物联网的技术标准和结构

1 物联网的标准体系

2 急需的物联网总体标准
3 传感器标准
4 传感器标准
5 传感器标准进展情况
6 传感器标准体系框架

认知感知层

1．感知层的概念

物联网层次结构分为三层,分别为感知层、网络层、应用层。感知层位于最 底层,它是物联网的核心，其功能为“感知”，即通过传感网络获取环境信息。 感知层是物联网的核心，是信息采集的关键部分。

2．感知层的应用

感知层包括二维码标签及识读器、RFID 标签及读写器、摄像头、GPS 导航、 各种功能传感器、M2M 终端、传感器网关等，主要功能是识别物体、采集信息， 与人体结构中皮肤和五官的作用类似。

3．感知层的关键技术

(1) 传感器：传感器是物联网中获得信息的主要设备，它利用各种机制把被 测量转换为电信号，然后由相应信号处理装置进行处理，并产生响应动作。 (2)RFID：它的全称为 Radio Frequency Identification，即射频识别， 又称为电子标签。RFID 是一种非接触式的自动识别技术，可以通过无线电讯号 识别特定目标并读写相关数据。它主要用来为物联网中的各物品建立唯一的身份 标示。

(3)无线传感网络：它的英文名称为 Wireless Sensor Network，简称 WSN。 传感器网络是一种由传感器节点组成网络，其中每个传感器节点都具有传感器、 微处理器和通信单元。节点间通过通信网络组成传感器网络，共同协作来感知和 采集环境或物体的准确信息。它是目前发展迅速，应用最广的传感器网络。

认知网络层

1 网络层的概念

网络层位于物联网三层结构中的第二层，它功能是通过通信网络进行信息传 输。网络层作为纽带连接着感知层和应用层，它由各种私有网络、互联网、有线 和无线通信网等组成，相当于人的神经中枢系统，负责将感知层获取的信息，安 全可靠地传输到应用层，然后根据不同的应用需求进行信息处理。

2 网络层的组成

物联网网络层包含接入网和传输网，分别实现接入功能和传输功能。传输网 由公网与专网组成，典型传输网络包括电信网、广电网、互联网。接入网包括光 纤接入、无线接入、以太网接入、卫星接入等各类接入方式，实现底层的传感器 网络、RFID 网络最后一公里的接入。

3 网络层的主要技术

物联网用到的通信技术主要包括 3G/4G 通信、IPv6、WI-FI 和 WIMAX、蓝牙、 ZigBee 自组网技术等。正在向更快的传输速率，更宽的传输宽带、更高的频谱 利用率、更智能化的接入和网络管理发展。
认知应用层

1 应用层的概念

应用层位于物联网三层结构中的最顶层，它的功能是通过云计算等计算平台 进行信息处理。应用层与最低端的感知层一起，是物联网的显著特征和核心所在， 应用层可以对感知层采集数据进行计算、处理和知识挖掘，从而实现对物理世界 的实时控制、精确管理和科学决策。

2 应用层的技术

（1）物联网应用：它是用户直接使用的各种应用，通常用应用软件的形式 表现。如智能 *** 控、安防、电力抄表、远程医疗、智能农业等。

（2）物联网中间件：物联网中间件是一种独立的系统软件或服务程序，将 各种可以公用的能力进行统一封装，提供给物联网应用使用。

（3）云计算：它对物联网海量数据的存储和分析。根据服务类型不同将云 计算分为：基础架构即服务(IaaS)、平台即服务（PaaS)、服务和软件即服务（SaaS)。

3 应用层与其他两层的关系 感知层将采集到的数据通过网络层传递给应用层，应用层将接收到的数据进 行分析管理，再将这些数据根据各行各业的应用做出反应处理。例如，在智能电 网中的远程电力抄表应用：安置于用户家中的读表器上显示感知层中的传感器采 集到的数据，通过网络层将数据发送并汇总到发电厂的处理器上，该处理器及其 对应工作就属于应用层，它将完成对用户用电信息的分析，并自动采取相关措施。

