第一篇：物聯網發展存在問題總結

物聯網發展存在問題總結 2011-08-14 16:38 物聯網發展存在問題總結，國家安全中國大型企業、政府機構，如果與國外機構，進行項目合作，如何確保企業商業機密、國家機密不被泄漏？這不僅是一個技術問題，而且還涉及到國家安全問題，必須引起高度重視。

個人隱私

在物聯網中，射頻識別技術是一個很重要的技術。在射頻識別系統中，標簽有可能預先被嵌入任何物品中，比如人們的日常生活物品中，但由于該物品（比如衣物）的擁有者，不一定能夠覺察該物品預先已嵌入有電子標簽以及自身可能不受控制地被掃描、定位和追蹤，這勢必會使個人的隱私問題受到侵犯。因此，如何確保標簽物的擁有者個人隱私不受侵犯便成為射頻識別技術以至物聯網推廣的關鍵問題。而且，這不僅僅是一個技術問題，還涉及到政治和法律問題。這個問題必須引起高度重視并從技術上和法律上予以解決。造成侵犯個人隱私問題的關鍵在于射頻識別標簽的基本功能：任意一個標簽的標識（ID）或識別碼都能在遠程被任意的掃描，且標簽自動地，不加區別地回應閱讀器的指令并將其所存儲的信息傳輸給閱讀器。這一特性可用來追蹤和定位某個特定用戶或物品，從而獲得相關的隱私信息。這就帶來了如何確保嵌入有標簽的物品的持有者個人隱私不受侵犯的問題。

商業模式

沒有創新的物聯網商業模式很難調動各方的積極性。目前物聯網的主要模式還是客戶通過自建平臺、識讀器、識讀終端，然后租用運營商的網絡進行通信傳輸，客戶建設物聯網應用的主要目的還是從自身管理的角度進行信息的收集，在這其中典型的應用就是電力遠程監控，特別是電力變壓器遠程監控和遠程抄表的應用。這個是隨著電力行業的重視和管理的要求帶來，也帶動了電力行業的物聯網業務應用，但是整個投資及運維的成本壓力就都在電力公司身上。因此電力公司就是屬于這么一種目前典型的商務模式

1、客戶全部自建模式：客戶建設包括業務平臺、終端識讀器、識讀終端標識，同時租賃運營商的通信網絡方式。在這種模式下，客戶承擔了物聯網平臺的全部費用，客戶的投資壓力大，需要有充足的資金鏈保證。這種模式下的物聯網應用一般來說都有其私密性要求，行業性特點足，其識讀器和識讀編碼都有極強的個性化，跨行業的拓展性難。典型的代表有電力行業的電力遠程監控、水利行業的水文監控、環保行業的污染源監控。

2、平臺租賃運營模式：平臺運營商搭建公共平臺，客戶無需建設平臺，只需要承擔物聯網識讀器和物聯網識讀標識的費用，并支付相關通信費用。GPS車輛定位、視頻監控在這個模式下使用得最多，當然也不排除由通信運營商搭建相關公共平臺，但是對于客戶來說平臺搭建成本得到了均攤，建設成本能夠降低較多。

3、廣告模式：由平臺運營商搭建公共平臺、物聯網識讀器和物聯網識讀標識，然后租賃給廣告商進行運營，廣告商通過廣告收入來支付物聯網平臺運營費用。由于物聯網的物品管理可以做到精細化，因此也越來越成為廣告商看好的一個渠道，象出租車、公交車的移動LED(電視)，樓宇、營業廳的移動廣告機等。

4、政府BOT模式：由運營商搭建公共平臺，項目運營商自行建設物聯網識讀器和物聯網識讀標識，同時支付給運營商相關通信費用，通過項目的運營收入來支付相關費用。比較典型的例子就象公共停車位的收費管理，通信運營商搭建停車場管理的平臺，并制定相關規范，項目運營商通過BOT模式建設相關公共停車場的收費系統，通過公共停車位的收費來補貼相關設備及通信費用。

5、移動支付模式：由客戶進行相關平臺的建設，并自行搭建相關設備，租賃通信運營商的網絡，通過現金的傭金進行相關費用的貼補。目前這個應用主要集中在銀行的移動POS應用，目前通信運營商也開始通過移動支付和一卡通的應用開始介入該市場。

