物联网及其四层模型

一、物联网概念 

随着互联网技术、传感器技术和人工智能技术的快速发展，物联网技术也应运而生，物联网技术在各类领域能发挥重要性变革，对解放生产力、提高工作效率和推动规模化生产等方面贡献颇大，特别是在农业领域大有可为。实现智慧农业，必须依靠物联网技术为依托，以智慧平台为核心，立足市场需求，构建生产组织智能化、产品质量溯源化、市场经营网络化为一体的产业体系。

物联网是通过智能传感器、射频识别、激光扫描仪、全球定位系统、遥感等信息传感器设备及系统和其他基于物－物通信模式的短距离自组织网络，按照约定的协议，在物品与互联网连接起来，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种巨大智能网络。它是通信网和互联网的扩展应用和网络延伸，主要是实现人与物、物与物的信息交互。
二、物联网四层模型

在信息层面，数据信息经历生成、传输、处理和应用四个阶段，分别对应着物联网的感知识别层、网络构建层、数据处理层和综合应用层。感知识别层是利用感知技术和智能装备对物理世界进行感知识别。网络构建层是按照特定的通信协议搭建各类网络对信息进行传输，以实现物－网互联。数据处理层通过大数据和人工智能技术对网络层采样的数据进行预处理、计算存储和数据挖掘等一系列 *** 作，最大地发挥出信息的生产效能。综合应用层是集成各类技术以实现实时控制、精准管理和科学决策等功能的应用系统，从而改进人的生产方式。各类技术应对不同环境、不同需求独立展开工作，各层面间又是联系紧密，如同链条式协同配合。
感知层作为物联网的“神经末梢”，主要是通过信息感知技术将生活生产各方面映射成数据信息，并能可靠传送到网络层，实现物理世界和信息世界连接起来。信息感知技术是指利用传感器、RFID、GPS和RS等实时实地对农业领域物体进行信息采集和获取。在农业生产现场可以利用无线传感器采集温湿度、光照、溶解氧浓度和农作物长势等参数，利用视频监控设备获取农作物成长现状，利用遥感技术大规模感知农作物表面和环境因素。信息感知层作为物联网的基础，获取大量的数据信息，为信息进一步加工、处理、分析而科学决策和指导生产经营打通“二元”壁垒。

网络层要在感知层和处理层发挥承上启下作用，是以现场总线技术、无线传感器网络技术（WSN）和移动通信技术互为补充的通信网络将传感设备连接“上网”。信息传输技术可分为有线和无线、短距离和长距离，它们有各自特点、应对不同环境、利用不同信道共同组建集成网络体系，以实现高度可靠的信息交流和共享。无线传感器网络成为农业信息传输的“主力军”，通过包括传感器节点、汇聚节点、任务管理节点。大量具有独立处理能力的微型传感器节点布置在监测区域逐跳传输，并路由到汇聚节点，然后通过互联网或卫星抵达任务管理节点，最后用户通过任务管理节点配置和管理传感器网络以实现监测任务发布和数据收集。常见的无线局域网技术有蓝牙、WIFI、ZigBee，无线广域网技术有LPWAN、NB-IOT、4G和5G。特别是以“万物互联”为目标的5G将农业物联网数据传输效率带来“质的跃升”。

处理层是农业物联网的“灵魂”，通过信息处理技术对感知层采集的信息存储和挖掘分析形成预测预警、智能决策、优化控制和疾病诊断等智能模型，从而对农业生产和经营给出科学的指导。农业生产和经营过程中，数据信息是呈指数型爆炸产生，不仅是体量大，而且结构复杂、实时性强、关联度高，必须通过大数据技术处理、存储和管理，才能从海量数据中获取更多的价值。农业大数据技术平台是以Hadoop架构、MapReduce软件模型、其他组件补充的生态软件体系形成的分布式海量数据存储管理、运算处理和分析平台。数据挖掘是指从海量数据中通过算法搜索隐藏的信息关系，主要手段是机器学习、深度学习、计算机视觉等人工智能技术。只要获取隐藏知识，才能帮助决策者做出合理、正确的决定和决策。

