zigbee驱动通用吗

不通用。
zigbee的物联网设备如果要能够通用，从技术协议层面来讲，有两个必要条件：
1 Zigbee协议栈的版本必须一致，否则不同的版本兼容性会有问题，导致低版本的一方通讯可能会有问题。
2 定义了相同的数据包头格式。
zigbee是一个自组的、无线的、局域网。它同时是一个物联网，整个zigbee网络的中心是协调器，它负责将数据传输收集起来；终端是传感器，用于感知物联网的各种数据（例如温度数据、湿度数据、水质数据等等）；如果终端和协调器之间距离或者需要多点联系，就需要路由器进入串联。

物联网的实现步骤主要包括三部分：

1、对物体属性进行标识，属性包括静态属性和动态动态属性需要先由传感器实时探测；需要识别设备完顾对卿体属往的读取。

2、将信息转换为适合网络传输的数据格式：将物体的信息通过网络传输到信息处理中心(处理中心可能是分布式的，如家中的电脑或者手机；也可能是集中式的，如中国移动的IDC )

3、由处理中心完成物体通信的相关计算。

设备步骤：

1、设备部分：机械控制+设备联网。

2、服务器（平台）部分：数据中转，控制中转，数据存储，设备管理等等。

3、手机APP部分：数据浏览，设备控制。

扩展资料：

物联网关键的技术：

1、涉及到各种传感器技术，各种数据有效的采集过来是实现物联网的第一步。

2、主控芯片这方面的技术，这方面的技术主要集中在外国，高端的主控芯片，国内还是空白。

3、然后就是无线网络技术，这一方面，还有比较远的路要走。

4、另外一个就是组网技术，要把各种需要互连的设备进行有效的组网起来，才可以相互沟通。

5、还有就是人工智能，简单的说人工智能就是用机器人来实现人类的一些动作，或者是脑力劳动。

6、还有最后一个比较重要的也就是RFID技术，是一种非接触式的自动识别技术。

参考资料来源：百度百科-物联网

光电直读远传rs485水表和lora远传水表是两种不同传输方式的智能水表，rs485是有线远传水表，lora远传水表是无线水表。
光电直读远传rs485水表通过485通讯线进行数据传输，这类表适用于表集中安装，方便布线的场景；而lora无线远传水表是采用lora调制技术进行数据收发，不需要施工布线，适用于表比较分散的地方。所以光电直读rs485水表和lora无线远传水表各自有各自的好处，用户使用的时候可以根据自己的应用场景来选择适合做哪一种。

品牌型号：华为MateBook D15
系统：Windows 10

物联网数据特征是整体感知、可靠传输和智能处理。

整体感知：可以利用射频识别、二维码、智能传感器等感知设备感知获取物体的各类信息。可靠传输：通过对互联网、无线网络的融合，将物体的信息实时、准确地传送，以便信息交流、分享。智能处理：使用各种智能技术，对感知和传送到的数据、信息进行分析处理，实现监测与控制的智能化。

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。

1: 学习他人经验
企业决策者都听到过有关物联网的炒作，但很多人不知道物联网如何能对业务带来实际影响。因此，企业在考虑部署物联网设备时，应该先花些时间与实际应用物联网的企业进行沟通，了解他们如何利用物联网。
2: 制定战略
每个企业都有独特的需求，并没有适合所有人的物联网项目。在你试验物联网或提交项目申请书之前，应该与企业关键决策者共同制定战略。这有助于确保用户认同物联网项目，还可以确保物联网项目为企业提供最高价值。
3:先实现较容易的目标
你引进的新技术需要快速的高度可见的成功。如果你的企业IoT战略与其他公司已经有着良好记录的IoT项目一致，应该先专注这些项目，因为这些项目相对容易实现和产生结果。此外，如果有的IoT项目可展示“项目部署之前和之后”的数据对比指标，这可以为新的IoT项目奠定基础。
4: 清理你的数据
物联网设备产生的数据或通过互联网传输的数据可能堵塞网络，IoT项目应该确定你想要的IoT数据，还应该确定你想要清除的IoT数据，你可以自己进行数据清理过程，或者外包给供应商
5: 想想你的客户
最佳IoT项目通常专注于客户的需求。这里很好的例子是市政电车系统，该系统现在使用IoT传感器来预测系统设备和跟踪故障，让维修人员可以主动地解决这些问题。这些IoT系统甚至可以在系统故障时发送消息到客户的手机，建议客户改变路线。
6:不要忘记故障转移
对于依赖于稳定IoT数据流的系统，通常都可能面临机器或互联网故障的威胁，导致数据流停止。如果你在使用IoT数据驱动的自动化工作流，特别重要的是，你的故障转移系统需要可以将这些工作流的控制转移到手动模式。
7: 加强安全防范
如果你使用来自互联网的原始物联网数据，这些数据可能给你带来恶意软件、病毒和其他安全威胁。对于考虑使用互联网IoT数据的企业，应该重新评估其安全做法，以确保本地和广域网的安全。
8: 结合IoT数据与现有数据
最大限度地利用物联网的最佳方式是结合内部系统记录中的数据。例如，如果你在收集你网站客户行为的数据，你可以将这些数据结合已有的客户信息，例如客户住在哪里以及其他关键数据。这让你可以更好地了解每个客户及其购买行为和喜好。
9: 设置基线和指标
你的IoT项目应该可以与过去公司业绩基准进行对比，通过这种方式，你可以很容易地展示物联网项目的成效，这可能是收入提高、更好的客户服务、更快的内部 *** 作完成时间、成本节约等。
10: 定义你的下一代IoT应用程序
当你的IoT项目取得阶段性成功时，你应该开始考虑如何应对更多的IoT应用程序。与参与制定战略的业务决策者商讨这个问题可以帮助你的IoT项目向前推进。
最后，你还要有一个符合项目的域名，用于平台的搭建，市场上域名的选择比较多，有com、cn、top，看实际情况选择