政策法規

物聯網不是一個小產品，也不是一個小企業可以做出來，它不僅需要技術，更牽涉到各個行業、產業，需要多種力量的整合。因此對于復雜的物聯網，國家的產業政策和立法上要走在前面，要制定出適合這個行業發展的政策和法規，政府必須要有專門人和專門的機構來研究和協調，才能有真正意義的發展。

技術標準

互聯網發展到今天，標準化問題解決的非常好，全球進行傳輸的協議TCP/IP協議，路由器協議，終端的構架與操作系統，都解決的非常好，因此，我們可以在世界任何角落使用電腦，連接到互聯網中去，很方便上網。物聯網發展過程中，傳感、傳輸、應用各個層面會有大量的技術出現，可能會采用不同的技術方案。如果各行其是，結果將是災難的，大量的小而破的專用網，相互無法聯網，不能形成規模經濟，不能形成整合的商業模式，也不能降低研發成本。因此，盡快統一技術標準，形成一個管理機制，這是物聯網馬上就要面對問題；這和第一問題相關聯，政府應該有專門的部門來管理和協調，出臺相應的政策和法規，統一、協調標準。

管理平臺

物聯網是什么？我們經常會說RFID，這只是感知。物聯網的價值在于網，而不在于物。傳感是容易的，但是感知的信息，如果沒有一個龐大的網絡體系，不能進行管理和整合，那網絡就沒有意義。因此，建立一個全國性的，龐大的，綜合的業務管理平臺，把各種傳感信息進行收集，進行分門別類的管理，進行有指向性的傳輸，是一個大問題。一個小企業都可以開發出傳感技術和傳感應用。但小企業沒辦法建立起一個全國性的高效網絡。沒有這個平臺，各自為政的結果一定是效率低，成本高，很難發展起來，也很難起到效果。

這個平臺，電信運營商最有力量與可能來建設，這個過程中，也許會有新的管理平臺建設與提供者出現。平臺的建設者會在未來的物聯網發展中，取得較好的市場地位，甚至是最大受益者。

安全體系

物聯網目前的傳感技術主要是RFID，植入這個芯片的產品，是有可能被任何人進行感知的，它對于產品的主人而言，有這樣的一個體系，可以方便的進行管理。但是，它也存在著一個巨大的問題，其他人也能進行感知，比如產品的競爭對手，那么如何做到在感知、傳輸、應用過程中，這些有價值的信息可以為我所用，卻不被別人所用，尤其不被競爭對手所用。這就需要在安全上下功夫，形成一套強大的安全體系。現在應該說，會有哪些安全問題出現，如何應對這些安全問題，怎么進行屏蔽都是一些非常復雜的問題，甚至是不清晰的。但是這些問題一定值得注意，尤其是這個管理平臺的提供者。安全問題解決不好，有一天可能有價值的物聯網會成為給競爭對手提供信息方便的平臺，那么它的價值就會大大的打折扣，也不會有企業愿意和敢于去使用。

實際應用

物聯網的價值不是一個可傳感的網絡，而是必須各個行業參與進來進行應用，不同行業，會有不同的應用，也會有各自不同的要求，這些必須根據行業的特點，進行深入的研究和有價值的開發。這些應用開發不能依靠運營商，也不能僅僅依靠所謂物聯網企業，因為運營商和技術企業都無法理解行業的要求和這個行業具體的特點。很大程度上，這是非常難的一步，也是需要時間來等待。需要一個物聯網的體系基本形成，需要一些應用形成示范，更多的傳統行業感受到物聯網的價值，這樣才能有更多企業看清楚物聯網的意義，看清楚物聯網有可能帶來的商業價值，也會把自己的應用和業務與物聯網結合起來。

專家觀點

2010年6月22日上海開幕的中國國際物聯網大會指出：物聯網將成為全球信息通信行業的萬億元級新興產業。到2020年之前，全球接入物聯網的終端將達到500億個。我國作為全球互聯網大國，未來將圍繞物聯網產業鏈，在政策市場、技術標準、商業應用等方面重點突破，打造全球產業高地。