应用层是农业物联网的“指挥室”。主要通过感知技术、传输技术、处理技术和设备进行软硬件综合集成，形成智能控制、监控决策、专家系统、物流溯源等等应用。根据生产、经营的和管理不同需求，开发出特定功能的应用，用户通过web端或移动客户端应用实时掌握信息、发出精准控制指令。可以说，先进技术发挥设备的最大生产力，综合应用改变人的工作方式，有利于做出更科学合理决策。

随着互联网的蓬勃兴起，物联网，云计算，大数据，人工智能在大众视野出现的越来越频繁了。

云计算相当于人的大脑，是物联网的神经中枢。云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。
大数据相当于人的大脑从小学到大学记忆和存储的海量知识，这些知识只有通过消化，吸收、再造才能创造出更大的价值。
人工智能打个比喻为一个人吸收了人类大量的知识（数据），不断的深度学习、进化成为一方高人。人工智能离不开大数据，更是基于云计算平台完成深度学习进化。
而物联网是互联网的应用拓展，类似以前的“互联网+”，也就是结合互联网的业务和应用，核心是以用户体验为核心的应用创新。
我们主要讲一下其中的“大数据”。
大数据的定义
在 2001 年左右，Gartner 就大数据提出了如下定义（目前仍是关于大数据的权威解释）：大数据指高速 (Velocity) 涌现的大量 (Volume) 的多样化 (Variety) 数据。这一定义表明大数据具有 3V 特性。
简而言之，大数据指越来越庞大、越来越复杂的数据集，特别是来自全新数据源的数据集，其规模之大令传统数据处理软件束手无策，却能帮助我们解决以往非常棘手的业务难题。