主要包括单一功能终端和通用智能终端两种。
单一功能终端该类终端一般外部接口较少，设计简单，仅满足单一应用或单一应用的部分扩展，除了这种应用外，在不经过硬件修改的情况下无法应用在其他场合中。目前市场上此类终端较多，如汽车监控用的图像传输服务终端、电力监测用的终端、物流用的RFID终端，这些终端的功能单一，仅适用在特定场合，不能随应用变化进行功能改造和扩充等。因功能单一，所以该类终端的成本较低，也比较好标准化。
通用智能终端该类终端因考虑到行业应用的通用性，所以外部接口较多，设计复杂，能满足两种或更多场合的应用。它可以通过内部软件的设置、修改应用参数，或通过硬件模块的拆卸来满足不同的应用需求。该类模块一般涵盖了大部分应用对接口的需求，并具有网络连接的有线、无线多种接口方式，还扩展了如蓝牙、WIFI、Zigbee等接口，甚至预留一定的输出接口用于物联网应用中对“物”的控制等。该类终端开发难度大，成本高，未标准化，目前市面很少。 主要包括数据透传终端和非数据透传终端。
数据透传终端该类终端将输入口与应用软件之间建立起数据传输通路，使数据可以通过模块的输入口输入，通过软件原封不动的输出，表现给外界的方式相当于一个透明的通道，因此叫数据透传终端。目前，该类终端在物联网集成项目中得到大量采用。优点是很容易构建出符合应用的物联网系统，缺点是功能单一。在一些多路数据或多类型数据传输时，需要使用多个采集模块进行数据的合并处理后，才可通过该终端传输。否则，每一路数据都需要一个数据透传终端，这样会加大使用成本和系统的复杂程度。目前市面上的大部分通用终端都是数据透传终端。
非数据透传终端　该类终端一般将外部多接口的采集数据通过终端内的处理器合并后传输，因此具有多路同时传输优点，同时减少了终端数量。缺点是只能根据终端的外围接口选择应用，如果满足所有应用，该终端的外围接口种类就需要很多，在不太复杂的应用中会造成很多接口资源的浪费，因此接口的可插拔设计是此类终端的共同特点，前文提到的通用智能终端就属于此类终端。数据传输应用协议在终端内已集成，作为多功能应用，通常需要提供二次开发接口。目前市面上该类终端较少。

物联网、大数据及人工智能都是近年来互联网行业比较火热的话题，三者之间具有非常紧密的联系。想探讨物联网、大数据及人工智能之间如何融合，首先需要了解其基本概念。

概念

1、物联网

根据百度百科的解释，物联网（InternetofThings，IoT）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（万物互联）。物联网网络架构设计由感知层、网络层及应用层组成，分别实现数据采集、数据传输及数据应用的功能。目前，物联网已经广泛应用于智慧医疗、智慧环保、智慧城市、智能家居及物流等领域。

2、大数据

大数据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。大数据具有体量大（Volume）、及时性（Velocity）、多样性（Variety）、低价值密度（Value）及真实性（Veracity）的“5V”特性。

3、人工智能

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。目前，人工智能正在改变各行各业的传统模式，作为人工智能分支的机器学习/深度学习已经广泛用于自然语言处理（NLP）、计算机视觉（CV）、机器翻译及推荐系统等领域。

深度融合

物联网、大数据、人工智能三者之间相辅相成，可以形成一个闭环通路。物联网作为智能感知层，主要负责采集现场的数据并将数据上传至分布式数据库中；大数据作为数据存储层，将经过ETL处理后的数据保存到分布式文件系统（HDFS）或数据仓库（HIVE）中；人工智能作为应用层，可利用sparkml或tensorflow实现相关的机器学习或深度学习算法，对存储在HDFS或HIVE中的数据进行数据挖掘。

应用案例

目前，物联网、大数据、人工智能已经广泛用于智慧城市、智慧环保、智慧交通等领域。以智慧环保中的空气预警为例，首先，物联网可以作为智慧感知层，安装在客户现场的空气监测设备采集的空气质量信息通过网络传输数据中心；而后，利用大数据ETL工具（spark、hive）进行数据清洗并存储至分布式数据库/文件系统/数据仓库中；最后，利用人工智能相关技术进行大数据分析（sparkml、tensorflow），预测未来若干天的空气质量，并以此辅助进行科学决策及改善环境。

---