物聯網是繼計算機、互聯網和移動通信之后的又一次信息產業的革命性發展。目前物聯網被正式列為國家重點發展的戰略性新興產業之一。物聯網產業具有產業鏈長、涉及多個產業群的特點，其應用范圍幾乎覆蓋了各行各業。

中國互聯網協會理事長胡啟恒：中國近年來互聯網產業迅速發展，網民數量全球第一，在未來物聯網產業發展中已具備基礎。物聯網連接物品網，達到遠程控制的目的，或實現人和物或物和物之間的信息交換。當前物聯網行業的應用需求和領域非常廣泛，潛在市場規模巨大。物聯網產業在發展的同時還將帶動傳感器、微電子、視頻識別系統一系列產業的同步發展，帶來巨大的產業集群生產效益。

中國工業和信息化部通信發展司司長張峰：物聯網是當前最具發展潛力的產業之一，將有力帶動傳統產業轉型升級，引領戰略性新興產業的發展，實現經濟結構和戰略性調整，引發社會生產和經濟發展方式的深度變革，具有巨大的戰略增長潛能，是后危機時代經濟發展和科技創新的戰略制高點，已經成為各個國家構建社會新模式和重塑國家長期競爭力的先導力。我國必須牢牢把握產業創新方向和機遇，加快物聯網產業的發展。

中國聯通集團副總經理李剛：在信息技術的支撐下，物聯網正在引發新一輪的生活方式變革，已成為一個發展迅速規模巨大的市場。以中國國內RFAD為例，在2009年就達到了85億人民幣，在全球居第三位，僅次于英國和美國。未來更加安全穩定的有線無線數據的傳輸網絡，將成為我國物聯網快速發展的關鍵。

北京易云智力CEO認為物聯網的發展需要“四點聯動”：物聯網發展需要國家政策支持，更需要相關標準和規范；企業應該積累核心技術，縱向發展，橫向聯合；整個社會要積極應用和推廣；積極儲備和培養這方面的人才。物聯網應用創新受現實所限 “循環怪圈”待打破 2011-08-08 10:40 物聯網應用創新受現實所限 “循環怪圈”待打破。近日美國的工程師們，利用自己的創想，開發出了許多新穎的物聯網應用產品，比如有人開發了智能拖鞋，可以在老人即將摔倒前給老人的家人或醫生發出短信或者提示音，也有人開發了嬰兒尿濕提醒裝置，當嬰兒尿濕時，父母會收到短信通知。這些創意讓生活變得更加便利，且非常有意思，因此它們正為更多的美國消費者接受，逐漸成為一個潛力市場。

回顧我國物聯網的發展歷程，則并不全是叫好聲，更有人冷眼相看，前不久搜狐董事局主席兼CEO張朝陽就在微博上表示“不知物聯網為何物”。那么對于現階段的我國而言，人們對于物聯網是否真的有需求呢？

社會客觀條件的制約

德國電信咨詢公司分析師譚炎明認為，“就目前而言，絕大部分的物聯網應用都是基于需求而產生，也就是說用戶確實需要相應的應用。物聯網應用及其主要功能并非憑空出現，通常都是在用戶原有的傳統功能或應用的基礎上，借助更加智能的傳感器和多種接入網絡以及高效的數據處理分析平臺，使原有功能更加強大或者效率更高”。

但同時，也有部分業內人士對我國物聯網應用的發展狀況并不抱樂觀態度。一位電信運營商內部人士就對記者表示，盡管出于目前普通用戶增長趨近飽和、“機器用戶”為下一步用戶增長方向的考慮，運營商非常重視物聯網，但與國外發達國家不一樣的國情，仍將在一定程度上制約我國物聯網應用的范圍。“目前我國大多數產業仍處于勞動密集型階段，對于企業而言，如果新技術比人工更便宜當然會選擇技術，但目前的狀況是，市場上有大量的剩余勞動力，人工成本遠遠低于技術創新的成本，同時為了保證就業率，也會在客觀上限制了技術的創新，比如抄表，如果真的采用了遠程抄表，那么將會有很多工人下崗失業，這就將形成一系列的社會問題，因此目前市場對物聯網應用的需求并不高。”該人士告訴記者。