大数据的价值和真实性
在过去几年里，大数据的定义又新增加了两个 "V"：价值 (Value) 和 真实性 (Veracity)。
首先，数据固然蕴含着价值，但是如果不通过适当方法将其价值挖掘出来，数据就毫无用处。其次，只有真实、可靠的数据才有意义。
如今，大数据已成为一种资本，全球各个大型技术公司无不基于大数据工作原理，在各种大数据用例中通过持续分析数据提高运营效率，促进新产品研发，他们所创造的大部分价值无不来自于他们掌握的数据。
目前，众多前沿技术突破令数据存储和计算成本呈指数级下降。相比过去，企业能够以更低的经济投入更轻松地存储更多数据，而凭借经济、易于访问的海量大数据，您可以轻松做出更准确、更精准的业务决策。
然而，从大数据工作原理角度来讲，大数据价值挖掘是一个完整的探索过程而不仅仅是数据分析，它需要富有洞察力的分析师、业务用户和管理人员在大数据用例中有针对性地提出有效问题、识别数据模式、提出合理假设并准确开展行为预测。
大数据的历史
虽然大数据这个概念是最近才提出的，但大型数据集的起源却可追溯至 1960 - 70 年代。当时数据世界正处于萌芽阶段，全球第一批数据中心和首个关系数据库便是在那个时代出现的。
2005 年左右，人们开始意识到用户在使用 Facebook、YouTube 以及其他在线服务时生成了海量数据。同一年，专为存储和分析大型数据集而开发的开源框架 Hadoop 问世，NoSQL 也在同一时期开始慢慢普及开来。
Hadoop 及后来 Spark 等开源框架的问世对于大数据的发展具有重要意义，正是它们降低了数据存储成本，让大数据更易于使用。在随后几年里，大数据数量进一步呈爆炸式增长。时至今日，全世界的“用户”— 不仅有人，还有机器 — 仍在持续生成海量数据。
随着物联网 (IoT) 的兴起，如今越来越多的设备接入了互联网，它们大量收集客户的使用模式和产品性能数据，而机器学习的出现也进一步加速了数据量的增长。
然而，尽管已经出现了很长一段时间，人们对大数据的利用才刚刚开始。今天，云计算进一步释放了大数据的潜力，通过提供真正的d性 / 可扩展性，它让开发人员能够轻松启动 Ad Hoc 集群来测试数据子集。
大数据和数据分析的优势：
1大数据意味着更多信息，可为您提供更全面的洞察。
2更全面的洞察意味着更高的可靠性，有助于您开发全新解决方案。
其次，大数据还具有大量、高速、多样化、密度低四大特性。
大量性：大数据与传统数据最大的差异在于资料量，资料量远大于传统数据，例如抖音数据流、百度点击流，面对的是海量低密度的数据，大数据的数据量通常高达数十PB。也因为资料量大，无法以传统的方式储存处理，因此衍生出大数据这一新兴科学。
高速性：大数据与传统数据最大的不同点，就是生成速度快。由于网际网路兴起与资讯设备普及，以用户突破20亿人的脸书为例，如果每个用户每天发一条消息，就会有20亿笔资料。每一个人随时随地都可以创造数据，数据生成的速度已非过去可比拟。
多样性：多样化是指可用的数据类型众多，随着大数据的兴起，文本、音频和视频等数据类型不断涌现，它们需要经过额外的预处理 *** 作才能真正提供洞察和支持性元数据。由于形式多元复杂，大数据储存也需要不同于传统数据的储存技术。
密度低：数据价值密度相对较低，随着互联网以及物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低。以视频为例，一小时的视频，在不间断的监控过程中，可能有用的数据仅仅只有一两秒。
大数据的挑战
1安全挑战
尽管大数据由于应用范围广泛，已成为各领域的发展趋势，但数据的公布有时会伴随使用者隐私的曝光，比如FaceBook资料外泄、Google+个人外泄风波等因数据外泄而引发隐私问题的事件层出不穷。用户的哪些数据是可以获取、哪些是不允许读取，始终存在侵犯用户隐私的法律风险。
2技术创新
大数据需要从底层芯片到基础软件再到应用分析软件等信息产业全产业链的支撑，无论是新型计算平台、分布式计算架构，还是大数据处理、分析和呈现方面与国外均存在较大差距，对开源技术和相关生态系统的影响力仍然较弱，总体上难以满足各行各业大数据应用需求。
3成本过高
运营商需要处理的数据量巨大，基本都是以PB为单位，处理这些数据需要巨大的投入。
4实时性
具有实时性的数据才有价值，存储的数据数据时间越长，数据的价值就越低。在如今这个快节奏的社会，每一天的市场都瞬息万变，品牌商通过大数据分析用户的需求，如果得到的用户数据太过陈旧，参考这些数据来规划产品的方向，可能会对企业的发展造成毁灭性的打击。
无论哪个行业，想要在当今的形势下取得成功，都必须能够不断地从数据中挖掘业务价值，因此数据的保护离不开存储器，当下市面上用于大数据的存储器主要有固态硬盘，混合硬盘，传统硬盘。
固态硬盘(SSD)，由控制单元和存储单元，组成。固态硬盘的接口规格、定义、功能和用途与普通硬盘相同，形状和尺寸也与普通硬盘相同。广泛应用于军事、车辆、工业控制、视频监控、网络监控、网络终端、电力、医疗、航空、导航设备等领域。
优点：读写速度快；震动；低功耗。无噪音；工作温度范围广；缺点：容量小；寿命有限；价格高。
混合硬盘是一种由传统硬盘和闪存模块组成的大容量存储设备。闪存处理存储器中最常写入或恢复的数据。许多公司都在提供不同的技术，他们希望这些技术能在高端系统中流行起来，特别是笔记本电脑和掌上电脑。
与传统硬盘相比，混合硬盘具有许多优势：更快的数据存储和恢复应用程序，如文字处理器；缩短系统启动时间；降低功耗；减少热量产生；延长硬盘寿命；笔记本电脑和笔记本电脑电池寿命；降低噪音水平：
传统硬盘指的是机械硬盘（HDD），电脑最基本的内存，我们常说电脑硬盘C盘，D盘是磁盘分区，属于硬盘。目前普通硬盘的容量有80G、128g、160g、256g、320g、500g、750g、1TB、2TB等，按容量可分为35英寸、25英寸、18英寸、5400rpm/7200rpm/10000rpm等。
通过物联网产生、收集海量的数据存储于云平台，再通过大数据分析，甚至更高形式的人工智能为人类的生产活动，生活所需提供更好的服务，这一切所产生的数据承载者——存储器，在第四次工业革命进化的方向中，存储行业也将是一颗亮眼的星。

院校专业：

基本学制：四年 | 招生对象： | 学历：中专 | 专业代码：080905

培养目标

培养目标

培养目标：本专业培养德、智、体等方面全面发展，掌握数学和其他相关的自然科学基础知识 以及和物联网相关的计算机、通信和传感的基本理论、基本知识、基本技能和基本方法，具有较强 的专业能力和良好外语运用能力，能胜任物联网相关技术的研发及物联网应用系统规划、分析、 设计、开发、部署、运行维护等工作的高级工程技术人才。