从理论上看

二者属于不同层次的事情。云计算研究的是计算问题，大数据研究的是巨量数据处理问题。

但是，巨量数据处理依然属于计算问题的研究范畴。因此，从这个角度来看，大数据是云计算的一个领域。

从应用上来看

大数据是云计算的应用案例之一，云计算是大数据的实现工具之一。

综上，大数据与云计算既有区别又相互联系。

大数据注重的是数据分析，云计算是偏向计算机软硬件架构与应用。

说一下个人观点。大数据方向更成熟一些。

国家政策支持力度大，产业规模不断扩大。覆盖全行业，未来将在细分领域进一步发展，还将提供更多就业机会。

政策推动我国物联网高速发展

自2013年《物联网发展专项行动计划》印发以来，国家鼓励应用物联网技术来促进生产生活和社会管理方式向智能化、精细化、网络化方向转变，对于提高国民经济和社会生活信息化水平，提升社会管理和公共服务水平，带动相关学科发展和技术创新能力增强，推动产业结构调整和发展方式转变具有重要意义。

以数字化、网络化、智能化为本质特征的第四次工业革命正在兴起。物联网作为新一代信息技术与制造业深度融合的产物，通过对人、机、物的全面互联，构建起全要素、全产业链、全价值链全面连接的新型生产制造和服务体系，是数字化转型的实现途径，是实现新旧动能转换的关键力量。

我国物联网行业呈高速增长状态 未来将有更广阔的空间

自2013年以来我国物联网行业规模保持高速增长，增速一直维持在15%以上，江苏、浙江、广东省行业规模均超千亿元。中国通信工业协会的数据表明，随着物联网信息处理和应用服务等产业的发展，中国物联网行业规模已经从2013年的4896亿元增长至2019年的15万亿元。

虽然我国物联网发展显著，但我国物联网行业仍处于成长期的早中期阶段。目前中国物联网及相关企业超过3万家，其中中小企业占比超过85%，创新活力突出，对产业发展推动作用巨大。

物联网作为中国新一代信息技术自主创新突破的重点方向，蕴含着巨大的创新空间，在芯片、传感器、近距离传输、海量数据处理以及综合集成、应用等领域，创新活动日趋活跃，创新要素不断积聚。

物联网在各行各业的应用不断深化，将催生大量的新技术、新产品、新应用、新模式。未来巨大的市场需求将为物联网带来难得的发展机遇和广阔的发展空间。

在政策、经济、社会、技术等因素的驱动下，2020年GSMA移动经济发展报告预测，2019-2025年复合增长率为9%左右，2020年中国物联网行业规模目标16亿元，按照目前物联网行业的发展态势，十三五规划的目标有望超预期完成;预计到2025年，中国物联网行业规模将超过27万亿元。

未来物联网行业将向着多元方向发展

标准化是物联网发展面临的最大挑战之一，它是希望在早期主导市场的行业领导者之间的一场斗争。目前我国物联网行业百家争鸣，还未有一个统一的标准出现。因此在未来可能通过不断竞争将会出现限数量的供应商主导市场，类似于现在使用的Windows、Mac和Linux *** 作系统。

合规化同样是当下物联网面临的问题之一，特别是数据隐私问题。目前数据隐私已成为网络社会的一个关键词，各种用户数据泄露或被滥用的事件频发，特别是Facebook的丑闻引发了全球担忧。

因此在未来，我国各种立法和监管机构将提出更加严格的用户数据保护规定，，用户的敏感数据可能会随着时间的推移而受到更严格的监管。

安全化是指预防物联网软件遭受网络黑客攻击，在未来，以安全为重点的物联网设施将受到更多的关注，特别是某些特定的基础行业，如医疗健康、安全安防、金融等领域。

多重技术推动物联网技术创新

从技术创新趋势来看，物联网行业发展的内生动力正在不断增强。连接技术不断突破，NB-Iot、eMTC、Lora等低功耗广域网全球商用化进程不断加速;物联网平台迅速增长，服务支撑能力迅速提升;

区块链、边缘计算、人工智能等新技术题材不断注入物联网，为物联网带来新的创新活力。受技术和产业成熟度的综合驱动，物联网呈现“边缘的智能化、连接的泛在化、服务的平台化、数据的延伸化”等特点。

