物聯(lián)網(wǎng)的“智慧”

標簽：收集融合 射頻識別

每當清晨，窗簾會(huì )適時(shí)自動(dòng)打開(kāi)將第一縷陽(yáng)光灑滿(mǎn)你房間;當你將手掌貼在衣柜門(mén)上，衣柜就會(huì )檢測到你的體溫，并綜合氣溫為你搭配著(zhù)裝;家里的冰箱會(huì )對其中的食物進(jìn)行監控，提示哪些食物即將過(guò)期，如果某些食物短缺，也會(huì )自動(dòng)地聯(lián)系超市幫助訂購……這些近似科幻的生活場(chǎng)景正是物聯(lián)網(wǎng)時(shí)代帶給我們的便利生活。

“智慧”應用領(lǐng)域

物聯(lián)網(wǎng)的應用領(lǐng)域覆蓋到各個(gè)角落、各個(gè)領(lǐng)域，開(kāi)篇提到的僅僅是物聯(lián)網(wǎng)提供給我們的智能生活，除此還有以下四個(gè)值得特別關(guān)注的領(lǐng)域：

智能電網(wǎng)：能源事關(guān)國家的命脈，所以發(fā)展物聯(lián)網(wǎng)首先要關(guān)注智能電網(wǎng)。在傳輸能源的同時(shí)采集數據，通過(guò)優(yōu)化模型對數據進(jìn)行挖掘和分析，可以預測電能流的情況，如電壓變化和用電量分布，為發(fā)電、輸電、配電、用電各方及監管單位提供決策支持，實(shí)現用電的優(yōu)化配置、節能減排。

智慧汽車(chē)：智慧汽車(chē)將是汽車(chē)產(chǎn)業(yè)的未來(lái)發(fā)展方向。在汽車(chē)的部件上裝上傳感器，通過(guò)網(wǎng)絡(luò )和GPS定位讓汽車(chē)與指揮后臺、汽車(chē)與汽車(chē)之間彼此自動(dòng)溝通，這樣人們在駕駛時(shí)，就可以預知哪個(gè)地方出了故障、哪個(gè)路段特別擁擠，以減少汽車(chē)追尾事故、減少等待時(shí)間和尾氣排放等等。這是智慧城市和車(chē)聯(lián)網(wǎng)時(shí)代必不可少的一部分。

智慧醫療：如果把嵌入式芯片裝到患者身上，就可以隨時(shí)感知到患者的血糖、血壓和臟器的情況，并通過(guò)網(wǎng)絡(luò )與后臺的醫療、保健系統聯(lián)系在一起，隨時(shí)給出警示和應對建議，緊急情況下還可以自動(dòng)呼叫急救中心，并發(fā)送定位信息。

射頻識別(RFID)產(chǎn)業(yè)：物流、金融、零售、物品防偽、環(huán)境保護、身份識別等很多方面，都離不開(kāi)RFID，今后隨著(zhù)物聯(lián)網(wǎng)的大規模應用，其應用范圍將更加廣闊。

“智慧”實(shí)現技術(shù)

物聯(lián)網(wǎng)技術(shù)采用射頻識別、紅外感應器、全球定位系統、激光掃描器等信息傳感設備采集物體信息，使物品與互聯(lián)網(wǎng)連接起來(lái)，進(jìn)行信息交換和通訊，實(shí)現智能化識別、定位、跟蹤、監控和管理。

物聯(lián)網(wǎng)通過(guò)各式各樣的傳感器抓取信息，隨之而來(lái)的，就是如何處理急速膨脹的數據?又怎樣讓這些數據產(chǎn)生智慧呢?這無(wú)疑對數據挖掘技術(shù)提出了新的挑戰。數據挖掘在這里只是一個(gè)代表性概念，它是一些能夠實(shí)現物聯(lián)網(wǎng)“智能化”、“智慧化”的分析技術(shù)和應用的統稱(chēng)。細分起來(lái)，包括數據挖掘和數據倉庫、計算智能、人工智能、專(zhuān)家系統、決策支持等技術(shù)和應用。

