
传感器是大数据的重要来源
全新的物联网应用——从医疗、智能能源到牲畜饲养——推动了更多分层智能的需求,可以解决安全性和隐私性问题,并且管理剧增的数据量。假设一场会议同时传送到三个城市的观众。当主持人向观众提问时,观众可以举手回答,对观点表示赞同。当举行投票时,全部三个城市的总投票数会实时呈现在主持人和观众面前。
实际上,这种未来的场景已经变成了现实。从某种程度上讲,我们做到了这一点,它展示了物联网的巨大潜力。它的运行原理如下。每一名观众都佩戴了内置运动传感器的腕带。腕带的传感器数据可以捕捉观众腕带的运动。
为了将这种动作消耗的通信带宽降到最低,同时降低无线通信的功耗,在腕带中运行的背景感知算法可以翻译传感器数据,并且寻找匹配用户抬手的垂直位置动作数据模式。当标志性运动出现时,腕带就会将数据传送到大会现场的无线接入点。
无线接入点将从腕带接收的数据做好时间标记,然后迅速将信息转发到云应用。这些应用会利用所有三场会议地点的腕带结果,推算出主持人发起投票的时间。尽管腕带中运行的算法可以识别垂直运动,但是传感器难以分辨出垂直运动的细微区别,究竟是用户正在举手,还是单纯因为观众烦躁不安或正在起身。然而,云环境的智能可以注意到,在狭窄的时间窗口期间大部分观众携带的传感器正在同时向上移动,由此推断会场正在投票。
源头的传感器
这个例子说明了物联网的众多架构挑战,在物联网互联设备的源头通常都是一个或多个传感器。传感器将物理环境(例如运动、磁场或周围环境)的信号转化为数字数据。因为传感器可以连续且自动提供数据,传感器数据会快速超越人工产生的数据量。
为了缓解数据堵塞及其相关的传输成本,智能传感器可以实时做出数据的重要或相关决策,只有当这些决策对上游应用有重要作用时才会传输这些数据。例如,运动传感器的算法可以确定传感器已经静止并且跳过一次更新。更加复杂的背景算法能够区分佩戴者抬手和其它运动(比如起身)之间的细微差异。在数据源部署智能会降低传感器数据消耗的通信带宽,并且延长电池驱动无线传感器节点的电池使用时间。但是,传感器节点的计算容量比云计算的成本更高, 针对特定应用设计的智能传感器面向不同的用途时可能效率较低。在安全性十分重要的环境中,数据源的智能也至关紧要。目前正在探讨各种不同的安全性和隐私性协会,这需要云应用和许可数据源(使用部分或全部数据)之间的协商。这在可穿戴式传感器领域特别敏感,它可以记录对个体看似毫无意义的各种信号。采用数据挖掘算法时这些信号与其它信号结合在一起,它们会无意间泄漏消费者隐私。
在网关级别,由传感器产生的需求也会非常急迫。传感器数据是实时数据,因此需要网关帮助同步不同组合的传感器数据,并且控制数据延迟。有时网关会执行进一步背景处理,以便降低上行链接带宽要求。
在云环境中,相同组合的传感器数据可以分配给多个服务器和应用的众多任务员工,因此相同腕带可以跟踪大会投票数,也可以监控穿戴者的活动等级,有助于预测日常流量模式。于是,有人发现基于传感器的物联网部署核心便是分层智能。
物联网互联设备,如同上述例子中的腕带,到2020年将会使全部连接化显得相形见绌,包括机器对机器、人类对机器和机器对机器连接在内。这一趋势由以下四个因素推动:
传感器和致动器的成本递减,特别是微电子机械系统(MEMS)技术令大量部署更加可行。
Wi-Fi路由线的成本递减,令大规模连接变得更加可行。
互联网通信协议第6版(IPv6)扩充了唯一互联网地址的数量,可以连接数万亿的实体。
无处不在的智能手机和平板电脑呈现出前所未有的连接流程和成果。
工业应用推动未来发展
尽管我们采用的实例——确实如此,如今物联网的许多注意力都与可穿戴设备有关——但是,物联网的更大商业潜力在于工业应用。麦肯锡、思科和GE全部瞄准物联网,到2025年会对我们的经济造成数万亿美元的影响,它们关注医疗保健和基础设施部署领域的受益。
如今的可穿戴技术并不会限制于仅仅满足消费的生活需求,而且可为社交媒体提供内容。它们还在应用于提高牲畜饲养的资产跟踪管理。
例如,高价赛马可以穿戴上传感器垫片和配置传感器的马蹄,可以帮助驯马师监控马匹的健康,记录它们的步态,上传数据,让各种算法监控马匹的行为,诊断疾病,且有助于提升马匹的整体健康状况。简单的运动传感器(例如跟踪活动的腕带)可以用于检测和报告智能计量表安装的篡改问题,保护系统安全性。
运动传感器结合压力传感器可以用来监控卧床不起的患者,测量呼吸和心率,甚至在患者试图下床时向护士站报警,寻求帮助。
如今,我们每年为150种独有的传感器应用提供服务。我们会看到传感器集成更多智能功能,并且需要更加紧密地将传感器与MCU和数字网络产品相互集成,作为系统解决方案。
我们的观察结果反映出,我们的系列产品需要更多的分层智能,以便解决电力保存、安全性和连接性问题。随着即将来临的物联网应用浪潮,我们认为传感器系统会变得更加复杂、更具背景和环境感知能力,幸运的是我们所有身在其中的人将会感觉更加有趣。
多维科技是全球第一家量产隧道磁电阻传感器的供应商,其TMR磁传感器技术领域遥遥领先于国内外的其他传感器公司。可以预见在未来的新兴领域中,多维科技将会有更多、更广的发展空间。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01