培养要求：

1．掌握马列主义、毛泽东思想与中国特色社会主义基本理论，具有良好的人文社会科学素 养、职业道德和心理素质，社会责任感强；

2．掌握从事本专业工作所需的数学等相关的自然科学知识以及一定的经济学、管理学和工 程科学知识；

3．系统掌握物联网专业基础理论知识和专业知识，理解基本概念、知识结构、典型方法，理 解物理世界与数字世界的关联，具有感知、传输、处理一体化的核心专业意识；

4．掌握物联网技术的基本思维方法和研究方法，具有良好的科学素养和一定的工程意识， 并具备综合运用掌握的知识、方法和技术解决实际问题的能力；

5．具有终身学习意识以及运用现代信息技术获取相关信息和新技术、新知识的能力；

6．了解物联网的发展现状和趋势，具有技术创新和产品创新的初步能力；

7．了解与本专业相关的职业和行业的重要法律法规及方针政策，理解工程技术伦理的基本 要求；

8．具有一定的组织管理能力、表达能力、独立工作能力、人际交往能力和团队合作能力；

9．具有初步的外语应用能力，能阅读本专业的外文材料，具有一定的国际视野和跨文化交 流、竞争与合作能力；

10掌握体育运动的一般知识和基本方法，形成良好的体育锻炼习惯。

主干学科：计算机科学与技术、电子科学与技术、通信工程。

核心知识领域：物联网技术体系、标识与感知、物联网通信、物联网数据处理、物联网控制、物 联网信息安全、物联网工程设计与实施等。

核心课程示例（括号内理论学时+实验或习题课学时）：

示例一：物联网工程导论（18学时）、物联网通信技术（45 +18学时）、RFID原理及应用(45+ 18学时)、传感器原理及应用（45 +18学时）、传感网原理及应用（45 +18学时）、物联网软件设计 （27 +18学时）、物联网数据处理（54学时）、物联网中间件设计（27 +18学时）、物联网应用系统 设计（54学时）、嵌入式系统与设计（45 +18学时）、传感器微 *** 作系统原理与设计（36+36学 时）、物联网控制原理与技术（45 +18学时）、物联网定位技术（45 +18学时）、物联网信息安全 （45 +18学时）、物联网工程规划与设计（36学时）、计算机网络（54学时）。

示例二：物联网工程概论（30学时）、物联网算法基础（60 +15学时）、物联网硬件基础(60+ 15学时)、传感网与微 *** 作系统（45 +15学时）、物联网安全与隐私（30学时）、无线单片机与协议 开发（60+15学时）、JAVA语言程序设计（30 +15学时）、物联网移动应用开发（20 +10学时）、物 流管理信息系统（30+15学时）、RFID系统（30学时）、物联网嵌入式系统开发（20 +10学时）、多 传感器数据融合技术（60学时）、云计算（30学时）、物联网与智慧思维（30学时）、移动人机交互 技术（30学时）、社会计算（30学时）。

示例三：物联网工程导论（18学时）、物联网体系结构（40学时）、传感器原理及应用( 36+10 学时)、物联网数据处理（40+10学时）、嵌入式系统原理（40 +12学时）、物联网工程规划与设计 （40+10学时）、物联网应用系统设计（50学时）、物联网通信技术（40 +14学时）、RFID与智能卡 技术（40+10学时）、物联网控制技术与应用（40+14学时）、物联网信息安全（40 +14学时）、传感 器网络及应用（40 +14学时）、网络规划与设计（40 +14学时）、数据仓库与数据挖掘（40+10学 时）、信息系统分析与集成（40+14学时）、软件集成与服务计算（40+10学时）。

主要实践性教学环节：课程实验、课程设计、专业实习、毕业设计（论文）。

主要专业实验：传感器实验、传感网实验、物联网通信实验、物联网数据处理实验、物联网工 程规划与设计实验。

修业年限：四年。

授予学位：工学学士。

职业能力要求

职业能力要求

专业教学主要内容

专业教学主要内容

《嵌入式原理及应用》、《无线传感器网络》、《汇编语言与微机原理》、《传感器微 *** 作系统原理与设计》、《应用密码学》、《光电子物理基础》、《模拟电子技术》、《数字建模》、《微处理器系统设计》、《物联网信息处理技术》 部分高校按以下专业方向培养：电商物联网、移动嵌入式、智能机器人、物联网大数据采集与分析。

