物聯(lián)網(wǎng)應用技術（智能家居）-智能化技術

智能化技術目錄4.1物聯(lián)網(wǎng)技術4.2大數(shù)據(jù)技術4.3云計算與邊緣計算4.4人工智能4.1物聯(lián)網(wǎng)技術

通過信息傳感設備，按約定的協(xié)議，將任何物體與網(wǎng)絡相連接，物體通過信息傳播媒介進行信息交換和通信，以實現(xiàn)智能化識別、定位、跟蹤、監(jiān)管等功能物聯(lián)網(wǎng)最早的鼻祖可追溯到1990年由施樂公司發(fā)售的網(wǎng)絡可樂販賣機——NetworkingCokeMachineMITAuto-ID中心Ashton教授1999年在研究RFID時最早提出來的物聯(lián)網(wǎng)(InternetofThings)2005年11月17日，在突尼斯舉行的信息社會世界峰會（WSIS）上，國際電信聯(lián)盟（ITU）發(fā)布《ITU互聯(lián)網(wǎng)報告2005：物聯(lián)網(wǎng)》，引用了“物聯(lián)網(wǎng)”的概念2009年8月溫家寶總理提出“感知中國”以來,物聯(lián)網(wǎng)被正式列為國家五大新興戰(zhàn)略性產(chǎn)業(yè)之一，寫入“政府工作報告”物聯(lián)網(wǎng)的基本特征物聯(lián)網(wǎng)就是“物物相連”的互聯(lián)網(wǎng)這其中包括兩層含義：物聯(lián)網(wǎng)的核心和基礎仍然是互聯(lián)網(wǎng)，是在互聯(lián)網(wǎng)基礎上的延伸和擴展的網(wǎng)絡其用戶端延伸和擴展到了任何物品與物品之間，進行信息交換和通信1、全面感知

利用無線射頻識別(RFID)、傳感器、定位器和二維碼等手段隨時隨地對物體進行信息采集和獲取感知包括傳感器的信息采集、協(xié)同處理、智能組網(wǎng)，甚至信息服務，以達到控制、指揮的目的物聯(lián)網(wǎng)是一種建立在互聯(lián)網(wǎng)上的泛在網(wǎng)絡。物聯(lián)網(wǎng)技術的重要基礎和核心仍舊是互聯(lián)網(wǎng)，通過各種有線和無線網(wǎng)絡與互聯(lián)網(wǎng)融合，將物體的信息實時準確地傳遞出去在物聯(lián)網(wǎng)上的傳感器定時采集的信息需要通過網(wǎng)絡傳輸，由于其數(shù)量極其龐大，形成了海量信息，在傳輸過程中，為了保障數(shù)據(jù)的正確性和及時性，必須適應各種異構(gòu)網(wǎng)絡和協(xié)議。2、可靠傳輸

可靠傳輸是通過各種電信網(wǎng)絡和因特網(wǎng)融合，對接收到的感知信息進行實時遠程傳送，實現(xiàn)信息的交互和共享，并進行有效的處理在這一過程中，通常需要用到現(xiàn)有的電信運行網(wǎng)絡，包括無線和有線網(wǎng)絡物聯(lián)網(wǎng)不僅提供了傳感器的連接，其本身也具有智能處理的能力，能夠?qū)ξ矬w實施智能控制物聯(lián)網(wǎng)將傳感器和智能處理相結(jié)合，利用云計算、模式識別等各種智能技術，擴充其應用領域。從傳感器獲得的海量信息中分析、加工和處理有意義的數(shù)據(jù)，以適應不同用戶的不同需求，發(fā)現(xiàn)新的應用領域和應用模式3、智能處理