上数据来源于前瞻产业研究院《中国物联网行业应用领域市场需求与投资预测分析报告》。

1、物联网就是“物与物互相连接的互联网”。物联网的感知层，产生了海量的数据，将会极大地促进大数据的发展。同样，大数据应用也发挥了物联网的价值，反向刺激了物联网的使用需求。越来越多的企业，发觉能够通过物联网大数据获得价值，就会愿意投资建设物联网。
2、其实这个问题也可以进一步延伸为“大数据和5G之间的关系”。5G的到来，通过提升连接速率，提升了“人联网”的感知，也促进了人类主动创造数据。另一方面，它更多是为“物联网”服务的。包括低延时、海量终端连接等，都是物联网场景的需求。
3、5G刺激物联网的发展，而物联网刺激大数据的发展。所有通信基础设施的强大，都是为大数据崛起铺平道路。
4、据调查，63%的公司从对大数据投资中获得了可衡量的效果。如果再加上传感器、追踪器等物联网能力的加持，数据驱动型企业有潜力实现更广泛的市场研究、更好的流程可见性、更高的运营效率。然而，大数据咨询专家认为，某些行业或许本身就更适合从大数据和物联网的结合中受益。

关于数据来源，互联网及物联网是产生并承载大数据的基地。互联网公司是天生的大数据公司，在搜索、社交、媒体、交易等各自核心业务领域，积累并持续产生海量数据。如阿里，百度，腾讯等。

物联网设备每时每刻都在采集数据，设备数量和数据量都与日俱增。这两类数据资源都是大数据金矿，还有一些企业，在业务中也积累了许多数据，如房地产交易、大宗商品价格、特定群体消费信息等。当然还有另外一类是政府部门掌握的数据资源。

详细介绍：

目前围绕Hadoop体系的大数据架构包括：
传统大数据架构
数据分析的业务没有发生任何变化，但是因为数据量、性能等问题导致系统无法正常使用，需要进行升级改造，那么此类架构便是为了解决这个问题。依然保留了ETL的动作，将数据经过ETL动作进入数据存储。

数据分析需求依旧以BI场景为主，但是因为数据量、性能等问题无法满足日常使用。
流式架构
在传统大数据架构的基础上，流式架构数据全程以流的形式处理，在数据接入端将ETL替换为数据通道。经过流处理加工后的数据，以消息的形式直接推送给了消费者。

存储部分在外围系统以窗口的形式进行存储。适用于预警、监控、对数据有有效期要求的情况。

1，大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产

2，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式计算架构。它的特色在于对海量数据的挖掘，但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。

他俩之间的关系你可以这样来理解，云计算技术就是一个容器，大数据正是存放在这个容器中的水，大数据是要依靠云计算技术来进行存储和计算的。

扩展资料：

大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。

云计算的关键词在于“整合”，无论你是通过现在已经很成熟的传统的虚拟机切分型技术，还是通过google后来所使用的海量节点聚合型技术，他都是通过将海量的服务器资源通过网络进行整合，调度分配给用户，从而解决用户因为存储计算资源不足所带来的问题。

大数据正是因为数据的爆发式增长带来的一个新的课题内容，如何存储如今互联网时代所产生的海量数据，如何有效的利用分析这些数据等等。

大数据的趋势：

趋势一：数据的资源化

何为资源化，是指大数据成为企业和社会关注的重要战略资源，并已成为大家争相抢夺的新焦点。因而，企业必须要提前制定大数据营销战略计划，抢占市场先机。

趋势二：与云计算的深度结合

大数据离不开云处理，云处理为大数据提供了d性可拓展的基础设备，是产生大数据的平台之一。自2013年开始，大数据技术已开始和云计算技术紧密结合，预计未来两者关系将更为密切。除此之外，物联网、移动互联网等新兴计算形态，也将一齐助力大数据革命，让大数据营销发挥出更大的影响力。

趋势三：科学理论的突破

随着大数据的快速发展，就像计算机和互联网一样，大数据很有可能是新一轮的技术革命。随之兴起的数据挖掘、机器学习和人工智能等相关技术，可能会改变数据世界里的很多算法和基础理论，实现科学技术上的突破。

---