联网深圳无人驾驶公交车

235物联网理论与关键技术研究进展与趋势开放系统专委会摘要作为引领信息产业革命新浪潮的一项技术热点,物联网通过对物理世界信息化、网络化,将传统上分离的物理世界与信息世界实现互联与整合,促使Internet的触角延伸到物理世界中的方方面面.
当前,物联网理论与关键技术的研究与实现已经成为学术界与工业界广泛关注的焦点.
本文主要从物联网理论、关键技术以及系统原型实现这三个方面来介绍国内外物联网的主要研究进展,对物联网的研究思路和发展路线进行了分析和总结.
本文首先论述了物联网的研究背景及意义;在此基础上,提出了物联网方面的主要研究内容以及关键问题;并对国内外物联网相关的研究项目与系统原型实现进行阐述;最后,对物联网未来的研究方向进行了展望.
关键词:物联网,基础理论,关键技术,系统原型AbstractAsakeytechnologyofthenexttechnologicalrevolution,theInternetofThings(IOT)isabletoextractinformationfromthephysicalworldandinterconnectitwiththeinformationworld,enablingtheInternettoreachoutintotherealworldofphysicalobjects.
Nowadays,thescientifictheoryandkeytechnologyofInternetofThingshaveattractedbroadattentionsfromacademiaandindustry.
ThisarticleintroducestheresearchprogressinIOTonthreeperspectives:scientifictheory,keytechnologyandprototypesystem,andfurtheranalyzesandsummarizestheresearchideasandtechnologyroadmapofIOT.
WefirstdescribetheresearchbackgroundandsignificanceofIOT.
Onthisbasis,weproposethemainresearchstudiesandcriticalissuesofIOT.
WethensummarizetheresearchprojectsandprototypesystemsofIOT.
Finally,weoutlookthefutureresearchdirectionsandconclude.
Keyword:InternetofThings,scientifictheory,keytechnology,prototypesystem1.
引言随着物联网时代的来临,"物-物相联"成为一个新的理念,即通过对物理世界信息化、网络化,将传统上分离的物理世界与信息世界实现互联与整合.
有别于互联网中人与人在信息世界相联的理念,物联网将其触角延伸到物理世界中的方方面面.
在物联网的计算模式中,任何一个物理对象都有可能成为一个计算的主体,它可以是一台智能手机、一台冰箱、一个苹果,甚至可以是一粒沙子.
尽管国际上各学术组织对物联网的定义都有所不同,物联网确确实实给人们提供这样一个愿景:在未来世界,所有的物理对象都有可能被封装成一个个能够自主感知与自主计算的设备,它们能够通过无线的媒介进行有效地互联与通信.
通过分享各自的智慧信息,这些海量的物理对象节点能够协同起来实现复杂的感知与计算任务.

236尽管近年来物联网已经成为国内外学术界与工业界广泛关注的热点,但是从应用需求上来看,目前物联网仍然存在很多难点问题需要攻克.
总结起来,包括如下几个方面:(1)物联网在感知层面存在传感失谐、诊判失据、模型失用和评测失调等挑战性问题[1],物理空间和信息空间存在内在的复杂耦合关联,需要对不确定信息进行有效整合与交互适配[2].
首先,当前典型的感知系统如无线传感网系统的总规模不超过数百个节点,通常仅覆盖较小的试验性区域,仅支持几跳甚至单跳数据收集;受制于能量效率、系统管理和网络维护技术,传感网可持续运转时间也无法满足对城市和森林进行长期持续监测的需求.

其次,物联网所涉及的物理空间和信息空间的耦合关联极为复杂,连续的具有时空属性的物理空间、与离散的无时空维度的信息空间具有极大的差异性.
再次,物联网系统存在着普遍的高度混杂性和非确定性,如目标环境、传感器属性、终端类型、网络形态、信息处理方式等,各因素紧密耦合且关联复杂.
对于这些不确定的感知信息,如何以确定的表达方式对它们通过重组、清洗、融合等网内处理,整合为可用的信息为应用服务提供有效的支撑都是当前的难点问题.
(2)物联网在网络层面存在大规模异构节点间的数据交换问题[3]以及高度混杂的自治问题[2].
在物联网应用环境下,大规模异构节点的接入和海量数据的交换成为新的重要特征.

首先,物联网需要借助互联网、通信网等主流平台实现子网互连和网络融合,进而提供信息共享和协同服务,其通信协议各不相同,形成复杂的网络形态,对物联网终端和子网的组织协同提出很大挑战;其次,物联网在局部各子网段表现出很强的动态自治需求.
局部区域的各种节点为了执行特定的网络任务,动态地自我组织实现互连互通,需要充分考虑资源的动态变化和多种类型的异常状况.
因此,如何解决物联网超大规模性、多元异构性、系统动态性与高效数据交换之间的矛盾是物联网在网络层面面临的一个难题.
(3)物联网在数据层面存在海量数据处理以及可信保真问题[4].
面向物联网应用长期监测与测量的需求,物联网往往会持续不断地产生海量的多模态感知数据.
然而,由于感知数据的冗余性、混杂性以及不确定性等特性,使得海量的感知数据往往掺杂大量干扰和冗余数据,并非代表海量的信息.
为满足应用的实时处理需求,这些数据需要能够被高效快速的进行过滤、融合、关联等处理,来抽取出真正有效的信息.
此外,物理空间和信息空间的耦合关联使得物联网面临更为多样复杂的安全可信威胁,物联网混杂性和非确定性也对其安全可信带来巨大的挑战.
物联网中大量逻辑或物理实体基于网络相互连接,物理实体可能被偷窃屏蔽或转移,带来了新的安全威胁,容易造成个人隐私、商业机密和国家设施信息的泄露.

因此,如何集结和利用物联网内分散、异质的海量计算能力,来对海量的感知数据进行处理,并且保障物联网数据的可信和保真,是当前数据层面的难点问题.
基于上述的认识,本文主要从物联网理论、关键技术以及系统原型实现这三个方面来介绍国内外物联网领域的主要研究进展.
2.
物联网的研究内容2372.
1研究目标对于物联网系统和应用来说,需要满足一系列的性能指标,包括:效率、服务质量、可靠性、安全性,其中可靠性与安全性是前提,效率和服务质量是根本.
这里,服务质量是指由于物联网运行环境中的随机性和突发性,其功能实现需要达到预期的指标,例如:确保定位的精度等;效率主要是指能量效率(energy-efficiency)以及时间效率(time-efficiency),在无线移动环境下,所谓能量效率是指单位任务消耗的能耗需要尽可能少,时间效率是指任务的处理以及数据的传输需要保证低时延;可靠性是指由于外界物理环境的扰动,需要确保计算节点和数据传输的稳定运行,符合预期的状态;安全性是指物联网的系统应用需要为用户提供足够的安全与隐私保护机制,确保用户的相关权益不受侵害,例如,身份信息保护等.
基于上述认识,为了给物联网系统和应用提供足够的性能保障,有必要在相关层面和关键技术范畴进行针对性的研究和探讨.
由于物联网应用的广泛包容性,物联网的研究内容涉及到当前信息领域研究的众多研究热点,包括普适计算中的群智感知计算、高性能计算中的大数据、机器学习中的深度学习等等.
总体来说,从物联网的核心内容来看,目前物联网的研究内容主要集中在四个层面与三个关键技术上.
四个层面即所谓的感知层面、网络层面、数据层面以及应用层面;三个关键技术问题主要包括自动识别、智能感知以及室内定位技术.
这几个部分的关系如图1所示.
图错误!
仅主文档.
性能指标、主要研究内容与关键技术问题下面我们将从上述四个层面以及三个关键技术方面来逐一阐述相关的研究内容以及国内外相关领域学者和团队的研究进展.
2.
2主要研究内容2.
2.
1感知层面感知识别技术是联系物理世界和信息世界的纽带.
感知层位于物联网体系结构的最底层,实现对物理世界的智能感知识别、信息采集处理和自动控制,并通过通信模块将物理世界的物体连接到网络层和应用层,是物联网所有上层结构的支撑基础[5-8].
其中,感知技术借助传感器将物理世界中的各项感知数据转化成可供处理的数字信号,识别技术实现对物联网中目标识别和位置信息等的获取.
由于感知层面的各种感知识别设备用途不同、种类繁多、238数量巨大,物联网感知层所涉及的技术领域也非常广,因此与物联网感知层面相关的研究内容也非常多.
我们将感知层面主要的研究内容从如下几个方面进行总结.
图2展示了感知层面技术的分类.
图错误!
仅主文档.
感知层面的技术分类(1)感知层面的硬件支持物联网感知层面的硬件支持包括微机电系统(MEMS)、嵌入式系统、电源和存储、新材料技术等[5].
微机电系统实现对传感器、执行器、处理器、通信模块、电源系统等的高度集成,是传感器节点微型化、集成化发展趋势的关键.
嵌入式系统是满足物联网对设备功能、可靠性、成本、体积、功耗等的综合要求,按照不同应用需求定制的嵌入式计算机技术,是实现感知层节点智能化的基础.
电源和存储是感知层的又一个支撑技术,包括电池技术、能量储存、能量捕获、恶劣环境下的发电、能量循环、新能源等技术.
由于电池技术直接影响着感知层节点的使用寿命,因此,电池技术被视为大规模无线自组织网络长期、稳定运行的极为重要因素.
此外,新材料技术也是感知层面的一个研究热点.
物联网感知层面的新材料技术主要指应用于传感器的敏感元件实现的技术.
传感器敏感材料主要是面向各种感知需求,包括湿敏材料、气敏材料、热敏材料、压敏材料、光敏材料.
新型材料的使用主要是为了克服传统敏感材料在尺寸、精度、稳定性等方面性能的不足.
(2)高效识别为了实现感知层的自动识别,首先要解决的问题就是标识和解析.
标识和解析技术是对物理实体、通信实体和应用实体赋予的或其本身固有的一个或一组属性,并能实现正确解析的技术[5].
不同的自动识别技术的标识体系、标识管理、全球解析或区域解析也不同,典型的代表有射频识别(RFID)技术、条码技术、二维码技术、红外技术、图像识别技术等.

其中,以RFID、条码技术的使用最为广泛、技术也最为成熟.
RFID技术集成了无线通信、芯片设计与制造、天线设计与制造、标签封装、系统集成、信息安全等技术.
它是一种通过无线电信号识别特定目标并读写相关数据的无线通信技术.

239RFID在金融(手机支付)、交通(不停车付费)、物流(物品跟踪管理)等行业以形成一定的规模性应用,但自动化、智能化、协同化程度仍然较低[5].
在国内,RFID被广泛应用在身份识别、电子收费系统和物流供应链管理等领域,已步入成熟发展期,是最重要的自动识别技术.
我国成为继美国和英国之后第三大RFID应用市场.
我国形成了RIFD低频和高频的完成产业链,在低频和高频RFID设备制造和相关的软件技术方面相对成熟.
但是,在超高频和微波频段的RFID标签芯片设计、标签天线设计、标签封装技术与设备、读写器具设计与制造、系统集成与软件开发等方面,我国还远远落后于美国和欧洲等先进国家或地区.

缺乏具有自主知识产权的接口协议标准和自主可控的标签芯片和读写器芯片.

在RFID技术的体系标准中,影响力最大的是ISO/IEC和EPCglobal.
它们都支持UII(UniqueItemIdentifier)、TID(TagID)、OID(ObjectID)、tagOID以及UID(UbiquitousID).
RFID技术市场应用成熟,标签成本低廉,多用来进行物品的甄别和属性的存储.
但是,它也有不具备数据采集功能、受水、金属等电离体物质干扰大的缺点.
针对RFID技术的这些缺点,相关的研究工作被先后提了出来.
例如,由清华大学刘云浩教授领导的SecurityRFID项目,它们致力于研究一套可信RFID理论和关键技术.
此外,利用超高频RFID技术无线信号受人体影响的特点,一些研究者还将这一技术应用于人们日常活动的感知以及异常行为的检测等[9-13].
(3)多模态感知随着传感器设备制造工艺的不断提高,传感器节点的微型化和普适化发展使得进行环境的多模态感知成为可能.
多模态感知的数据来自不同的传感器节点、不同的感知维度,必须智能地利用才能有效地发挥价值,形成从数据到信息再到知识的飞跃[15].
客观环境的物理量有物体位置、方向、加速度、声音、温度、湿度、光照度、浓度等等,这些都有可能成为多模态感知的内容.
目前在工业界推出的多样化的传感器设备,如加速度计、陀螺仪、指南针、GPS、麦克风、摄像头以及各种无线信号GSM、Wi-Fi和蓝牙等设备都为多模态感知提供的方便.
多模态数据挖掘(multimodaldatamining)就是针对不同模态信息关联性以及不同模态挖掘结果整合等传统单模态环境下所忽视的内容展开研究.
对多模态数据的处理,能够获得比单一传感器具有更高的准确率、更有效和更易理解的上下文信息.