規模效應始終難形成

在人員因素之外，還有什么因素在制約著物聯網應用的規模化發展呢？ 業內分析師黃正順認為，“目前我們國內并沒有一個明確的產業標準，產業鏈發展也尚不成熟，在一些關鍵領域還存在一定的應用風險和安全問題，這些都亟待解決”。

目前物聯網產業參與者眾多，其產業鏈的每一環節主體都不相同，無論運營商、設備商抑或其他企業都不可能通吃。從全球物聯網產業的發展現狀來看，各種不同領域不同功能的物聯網應用所使用的網絡以電信運營商的通信網絡為主，隨著3G和3.5G移動寬帶數據網絡逐步普及，物聯網應用中的通信網絡問題已經基本解決；但同時，由于不同領域的物聯網應用有著較顯著的差異性，感應器和相關嵌入式通信終端和應用平臺往往不能通用，比如應用于電力行業的物聯網終端往往無法應用到環保領域，而同時由于數據采集的格式和分析的目的等都不一樣，應用平臺就更加無法實現共用。

因此，當前在物聯網應用的推廣過程中，由于缺乏規模效應，相關終端的研發和生產成本居高不下，而應用平臺的部署往往也是針對性的個性化研發，缺乏有效的成本分擔，使得物聯網應用系統的部署成本整體較高，普通用戶難以承擔，而相關廠商也由于缺乏足夠的回報預期，不敢持續規模投入。

“在物聯網的規模發展中，存在一個循環怪圈——缺乏足夠的規模應用，系統整體部署成本較高，用戶不愿采用，廠商不愿持續規模投入，而正因此，物聯網應用難以快速形成用戶規模，并就此陷入循環僵局。”譚炎明向記者表示。物聯網未來十年投資達4萬億 2011-08-01 08:57 物聯網未來十年投資達4萬億, 我首部物聯網藍皮書《中國物聯網發展報告（2011）》近日正式發布。報告認為，作為中國經濟發展的一個新的增長點，目前我國物聯網產業鏈條的雛形已經基本形成。

報告認為，在我國目前物聯網需要的自動控制、信息傳感、射頻識別等上游技術和產業都已成熟或基本成熟，而下游的應用也已廣泛存在。而且我國物聯網產業也呈現電信運營商、高校、科研機構、傳感器企業、系統集成、應用軟件開發等環節迅速聚合聯動之勢，我國物聯網產業鏈條已經初步形成，物聯網時代即將來臨。

報告預測，未來十年，物聯網重點應用領域投資可達4萬億元，產出將達8萬億元，拉動就業2500個。物聯網技術將圍繞物品識別、傳感和傳動、網絡通信、數據存儲和處理、智能物體等技術產生龐大產業群，同時將被廣泛應用到零售、物流、醫藥、食品、智能建筑、交通、公共安全、城市管理、政府工作等不同行業和經濟領域。

但報告同時指出，物聯網技術的發展在短期內可能并不能帶來產出的快速增長。我國對物聯網機遇的把握仍面臨一些挑戰和制約因素，如物聯網行業標準規范缺失；核心技術缺位；統籌規劃和管理缺乏，產業缺乏頂層設計，資源共享不足。

第二篇：我國物聯網發展現狀及存在的問題123

我國物聯網發展現狀及存在的問題

摘要：目前物聯網概念的風行引起大眾的廣泛關注。物聯網是信息產業發展的第三次浪潮，是信息化與工業化融合的重要途徑和載體。我國正處在經濟飛速發展的新的歷史階段，物聯網被列為新興戰略性產業重點發展。物聯網及相關產業發展的時機日趨成熟，推動物聯網發展的良好態勢正在形成。介紹了物聯網的概念及特點，分析了我國物聯網的發展現狀，指出了影響我國物聯網發展及應用的主要因素。

