
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
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13