其声、光、热、电、力学、化学、生物、位置等各种需要的信息，通过各类可能的网络接入，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理。物联网是一个基于互联网、传统电信网等的信息承载体，它让所有能够被独立寻址的普通物理对象形成互联互通的网络。

市场

2021年7月13日，中国互联网协会发布了《中国互联网发展报告（2021）》，物联网市场规模达1.7万亿元，人工智能市场规模达3031亿元。

定义

物联网（ IoT ，Internet of things ）即“万物相连的互联网”，是互联网基础上的延伸和扩展的网络，将各种信息传感设备与网络结合起来而形成的一个巨大网络，实现在任何时间、任何地点，人、机、物的互联互通   。

物联网是新一代信息技术的重要组成部分，IT行业又叫：泛互联，意指物物相连，万物万联。由此，“物联网就是物物相连的互联网”。这有两层意思：第一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络；第二，其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通信。因此，物联网的定义是通过射频识别、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相连接，进行信息交换和通信，以实现对物品的智能化识别、定位、跟踪、监控和管理的一种网络   。

应用

1 智能家居
智能家居在过去的两年取得了十足的进步。专家们相信，亚马逊的智能设备Echos在2016年假期的销售额已经比前一年高出了9倍多。可以预计，智能家居技术将在2018年有以后变得更加重要。根据Smart Home Technology Survey(智能家居技术调查)，70%已经购买了智能家居设备的消费者再次购买的可能性极大。

2 可穿戴技术
2015年，可穿戴设备的销售量就达到了7810万件;到2020年，市场预期将会增长到4.11亿件。包含智能手表、健身跟踪器、VR设备等所有可穿戴技术产生了大量的数据，企业也才刚刚开始了解到其中蕴含的可能性和潜在的应用价值。

3 智能汽车
据估计，到2021年，82%的汽车会被连接到互联网上。物联网的出现改变了汽车行业，并产生了应用集成、导航、诊断工具、车内娱乐甚至自动驾驶汽车。与此同时，汽车行业正在经历的巨额投资将会决定物联网下一步的创新内容。

 4 智能制造
在制造业，围绕工业4.0、工业互联网和智能制造在全球掀起了制造业转型升级，特别工业机器人的部署，则成为众多大型制造业方向，利用机器取代危险、简单和重复的工作，且已经广泛引用在全球各大生产基地。

5 智慧城市
物联网技术开创了一个智慧城市的新时代，从从智能摄像头到部署各种传感器，以此对城市各种数据进行收集，并经云端AI技术处理后，有助于提高对交通和街道等城市公共管理能力。全球越来越多的城市都在积极拥抱物联网，以此提升城市精细化管理能力。主要特点包括：“智慧市民，智慧交通，智慧经济，智慧环境，智慧生活，智慧政府”，以数字城市为基础，以“GIS+传感器+ICT+wifi”为骨干，5G、AI、AV与政府、企业和群众的关联无时无处不在。

6 智能航运
智能航运是传统航运要素与现代信息、通信、传感和人工智能等高新技术深度融合形成的现代航运新业态，包括智能船舶、智能港口、智能航保、智能航运服务和智能航运监管五方面基本要素。 

7公共安全

近年来全球气候异常情况频发，灾害的突发性和危害性进一步加大，互联网可以实时监测环境的不安全性情况，提前预防、实时预警、及时采取应对措施，降低灾害对人类生命财产的威胁。 美国布法罗大学早在 2013 年就提出研究深海互联网项目，通过特殊处理的感应装置置于深海处，分析水下相关情况，海洋污染的防治、海底资源的探测、甚至对海啸也可以提供更加可靠的预警。该项目在当地湖水中进行试验，获得成功，为进一步扩大使用范围提供了基础。利用物联网技术可以智能感知大气、土壤、森林、水资源等方面各指标数据，对于改善人类生活环境发挥巨大作用   。

8 智能交通

物联网技术在道路交通方面的应用比较成熟。随着社会车辆越来越普及，交通拥堵甚至瘫痪已成为城市的一大问题。对道路交通状况实时监控并将信息及时传递给驾驶人，让驾驶人及时作出出行调整，有效缓解了交通压力；高速路口设置道路自动收费系统(简称ETC)，免去进出口取卡、还卡的时间，提升车辆的通行效率;公交车上安装定位系统，能及时了解公交车行驶路线及到站时间，乘客可以根据搭乘路线确定出行，免去不必要的时间浪费。 社会车辆增多，除了会带来交通压力外，停车难也日益成为一个突出问题，不少城市推出了智慧路边停车管理系统，该系统基于云计算平台，结合物联网技术与移动支付技术，共享车位资源，提高车位利用率和用户的方便程度。该系统可以兼容手机模式和射频识别模式，通过手机端APP软件可以实现及时了解车位信息、车位位置，提前做好预定并实现交费等等操作，很大程度上解决了“停车难、难停车”的问题  。