關鍵詞：物聯網；物聯網產業；發展現狀；

Abstract: Now internet of things is popular to public.Internet of things is the third wave of the development of information industry and the important means and vectors of the integration of information and industrialization．The Internet of things can form a new strategic industry in China which is in a historical stage with a rapid developing economy.There are great chances and good situations for the development of the industry.The concept and characteristics of Internet of Things(IoT)are introduced, the development status of IoT in China is analyzed, the main factors impacting the development and application of IoT in China are pointed out。

Keywords: Internet of Things;The industry of the Internet of Things；development status；

目前物聯網概念的風行引起大眾的廣泛關注，物聯網不僅僅是技術領域的概念，而且有實際應用，其應用領域很廣泛，遍及物流、智能交通、智能電網、環境監測、城市管理、智能家居、工業監測、農業畜牧、森林防火監控、手機支付、遠程醫療、護理和保健等等，可謂無所不在。物聯網是繼計算機、互聯網、移動通信之后全球重大的科技革命，已成為國際新一輪信息技術競爭的關鍵技術和制高點。互聯網的迅猛發展對人類社會影響深遠，而物聯網則是將世間萬物相互連接，并與互聯網相連的非常龐大系統，其影響將比互聯網更大。

1.物聯網概述

1.1 物聯網定義

物聯網(Internet of Things)一詞最早于1999 年由英國工程師 Kevin Ashton在寶潔公司的一次演講中首次提出。物聯網顧名思義，就是物物相連的互聯網，其中包含兩層涵義:第一，物聯網的核心和基礎仍是互聯網，是在互聯網基礎上延 1

伸和擴展的網絡;第二，其用戶端延伸和擴展到了任何物品與物品之間，可以實現物與物、物與人之間的信息交換和通訊。從技術和產業的角度，“物聯網”可以定義為通過射頻識別(RFID)、紅外感應器、全球定位系統、激光掃描器等信息傳感設備，按約定的協議，把任何物品與互聯網連接起來，進行信息交換和共享，以實現智能化識別、定位、跟蹤、監控和管理的一種網絡。物聯網的產業鏈主要包括芯片與技術提供商、應用設備提供商、系統集成商、軟件與應用開發商、網絡提供商、運營及服務提供商、用戶七個環節。其中，芯片與技術提供商包括 RFID 芯片設計、二維碼碼制、光纖傳感等廠商;應用設備提供商包括電子標簽、讀寫器模塊、讀寫設備、讀寫器天線、智能卡、二維條碼、光纖傳感設備等廠商;運營及服務提供商指行業的、領域的物聯網應用系統的專業運營服務商，為客戶提供統一的終端設備鑒權、計費等服務，實現終端接入控制、終端管理、行業應用管理、業務運營管理、平臺管理等服務。

1.2 物聯網三層技術架構

物聯網總體上由三層典型技術架構組成，即可以分成感知層、網絡傳輸層和應用層。從產業鏈的角度，物聯網以傳感感知、傳輸通信、運算處理為基礎，形成面向最終用戶的具體應用解決方案。傳感感知是基礎，傳輸通信是保障，運算處理是能力，并以行業應用解決方案為核心的。

感知層包括二維碼標簽和識讀器、RFID 標簽和讀寫器、智能卡、攝像頭、GPS、傳感器、終端、傳感器網絡等，主要是識別物體，采集信息，與人體結構中皮膚和五官的作用相似。網絡傳輸層，即通過現有的互聯網、廣電網絡、通信網絡、網絡管理中心、智能處理中心、三網融合或未來的 NGN 網絡，網絡層將感知層獲取的信息進行傳遞、計算和處理，類似于人體結構中的神經中樞和大腦。應用層面把感知和網絡傳輸來的信息進行分析，作出決策和控制，實現智能化的管理、應用和服務。應用層是物聯網技術與行業需求深度融合，實現行業智能化。

1.3 物聯網的工作機制

首先通過 RFID 標簽對物體屬性進行標識，接著通過傳感器或識別設備對物體屬性獲取，最后將獲取信息通過網絡傳輸到信息處理中心，進行相關計算和處理。該過程可逆，控制者可通過網絡系統來控制物體做出相應的動作，甚至以更

