韦常宇
（广西通信规划设计咨询有限公司，广西 南宁 530022）
物联网系统是一种软硬件综合系统。信息化发展过程中，它需要不断扩展物联网应用的深度和广度。传统的物联网系统更加注重远程传输和传感控制连接等内容。当前网络结构越来越复杂，需要保障数据安全性和环境适应性。针对多样化的应用需求，需要加大力度发展物联网技术，进一步完善新型物联网系统，实现数据优化和数据安全防护等，为构建新一代信息化系统奠定基础。
1.1 数据采集技术
数据采集技术主要是通过终端硬件设备采集物联网需要的数据，通过提高数据收集的自动化和实时性，有利于在物联网系统中准确输入数据，保障物联网系统运行的稳定性。为了提高物联网系统运行的稳定性，需要清理错误数据，正确输入物联网系统数据。当前物联网系统中应用的数据采集技术类型较多，如利用二维码技术标示物品、利用全球定位系统（Global Positioning System，GPS）技术监控车辆位置、利用视频采集技术实时监控道路车辆。利用智能终端收集和存储这些数据，再通过数据传输技术传输至物联网系统，实现实时数据分析[1]。
1.2 数据传输技术
在物联网系统的发展过程中，数据传输技术发挥着重要作用。在物联网系统中输入采集的数据，利用物联网系统计算和处理数据，再通过数据传输技术向智能终端返回输出的数据，便于制定相应的方案。
1.3 数据处理分析技术
利用数据处理分析技术分析和计算输入的数据，最终向智能终端返回分析结果。数据处理分析技术一方面对于计算性能提出较高的要求，需要智能终端完成数据输入后及时返回结果；
另一方面对于存储性能提出更高的要求，需要智能终端在数据检索过程中利用数据处理分析技术检索数据库，过滤数据库中的无效数据。未来发展过程中，可以结合人工智能技术、机器学习技术以及大数据技术等，提高数据分析和处理水平[2]。
社会经济发展过程中，人们更加关注信息系统的智能化、便捷化等。物联网系统是信息化系统重要的一部分，在实际发展过程中面临着较多挑战。
2.1 CROSS 挑战
2.1.1 联接（Connection）
当前，物联网系统中存在着海量联接，系统中涉及不同的数据类型和协议类型等，设备联接和驱动、协调管理等工作面临着较多挑战[3]。
2.1.2 实时（Real-time）
在物联网系统中，对于数据获取、数据传输以及逻辑运算等提出实时性要求，在实际发展过程中需要致力于实现物联网系统的实时连接和业务实时开展。
2.1.3 优化（Optimization）
网络边缘终端和设备的输入输出具有差异性特征，因此需要统一物联网系统数据融合的语义和描述。应用中心信息平台的过程中，需要进一步优化处理物联网数据，实施统一开放[4]。
2.1.4 智能（Smart）
新型信息化系统具有智能化优势，对物联网系统提出边缘智能需求，以此为基础创新工作业务，进一步优化业务流程，实现整体行业赋能，最终降低整体的工作成本。
2.1.5 安全（Security）
在实际应用过程中，新型信息化系统的使用范围和业务范围不断扩展，需要保证物联网系统设备、网络以及数据的安全性，切实保护用户的隐私，避免其受到安全威胁[5]。
2.2 碎片化行业需求
工业制造、电力以及水利等行业中广泛利用物联网技术，使得应用行业呈现出碎片化特征，因此需要不断完善物联网系统。物联网企业需要针对行业需求提出针对性解决方案，满足市场的差异化需求。
2.3 垂直化解决方案
通过详细划分现有的技术和垂直市场，丰富物联网架构的类型，其中包括集中式架构和分布式架构等。在未来很长一段时间内，物联网系统产业将会呈现垂直化特征，存在多架构并行的问题，需要针对不同行业制定垂直解决方案[6]。
2.4 多元化版图
目前，各行各业不断普及物联网系统，并且逐渐扩大市场容量，为相关参与行业和企业带来便利。物联网产业呈现出多元化版图，有利于带动发展相关行业和企业的发展，但是也因此增加了系统通用操作的复杂性。
3.1 边缘计算
经过不同的发展阶段，边缘计算通过融合分布式开放平台，主要负责提供边缘智能服务，满足行业数字化发展过程中灵活连接和安全保护等需求。通过利用边缘计算，向网络层和数据服务层并行延伸感知层。分布式架构有利于提高感知系统的任务适应能力，从而满足各种业务需求。
3.2 通用化和标准化