等等。

关键技术

1 射频识别技术

谈到物联网，就不得不提到物联网发展中备受关注的射频识别技术（Radio Frequency Identification，简称RFID）。RFID是一种简单的无线系统，由一个询问器（或阅读器）和很多应答器（或标签）组成。标签由耦合元件及芯片组成，每个标签具有扩展词条唯一的电子编码，附着在物体上标识目标对象，它通过天线将射频信息传递给阅读器，阅读器就是读取信息的设备。RFID技术让物品能够“开口说话”。这就赋予了物联网一个特性即可跟踪性。就是说人们可以随时掌握物品的准确位置及其周边环境。据Sanford C. Bernstein公司的零售业分析师估计，关于物联网RFID带来的这一特性，可使沃尔玛每年节省83.5亿美元，其中大部分是因为不需要人工查看进货的条码而节省的劳动力成本。RFID帮助零售业解决了商品断货和损耗（因盗窃和供应链被搅乱而损失的产品）两大难题，而现在单是盗窃一项，沃尔玛一年的损失就达近20亿美元  。

2 传感网

MEMS是微机电系统（ Micro - Electro - Mechanical Systems）的英文缩写。它是由微传感器、微执行器、信号处理和控制电路、通讯接口和电源等部件组成的一体化的微型器件系统。其目标是把信息的获取、处理和执行集成在一起，组成具有多功能的微型系统，集成于大尺寸系统中，从而大幅度地提高系统的自动化、智能化和可靠性水平。它是比较通用的传感器。因为MEMS，赋予了普通物体新的生命，它们有了属于自己的数据传输通路、有了存储功能、操作系统和专门的应用程序，从而形成一个庞大的传感网。这让物联网能够通过物品来实现对人的监控与保护。 遇到酒后驾车的情况，如果在汽车和汽车点火钥匙上都植入微型感应器，那么当喝了酒的司机掏出汽车钥匙时，钥匙能透过气味感应器察觉到一股酒气，就通过无线信号立即通知汽车 “暂停发动”，汽车便会处于休息状态。同时“命令”司机的手 机给他的亲朋好友发短信，告知司机所在位置，提醒亲友尽快来处理。不仅如此，未来衣服可以“告诉”洗衣机放多少水和洗衣粉最经济；文件夹会“检查”我们忘带了什么重要文件；食品蔬菜的标签会向顾客的手机介绍“自己”是否真正“绿色安全”。这就是物联网世界中被“物”化的结果  。

3 M2M系统框架

M2M是Machine-to-Machine/Man的简称，是一种以机器终端智能交互为核心的、网络化的应用与服务。它将使对象实现智能化的控制。M2M技术涉及5个重要的技术部分：机器、M2M硬件、通信网络、中间件、应用。基于云计算平台和智能网络，可以依据传感器网络获取的数据进行决策，改变对象的行为进行控制和反馈。拿智能停车场来说，当该车辆驶入或离开天线通信区时，天线以微波通讯的方式与电子识别卡进行双向数据交换，从电子车卡上读取车辆的相关信息，在司机卡上读取司机的相关信息，自动识别电子车卡和司机卡，并判断车卡是否有效和司机卡的合法性，核对车道控制电脑显示与该电子车卡和司机卡一一对应的车牌号码及驾驶员等资料信息；车道控制电脑自动将通过时间、车辆和驾驶员的有关信息存入数据库中，车道控制电脑根据读到的数据判断是正常卡、未授权卡、无卡还是非法卡，据此做出相应的回应和提示。另外，家中老人戴上嵌入智能传感器的手表，在外地的子女可以随时通过手机查询父母的血压、心跳是否稳定；智能化的住宅在主人上班时，传感器自动关闭水电气和门窗，定时向主人的手机发送消息，汇报安全情况  。

4 云计算

云计算旨在通过网络把多个成本相对较低的计算实体整 合成一个具有强大计算能力的完美系统，并借助先进的商业 模式让终端用户可以得到这些强大计算能力的服务。如果将 计算能力比作发电能力，那么从古老的单机发电模式转向现 代电厂集中供电的模式，就好比现在大家习惯的单机计算模 式转向云计算模式，而“云”就好比发电厂，具有单机所不 能比拟的强大计算能力。这意味着计算能力也可以作为一种商品进行流通，就像煤气、水、电一样，取用方便、费用低廉，以至于用户无需自己配备。与电力是通过电网传输不同，计算能力是通过各种有线、无线网络传输的。因此，云计算的一个核心理念就是通过不断提高“云”的处理能力，不断减少用户终端的处理负担，最终使其简化成一个单纯的输入输出设备，并能按需享受“云”强大的计算处理能力。物联网感知层获取大量数据信息，在经过网络层传输以后，放到一个标准平台上，再利用高性能的云计算对其进行处理，赋予这些数据智能，才能最终转换成对终端用户有用的信息   。

涉及领域

• 硬件

• 网络

• 应用程序设计

• 应用程序开发

• 安全性

• 商业智能和数据分析

• 机器学习和人工智能(AI)

1. 硬件

IoT 的核心是数十亿个互连的“事物”或设备，它们与用来感知和控制物理设备的传感器和执行器相连。为这些设备开发硬件需要电气工程方面的技能，而物理设计则需要工业设计和 CAD 技能。