多模态感知为物联网感知层面进行智能交互、情景感知和协同感知提供的基础.
智能交互根据感知的物理信号,对外界不同事件做出决策以及调整自身的监控行为.
如帮助决策以低能耗的方式在本地资源受限的传感器节点上处理,从而减小整个网络的能耗和通信带宽.

多模态感知的一个代表性工作,是美国杜克大学利用智能手机上丰富的传感器来采集室内指纹特征是实现的定位技术.
这些室内的指纹特征包括室内环境的无线信号、声音、光线特征等.
通过人事先在大楼室内环境中进行采集,从而建立一个样本数据库.
通过指纹的匹配来进行室内定位.
中国矿业大学物联网(感知矿山)研究中心为了构建新型的煤矿安全技术体系;实现煤矿生产的掘进、采煤、运输、供电的无人化或少人化作业,在煤矿安全感知就包括三个方面:(1)感知煤矿重大灾害风险,实现事故检测预警,保障安全生产;(2)感知煤240矿井下人员周围环境,实现主动式安全保障,减少人员伤亡事故;(3)感知煤矿主要设备健康状况,实现预知维修,保持设备良好工作状态.
矿山物联网的感知层面主要用于采集煤矿生产过程中发生的物理事件和数据,包括物理量、标识、音频、视频.
感知矿山灾害状况、设备工作健康状况和矿工周围安全环境状况[6].
智慧城市感知层面包含的内容非常广、感知数据的总量也非常庞大.
如城市交通领域的噪声感知、视频感知、车辆位置感知等等.
感知层通过无线射频RFID、卫星定位、视频监控、噪声监控、状态监控等多元传感设备,实现身份识别、位置感知、图像感知、状态感知等多方面感知.
此外,还有一些代表性的工作,如清华大学史元春教授研究组利用智能手机来感知人的行为特征,使得人们与外界的交互更加方便;清华大学刘云浩教授的CitySee课题组的基于智慧城市的项目,通过采集二氧化碳含量、光照、湿度等数据的环境感知.

(3)感知数据安全由于感知层是物联网的基础,负责感知和搜集数据,是整个物联网的信息源.
因此,感知层数据信息的安全保障是整个物联网信息安全的基础.
感知层的安全不仅和节点所处的外部环境有关.
物联网中的传感节点通常需要部署在无人值守的环境中,相比于传统网络环境更容易受到攻击.
此外,因为有些感知设备同时也是与用户进行交互的设备.
要能够保证这些设备在与人交互的过程中,不能够出现危险行为,这就涉及到了感知设备的硬件质量检测.
作为感知层中最重要的识别技术,RFID系统面临的安全风险主要有信息泄露、追踪、重放攻击、克隆攻击、信息篡改、中间人攻击等.
对于这些安全威胁,研究人员提出来一些解决方案,如杀死标签、主动屏蔽和加密解密技术等.
而无线传感器网络相比于传统的互联网具有自身的一些特殊性.
在无线传感器网络中的节点资源通常是受限的,这些节点的计算能力、存储能力、通信能力有限.
由于其固有的分布特点,往往会面临如下安全问题:节点物理俘获、传感信息泄露、耗尽攻击、拥塞攻击、非公平攻击、拒绝服务攻击、转发攻击、节点复制攻击等.
针对这些安全威胁,研究人员提出了加强网关节点部署环境安全防护、加强对传感网机密性的安全控制、增加节点认证机制、入侵检测机制等解决方法.

2.
2.
2网络层面物联网的网络层包括延伸网、接入网和核心网,可依托公众电信网和互联网,也可以依托行业专用通信网络,主要实现信息的传递、路由和控制.
网络层处于物联网感知层和应用层之间,负责将感知层获取的信息进行传递和处理,是物联网的"神经中枢".
由于网络层具有异构网络规模大、系统环境动态化等特点,保障异构网络间的互连互通和可靠传输成为网络层面临的最大挑战.
在国家高技术研究发展计划(863计划)和国家重点基础研究发展计划网(973计划)的物联网相关的基础研究项目,都把网络层的研究工作放在突出位置,予以重点攻克.
除此之外,网络层能量、频谱资源利用效率也是网络层面研究工作的重点,主要体现在网络层的低功耗路由和认知无线电技术等.
一般说来,网络层的关键技术网络通信技术主要包括无线接入增强技术、下一代承载网络技术、低功耗路由、自组织通信技术、网络241传送技术、异构网络融合接入技术以及认知无线电等资源管理技术等[5].
下面,我们从网络层的异构互连、可靠传输和网内处理三个方面介绍近年来的研究工作进展.

图3物联网的网络层面研究内容(1)异构互连目前在物联网感知层和网络层采用的无线技术包括RFID、近距离无线通信技术、无线局域网(IEEE802.
11)、蓝牙、蜂窝移动通信、宽带无线接入技术等.
如此众多的异构通信网络间要实现互连互通,首先要解决的就是参与通信的两个对象的网络标识问题.
现阶段正在使用的网络标识有IPv4、IPv6、E.
164、IMSI、MAC等.
物联网在通信标识方面的需求与传统网络的不同主要体现在两个方面:首先,物联网中的通信设备的规模非常大,使得标识资源需求的大规模增加,IPv4、E.
164等传统网络资源地址的分配已经满足不了应用的需求.
其次,以无线传感器网络(WirelessSensorNetwork,WSN)为代表的无线通信网络在通信的带宽和处理能耗上的要求,使得设备的标识长度又不能太长,以提高资源、能量的利用效率.
因此,异构网络系统的互连模型和网元编码体系是网络层研究的首要问题.

使用GlobalIP为物联网中的网元进行标识编码,是解决物联网可扩展性以及进行服务的透明集成的最佳途径.
目前基于IPv6的网络协议已经成为实现GlobalIP的共识[15].
韩国科学技术高级研究院提出了面向全IP体系的无线传感器网络通信协议SNAIL(SensorNetworksforAll-IPWorld).
该协议体系包含一个完整的IPv6自适应方法(IPv6Adaptation)以及针对节点移动性问题的移动管理协议(Mobility)、Web可访问性(WebEnablement)、时间同步(TimeSynchronization)、安全性(Security)[16].
从2005年开始,IETF6LoWPAN工作组针对物联网中的大量计算和资源均受限的设备,提出IPv6实施方案6LoWPAN.
该方案具有头部结构简单、分层级地址模型的特点,非常适合于无线嵌入式设备.
2007年,6LoWPAN的第一个版本发布.
2008年,IETF成立了一个新的工作组ROLL来制定针对低242能耗、无线不可靠网络的路由解决方案[17-19].
uIPv6是第一个针对存储资源受限的而设计的基于IPv6的、轻量级的运行在802.
15.
4/6LowPan、802.
11、以太网等协议层之上的协议栈[20].
uIPv6使用两阶段的时钟来管理和移除过期的数据信息.
而目前移动通信网络和无线接入网络的标准化工作,主要集中于对现有移动通信网络协议的增强,使其能更好的适应物联网的业务特点.
主要的移动通信标准化组织均已开展相关工作,3GPPSA和RAN分别针对网络架构、核心网以及无线接入网开展了工作,目前网络架构的增强已经进入实质性工作的阶段,而无线接入网的增强仍处于研究阶段.
类似的,3GPP2和IEEE802.
16/WiMAXForum也针对CDMA和WiMAX系统开展了相关的工作,但目前的工作进展普遍慢于3GPP.
2010年,由北京邮电大学马华东教授作为首席科学家的国家重点基础研究发展计划(973计划)"物联网体系结构基础研究"正式启动.
其研究内容的第一个关键科学问题"大规模异质网元的数据交换问题"与物联网网络层的异构互连问题密切相关.
其研究内容包括异构网络系统的互连模型与网元的高效编码体系、网络动态行为规律、面向IP体系演进的网络融合架构和同时支持非IP和IP的网络融合架构等.
设计基于IPv6的轻量级的物联网编址寻址架构.
研究基于主机标识和定位符分离的新型物联网编址寻址架构,探讨层次化、可扩展的网络单元命名方法,提出一种新型的主机名字空间组织构架,实现高效的主机标识符到定位符的映射.
2011年,由中国科学院上海微系统与信息技术研究所刘海涛研究员作为首席科学家的国家重点基础研究发展计划(973计划)"物联网的基础理论与实践研究",同样提出了要针对物联网应用场景的动态性以及网络和终端互连方式高度异构性的特点,进行异构网络的融合和自治机理的研究.
(2)可靠传输物联网的网络层与传统互联网的网络相比往往具有如下的突出特点:自组织性,参与通信的节点间不需要网络基础设施的支持,节点可以随时加入或离开网络;分布式,大量的网络节点以分布式的方式存在;拓扑动态变化,由于节点的移动性导致网络拓的变化,进而导致网络中的通信链路也会变化;终端资源受限,每个节点的计算资源、存储资源和使用寿命的限制,导致构建可靠的传输链路成为一个挑战;安全性,由于节点是分布在整个部署环境中的,所以,单个节点容易受到攻击,信息传递的不可控因素增大.
保障网络层传输的可靠性对于保障物联网的安全性具有非常关键的作用.
Gou.
等人提出了一种基于多路径的无线传感器网络可靠数据传输协议(LCRT),该协议在提高网络通信可靠性的同时,还可以保证传输过程的能量消耗和时延都较低[21].
Jiang.
等人针对两跳传输协议的无线传感器网络,提出了一种基于协作的规模有限网络的安全、可靠传输协议[22].
Zhang.
等人提出了一种利用拓扑感知和结构化虚拟标识空间的方法,来建立物243理标识符合与更高层物理地址的映射关系,通过省略数据和控制信息在网络中的洪泛,提高了网络的可扩展性和鲁棒性[23].
由香港科技署发起的面向结构化健康监控的无线传感器网络平台ITF项目的首要目标就是保证平台的高可靠性.
香港科技大学张黔教授研究了链路不可靠的无线自组织网络中节点密度和传输延时之间的关系[24].
973计划"物联网的基础理论与实践研究"关于网络层可靠传输也提出要针对服务的动态变化和多模异质特性以及对通信资源的竞争访问,研究物联网终端的高效无线接入协议;研究物联网中可靠的多终端协同中继传输机制;针对网络拓扑及信道质量的快速动态变化,研究非确定环境下的物联网端到端实时可靠数据传输的在线优化调度机制.