在通常情況下，數據分析的步驟是：首先收集數據，將其存儲在數據庫中，再用模型對數據庫進(jìn)行搜索，這種高度結構化的方式通常需要耗費很多時(shí)間;其次要對收集的數據進(jìn)行融合，該過(guò)程是對多維數據或信息進(jìn)行處理，組合出更有效、更符合用戶(hù)需求的數據;最后用先進(jìn)的軟件算法在數據流入同時(shí)即對其進(jìn)行分析，讓程序在短時(shí)間內對環(huán)境變化做出智能的回應。

數據融合的方法普遍應用在日常生活中，比如在辨別一個(gè)事物的時(shí)候通常會(huì )綜合各種感官信息，包括視覺(jué)、觸覺(jué)、嗅覺(jué)和聽(tīng)覺(jué)等。單獨依賴(lài)一個(gè)感官獲得的信息往往不足以對事物做出準確的判斷，而綜合各種感官數據，對事物的描述會(huì )更準確。許多時(shí)候我們只關(guān)心結果，并不需要收到大量原始數據，數據融合是實(shí)現此目的的重要手段。

如何完成由收集融合后的數據到信息、到知識、再到智慧的轉換呢?IT技術(shù)的發(fā)展成就已遠遠出乎人們的想象，只要給它提供一個(gè)平臺，它就可以向精靈一樣創(chuàng )造出無(wú)限的智慧。完成這一過(guò)程有很多方式，可以用機器學(xué)習的辦法讓機器本身具有一定的智能，也可以采用專(zhuān)家系統，建立一個(gè)內部含有大量的某個(gè)領(lǐng)域專(zhuān)家水平的知識與經(jīng)驗的數據庫，使系統能夠利用人類(lèi)專(zhuān)家的知識和解決問(wèn)題的方法來(lái)處理該領(lǐng)域問(wèn)題。 從學(xué)習的方法來(lái)看有兩類(lèi)任務(wù)：有監督的學(xué)習和無(wú)監督的學(xué)習。前者利用已知的類(lèi)別標識，對一組訓練樣本進(jìn)行學(xué)習，發(fā)現樣本特征與類(lèi)別之間的關(guān)系，用于預測新樣本的類(lèi)別，這個(gè)過(guò)程稱(chēng)為分類(lèi)。后者在樣本類(lèi)別未知的情況下，根據樣本之間的相似性進(jìn)行分組，這個(gè)過(guò)程稱(chēng)為聚類(lèi)。在物聯(lián)網(wǎng)數據挖掘中，同樣存在這兩種學(xué)習，由于所處理的樣本數據蘊含著(zhù)路徑信息，稱(chēng)為基于路徑的分類(lèi)和聚類(lèi)?；诼窂降姆诸?lèi)根據物品在一段時(shí)間內的移動(dòng)路徑，判斷物品所屬的類(lèi)別。例如，在物流監控中，將貨物的運輸軌跡分為正常和異常兩種，發(fā)現這兩類(lèi)軌跡的特征可以用來(lái)監測可疑行為。對路徑的分類(lèi)通常需要先將路徑劃分為子序列，然后利用決策樹(shù)、神經(jīng)網(wǎng)絡(luò )、貝葉斯等方法進(jìn)行分類(lèi)?；诼窂降木垲?lèi)發(fā)現相似的路徑群，揭示路徑之間的關(guān)系以及路徑與其它特征之間的關(guān)系。聚類(lèi)的結果可以用來(lái)優(yōu)化道路設計，減少交通阻塞，預測交通流量。路徑聚類(lèi)一般包括數據表示、相似度量定義、聚類(lèi)、聚類(lèi)描述和聚類(lèi)評價(jià)幾個(gè)步驟。通過(guò)以上步驟便使得物聯(lián)網(wǎng)具有一定的智能，能夠自行地處理一些問(wèn)題，使人們的生活更加便捷舒適。