智能處理是利用云計算、模糊識別等各種智能計算技術，對隨時接受到的跨地域、跨行業(yè)、跨部門的海量數(shù)據(jù)和信息進行分析處理，提升對物理世界、經(jīng)濟社會各種活動和變化的洞察力，實現(xiàn)智能化的決策和控制物聯(lián)網(wǎng)的基礎架構(gòu)物聯(lián)網(wǎng)迄今為止并沒有一個明確的定義，目前較為全面的定義是中國物聯(lián)網(wǎng)大會提出來的：凡是有傳感器和傳感技術而感知物體的特性，并按照固定的協(xié)議，實現(xiàn)任何時候物與人之間、人與物之間、人與人之間互聯(lián)互通，實現(xiàn)智能化識別，定位跟蹤管理的網(wǎng)絡就是物聯(lián)網(wǎng)根據(jù)物聯(lián)網(wǎng)的三個基本特征，可以確定出物聯(lián)網(wǎng)的三層基礎架構(gòu)：感知層、網(wǎng)絡層和應用層物聯(lián)網(wǎng)基本架構(gòu)圖4.2大數(shù)據(jù)技術1998年，SGI的首席科學家JohnR.Masey在USENIX大會上首次提出大數(shù)據(jù)概念，他在發(fā)表的BigDataandtheNextWaveofInfraStress的論文中首次提出”大數(shù)據(jù)”這個詞2003-2006年，Google公布發(fā)表GFS，Mapreduce，Bigtable三篇技術論文，奠定了大數(shù)據(jù)發(fā)展的基石在信息技術中，“大數(shù)據(jù)”是指一些使用目前現(xiàn)有數(shù)據(jù)庫管理工具或傳統(tǒng)數(shù)據(jù)處理應用很難處理的大型而復雜的數(shù)據(jù)集，其挑戰(zhàn)包括采集、管理、存儲、搜索、共享、分析和可視化大數(shù)據(jù)的特征大數(shù)據(jù)平臺架構(gòu)大數(shù)據(jù)處理Lambda架構(gòu)

大數(shù)據(jù)處理Kappa架構(gòu)

大數(shù)據(jù)處理主流框架HadoopApacheHadoop軟件庫是一個框架，它允許使用簡單的編程模型在計算機集群之間對大型數(shù)據(jù)集進行分布式處理。支持從單個服務器擴展到數(shù)千臺服務器，每臺機器都提供本地計算和存儲Hadoop在計算機集群的上游提供高可用性服務，用于檢測和處理應用程序?qū)拥墓收?，但不是依靠硬件來提供高可用性SparkApacheSpark使用最先進的DAG調(diào)度程序、查詢優(yōu)化器和物理執(zhí)行引擎，為批處理和流式數(shù)據(jù)實現(xiàn)了高性能,可以輕松構(gòu)建并行應用程序，使用Java、Scala、Python、R和SQL快速編寫應用程序Spark為一堆庫提供動力，包括SQL和數(shù)據(jù)幀、用于機器學習的MLlib、GraphX,和SparkStreaming，可以在同一個應用程序中無縫地組合這些庫FlinkApacheFlink是一個框架和分布式處理引擎，用于無邊界和有界數(shù)據(jù)流上的有狀態(tài)計算Flink可以在所有常見的集群環(huán)境中，以內(nèi)存的速度和大小運行、執(zhí)行計算。具有4個特點，分別是處理無邊界和有界數(shù)據(jù)、在任意位置部署應用程序、以任何規(guī)模運行應用程序、充分利用內(nèi)存性能。StormApacheStorm是一個自由開源的分布式實時計算系統(tǒng)，具有可擴展性、容錯性Storm支持可靠地處理無邊界的數(shù)據(jù)流，可以像Hadoop對批處理所做的那樣進行實時處理，支持多種語言。有許多用例：實時分析、在線機器學習、連續(xù)計算、分布式RPC、ETL等。處理速度很快，支持每秒處理超過一百萬個元組大數(shù)據(jù)關鍵技術大數(shù)據(jù)技術是一系列使用非傳統(tǒng)的工具來對大量的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)進行處理，從而獲得分析和預測結(jié)果的數(shù)據(jù)處理技術大數(shù)據(jù)需要多種技術共同作用才能完整體現(xiàn)其價值。根據(jù)大數(shù)據(jù)的處理過程，大數(shù)據(jù)關鍵技術可分為：大數(shù)據(jù)采集大數(shù)據(jù)存儲大數(shù)據(jù)處理大數(shù)據(jù)計算大數(shù)據(jù)應用大數(shù)據(jù)采集技術