(3)网内处理从计算模型的角度可以把物联网应用模式分成两大类:感知模式和海计算模式[25].
感知模式关注对两个方面的强化:前端传感器对物理世界的有效感知、后端云计算平台的智能判定和决策.
感知计算模式在物联网网络层面的体现,可以追溯到无线传感器网络的网内数据处理技术的研究.
而海计算把智能推向了前端,网络中的智能化前端具有存储、计算和通信能力,能在局部场景空间内实现前端之间的协同感知,并对感知事件及时作出相应,具有高度的动态自治性.
在无线传感器网络中,电池能量是最重要的资源之一.
数据传输占据着占据节点能量消耗很大的一部分.
网内数据处理技术通过在网络中部署具有一定计算能力的中继节点,对无线传感器网络中的原始数据进行处理,从而达到降低传输能耗的目的.
香港理工大学的YingwenChen等人较早地提出了如何在无线传感器网络中部署中继节点的问题.
考虑到实际网络中很难获得网络全局拓扑信息的约束,他们提出了一种仅利用邻居节点网络信息的近似最优化解决方案ENERGY[26].
美国康奈尔大学的YongYao等人提出了一种声明式的无线传感器网内查询方法,该方法可以有效地减小网络资源的消耗、延长网络使用寿命[27].
海计算这个概念是由中国科学院江锦恒副院长在2010年4月12日参加中国科学院战略高技术十二五规划研讨会上首先提出的[25].
海计算是物理世界的物体之间的计算模式.
海计算模式一方面通过强化融入在各种物体中的信息装置,实现物体和信息装置的紧密融合,自然地(原生态地,Natively)获取物质世界信息;另一方面通过强化海量的独立个体之间的局部的即时交互和分布式智能,使物体具备自组织、自计算、自反馈的海计算功能.
海计算的本质是物体与物体之间的智能交流,实现的是物之间的交互(InteractionofThings),强调物理世界的智能连接和物理性质涌现(Emergence),是以物理世界为中心的思维[25].
海计算所具有的的融入性、自主性、局部交互、群体智能等特征,可以被认为是传统无线传感器网络网内处理技术的高级发展阶段.
2442.
2.
3数据层面在物联网应用环境下,物联网源源不断地产生海量的多模态感知数据,这些数据大都是包含有一定噪声的不确定数据,具有异构性、时空敏感性等特性,如果不能对其很好地描述和处理,则很难有效利用这些数据,因此,在物联网的数据层面,如何在分布式环境下对海量的数据进行存储、分析与挖掘,并且提供安全与隐私保障,成为当前研究者们高度关注的问题.
图4物联网的数据层面研究内容(1)高效数据存储对于物联网而言,现有的大规模数据存储系统并不能很好地满足物联网的存储需求.
现有的系统一般都采用通用型的关系型数据库管理系统来索引元数据,但其在峰值性能、伸缩性、容错性、可扩展性等方面有很大局限性,不能有效地支持物联网上大规模的多模态感知数据的存储和查询.
当前针对物联网的现有存储模式分为分布式和集中式两类.
分布式存储方法[28-30]是指将采样数据直接存储在各传感器结点,查询处理时再通过远程访问获取数据.
分布式存储的好处是能减少不必要的数据传输.
然而分布式存储方式有很多局限,比如传感器的内存以及外部存储容量都很有限,不适应长期部署任务;如果传感器发生故障或重启,数据都会丢失;查询数据会带来大量的通信开销等.
事实上,随着数据中心和云存储技术的发展,集中式的存储方案受到很大的关注.
在工业界,Google、微软、中国腾讯、阿里巴巴等国内外知名网络服务企业已经建立了大规模的数据中心网络,用于存储海量数据,并利用分布式存储和强大的处理功能处理数据.
云存储是在云计算概念上延伸和发展出来的一个新的概念,目前已经有很多成熟的云存储服务,如245GoogleDrive、DropBox、微软的Skydrive.
基于上述认识,近年来,越来越多的研究者开始关注集中式的感知数据管理机制.
在集中式数据管理系统中,各传感器按照一定的采样规则,将所采集的数据上传到数据中心进行统一的存储管理,使得查询处理可以直接在数据中心完成.
在集中式的传感器数据处理方面,最直接的方法是采用云数据管理技术[25,31],大多是"键值"数据库,其与传统关系型数据库不同,是一种基于键值存储的新型数据库管理系统,常见的"键值"数据库有Bigtable、Dynamo、HBase、HIVE等,这为物联网海量数据处理提供了一种可能的解决方案;另一种集中式的存储方案是采用并行数据库技术[32].
并行数据库通过将多个关系数据库组织成数据库集群来支持海量结构化数据的处理,但是该方法尚不能有效地支持物联网中传感器时空相关数据的并行存储与查询处理,目前研究者们正致力于该问题的解决.
(2)数据挖掘与融合作为决策支持和过程控制的重要技术手段,数据挖掘已经从传统意义上的数据统计分析、潜在模式的发现与挖掘,继而成为物联网中不可缺少的工具和环节.
物联网特有的分布式特征,决定了物联网中的数据挖掘算法必须具有高效并行、分布式处理、隐私保护等特征属性.
传统的数据挖掘主要分为两类:预测和寻证分析,前者主要用于在了解现状的情况下,推测系统在近期或者中远期的状态;后者是当系统出现问题或者达不到预期效果时,分析它在运行过程中哪个环节出现了问题.
根据所挖掘出的知识差异,数据挖掘的基本类型包括如下几类:关联分析、聚类分析、利群点分析、分类与预测和演化分析.
从目前的研究进展来看,物联网环境下的数据挖掘还存在很多挑战,由于物联网的计算设备和数据在物理上是天然分布的,收集到的数据来源广、异构性强,需要云存储和云计算模式,因此不得不采用分布式并行数据挖掘;物联网环境下,还需要对瞬息万变的环境实时分析并做出反应和处理,这些特性决定了物联网中数据挖掘算法必须具有高效、分布式、并行等特点.

由于物联网中数据节点计算能力和存储量有限,采用集中式的方式实现基于云服务的数据挖掘可以很好地解决这些问题.
在国内,中国科学院计算技术研究所于2008年底开发完成了基于Hadoop的并行分布式数据挖掘系统PDMiner.
中国移动进一步建设了256台服务器、1000个CPU、256TB存储组成的"大云"试验平台;在国际上,斯坦福大学的Chu等人[33]采用Map-Reduce并行编程模式实现了机器学习算法,这是在多核环境下并行算法的实现.
另外,在多节点的云计算平台上的开源项目ApacheMahout于2011年5月27日发布[34].
随着智能手机等设备的普及和使用,使得智能感知节点的计算能力得到了一个大幅度的上升.
物联网环境下,越来越多的基于智能感知终端的数据挖掘应用使得分布式的数据挖掘方案成为一个新的趋势.
例如,新加坡南洋理工大学的PengfeiZhou等人利用众包原理收集246大量公交车乘客携带的智能手机所感知的周围环境数据,准确预测公交车的到达时间[35];美国约翰霍普金斯大学的AndongZhan等人收集单车骑行者的手机加速度数据,以廉价的方式计算卡路里的消耗量[36];类似于AndongZhan的方法,美国弗吉尼亚大学的ShahriarNirjon等人[37]将数据挖掘应用到音乐智能推荐领域,伊利诺伊大学的MehediBakht,等人则用于在移动环境下发现邻居用户[38].
(3)安全与隐私保障物联网安全引起各国政府的高度重视.
欧盟在2009年发布的《欧盟物联网研究战略路线图》强调,物联网资源的发现和访问控制是物联网安全的关键支撑技术.
工信部在2011年3月公布的《卫星移动通信系统终端地球站管理办法》对物联网行业安全制定了防范措施,从机制上确保了我国物联网安全.
在学术界,也有一些研究人员开始研究物联网隐私保护方法[39],并讨论了物联网隐私保护的法律框架[40].
目前,物联网隐私保护主要分为基于数据的隐私保护和基于位置的隐私保护.

基于数据的隐私保护主要是指物联网中数据采集、传输和处理等过程中的秘密信息泄露,如RFID数据安全保护,RFID标签可能存储大量隐私信息,由于RFID芯片计算能力较弱、存储空间较小,如遵循EPCglobalClass-1Gen-2RFID规范的标签,通信频段在800-960MHZ,仅支持16bit的伪随机数生成器和循环冗余码的计算[41],所以有很多的密码算法在RFID标签上都无法使用,当前实现RFID安全机制所采用的方法大致可分为物理方法(如扼杀标签、阻止标签)和采用密码算法的方法两种类型.
物理方法通常采用在售出商品时毁坏或是移除标签来实现对标签信息保护(扼杀标签的方法),或通过增设一个屏蔽装置对标签实施屏蔽,使得标签无法接收到外界的电磁波(阻止标签方法)[42],现在研究更多的是采用密码算法设计安全认证协议以抵抗RFID的安全威胁问题,如Hash-Lock协议、随机化Hash-Lock协议、Hash链协议、基于杂凑的ID变化协议、LCAP协议等[43,44];基于位置的隐私保护,主要指物联网中各节点的位置隐私以及物联网在提供各种位置服务时面临的位置隐私泄露问题,可以利用匿名技术[45,46]实现对用户位置信息的保护.
2.
2.
3应用层面随着对物联网技术的进一步深入探索,目前的一些物联网技术已经应用于制造、物流和零售等各领域.
物联网"十二五"发展规划中,重点领域应用示范工程包括智能工业、智能农业、智能物流、智能交通、智能电网、智能环保、智能安防、智能医疗、智能家居.
根据应用模式的分类,我们将目前物联网应用层面的进展阐述如下:247图5物联网的数据层面研究内容(1)目标识别.
通过二维码,RFID等技术标识特定的对象,使得系统能够快速高效地对目标进行识别,并获取更多扩展信息.
在生活中我们使用的各种智能卡,条码标签的基本用途就是用来获得对象的识别信息;此外通过智能标签还可以用于获得对象物品所包含的扩展信息,例如智能卡上的金额余额,二维码中所包含的网址和名称等.
在国外,从2002年起美国联邦快递使用自动感知的启动系统.
每个联邦快递运输员都会在手腕处佩戴附加RFID标签的腕带,当运输员送货完毕返回运输车后,在运输车内的阅读器会对目标区域扫描,运输员在运输车附近6英尺左右的距离,阅读器就可以扫描到腕带上的RFID标签,并进行匹配,成功后自动开启车门并启动系统.
(2)目标跟踪.
利用RFID、GPS等多种类型的传感器和分布广泛的传感器网络,可以实现对特定对象行为的全方位监控和追踪.
在智能交通应用中,通过GPS标签跟踪车辆位置,通过交通路口的摄像头捕捉实时交通流程等.
2010年9月26日,商务部办公厅财政部办公厅发出《关于肉类蔬菜流通追溯体系建设试点指导意见的通知》,并推动以上海为首的全国10个城市作为第一批试点城市开展肉类蔬菜流通追溯体系建设.
在医疗卫生领域,通过物联网技术实现对患者的持续护理、不间断监测、医疗记录的安全共享、医学设备的追踪、并进行正确有效的医学配药,还包括对患者的识别功能,用来防止医生做手术选错了病人和防止护士抱错了出生的婴儿的事情发生.
(3)环境感知.
利用多种类型的传感器和广泛部署的传感器网络,可以实现对某个对象的实时状态的获取.
如使用分布在市区的各个噪音探头监测噪声污染,通过二氧化碳传感器监控大气中二氧化碳的浓度.
在清华大学刘云浩教授团队[47]2009年启动的绿野千传项目,2011年启动的Citysee项目和OceanSee项目都是利用无线传感器节点实时采集环境信息来检测环境的成功典范.
在国外,IBM公司基于2008年提出的"智慧地球"理念,已经为环境感知类的应用提供了多种实际的解决方案.
微软公司的Eye-On-Earth平台在欧洲监测水和空气质量,为研究天气变化服务.
惠普公司[48]也在自己的"全球中心传感系统"中研究物联网,目的是在全球百万个小型传感器监测地球公转和自转.
248(4)智能控制.
物联网基于云计算平台和智能网络,可以依据传感器网络用获取的数据进行决策,改变对象的行为进行控制和反馈.
例如智能交通系统,通过使用通信技术、传感技术有效集成基础设施和交通工具中的信息,并结合控制技术、计算机技术来提高交通运输系统的实时性、准确性和高效性,并降低能源的消耗、减少环境的污染.
2013年4月16日,日本总务省发布了"智能云研究会报告书",制定了"智能云战略",目的在于借助云服务,推动整体社会系统实现海量信息和知识的集成与共享.
另外,欧盟还提出了一个名为"互联网连接对象"的框架,重点是在企业环境中,采用物联网技术和服务,目的是提高欧洲工业的竞争力,已有的项目包括HYDRA项目[49]、RUNES项目[50]、IOT-A项目[51]、iCORE项目[52]等.
2.
3关键技术问题2.
3.
1自动识别作为物联网领域的一项关键技术,自动识别主要是通过识别设备和识别目标之间的交互,自动地获取识别目标的相关信息,并将获得的信息提供给后台处理系统来完成相关后续处理.
自20世纪40年代进行研究开发,到70年代形成规模,自动识别已在全球范围内得到了迅速发展,目前自动识别技术主要包括光符号识别、语音识别、生物识别、IC卡识别、条形码识别、射频识别(RFID)等技术.
自动识别技术集计算机、光、磁、物理、机电以及通信技术为一体,提供了快速而准确的数据识别方法,目前已被广泛应用于身份识别、物流运输、邮政咨询、电子政务、军事、工业制造、零售业、畜牧业等各个领域.
在诸多应用领域中,条形码识别技术和射频识别技术是当前两种应用最广泛的技术.
因此,我们将围绕条形码技术和射频识别技术展开,介绍条形码的应用及技术发展现状.
图6展示了自动识别技术的分类.
图6自动识别技术的分类(1)一维条形码和二维条形码识别技术249条形码是由一组规则排列的条、空以及对应的字符组成的标记,用来表示一定的信息.