专业（技能）方向

专业（技能）方向

IT类企业：物联网工程、物联网系统设计架构、物联网应用系统开发、物理网系统管理、网络应用系统管理、物联网设备技术支持、云计算。

职业资格证书举例

职业资格证书举例

继续学习专业举例

就业方向

就业方向

物联网专业就业前景

目前，教育部审批设置的高等学校战略性新兴产业本科专业中有“物联网工程”、“传感网技术”和“智能电网信息工程”三个与物联网技术相关的专业。此三个专业从2011年才开始首次招生，目前为止还没有毕业生，所以，无法从往年的就业率来判断未来的就业情况，但可从行业的整体发展趋势和人才市场的需求等方面了解该专业未来的就业形势。

作为国家倡导的新兴战略性产业，物联网备受各界重视，并成为就业前景广阔的热门领域，使得物联网成为各家高校争相申请的一个新专业，主要就业于与物联网相关的企业、行业，从事物联网的通信架构、网络协议和标准、无线传感器、信息安全等的设计、开发、管理与维护，也可在高校或科研机构从事科研和教学工作。未来的物联网技术要得到发展，需要在信息收集、改进、芯片推广、程序算法设计等方面有所突破，而做到这些的关键是如何培养人才。柏斯维也指出，从整体来看，物联网行业是非常需要人才。

对应职业（岗位）

对应职业（岗位）

其他信息：

就业方向：该专业毕业生可以去自动化企业、智能家电、智能家居、工业控制企业、数字娱乐公司等领域就业，具体就业岗位包括射频识别开发工程师、物联网嵌入式硬件开发工程师、物联网嵌入式硬件测试工程师等。 就业方向 物联网工程专业毕业生能在政府管理部门、科学研究机构、设计院、咨询公司、建筑工程公司、物业及能源管理、建筑节能设备及产品制造生产企业等单位从事建筑节能的研究、设计、施工、运行、监测与管理工作。 根据以往的调查数据显示，北京、上海、广州、深圳等高新技术城市是这类人才的聚集地，大量的工作机会都在这些城市。从事物联网及互联网的协议标准与系统、通信架构、无线传感器、信息安全等的综合设计、开发、应用、管理与维护工作，或可继续深造，在高校或科研机构从事研究和教学工作。

物联网相关技术：
1信息感知技术
超高频和微波RFID：积极利用RFID行业组织，开展芯片、天线、读写器、中间件和系统集成等技术协同攻关，实现超高频和微波RFID技术的整体提升。
微型和智能传感器：面向物联网产业发展的需求，开展传感器敏感元件、微纳制造和智能系统集成等技术联合研发，实现传感器的新型化、小型化和智能化。
位置感知：基于物联网重点应用领域，开展基带芯片、射频芯片、天线、导航电子地图软件等技术合作开发，实现导航模块的多模兼容、高性能、小型化和低成本。
2信息传输技术
无线传感器网络：开展传感器节点及 *** 作系统、近距离无线通信协议、传感器网络组网等技术研究，开发出低功耗、高性能、适用范围广的无线传感网系统和产品。
异构网络融合：加强无线传感器网络、移动通信网、互联网、专网等各种网络间相互融合技术的研发，实现异构网络的稳定、快捷、低成本融合。
3信息处理技术
海量数据存储：围绕重点应用行业，开展海量数据新型存储介质、网络存储、虚拟存储等技术的研发，实现海量数据存储的安全、稳定和可靠。
数据挖掘：瞄准物联网产业发展重点领域，集中开展各种数据挖掘理论、模型和方法的研究，实现国产数据挖掘技术在物联网重点应用领域的全面推广。
图像视频智能分析：结合经济和社会发展实际应用，有针对性的开展图像视频智能分析理论与方法的研究，实现图像视频智能分析软件在物联网市场的广泛应用。
4信息安全技术
构建“可管、可控、可信”的物联网安全体系架构，研究物联网安全等级保护和安全测评等关键技术，提升物联网信息安全保障水平。
关键技术相见《2020物联网技术部署》

---