除了需要网络连接来传输收集的数据之外，这些设备通常还需要具备一些基本的处理和存储能力，这些能力由微控制器或单芯片系统 (SoC) 集成电路提供。IoT 设备是嵌入式设备，因此每个设备的电路设计必须考虑到操作局限性，

比如：

• 环境条件

• 与设备相连的传感器和执行器的类型和数量

• 要收集和传输的数据量

• 设备的大小、功率和范围

• 单位成本

• 其他

IoT 设备可利用商用的微控制器平台（比如 Arduino）或单板计算机（比如 Raspberry Pi）来设计原型，然后在后续阶段开发定制的印刷电路板 (PCBs)。使用这些平台设计原型需要掌握电路设计和微控制器编程技能，还需要熟悉硬件通信协议，比如常用来在微控制器与相连的传感器和执行器之间进行通信的串行、I2C 或 SPI 协议。嵌入式程序通常是使用 C++ 或 C 开发的，而在 IoT 设备原型设计方面，Python 和 Java 变得更受欢迎。

2. 网络

连接是 IoT 的另一个重要方面。它使设备之间能够相互通信，还使得设备能够与在云中运行的应用程序和服务进行通信。由于互连设备的巨大数量和网络设计决策可能造成的大规模影响，网络设计和管理是 IoT 中必不可少的技能。例如，网格网络是一种非常容易扩展且可靠的网络拓扑设计，IoT 中通常会采用它；但是，网格网络的分布式性质使系统变得更复杂，也增加了网络中每个设备的延迟和功耗需求。

除了网络设计之外，开发人员还应掌握网络标准、协议和技术方面的实用知识。这些知识包括客户端应用程序中使用的 wifi、低功耗蓝牙、Zigbee、蜂窝和 RFID 技术，以及 LoRa 等低功耗广域网 (LPWAN) 技术。LPWAN 还包括 SigFox 和 NB-IoT（窄带 IoT），它们提供了更低成本、更低功耗、更长距离的无线连接，更适合大规模的工业级 IoT 应用。

3. 应用程序设计和开发

Web 和移动应用程序支持用户界面来与 IoT 设备进行交互，并使用来自这些设备的数据。但是，IoT 设备可能也拥有自己的用户界面 (UI)。基于语音和手势的界面在 IoT 应用中很受欢迎，尤其是对于家庭自动化，与此同时，增强现实接口为覆盖整个物理世界的 IoT 数据提供了令人兴奋的可能性。因此，UI 和 UX 设计技能是 IoT 领域目前最热门的技能。

Web 和移动应用程序是使用高级语言开发的，其中 Java、Swift 和 Node.js 是开发 IoT 应用程序的最主要语言。GPS 编程技能尤为重要，因为包括可穿戴设备和智慧汽车在内的许多 IoT 应用都需要感知位置。开发人员应时刻关注可用来快速构建原型的新兴框架和开发工具包，以及一些 IoT 平台，这些平台提供了基础架构和工具来帮助自动化 IoT 应用程序的构建、部署、管理和操作。

4. 安全性

Security for IoT安全性是 IoT 中最重要的问题之一。必须在系统设计的每一步内置安全保护，而不是在事后进行添加。与安全性密切相关的关键问题包括数据伦理、隐私和责任。

IoT 安全性的最大挑战是需要保护：

• 对设备及其数据的物理和网络访问

• 与设备进行通信的应用程序和服务

• 网络本身

每天连接的新设备达数百万个，这使潜在的攻击点数量与日俱增。遭到侵害的 IoT 设备被用于发动分布式拒绝服务 (DDoS) 攻击。但是，一旦设备不受控制，如果没有建立安全和设备管理实践或安全基础架构，则很难部署固件更新来修复安全问题。

在如此紧迫的形势下，安全工程技能开始在 IoT 中备受关注。这些技能包括威胁评估（ threat assessment）、伦理黑客攻击（ethical hacking）、加密以保证数据完整性、保护网络架构和应用程序，以及事件监控、活动记录和威胁情报（threat intelligence）。

5. 商业智能和数据分析

随着 IoT 设备传输数据的数量增加，大数据变成了真正巨大的数据。开发人员需要一流的数据管理技能，才能安全可靠地获取、存储和查询源自这些设备的海量异构数据（heterogeneous data）。

许多 IoT 设备会生成延迟或时间敏感的数据，所以必须筛除或丢弃无关数据。IoT 开发人员应掌握的关键的数据分析技术和平台包括 Hadoop、Spark，以及 MongoDB 等 NoSQL 数据库。

6. 机器学习和人工智能（AI）

为了提供价值并理解 IoT 设备生成的海量数据，IoT 开发人员最后还必须掌握机器学习和 AI 技能。智能大数据分析涉及到应用从数据挖掘、建模、统计、机器学习和 AI 中获得的认知计算技术。可将这些技术实时应用于传感器数据流上，以便执行预测分析或自主决策来响应传入的数据，也可以将它们应用于历史数据，以便识别数据中的模式或异常。

在这波智慧物联的浪潮中，也许我们还有机会。加油吧打工人。