根据条形码能够装载的信息容量的不同,可将条形码分为一维条形码和二维条形码.
一维条形码是迄今为止使用最广泛的一种自动识别技术,但是一维条形码的信息容量较小,仅能容纳几位或者几十位的信息容量,使得它的使用受到了限制.
20世纪70年代,突破了一维条形码的限制,二维条形码应运而生,它将条形码的信息空间从线性的一维空间扩展到平面的二维空间.
与一维条形码相比,二维条形码具有存储容量大、抗损性强、安全性高、抗干扰能力强等特点.
目前,二维码主要应用于传递信息、移动支付、电商平台入口、凭证等方面.

结合足够多的用户群和良好的应用模式,二维码将成为桥接显示与虚拟最得力的工具之一.

2012年9月,腾讯公司CEO马化腾在中国互联网大会上提出"二维码是线上线下的一个关键入口",当二维码与O2O(OnlineToOffline)模式结合,可以利用二维码读取线上的用户给线下的商家.
近年来,受到物联网技术的推动,智能手机的普及,手机二维码走进了人们的生活.
用户可以通过手机的拍照功能扫描二维码,快速获取二维码中的信息,进行上网、资料交换、移动支付等.
从中国第一张电子电影票的诞生,到南航自助值机系统的成功应用,再到即将在全国60多家国际机场全面采用的移动VIP易登记服务,目前二维码已在移动通信、交通运输、餐饮娱乐、金融、旅游等多个行业展开实际应用.
(2)射频识别(RFID)技术射频识别(RFID)技术诞生于20世纪80年代,它改变了条形码依靠一维或二维图案来提供信息的方式,通过芯片来提供存储在其中的巨量信息.
射频识别技术(RFID)利用射频信号通过空间耦合(交变磁场或电磁场)实现无接触信息传递,并通过所传递的信息实现自动识别.
它具有许多独特的优势:防水、防磁、读取速度快、识别距离远、数据可加密、可读可写等,能够极大地提高信息处理的效率和准确度.
由于RFID技术的众多优点,使得RFID具有广阔的发展空间和应用前景.
目前,无论是学术界还是工业界,均对RFID技术展开了广泛的研究.
在学术界,主要围绕了RFID系统中标签识别、数量估算、标签轮询、流量追踪、安全隐私、目标定位、系统性能等方面展开.
近年来,在标签识别、数量估算以及标签轮询方面,美国佛罗里达大学的陈世刚教授课题组在理论与算法设计、尤其是随机算法在RFID系统中的运用方面开展了研究[55-57].
美国威廉玛丽学院的李群教授课题组研究了RFID系统中的标签识别、数量估算、丢失标签检测、移动环境下的标签识别等多方面问题[58-61].
香港科技大学的倪明选教授课题组致力于主动标签的研究与应用,比如在医学领域应用具有传感、计算能力的主动标签[62,63].
香港理工大学的曹建龙教授课题组在目标追踪、行为感知等方面开展了研究[10,64,65].
清华大学的刘云浩教授课题组围绕标签定位问题展开了研究,并且关注了大规模RFID系统中多阅读器的调度、协作等问题[66-68].
刘云浩教授于2007年开展了"签若磐石"项目,研究安全的RFID技术,并将RFID技术应用于在邮政以及食品安全中[69].
清华大学的史元春教授开展了智能家居的项目,使用RFID以及其他控制技术,为用户在家中提供位置检测、环境感知等服务[70].
250在工业界,RFID技术发展迅速.
RFID技术在国外起步早、发展快,世界很多著名厂家如德州仪器、Motorola、Philips、Microchip等生产有RFID产品;而在发达国家(如美国、德国、日本等)已经具有较为先进而且成熟的RFID系统.
美国积极推动RFID应用:2008年1月,美国海军应用RFID进行反向物流实验;2009年4月,美国保点系统发布了EvolveProduct系列标签产品,将RFID技术与电子防盗技术融合在一起;2009年7月,美国MobilePaymentSkins公司将RFID嵌体嵌入到手机面板中,提供了新型的非现金手机支付方式[71].
欧盟开展了RFID的基础性研究和商业应用:2007年2月,德国政府将RFID技术确定为一个新兴技术,并投入了2亿多欧元支持基础研究和关键技术研发;2009年3月,欧盟出台了信息通信技术研发和传新发展战略,推进了RFID的发展[72].
日本作为亚洲地区电子标签技术发展领先的国家,在电子标签标准制定、应用推广和技术研发方面发挥了主导作用.
2009年日本政府补拨了1万亿日元预算用于信息技术的发展,推出了"I-Japan2015"战略,其中一项内容就是用于在RFID的研发、生产、应用和标注方面取得突破[72].
相较于欧美等发达国家或地区,我国在RFID产业上起步较晚,但具有良好的发展趋势.
2007年,国家无线电管理部门公布了中国RFID频率应用规范《800/900MHz频段射频识别(RFID技术应用规定(试行)》,为推进我国RFID技术标准奠定了良好的基础.
我国HF频段芯片、标签和读写器从设计到制造技术非常成熟,产业已经形成规模.
2008年,上海完成了国家专用密码算法的13.
56MHz高频RFID新芯片.
RFID的使用量也是逐年增加,至2008年,全国的标签使用量已达到12.
2亿个[72].
我国政府积极启动RFID方面的工作,2008年将RFID技术列入《国家金卡工程全国IC卡应用(2008-2013年)发展规划》[73].
发改委2008年支持首批信息化试点工程,将RFID列入重点工程,支持了17个项目;科技部"863"计划先后启动两批RFID专项课题,推动RFID的发展[75].
2011年,RFID技术被列入《高技术产业发展"十二五"规划》[53].
受益于物联网的发展,2011年《物联网"十二五"发展规划》发布,规划中指出我国将提升感知技术水平,重点支持超高频和微波RFID标签的研究,大力推进超高频和微波RFID等关键技术标准的指定工作,推动传感器、RFID等核心制造业的高端化发展[54].
在我国,RFID技术已被应用于二代身份证、铁路车号识别、票据管理、动物表示、特种设备、公共交通以及生产过程管理等诸多领域.
比如,在锦山一条高速公路上以应用了非接触式射频卡自动收费系统;上海的公共汽车使用了电子月票;北京的机场高速公路上以及深圳的皇岗口岸也使用了RFID系统.
RFID技术具有独特的优势,它的优越性已体现在诸多应用领域中,比较典型的应用有电子不停车收费系统(ETC)、智能物流、手机钱包等.
在ETC系统中,最著名的ETC系统是美国E-Zpass系统,有23条专用ETC车道的电子不停车收费网络竟然承担了整个月平均交易量的43%.
我国的ETC技术始于20世纪90年代初,据统计在"十一五"期间,我国有28个省(区、市)实现了高速公路联网收费,开通电子不停车收费系统(ETC)的车道数约为1300个,平均覆盖率约为15%.
在智能物流中心,使用了电子产品码(EPC)标示了物体或用户的身份,EPC旨在为每一个节点提供一个独立的标识.
目前,美国的JTAV是世界上251最大的RFID网络,可以在40个国家的400个地点读取RFID信息,包括港口、军事基地及世界各地的铁路码头.
RFID标签每小时都报告它们的信息,JTAV可以跟踪27万个货物集装箱,甚至可以通过卫星实时定位集装箱所在的船只.
2013年5月28日,阿里巴巴集团携手银泰集团、复星集团、富春集团、顺丰、申通、圆通、中通、韵达成立新公司,启动中国智能物流骨干网,使之能够实现让全国任何一个地区做到24小时内送货必达.
关于手机钱包这一业务,它受益于物联网技术的发展以及智能手机的普及.
手机钱包可以让用户在乘公交车、打的、看电影、购物等时候,只要拿出手机"刷"一下,就能完成支付,而手机支付功能主要通过近场通信(NFC)实现.
日本最大的手机运营商NTTDpCoMo在2004年退出了第一款手机钱包,这种内种FeliCa芯片的FeliCa手机通过非接触式IC卡技术,将手机打造成了一个移动的电子钱包,使得用户可以通过FeliCa手机做小额支付等.
中国则在2005年11月开始推行发展"手机钱包"的业务,让用户能够随时随地享受个性化的金融服务,以及快捷的支付渠道.
时至今日,RFID技术已经成为自动识别技术中的一项关键技术,它的优越性毋庸置疑.
RFID正广泛地被应用人们生活的方方面面,旨在为各行各业提供方便、提高效率、改善服务等.
2.
3.
2智能感知作为物联网领域的核心技术之一,智能感知主要是通过对现实物理世界的信息进行智能感知识别和信息采集处理,从而为实际应用提供数据基础.
智能感知主要利用传感器及网络技术,对现实物理世界中的待检测物理量进行测量,并转化成计算机可以理解的电信号传输给应用层使用.
作为信息的收集者,智能感知在物联网中起到神经末梢的作用,对应用的实用性,可用性,高效性以及准确性起到至关重要的作用.
图7展示了智能感知技术的分类以及研究进展结构.
图7智能感知技术的分类(1)基于智能手机的感知技术在传感器技术日趋成熟的现在,人们的关注点已不再局限于如何提高传感器的能力,而252是如何利用现有的丰富的传感器资源来为用户提供更加优质的服务.
近年来最为显著的变化当属智能手机的兴起,作为一种特殊的传感设备,智能手机相比传统的嵌入式设备不仅拥有良好的计算能力,而且自身集成了加速度器,陀螺仪,麦克风,摄像头,GPS等等多种传感设备,同时其中的传感器种类还在不断增加,例如近场通信(NFC)技术,众多传感技术的结合为智能手机的众多应用提供了丰富的硬件基础,是当今智能手机应用的数据感知基石.
作为日常生活的必备设备之一,智能手机的广泛使用以及其良好的感知能力与网络交互能力都保证了其成为当下以及今后若干年的研究热点,利用智能手机诸多优点而完成的项目也包罗万象[35,36,37,74,75,76],例如:定位技术就可以使用GPS,WIFI,蜂窝网络,摄像头等等多项技术;而利用智能手机加速度传感器、GPS以及麦克风、摄像头等等来对人的行为模式进行感知识别使得人们的生活更加智能;利用NFC技术为智能手机之间的匹配,交互信息提供了一种新型、安全的方案.
智能手机所带来的发展前景远不止这些,传感器之间的协作以及用户之间的数据共享为智能手机的感知应用提供更多的可能,不断挖掘智能手机的新型应用模式,开发出更加智能的应用,将会是智能感知中的一个趋势.
(2)大规模无线传感网验证平台及其实际部署应用除了智能手机的大规模应用之外,无线传感网的应用也达到了一个新的高度.
与过往理论研究不同,如今的研究更加注重理论联系实际,用实际的系统证明理论的可行性.
因为,智能感知中往往需要和现实物理世界打交道,所以现实中的随机事件将会大大影响理论模型的运行效果,例如,某个传感节点的崩溃所造成的网络变化,或者某个节点的异常数据对于整个网络性能的影响等等.
所以,当下在传感网的主要研究会在实际运行的系统中进行.
例如,清华大学刘云浩教授在2009年启动的绿野千传项目[77],以及2011年启动的citysee项目,都是将上千的传感节点部署在实际物理世界中进行检测和统计.
大规模无线传感网实施的同时带来了诸多问题,相比于以往在实验室或者广场上搭建的一个上百节点的传感网而言,上千传感器节点带来的部署压力和难度大大增加[78].
最直接的问题当属人力资源的消耗,人为部署节点能够准确的分配节点之间的位置关系,但是人力开销巨大;而目前使用的直升机空投传感器方法,在野外环境广泛适用,但是由于节点分布具有一定的随机性,所以性能也因节点的分布局部造成一定差异;而在城市环境下,由于城市格局规划的限制,人流车流的影响,随机部署节点以及节点之间的通信都会受到相应的干扰.
相比于部署的困难,分布式传感节点性能的不确定是传感网中的另一类问题.
由于节点的大量增加,所以发生节点崩溃以及感知错误数据的概率也大大提高,如何在节点失效情况下正常工作以及如何过滤掉错误的感知数据使得结果正确率得到保证一直是人们关注的焦点.
而传感节点的能量问题作为传感网寿命的限制也从未离开人们的关注,局部网络的能量开销过大将导致节点提前失效,极易造成网络的不连通使得系统无法正常工作.
所以,大规模无线传感网的实际应用以及平台验证在现实物理世界中还包含诸多挑战.