大數(shù)據(jù)采集技術是指傳感器采集、計算機終端采集、互聯(lián)網(wǎng)數(shù)據(jù)采集、地理數(shù)據(jù)采集、移動智能設備數(shù)據(jù)采集等多種方式獲取各種類型的數(shù)據(jù)，包括結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)，利用ETL等工具將分布的、異構(gòu)的數(shù)據(jù)源中的數(shù)據(jù)如關系數(shù)據(jù)、平面數(shù)據(jù)文件等，抽取到臨時中間層后進行清洗、轉(zhuǎn)換、集成，最后加載到數(shù)據(jù)倉庫或數(shù)據(jù)集市中，成為聯(lián)機分析處理、數(shù)據(jù)挖掘的基礎；或者也可以把實時采集的數(shù)據(jù)作為流計算系統(tǒng)的輸入，進行實時處理分析大數(shù)據(jù)采集與傳統(tǒng)數(shù)據(jù)采集相比，具有數(shù)據(jù)源類型繁雜，獲取的數(shù)據(jù)量大、速度快、類型多樣等特點，所以大數(shù)據(jù)采集技術在保證數(shù)據(jù)采集的可靠性、高效性、準確性等方面具有很大挑戰(zhàn)大數(shù)據(jù)存儲

大數(shù)據(jù)存儲是將采集到的數(shù)據(jù)進行持久化，存儲到相應的數(shù)據(jù)庫，利用分布式文件系統(tǒng)、數(shù)據(jù)倉庫、關系數(shù)據(jù)庫、NoSQL數(shù)據(jù)庫、云數(shù)據(jù)庫等，實現(xiàn)對結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化海量數(shù)據(jù)的存儲，有利于統(tǒng)一進行管理和調(diào)用，解決海量文件的存儲與管理，海量小文件的存儲、索引和管理，海量大文件的分塊與存儲以及系統(tǒng)可擴展性與可靠性大數(shù)據(jù)處理

大數(shù)據(jù)處理分為流處理模式和批處理模式兩種批處理是先存儲后處理，流處理是直接處理。最典型的批處理模式是MapReduce編程模型，Google公司在2004年提出的MapReduce編程模型分為Map任務和Reduce任務兩部分，將用戶的原始數(shù)據(jù)進行分塊，交給不同的Map任務去處理，之后Reduce任務對所有的Map任務進行處理，根據(jù)Key值進行排序匯聚，輸出結(jié)果流處理模式是應對數(shù)據(jù)實時處理很好的選擇，目標是盡可能快的對最新的數(shù)據(jù)進行分析并給出結(jié)果，包括數(shù)據(jù)預處理、數(shù)據(jù)脫敏清洗等操作，原理是將數(shù)據(jù)視為流，依賴內(nèi)存數(shù)據(jù)結(jié)構(gòu)，將源源不斷的數(shù)據(jù)組成數(shù)據(jù)流立刻處理并返回結(jié)果。大數(shù)據(jù)智能計算

大數(shù)據(jù)智能計算決定最終信息是否有價值，通過計算獲取智能的、深入的、有價值的信息大數(shù)據(jù)智能計算可分為數(shù)據(jù)分析挖掘和數(shù)據(jù)計算兩類數(shù)據(jù)分析挖掘又分為數(shù)據(jù)分析和數(shù)據(jù)挖掘，數(shù)據(jù)計算包括圖計算、流計算、時空計算、云計算、高性能計算5類越來越多的應用涉及大數(shù)據(jù)，這些大數(shù)據(jù)的屬性，包括數(shù)量、速度、多樣性等都會引發(fā)大數(shù)據(jù)不斷增長的復雜性，所以大數(shù)據(jù)智能計算就顯得尤為重要。大數(shù)據(jù)應用