边缘化的物联网操作系统如图1 所示。借助网络计算和存储的边缘化，可以优化物联网终端功能，通过协调运作边缘化物联网终端的操作系统和物联网核心网实现驱动管理，同时可以监控设备运行情况。在边缘化物联网终端利用接口融合、数据融合以及协议融合等，可以满足不同行业的工作需求，提高系统的通用性[7,8]。
图1 边缘化的物联网操作系统
3.3 高效的部署和运维
利用边云协同方式，直接向物联网系统传输计算数据资源，实现边缘管理机制的平台化和服务化，提高系统的部署能力和运维能力等。
3.4 人工智能
当前业界大量关注深度学习（Deep Learning，DL），融合DL 和边缘计算有利于提高智能系统的灵活性。在边缘计算框架中植入DL，有利于高效落实网络边缘自适应管理工作。此外，云端可以向边缘处推送大量智能模型，推动智能业务不断发展[9]。在计算机视觉和自然语言处理领域利用DL，可以发挥性能优势，通过提供智能服务提高人们的生活质量。通过不断增强边缘算力并革新计算方式，有利于创新拓展云端的智能算法，促进网络边缘智能化执行工作任务，方便云端的升级和网络边缘设施的更新。
对比传统物联网系统，新型物联网系统具有显著优势，降低了整体成本，可以在智慧电网、智慧生态、智能制造以及自动驾驶等领域广泛应用。
4.1 智慧电网
传统配电网络主要包括配电自动化主站、低压变压器以及低压馈线网络。整个国家电网中，低压配电网的数量较多，连接着海量终端，增加了网络拓扑的复杂性，影响供电质量。此外，传统配电网络的自动化和智能化水平有待提高，不利于满足分布式光伏和新能源汽车等行业的发展需求。
新型物联网系统结合了新型方案架构和传统配电网，在“云”层利用物联网核心网，并且利用微服务架构实现业务和数据解耦。在“管”层利用上下行通信方式，利用物联网协议相互联通设备。在“边”层利用边缘计算方式，进一步完善终端硬件平台，提高业务处理效率和软件的可定义性。在“端”层利用物联网操作系统，进一步提升终端智能化水平[10]。
4.2 智能生态
智能生态主要包括水利、林业以及农业等方面。当前信息化水平有待提高，感知网络覆盖率和系统存活率较低，存在严重的信息孤岛问题。此外，缺乏积极研究智能分析和模型化，不利于开展生态监控和治理等工作。在新型物联网系统中可以综合利用感知融合和数据融合等，统一建设和接入各个领域的感知网络。利用智能运算能力，可以向控制现场推送云端训练模型，有利于智能化精准管控农业生产和水利生产，还可以科学预测自然灾害，使生态信息系统的智能化管理水平不断提升。
4.3 智能制造
在工业环境中开展边缘计算工作，需要利用精确的设备数据提高工作决策的科学性，同时高效落实工业过程控制工作。为了实现上述目标，需要完善基础架构，其中包含边缘设备、嵌入式软件以及边缘服务器等，实现可持续性运行。近年来，我国工业系统的数字化水平不断提高，需要集中落实分析、决策以及控制等功能，同时不断提升自动化资产设备的边缘计算能力。
4.4 自动驾驶
在自动驾驶行业，人工智能技术和物联网系统得到广泛应用。物联网系统可以通过数据传输技术向控制中心输入车辆信息，通过实时分析有效处理车辆和车辆、车辆和环境之间的数据，提高自动化驾驶水平。
我国信息化产业的不断发展，为人们的生产、生活带来了极大的便利。人工智能技术和边缘计算技术等带动物联网系统的革新发展，通过在各个行业中推广利用物联网系统，可以大幅提高社会生产力。通过分析信息化发展中革新物联网系统的典型应用场景，有利于促进物联网领域的发展。
猜你喜欢边缘联网终端“身联网”等五则党的生活（黑龙江）(2022年4期)2022-04-25X美术馆首届三年展：“终端〉_How Do We Begin?”现代装饰(2020年8期)2020-08-24通信控制服务器(CCS)维护终端的设计与实现铁道通信信号(2019年9期)2019-11-25抢占物联网通信世界(2018年27期)2018-10-16一张图看懂边缘计算通信产业报(2016年44期)2017-03-13多功能北斗船载终端的开发应用电子制作(2016年15期)2017-01-15可再生能源与物联网风能(2015年10期)2015-02-27得MCU者得物联网天下单片机与嵌入式系统应用(2014年9期)2014-03-11ABB Elastimold 10kV电缆终端及中间接头自动化博览(2014年4期)2014-02-28在边缘寻找自我雕塑(1999年2期)1999-06-28