同时,中国也十分关注物联网的实际应用,863项目、973项目也都已关注物联网的应253用,在绿色农业、城市管理、医护医疗、智能家居、智能交通、环境检测等多个方面都有智能感知技术的应用.
利用现有的智能感知技术,结合先进的数据分析处理和网络通信技术,为人们工作生活提供更多的智能,解放更多的人力资源,完成传统人力难以完成的任务,是智能感知应用的主要目标之一.
(3)感知数据融合技术传感器虽然能够达到智能感知的目的,但是硬件误差以及感知过程中的干扰都导致实际误差是不可避免的,因此冗余的感知数据,以及从多维度对待观测物理量进行感知的数据融合技术成为了智能感知领域的一个核心技术.
例如,应用于火灾报警的温度传感器,往往不能仅仅因为某个传感器的异常感知信息就确认火灾的发生,而是应结合传感器之间的位置信息以及传感数据关系信息,通过冗余的感知信息来减小误报的误差,使得感知结果更加精确.
智能感知中的数据融合技术往往应用于物理信息无法直接感知,而需要根据其他信息来推测的系统中.
目前正在使用的就有结合不同传感设备的无线定位技术[79-82],虽然GPS,Wifi,蜂窝基站,调频信号,声音信号等等单独都可以作为定位的工具,但是都有各自的局限性:GPS在室内定位效果较差,Wifi需要处于AP覆盖范围才能定位,蜂窝基站定位精度低,调频信号受距离影响小,声音信号传播范围小,定位范围有限.
当结合数据融合技术后,不同技术的误差往往会被其他技术所修正,使得最终的定位精度以及定位范围都得到保证.

广泛适用数据融合技术的还有行为状态感知,一般情况下,利用加速度传感器就能够粗略获取人的行为状态,但是往往有一定误差,但是,结合其他传感设备以及人的固有习惯,往往可以过滤掉大部分不正确的行为状态,例如根据位置信息能够过滤掉非法加速度信息,或者对行为状态做更加细致的划分和纠正等等.
虽然,我们如今拥有大量的传感资源,如何将这些传感资源有机的结合起来为智能的应用提供更多有价值的信息,始终是智能感知所需要努力的方向.
未来的智能感知技术,会更多地将感知数据合理融合,从数据中提取更多信息,补充感知数据的不足,为应用层提供更加可靠、精确的感知数据.
2.
3.
3室内定位在物联网环境下,绝大部分应用都需要获取位置信息来提供基于位置的服务或者基于上下文感知的服务.
在室外环境下,物联网中的节点可以借助GPS模块来有效获取位置信息;然而,由于卫星信号的穿透性有限,GPS模块只能在室外环境使用,并且GPS模块成本较高、功耗较大,因此,对于室内的物联网应用而言,需要提供一套精确、实时并且低成本的室内定位机制来获取目标的位置信息.
当前室内定位的主要研究思路[83-88]是基于不同的定位方法来针对特定的定位媒介(如WiFi、Zigbee等)来提升定位的精度.
图8展示了当前室内定位机制的分类及研究进展结构.
254图8室内定位机制的分类(1)基于众包(crowdsourcing)的室内定位机制在众多定位方法中,基于信号指纹的定位方法是当前一种主流的定位方法.
即利用室内现有的环境特征(如无线信号、声音等)作为指纹进行定位.
为建立一个样本数据库以标记每一条指纹数据对应的实际位置,人们事先在大楼内对环境信息(通常是无线信号)进行勘测,实际定位时通过指纹的匹配来实现位置估计.
然而,该机制所面临的最大难题是工作量庞大的室内环境勘测.
建筑物内部结构复杂而且每个都不一样,对每个位置进行勘测需要用专业的设备由专门的人员进行,需要耗费大量的人力和物力.
并且随着环境的变化,指纹数据库要定期更新,进一步增加了人力成本.
近年来,众包技术的出现使得人力成本的极大降低成为可能.
它通过用户之间有意识或无意识的协作,实现感知任务分发与感知数据收集,用户在不知情的情况下就能完成大规模的、复杂的社会感知任务,突破了专门人员参与这个壁垒.
基于上述认识,针对建立"指纹—位置"关系数据库时如何把信号指纹与其相对应的物理位置联系起来这样一个难题,清华大学刘云浩教授课题组基于"群智感知计算"的思想,根据信号指纹间的时空特性建立指纹与位置的对应关系来解决该问题[89].
微软研究院的研究者们同样采用了用户无意识合作的思想[90],利用智能手机"暗中"记录的用户移动信息经过汇总成为关联指纹和位置的关键依据,根据用户路径与室内地图的匹配情况建立对应关系.

(2)无需设备(device-free)的室内定位机制与行为感知传统的定位机制往往需要定位目标携带特定的设备发出相应的特征信号(如无线信号、声音)来辅助定位,以及智能识别人的行为状态——走路,跑步,开车,静止等等.
这种依赖于特定设备的方式使得定位存在一定的局限性,例如在智能安防应用中无法有效地定位匿名闯入的人员.
因此,能否提供无需设备的室内定位机制[91]与行为感知进来成为研究者们密切关注的问题.
研究者发现,利用无线信号在空间中受到不同障碍物发生的变化,能够有效地感知目标的位置与用户的移动行为.
在这类感知应用中,最常见便是基于红外设备的门禁系统以及感知型水龙头,通过识别是否有人体遮挡来达到开关的作用.
当前的研究者们基255于上述思路提出了更为有效的室内定位机制与行为感知方案.
基于上述认识,清华大学刘云浩教授课题组在不需要移动目标附加任何RFID标签的前提下利用RFID主动标签阵列设计了一套系统[9],来有效感知目标对象的移动行为并且挖掘频繁的移动轨迹.
该系统提出了一套实用的容错方法,能够抵消周围普遍存在的噪声信号的影响.
上海交通大学过敏意教授课题组进一步基于RFID标签阵列提出了一套行为感知方案[10].
与前者不同的是,该方案大量使用了无源的被动标签,结合少量的主动标签来构建感知系统,并且针对被动标签反射信号的抖动问题提出了有效的除噪方案,更为有效地提升了系统的性价.
此外,美国华盛顿大学的研究者们利用Wifi信号在人体影响下的频偏变化情况,智能感知室内人体的手势识别.

随着物联网技术的进一步发展,室内定位技术作为核心的支撑技术,必然会受到越来越多的研究者们的关注,我们有理由相信更多创新的室内定位思路和方法会持续地被推出,来提供更为精确实时、低开销的定位机制.
3.
国内外研究进展比较2008年11月IBM提出"智慧地球"的概念,2009年6月欧盟提出物联网14条行动计划,2009年8月温家宝总理提出"感知中国"的战略构想,引起了各行各业广泛的关注,有力地推动了物联网的发展.
作为融合物理世界和信息世界的关键技术,物联网引领了新一代信息产业革命的浪潮,引起了国内外对物联网的深入研究.
本章将主要介绍国内外与物联网相关的研究项目与系统原型.
目前,国际上有关物联网的研究项目和系统原型不断涌现.
这些研究工作主要围绕物联网中涉及的感知技术、设备节能、智能手机、安全与隐私等问题展开.
在感知技术方面,研究者们在无线嵌入式设备、传感器网络等方面进行了研究;在设备节能方面,研究者们在大规模网络的能量消耗以及智能设备的节能方面进行了研究;在智能手机方面,研究者们对智能手机中的多种传感器设备以及手机上可以实现的应用进行了研究;在安全与隐私方面,研究者们主要对物联网中用户的隐私问题进行了深入的研究.
下面介绍当前国际上与物联网相关的研究项目以及系统原型.
在物联网中,为了建立物理世界与信息世界的关联,首先需要通过感知设备获取物理对象的信息、感知周围环境.
感知技术是物联网中不可或缺的关键技术,它主要依赖于传感器等智能设备获取对象信息.
美国加州大学伯克利分校的DavidE.
Culler教授研究的项目"WEBS"通过将无线设备嵌入物理世界的对象中,并能够通过无线通讯获取感知物理世界的信息、感知用户的行为等,实现了对物理世界中物理对象的研究[91].
此外,美国密歇根大学的MingyanLiu教授在无线传感器网络等方面开展了研究,她的研究项目"Sensingsensors"使用了跨层设计的理念将无线传感网络中的硬件资源与算法融合起来实现数据的压缩采样,该项目得到了美国自然基金(NSF)的资助[92].
美国卡内基梅隆大学的PeiZhang深入研究了环境感知、室内定位等方面的问题,他的研究工作SensorFly能够在紧急情况下感知当前环境的势态情况[93],而他的研究工作Polaris能够利用天花板普遍存在的视觉模式感知移动256设备,为移动设备实现准确的室内定位[94].
物联网包罗万象,物体数量庞大,因而有效地管理设备对象,节约能量开销具有十分重要的意义.
DavidE.
Culler教授的另一个研究项目"Local"就是一个用于节约电子设备能量消耗的网络架构.
它是一个利用无所不在的物里环境信息改善能量开销的网络架构,实现了物联网环境下物理世界和信息世界的互连和整合.
Local能量网络能够根据获得的设备能量使用情况,对能量负载情况进行调控[95].
美国加州大学洛杉矶分校的SongwuLu教授在节能方面也开展了研究,它主要关注于移动网络和蜂窝网络.
他的研究项目"GreeBSN"致力于建立一个能量有效地蜂窝网络架构,用于节约能量开销[96].
美国德克萨斯大学奥斯汀分校的LiliQiu教授开展了无线网络管理的项目研究,该项目致力于开发灵活的网络模型、设计无线网络中路由以及能量控制等方面的运行策略.
为了验证解决方法的有效性,她的课题组还开发了实验测试平台,用来测试相关研究工作真实网络中的性能[97].
作为活动事件的主题,在物联网时代,人的重要性日益凸显.
因而,如何构建人与世间万物的关联至关重要.
得益于信息技术的发展,智能手机的功能不断丰富,为人、物理世界、信息世界的关联构建了桥梁.
关于这一问题,美国弗吉尼亚大学的JohnStankovic教授开展了对物理信息系统、自组织传感器网络等方面的深入研究,他的研究团队发表了有关基于环境感知的智能手机应用[37],以及基于主动学习在智能家居中实现个体行为识别[98]等方面的研究论文.
这些研究工作进一步提升了智能手机的应用价值,同时为智能手机与用户之间的交互提供了更前沿的方式.
美国威廉玛丽学院的GangZhou教授也对传感器网络、智能手机等方面进行了深入的研究.
近年来,他的课题组发表了智能手机在节能、感知、资源共享等方面的研究工作[99,100].
随着信息技术的高速发展,各种传感设备、智能设备不断普及,人们可以随时随地可以从网络上获得各种各样的信息,并可以发布自身的信息.
但是,这可能导致用户的个人信息泄露问题,造成安全与隐私问题.
因而,如何在物联网时代享受便捷的服务,同时又能够保障用户隐私具有十分重要的意义.
美国华盛顿大学的DavidWetherall教授针对移动计算以及网络化系统中用户的安全与隐私问题进行了研究,并围绕网络化系统中的设计、应用、管理以及鲁棒性等方面的内容展开[101].
在研究过程中,他们进行了实验测试,并且设计了系统原型,通过提醒用户如何被跟踪,来增强对用户的隐私保护.
在国内,2010年10月10日,在国务院颁布的《国务院关于加快培育和发展战略性新型产业的决定》中,物联网作为我国新一代信息技术里面的重要一项被列在其中,成为国家首批加快培育的七个战略性新兴产业.
这标志着物联网被列入国家发展战略,对中国物联网的发展具有里程碑的重要意义.
在国家十二五发展规划中,国家拿出了巨资用于资助物联网相关基础理论、体系结构、关键技术与相关行业的研究和发展.
其中在基础理论研究方面,仅国家重点基础研究发展计划(973计划)就有三项物联网相关的基础研究被立项.
863计划,973计划的实施也同样涌现出一大批优质的成果.
清华大学刘云浩教授主导的绿野千传项目自2009年启动至今,已经历4年,其成果在领257域内多个一流会议上发表[102-105].
绿野千传项目主要有两大方面的贡献:1、首先,该项目意识到需要长时间对森林这样的生态系统进行监控,并获取整个生态系统中各个部分温度、湿度、光照强度、二氧化碳浓度等信息.
以上这些信息不仅可以用于其他相关项目的开发,例如森林监控、观测研究等,同时可以用于预防森林火灾,在野外最短时间实施救援等等.
2、同时,绿野千传计划作为传感网系统的先驱者,主要致力于构建一个真实环境下的传感网系统.
绿野千传计划在整个森林中部署了超过1000个无线传感节点,并且持续运行超过1年时间.
通过绿野千传的现实时间,我们可以更加科学的了解无线传感网络在实际环境中的实用性,以及可能存在的缺陷问题,从中挖掘出更加科学,有效的无线传感网通信模式.
继绿野千传之后,在2011年4月,作为绿野千传项目的扩展,citysee项目也在无锡市内部署实施.
Cityseee项目的目的是通过部署大量的传感节点来从多个角度获取市内的二氧化碳含量,温度,湿度,光照和位置信息等等.
该项目主要通过检测计算环境中相关温室气体含量,来帮助政府制定更加合理的节能减排措施,从多个维度了解市内能源消耗,从而更加科学的节约能源,更加舒适的生活而达到智慧地球的最终目的.
2010年,由北京邮电大学马华东教授作为首席科学家的国家发展973计划项目"物联网体系结构基础研究"是我国第一个关于物联网体系结构基础研究的973项目.