大數(shù)據(jù)應用領域廣泛，各行各業(yè)中都有大數(shù)據(jù)的身影，包括金融、醫(yī)療、交通、工業(yè)、電信、輿情、社交、旅游等行業(yè)4.3云計算與邊緣計算云計算（CloudComputing）是一種商業(yè)計算模型，它將計算任務分布在大量計算機構(gòu)成的資源池上，使用戶能夠按需獲取計算能力、存儲空間和信息服務云計算將計算資源集中起來，并通過專門軟件實現(xiàn)自動管理，無需人為參與。用戶可以動態(tài)申請部分資源，支持各種應用程序的運轉(zhuǎn)，無需為煩瑣的細節(jié)而煩惱，能夠更加專注于自己的業(yè)務，有利于提高效率、降低成本和技術創(chuàng)新邊緣計算（EdgeComputing）是相對云計算而言的，它是指收集并分析數(shù)據(jù)的行為發(fā)生在靠近數(shù)據(jù)生成的本地設備和網(wǎng)絡中。邊緣計算又被叫做分布式云計算、霧計算云計算云計算是并行計算（ParallelComputing）、分布式計算（DistributedComputing）和網(wǎng)格計算（GridComputing）的發(fā)展，或者說是這些計算科學概念的商業(yè)實現(xiàn)云計算是虛擬化（Virtualization）、效用計算（UtilityComputing）、將技術設施作為服務IaaS（InfrastructureasaService）、將平臺作為服務PaaS（PlatformasaService）和將軟件作為服務SaaS（SoftwareasaService）等概念混合演進并躍升的結(jié)果云計算技術體系結(jié)構(gòu)云計算技術特點基于互聯(lián)網(wǎng)絡按需服務資源池化安全可靠資源可控云計算技術的發(fā)展環(huán)境邊緣計算云計算的不足：萬物互聯(lián)實時性需求數(shù)據(jù)安全與隱私能耗較大邊緣計算模型是指在網(wǎng)絡邊緣執(zhí)行計算的一種新型計算模型邊緣計算模型中邊緣設備具有執(zhí)行計算和數(shù)據(jù)分析的處理能力，將原有云計算模型執(zhí)行的部分或全部計算任務遷移到網(wǎng)絡邊緣設備上，降低云服務器的計算負載，減緩網(wǎng)絡帶寬的壓力，提高萬物互聯(lián)時代數(shù)據(jù)的處理效率邊緣計算是對云計算的補充，為移動計算、物聯(lián)網(wǎng)等提供更好的計算平臺邊緣計算體系結(jié)構(gòu)邊緣計算特征實時數(shù)據(jù)處理和分析安全性高隱私保護可擴展性位置感知低流量邊緣計算典型應用視頻分析車輛互聯(lián)移動大數(shù)據(jù)分析智能建筑控制海洋監(jiān)測控制智能家居智慧城市4.4人工智能人工智能是一門涉及信息學、邏輯學、認知學、思維學、系統(tǒng)學和生物學的交叉學科，已在知識處理、模式識別、機器學習、自然語言處理、博弈論、自動定理證明、自動程序設計、專家系統(tǒng)、知識庫、智能機器人等多個領域取得實用成果20世紀中葉，人工智能的發(fā)展經(jīng)歷了第一次熱潮。麥卡洛克和皮茨發(fā)現(xiàn)了神經(jīng)元“興奮”和“抑制”的工作方式，1956年羅森布拉特提出了“感知機”模型，促進了連接主義的發(fā)展。同時，1959年所羅門夫有關文法歸納的研究和1965年塞繆爾將分段劃分引入對符號域的數(shù)據(jù)處理，也促進了符號主義的發(fā)展1995年提出了統(tǒng)計學習理論，既有嚴密理論又有完美算法支持，人工智能也因此成為以統(tǒng)計學習和機器學習為主導的研究。人工智能的核心技術機器學習即用人類最原始的學習方法給予機器可以處理數(shù)據(jù)的能力，通過訓練數(shù)據(jù)歸納出算法，用測試數(shù)據(jù)測試算法準確性，再通過歷史數(shù)據(jù)所產(chǎn)生的經(jīng)驗做出有效的決策。機器學習作為人工智能的技術基礎，不僅擁有通過算法對計算機數(shù)據(jù)進行快速處理的能力，還擁有統(tǒng)計模型所具有的對問題進行預測、分類的能力。主要方法包括：監(jiān)督學習無監(jiān)督學習強化學習計算機視覺通過對數(shù)字圖像或者視頻進行檢測、識別、分析，使得計算機對于攝像機拍攝到的場景信息具備高級別的理解和決策能力核心任務是將實際場景中拍攝到的圖像進行特征提取，得到特定的數(shù)值或符號信息，再根據(jù)這些數(shù)值或符號做進一步的檢測或者識別，并將結(jié)果以決策的形式來表現(xiàn)可以認為計算機視覺技術是采用幾何、物理、統(tǒng)計和學習理論等來構(gòu)建模型，然后從圖像數(shù)據(jù)中分解出判別信息這里的圖像是廣義的，其數(shù)據(jù)源包括照片、視頻、醫(yī)學影像、紫外紅外譜段相機拍攝的多模態(tài)圖像等等。計算機視覺的子領域包括場景重建、事件檢測、視頻跟蹤、目標識別、3D姿態(tài)估計、運動估計和圖像復原等等自然語言處理是以利用計算機和軟件系統(tǒng)為工具，為實現(xiàn)計算機與人類自然語言之間更好的溝通交流和計算機對人類言有效理解與加工處理的一個重要方向自然語言處理旨在研制可對人類口頭或書面語言做出非預設反應，可對外部信息進行有效通信交流的計算機系統(tǒng)或軟件系統(tǒng)