该项目围绕物联网体系结构和关键技术中的三个基础科学问题:(1)大规模异质网元的数据交换问题;(2)不确定信息的有效整合与交互适配问题;(3)动态系统环境中服务自适应问题;开展研究.
建立物联网体系结构模型、子网互联模型,提出物联网网络融合与自治机理,提供网络度量与评测的方法,解决局部动态自治和高效网络融合中面临的大规模异质网元的互连互通问题;建立对物联网感知信息进行融合计算的模型和方法,提出网元之间信息交互中信息表达、效能平衡和权限保护的机理与方法,解决不确定性感知信息的整合适配问题;提出系统环境动态问题域建模、软件平台对环境信息的自动获取和理解、自适应求解的方法,形成动态环境中服务提供机理,解决动态系统环境中的服务适应适用问题.
除了环境检测方面,物联网也同样应用于绿色农业、工业监控、公共安全、城市管理、远程医疗、智能家居、智能交通等多个方面.
复旦大学无锡研究院主持的863项目——农业物联网与食品质量安全控制体系研究就是物联网在农业安全上的一个实例.

对农产品质量安全的检测一直存在大量问题,而利用物联网技术可以建立一套信息可传递、质量科追踪、责任可追朔的管理体系,从而满足农产品的安全质量问题,为消费者提供更加安全放心的农产品.
利用传感器的监控,以及互联网的信息交互,来达到农业安全责任追踪监测的目的.

2011年1月,由同济大学讲座教授赵伟教授作为首席科学家的国家发展973计划项目"物联网基础理论和设计方法研究"针对影响物联网发展的基础理论研究瓶颈制约,面向物联网系统信息保真性和执行忠实性两大科学问题,构建物联网的基础理论体系,发展物联网新型体系结构,突破物联网设计和实施的关键技术,提供物联网支撑技术平台.
该项目从基础理论研究、体系结构及设计方法、软件支撑平台和应用实例验证三个方面进行研究.

258同一时间,2011年1月,由中国科学院上海微系统与信息技术研究所刘海涛研究员作为首席科学家的国家发展973计划"物联网基础理论与时间研究"针对智能电网等物联网的重大应用需求和特征,以构建感知互动、自治高效和安全可信的物联网系统为目标,以物联网的非确定、高混杂和强关联特征为出发点,开展相关基础理论研究,分析并揭示物理空间和信息空间的复杂耦合关联机理,提出物联网在自治机理、融合决策处理、可信软件建模与方法和系统优化等方面的基础理论和关键技术,建立物联网标识、安全、网络、服务等基础架构,探索物联网的演进路线,在物联网基础科学问题研究上取得重要突破,建立物联网基础理论体系,相关研究成果达到国际先进水平,推动我国物联网技术标准的制定工作,力争主导物联网国际标准,为物联网产业化和规模化应用奠定坚实的理论基础,并带动信息领域和相关交叉学科领域研究工作的开展,为我国在以物联网为标志的信息领域新浪潮中占据有利和主动地位奠定重要基础.
2012年9月10日,由清华大学史元春教授主持的国家高技术研究发展计划(863计划)"普适计算基础软硬件关键技术及系统"圆满完成项目任务并通过验收.
项目研究了泛在设备的固件通用接口、泛在设备的互联、普适服务的资源管理、隐私保护、便捷交互界面管理等方面的关键技术,建立了泛在设备固件模型,制定了异构网络融合协议与标准,构建了智能空间支撑平台uCore,并实现了"信息互联数字家居"和"路网中的个人信息服务"2项示范应用,构建并验证了支持我国普适计算研究和产业发展的基础关键技术体系,为物联网智能家居系统的实现提供了重要的借鉴.
2012年,工信部和财政部联合发布的《关于做好2012年物联网发展专项资金项目申报工作的通知》中,提出了重点支持发展的八大关键技术研发项目.
这八大关键技术研发项目分别是:(1)超高频和微波RFID芯片设计、产品的技术研发;(2)微型和智能传感器技术研发;(3)无线传感器网络自组网技术研发;(4)低功耗无线传感器节点产品技术研发;(5)物联网数据传输中间件技术研发;(6)面向行业应用海量数据的数据挖掘技术研发;(7)图像视频智能分析和识别技术研发;(8)物联网安全等级保护和安全测评技术研发[106].
同年11月6日,工业部和财政部公布了"专项资金"的拟支持项目[107].
在物联网核心技术RFID的发展方面,北京德鑫泉物联网科技股份有限公司、天津中兴软件有限责任公司、博通集成电路(上海)有限公司、嘉兴禾润电子科技有限公司、胜利油田胜利软件有限责任公司、西安欣创电子技术有限公司、天翼电子商务有限公司等业界具有较强研发能力的企业获得了专项资金的支持,从不同角度进行RFID技术的攻关.
而在微型和智能传感器技术研发、无线传感器网络自组网技术研发、智能物流领域、智能交通领域等方面,上海海尔集成电路有限公司、北京航天时代光电科技有限公司、大唐电信(天津)技术服务有限公司、航天长征火箭技术有限公司、西安华腾光电有限责任公司、重庆长安汽车股份有限公司、深圳市远望谷信息技术股份有限公司、国民技术股份有限公司、航天科技控股集团股份有限公司等国内知名企业获得专项资金支持[107].
2012年4月,由大唐电信、南京大学和南京市环境监测中心站共同申请的"十二五"国259家863计划课题"基于物联网的南京青奥会环境应急保障技术系统研究与示范"经过科技部专家多次评审及答辩,正式批准通过,开始进入计划实施阶段[108].
该课题旨在对城市环境感知物联网、城市环境调控与管理诸方面应用需求进行充分分析的基础上,研究基于物联网的城市环境综合感知网络构建技术方案.
在智能电网方面,2012年6月15日由国电南瑞牵头承担的国家高技术研究发展计划(863计划)课题"大规模风电与大容量抽水储能在电网中的联合优化技术"启动会在湖北宜昌召开[109].
除国电南瑞之外,清华大学、中国长江三峡集团公司、内蒙古电力(集团)有限责任公司、三峡大学也作为该课题的共同参与单位,对大规模间歇式新能源并网运行控制等智能电网分析与运行关键技术进行联合攻关,力图解决我国电网存在的大规模可再生资源消纳能力不足等问题.
在智能交通方面,2012年11月24日由军事交通学院、总参谋部、湖南大学合作研制的"猛师3号"无人驾驶智能车在车流滚滚的京津城际高速公路上,完成了首次有国家自然基金委等第三方参与的智能驾驶试验[110].
此次试验总里程达104公里,全程由计算机系统控制车辆自主驾驶,智能车平均时速79公里,最高时速105公里全程无人工干预.
此次试验的成功标志着我国智能车研发技术进一步成熟.
纵观国内外物联网领域的研究项目与系统原型,可见物联网方面的研究已经从基础理论的研究向系统研究迈出了一个大的步伐.
研究者们基于在基础理论研究方面已经取得的成果来指导实际系统的构建,并通过实际系统的性能验证和反馈来进一步地引导出基础理论研究方面前沿课题,真正进入一个良性互动的循环来相互促进基础理论与系统研究工作.

4.
发展趋势与展望基于当前物联网的发展现状,通过深入分析物联网目前存在的关键问题及其原因,我们认为,未来物联网的发展趋势会包括如下两个方面:(1)基础理论研究与实际系统原型设计相结合,实现跨层优化目前物联网方面的大部分基础理论研究工作尚停留在解决某一块的具体问题层面,或者关注于物联网的相关理念探讨和框架结构设计方面,未能充分结合实际的应用背景来有效指导实际系统原型的设计与实现,基础理论研究与实际系统原型设计存在一定的脱节.
我们认为,在物联网的研究背景下,需要进一步从系统层面出发来指导基础理论研究工作的推进,考虑各层面的关联性来进行优化设计,在此基础上需要进行大量的实验验证和经验总结,来填补基础理论与实际系统设计之间的鸿沟,使得相关的理论研究成果能够对实际的网络系统构建起到真正的启发和推动作用.
(2)从实际应用的探索中寻找真正有意义的研究问题进行解决出于特定领域应用驱动的特性,物联网方面的研究工作需要对应用领域内的相关知识与运行环境进行实证研究与建模分析.
因此,物联网领域的研究者们有必要从实际应用的探索中寻找真正有意义的研究问题进行解决.
在物联网环境下,任何系统性研究或者基础理论研究,包括算法、协议的设计,都需要经得起实际应用的检验.
我们认为,真正有意义的问题260往往能够对实际应用系统有直接的推动作用或者深层次的启发作用.
在物联网发展的现阶段,研究者们需要从实际应用出发,探索关键性问题进行解决.
物联网的概念从提出发展至今已有十余年,结合当前物联网领域已有的研究基础和取得的经验体会,我们也在此对于物联网领域的未来研究方向做进一步探讨:1)群智感知计算:利用大量分散草根用户的智慧来提供全方位、深度感知从感知层面来看,物联网需要从物理世界有效地感知和抽取多模态的信息来支持相关应用的进一步计算.
然而,由于物理世界的复杂性和多样性,目前的感知计算方法很难实现对应用环境的全方位、深层次感知,例如,全面、细粒度地感知移动用户的行为数据,如行走、挥手、静止、躺下等数据.
"群智感知计算"的出现为全方位、深度感知提供了机会,它基于众包的思想,利用大量分散草根用户的智慧来提供感知数据,使得用户在不经意之间能够参与完成复杂的感知任务.
基于移动智能设备的发展水平和普及度,群智感知计算仍处在刚刚开始的阶段,而其真正的发展,必须突破感知数据的"收集和利用"这个关键.
我们有理由相信,随着对物联网进一步深入的认识,群智感知计算将会发挥越来越重要的作用.

2)实际网络验证平台:物联网与传统网络进一步的对接与融合随着当前物联网的研究关注点逐步从概念性、架构性的探索转移到实际具体问题的研究,在网络层面实现一套具有一定规模的、示范性的实际网络验证平台势在必行.
借助实际的网络验证平台,研究者们能够进一步针对网络异构互联以及高度混杂的自治等问题进行相关实证研究,在实际的验证平台上检验相关算法、协议的性能,并定位出实际的系统性能瓶颈,就此挖掘出新的关键性问题.
我们相信,实际网络验证平台能够帮助研究者认清网络系统互联的真实细节和运行机理,促进物联网与传统网络进一步的对接与融合.

3)"云-海计算":新型的物联网数据处理方式对于传统集中式的处理方案而言,面对物联网内部源源不断产生海量的多模态数据,即使采用现今主流的"云计算"技术也尚未能够及时有效地进行处理,并且会造成泛在网络及其主干网络的拥塞.
物联网环境下,一种新型的数据处理方式呼之欲出.
随着传感器节点、智能手机等感知设备计算和存储能力的进一步增强,研究者们完全可以考虑利用"海计算"的计算模式来利用网络中节点分散的计算能力实现分布式的网内处理机制.

进一步的,可以考虑集中式的"云计算"与分布式的"海计算"的计算模式的结合,结合这两种模式相互的特点实现"云-海计算",在进一步降低网络中大量多模态原始感知数据传输的同时,提升整个系统的处理性能.
4)更多的杀手级应用:进一步探索物联网创新的应用模式一个研究领域的长远发展需要靠一系列重量级的杀手级应用(killerapplication)来吸引用户和业界的关注,对于物联网领域也是如此.
因此,我们有必要进一步地对物联网创新的应用模式进行探索并尝试进行系统原型实现.
对于应用模式的探索,其主要思路应该包括如下两个层面:1)利用物联网的特点来改进现有应用模式,降低现有应用模式的成本,提升现有应用模式的性能;2)深度挖掘,探索具有物联网特色的创新应用模式,使其成为物联261网独一无二的特色应用.
总之,对物联网创新应用模式的探索是对物联网基础理论以及系统研究的真正源动力.
5.
结束语物联网涵盖了计算机技术、现代通信技术、智能控制技术等前端技术,将传统的计算机信息处理网络延伸到整个物理世界,促成了新一代信息技术的全面融合,实现真正的"物"与"网"的融合,为信息化产业发展带来又一轮高潮,对全球经济发展和社会生活生产具有深远影响.
但是,物联网技术及产业发展仍处于起步阶段,在关键技术上还亟需突破,在应用系统上还缺乏相应标准.
对我国发展而言,物联网产业机遇与挑战并存.
针对各国物联网技术的不断发展,我国一方面需要关注世界各国物联网产业的发展,积极吸收各国先进技术;另一方面也需要不断加强自主技术创新,营造良好的产业氛围,在物联网信息化产业大发展中跻身于先进国家之列.
参考文献[1]国家自然科学基金委员会"十二五"第一批重大项目,"面向碳排放与碳汇的大规模无线传感网理论与关键技术",项目负责人刘云浩教授.
[2]国家重点基础研究发展计划(973计划),"物联网基础理论与时间研究",首席科学家刘海涛研究员.
[3]国家重点基础研究发展计划(973计划),"物联网体系结构基础研究",首席科学家马华东教授.
[4]国家重点基础研究发展计划(973计划),"物联网基础理论和设计方法研究",首席科学家赵伟教授.
[5]中华人民共和国工业与信息化部电信研究院,"物联网白皮书".
[6]中国矿业大学物联网(感知矿山)研究中心.
http://iot.
cumt.
edu.
cn/[7]AtzoriL,IeraA,MorabitoG.
Theinternetofthings:Asurvey[J].
ComputerNetworks,2010,54(15):2787-2805.
[8]LiuY,ZhouG.
Keytechnologiesandapplicationsofinternetofthings[C]//IntelligentComputationTechnologyandAutomation(ICICTA),2012FifthInternationalConferenceon.
IEEE,2012:197-200.
[9]LiuY,ChenL,PeiJ,etal.
Miningfrequenttrajectorypatternsforactivitymonitoringusingradiofrequencytagarrays[C]//PervasiveComputingandCommunications,2007.
PerCom'07.
FifthAnnualIEEEInternationalConferenceon.
IEEE,2007:37-46.
[10]ZhangD,ZhouJ,GuoM,etal.
TASA:Tag-freeactivitysensingusingRFIDtagarrays[J].
ParallelandDistributedSystems,IEEETransactionson,2011,22(4):558-570.
[11]BuettnerM,PrasadR,PhiliposeM,etal.
RecognizingdailyactivitieswithRFID-basedsensors[C]//Proceedingsofthe11thinternationalconferenceonUbiquitouscomputing.
ACM,2009:51-60.
[12]GuoY,HeW,GaoC.
HUMANACTIVITYRECOGNITIONBYFUSINGMULTIPLESENSORNODESINTHEWEARABLESENSORSYSTEMS[J].
JournalofMechanicsinMedicineandBiology,2012,12(05).
[13]KwapiszJR,WeissGM,MooreSA.
Activityrecognitionusingcellphoneaccelerometers[J].
ACMSIGKDDExplorationsNewsletter,2011,12(2):74-82.
[14]刘云浩.
群智感知计算[J].
中国计算机学会通讯,2012,8(10):38-41.
262[15]JaraAJ,ZamoraMA,SkarmetaA.
GlowbalIP:AnadaptiveandtransparentIPv6integrationintheInternetofThings[J].
MobileInformationSystems,2012,8(3):177-197.
[16]HongS,KimD,HaM,etal.
SNAIL:anIP-basedwirelesssensornetworkapproachtotheinternetofthings[J].
WirelessCommunications,IEEE,2010,17(6):34-42.
[17]MulliganG.
The6LoWPANarchitecture[C]//Proceedingsofthe4thworkshoponEmbeddednetworkedsensors.
ACM,2007:78-82.
[18]HuiJ,ThubertP.
CompressionformatforIPv6datagramsin6LoWPANnetworks[J].
draft-ietf-6lowpan-hc-13(workinprogress),2010.
[19]ShelbyZ,BormannC.
6LoWPAN:ThewirelessembeddedInternet[M].
Wiley.
com,2011.
[20]DurvyM,AbeilléJ,WetterwaldP,etal.
MakingsensornetworksIPv6ready[C]//Proceedingsofthe6thACMconferenceonEmbeddednetworksensorsystems.
ACM,2008:421-422.
[21]GouH,YooY.
ALowCostReliableDataTransmissionProtocoloverMultipathinWirelessSensorNetworks[C]//AdvancedInformationNetworkingandApplications(AINA),2012IEEE26thInternationalConferenceon.
IEEE,2012:810-816.
[22]ShenY,JiangX,MaJ,etal.
SecureandReliableTransmissionwithCooperativeRelaysinTwo-HopWirelessNetworks[J].
arXivpreprintarXiv:1211.
7075,2012.
[23]JainS,ChenY,ZhangZL.
Viro:Ascalable,robustandnamespaceindependentvirtualidroutingforfuturenetworks[C]//INFOCOM,2011ProceedingsIEEE.
IEEE,2011:2381-2389.
[24]ZhaoS,FuL,WangX,etal.
FundamentalrelationshipbetweenNodeDensityanddelayinwirelessadhocnetworkswithunreliablelinks[C]//Proceedingsofthe17thannualinternationalconferenceonMobilecomputingandnetworking.
ACM,2011:337-348.
[25]孙凝晖,徐志伟,李国杰.
海计算:物联网的新型计算模型[J].
中国计算机学会通讯,2010,2:39-43.
[26]YWChen,HVLeong,MXu,JCao,KCCChan,ATSChan.
In-networkdataprocessingforwirelesssensornetworks[C]//Proceedingsofthe7thInternationalConferenceonMobileDataManagement(MDM'06).
IEEEComputerSociety,2006:26-29.
[27]YaoY,GehrkeJ.
Thecougarapproachtoin-networkqueryprocessinginsensornetworks[J].
ACMSigmodRecord,2002,31(3):9-18.
[28]TsiftesN,DunkelsA.
Adatabaseineverysensor[C]//Proceedingsofthe9thACMConferenceonEmbeddedNetworkedSensorSystems.
ACM,2011:316-332.
[29]SelavoL,WoodA,CaoQ,etal.
Luster:wirelesssensornetworkforenvironmentalresearch[C]//Proceedingsofthe5thinternationalconferenceonEmbeddednetworkedsensorsystems.
ACM,2007:103-116.
[30]PriyanthaNB,KansalA,GoraczkoM,etal.
Tinywebservices:designandimplementationofinteroperableandevolvablesensornetworks[C]//Proceedingsofthe6thACMconferenceonEmbeddednetworksensorsystems.
ACM,2008:253-266.
[31]YuriyamaM,KushidaT.
Sensor-cloudinfrastructure-physicalsensormanagementwithvirtualizedsensorsoncloudcomputing[C]//Network-BasedInformationSystems(NBiS),201013thInternationalConferenceon.
IEEE,2010:1-8.
[32]XuY,KostamaaP.
Anewalgorithmforsmall-largetableouterjoinsinparallelDBMS[C]//DataEngineering(ICDE),2010IEEE26thInternationalConferenceon.
IEEE,2010:1018-1024.
[33]ChuC,KimSK,LinYA,etal.
Map-reduceformachinelearningonmulticore[J].
Advancesinneuralinformationprocessingsystems,2007,19:281.
[34]http://mahout.
apache.
org/[35]ZhouP,ZhengY,LiM.
Howlongtowait:predictingbusarrivaltimewithmobilephonebasedparticipatorysensing[C]//Proceedingsofthe10thinternationalconferenceonMobilesystems,applications,andservices.
ACM,2632012:379-392.
[36]ZhanA,ChangM,ChenY,etal.
Accuratecaloricexpenditureofbicyclistsusingcellphones[C]//Proceedingsofthe10thACMConferenceonEmbeddedNetworkSensorSystems.
ACM,2012:71-84.
[37]NirjonS,DickersonRF,LiQ,etal.
MusicalHeart:Aheartywayoflisteningtomusic[C]//Proceedingsofthe10thACMConferenceonEmbeddedNetworkSensorSystems.
ACM,2012:43-56.
[38]BakhtM,TrowerM,KravetsRH.
Searchlight:won'tyoubemyneighbor[C]//Proceedingsofthe18thannualinternationalconferenceonMobilecomputingandnetworking.
ACM,2012:185-196.
[39]BrollG,RukzioE,PaolucciM,etal.
Perci:Pervasiveserviceinteractionwiththeinternetofthings[J].
InternetComputing,IEEE,2009,13(6):74-81.
[40]WeberRH.
InternetofThings–Newsecurityandprivacychallenges[J].
ComputerLaw&SecurityReview,2010,26(1):23-30.
[41]TsunooY,SaitoT,SuzakiT,etal.
CryptanalysisofDESimplementedoncomputerswithcache[M]//CryptographicHardwareandEmbeddedSystems-CHES2003.
SpringerBerlinHeidelberg,2003:62-76.
[42]GarfinkelSL,JuelsA,PappuR.
RFIDprivacy:Anoverviewofproblemsandproposedsolutions[J].
Security&Privacy,IEEE,2005,3(3):34-43.
[43]JuelsA.
RFIDsecurityandprivacy:Aresearchsurvey[J].
SelectedAreasinCommunications,IEEEJournalon,2006,24(2):381-394.
[44]SarmaSE,WeisSA,EngelsDW.
RFIDsystemsandsecurityandprivacyimplications[M]//CryptographicHardwareandEmbeddedSystems-CHES2002.
SpringerBerlinHeidelberg,2003:454-469.
[45]ChowCY,MokbelMF,ArefWG.
Casper*:Queryprocessingforlocationserviceswithoutcompromisingprivacy[J].
ACMTransactionsonDatabaseSystems(TODS),2009,34(4):24.
[46]MeyerowitzJ,RoyChoudhuryR.
Hidingstarswithfireworks:locationprivacythroughcamouflage[C]//Proceedingsofthe15thannualinternationalconferenceonMobilecomputingandnetworking.
ACM,2009:345-356.
[47]http://www.
greenorbs.
org/.
[48]HP,"CentralNervousSystemfortheEarth(CeNSE),"2010,http://www.
hpl.
hp.
com/research/intelligent_infrastructure/.
[49]http://www.
ist-runes.
org/.
[50]http://www.
iot-a.
eu/.
[51]http://www.
iot-icore.
eu/.
[52]http://www.
kantei.
go.
jp/foreign/it/network/0122full_e.
html.
[53]《中国RFID发展报告》,中国RFID产业联盟董事长.
[54]http://www.
gov.
cn/zwgk/2012-02/14/content_2065999.
htm[55]LiT,ChenS,LingY.
IdentifyingthemissingtagsinalargeRFIDsystem[C]//ProceedingsoftheeleventhACMinternationalsymposiumonMobileadhocnetworkingandcomputing.
ACM,2010:1-10.
[56]QiaoY,ChenS,LiT,etal.
Energy-efficientpollingprotocolsinRFIDsystems[C]//ProceedingsoftheTwelfthACMInternationalSymposiumonMobileAdHocNetworkingandComputing.
ACM,2011:25.
[57]ChenS,ZhangM,XiaoB.
Efficientinformationcollectionprotocolsforsensor-augmentedRFIDnetworks[C]//INFOCOM,2011ProceedingsIEEE.
IEEE,2011:3101-3109.
[58]ShengB,LiQ,MaoW.
EfficientcontinuousscanninginRFIDsystems[C]//INFOCOM,2010ProceedingsIEEE.
IEEE,2010:1-9.
[59]XieL,ShengB,TanCC,etal.
EfficienttagidentificationinmobileRFIDsystems[C]//INFOCOM,2010ProceedingsIEEE.
IEEE,2010:1-9.
264[60]HanH,ShengB,TanCC,etal.
CountingRFIDtagsefficientlyandanonymously[C]//INFOCOM,2010ProceedingsIEEE.
IEEE,2010:1-9.
[61]ShengB,TanCC,LiQ,etal.
FindingpopularcategoriesforRFIDtags[C]//Proceedingsofthe9thACMinternationalsymposiumonMobileadhocnetworkingandcomputing.
ACM,2008:159-168.
[62]QianC,NganH,LiuY,etal.
Cardinalityestimationforlarge-scaleRFIDsystems[J].
ParallelandDistributedSystems,IEEETransactionson,2011,22(9):1441-1454.
[63]QianC,LiuY,NganH,etal.
ASAP:scalableidentificationandcountingforcontactlessRFIDsystems[C]//DistributedComputingSystems(ICDCS),2010IEEE30thInternationalConferenceon.
IEEE,2010:52-61.
[64]ZhuW,CaoJ,XuY,etal.
Fault-tolerantRFIDreaderlocalizationbasedonpassiveRFIDtags[C]//INFOCOM,2012ProceedingsIEEE.
IEEE,2012:2183-2191.
[65]YangL,CaoJ,ZhuW,etal.
Ahybridmethodforachievinghighaccuracyandefficiencyinobjecttrackingusingpassiverfid[C]//PervasiveComputingandCommunications(PerCom),2012IEEEInternationalConferenceon.
IEEE,2012:109-115.
[66]YangL,HanJ,QiY,etal.
Identification-freebatchauthenticationforRFIDtags[C]//NetworkProtocols(ICNP),201018thIEEEInternationalConferenceon.
IEEE,2010:154-163.
[67]TangSJ,YuanJ,LiXY,etal.
Raspberry:Astablereaderactivationschedulingprotocolinmulti-readerRFIDsystems[C]//NetworkProtocols,2009.
ICNP2009.
17thIEEEInternationalConferenceon.
IEEE,2009:304-313.
[68]YangL,HanJ,QiY,etal.
Season:Shelvinginterferenceandjointidentificationinlarge-scaleRFIDsystems[C]//INFOCOM,2011ProceedingsIEEE.
IEEE,2011:3092-3100.
[69]http://www.
srfid.
org/index.
phpoption=com_content&view=frontpage&Itemid=28[70]http://pi.
cs.
tsinghua.
edu.
cn/research.
html[71]http://tech.
rfidworld.
com.
cn/2009_10/20091030148347712.
html[72]《中国射频识别(RFID)技术发展与应用报告——蓝皮书》,中国射频识别(RFID)技术发展与应用编写组,2009.
10.
[73]http://www.
gov.
cn/gzdt/2008-04/25/content_953969.
htm[74]NathS.
Ace:exploitingcorrelationforenergy-efficientandcontinuouscontextsensing[C]//Proceedingsofthe10thinternationalconferenceonMobilesystems,applications,andservices.
ACM,2012:29-42.
[75]YangD,XueG,FangX,etal.
Crowdsourcingtosmartphones:incentivemechanismdesignformobilephonesensing[C]//Proceedingsofthe18thannualinternationalconferenceonMobilecomputingandnetworking.
ACM,2012:173-184.
[76]ZhangL,ShiY,FanM.
UCam:directmanipulationusinghandheldcamerafor3dgestureinteraction[C]//Proceedingsofthe16thACMinternationalconferenceonMultimedia.
ACM,2008:801-804.
[77]http://www.
greenorbs.
org/all/projects.
htm[78]WangD,LiuJ,ZhangQ.
Onmobilesensorassistedfieldcoverage[J].
ACMTransactionsonSensorNetworks(TOSN),2013,9(2):22.
[79]ChenY,LymberopoulosD,LiuJ,etal.
Fm-basedindoorlocalization[C]//Proceedingsofthe10thinternationalconferenceonMobilesystems,applications,andservices.
ACM,2012:169-182.
[80]NandakumarR,ChintalapudiKK,PadmanabhanVN.
Centaur:locatingdevicesinanofficeenvironment[C]//Proceedingsofthe18thannualinternationalconferenceonMobilecomputingandnetworking.
ACM,2012:281-292.
[81]SenS,RadunovicB,ChoudhuryRR,etal.
Youarefacingthemonalisa:spotlocalizationusingphylayerinformation[C]//Proceedingsofthe10thinternationalconferenceonMobilesystems,applications,andservices.
265ACM,2012:183-196.
[82]MoghtadaieeV,DempsterAG,LimS.
Indoorlocalizationusingfmradiosignals:Afingerprintingapproach[C]//IndoorPositioningandIndoorNavigation(IPIN),2011InternationalConferenceon.
IEEE,2011:1-7.
[83]NiLM,LiuY,LauYC,etal.
LANDMARC:indoorlocationsensingusingactiveRFID[J].
Wirelessnetworks,2004,10(6):701-710.
[84]GoldenbergDK,BihlerP,CaoM,etal.
Localizationinsparsenetworksusingsweeps[C]//Proceedingsofthe12thannualinternationalconferenceonMobilecomputingandnetworking.
ACM,2006:110-121.
[85]KungHT,LinCK,LinTH,etal.
Localizationwithsnap-inducingshapedresiduals(SISR):Copingwitherrorsinmeasurement[C]//Proceedingsofthe15thannualinternationalconferenceonMobilecomputingandnetworking.
ACM,2009:333-344.
[86]YangJ,SidhomS,ChandrasekaranG,etal.
Detectingdriverphoneuseleveragingcarspeakers[C]//Proceedingsofthe17thannualinternationalconferenceonMobilecomputingandnetworking.
ACM,2011:97-108.
[87]LiuH,GanY,YangJ,etal.
PushthelimitofWiFibasedlocalizationforsmartphones[C]//Proceedingsofthe18thannualinternationalconferenceonMobilecomputingandnetworking.
ACM,2012:305-316.
[88]YangZ,WuC,LiuY.
Locatinginfingerprintspace:wirelessindoorlocalizationwithlittlehumanintervention[C]//Proceedingsofthe18thannualinternationalconferenceonMobilecomputingandnetworking.
ACM,2012:269-280.
[89]RaiA,ChintalapudiKK,PadmanabhanVN,etal.
Zee:Zero-effortcrowdsourcingforindoorlocalization[C]//Proceedingsofthe18thannualinternationalconferenceonMobilecomputingandnetworking.
ACM,2012:293-304.
[90]YoussefM,MahM,AgrawalaA.
Challenges:device-freepassivelocalizationforwirelessenvironments[C]//Proceedingsofthe13thannualACMinternationalconferenceonMobilecomputingandnetworking.
ACM,2007:222-229.
[91]http://smote.
cs.
berkeley.
edu:8000/tracenv/wiki[92]http://web.
eecs.
umich.
edu/~mingyan/[93]PurohitA,SunZ,MokayaF,etal.
SensorFly:Controlled-mobilesensingplatformforindooremergencyresponseapplications[C]//InformationProcessinginSensorNetworks(IPSN),201110thInternationalConferenceon.
IEEE,2011:223-234.
[94]SunZ.
Polaris:gettingaccurateindoororientationsformobiledevicesusingubiquitousvisualpatternsonceilings[J].
ACMHotMobile2012,2012.
[95]http://local.
cs.
berkeley.
edu/wiki2/index.
php/Main_Page[96]http://metro.
cs.
ucla.
edu/projects-cellular.
html#greenbsn[97]http://www.
cs.
utexas.
edu/~lili/projects/wireless-management.
htm[98]HoqueE,StankovicJ.
AALO:ActivityrecognitioninsmarthomesusingActiveLearninginthepresenceofOverlappedactivities[C]//PervasiveComputingTechnologiesforHealthcare(PervasiveHealth),20126thInternationalConferenceon.
IEEE,2012:139-146.
[99]D.
T.
Nguyen,G.
Zho,X.
Qi,G.
Peng,J.
Zhao,etal.
Storage-awareSmartphoneEnergySavings[C].
ToappearinACMUbicomp,Zurich,Switzerland,2013.
[100]XinQi,QingYang,DavidT.
Nguyen,GangZhou.
Context-awareFrameRateAdaptionforVideoChatonSmartphones.
ToappearinACMUbicomp(Poster),Zurich,Switzerland,2013.
[101]http://djw.
cs.
washington.
edu/research.
htm[102]LiuY,HeY,LiM,etal.
DoeswirelesssensornetworkscaleAmeasurementstudyon266GreenOrbs[C]//INFOCOM,2011ProceedingsIEEE.
IEEE,2011:873-881.
[103]HeY,MoL,LiuY.
Whyarelong-termlarge-scalewirelesssensornetworksdifficult:earlyexperiencewithGreenOrbs[J].
ACMSIGMOBILEMobileComputingandCommunicationsReview,2010,14(2):10-12.
[104]LiuY,ZhouG,ZhaoJ,etal.
Long-termlarge-scalesensingintheforest:recentadvancesandfuturedirectionsofGreenOrbs[J].
FrontiersofComputerScienceinChina,2010,4(3):334-338.
[105]MoL,HeY,LiuY,etal.
CanopyclosureestimateswithGreenOrbs:sustainablesensingintheforest[C]//Proceedingsofthe7thACMConferenceonEmbeddedNetworkedSensorSystems.
ACM,2009:99-112.
[106]中华人民共和国工业与信息化部办公厅、财政部办公厅,"关于做好2012年物联网发展专项资金项目申报工作的通知".
[107]中华人民共和国工业与信息化部、财政部2012年物联网发展资金拟支持项目公示,http://www.
miit.
gov.
cn/n11293472/n11293832/n12845605/n13916913/14971139.
html.