加精細和動態方式管理生產和生活，達到“智慧”狀態。也就是說，物聯網可以做到全面感知、可靠傳遞和智能化處理。

2.我國物聯網產業發展現狀

我國早在十多年前就開始了物聯網相關領域的研究，技術和標準與國際基本同步。標準方面，2007 年，我國領先于國際啟動傳感網標準化制定工作，在 ISO/IEC 國際傳感網標準化大會第 2 次會議上我國提出了傳感網體系架構、標準體系、演進路線、協同架構等代表傳感網發展方向的頂層設計。我國已成為國際傳感網標準化的四大主導國(中國、美國、韓國、德國)之一，在制定國際標準中享有重要話語權。專利方面，根據國家知識產權專利數據庫和德溫特世界專利數據庫資料的統計，截至2008 年底，國內申請的關于傳感網的專利數是 378件，基礎和核心專利分別是 10 件和 211 件，分別占整個比重的 2.6%和 55.8%，而外圍專利為 157 件，占整個比重的 41.5%。【1】技術方面，自 1999 年起，中科院就啟動了傳感網研究，組成了2000多人的研究團隊，先后投入數億元，在無線智能傳感器網絡通信技術、微型傳感器、傳感器終端機、移動基站等方面已取得重大進展，建立了傳感技術國家重點實驗室、微米/納米國家重點實驗室、國家傳感技術工程中心等研發開發基地，并初步建立從材料、技術、器件、系統到網絡的完整產業鏈.。應用發展方面，我國已經2007 年傳感器業總產量達到 20.93 億只，品種規格已有近6000 種，物聯網已在我國公共安全、民航、交通、環境監測、智能電網、農業等行業得到初步規模性應用，部分產品已打入國際市場。中國信息產業商會發布的 《中國 RFID 與物聯網 2009 發展報告》顯示，2009 年我國射頻識別技術市場規模已達 85.1 億元，同比增長 29.3%，在全球居第三位［2］，僅次于英國、美國。2010 年 8 月 9 日國家標準化管理委員會通報稱，國際標準化組織(ISO)發布了集裝箱貨運標簽系統，這是在物流和物聯網領域首個由我國提出并推動制定，由 ISO 正式發布的可公開提供的規范。

2009 年 8 月 7 日溫家寶總理在無錫表示: 在傳感網發展中，要早一點謀劃未來，早一點攻破核心技術，并盡快建立 “感知中國”中心［3］。我國已將物聯網明確列入 《國家中長期科學技術發展規劃(2006 － 2020 年)》 和 2050 年國家產業路線圖，2010 年已把物聯網寫進 《政府工作報告》，并納入我國發展物聯

網的對策和建議到國家五大戰略新興產業發展規劃，意味著物聯網作為戰略新興產業已正式列入國家戰略層次。

3.我國物聯網發展存在的問題

盡管我國擁有發展物聯網行業的基礎及行業優勢，中央和地方也很重視，但是我們也要清楚地認識到中國物聯網產業發展仍處于初級階段，技術、標準、產品以及市場尚不完善，物聯網處于技術研發與應用試驗的交接階段，仍有很多問題亟待解決。

3.1戰略規劃滯后，頂層設計和統籌規劃缺乏

我國物聯網產業發展戰略尚不明晰，雖然我國各地政府機構積極開展推動物聯網相關產業發展工作，成立了相關園區、產業聯盟，但是在全國范圍內缺乏統籌規劃，部門之間、地區之間、行業之間的分割情況較為普遍，產業頂層設計缺乏，資源共享不足。規劃意識與協調機制薄弱，更加凸顯出研究成本過高、資源利用率過低、重復無序建設現象嚴重的態勢［4］。而國家物聯網發展戰略和路線圖都沒有出臺，不利于我國當前及未來物聯網產業的發展。

3.2 標準規范缺失問題

物聯網與計算機、通信、電子、材料等多學科有關，其涉及的技術多種多樣，導致相關的標準也非常多，而我國 RFID 標準至今仍未有統一說法，這是制約我國 RFID 發展的關鍵因素之一。如果物聯網沒有統一標準，就不能實現互聯互通，就不能形成規模經濟，也不能形成整合的商業模式，更不能降低研發成本，這是非常不利于物聯網的發展的。隨著物聯網相關領域研究的不斷深入、研究范圍的不斷擴大，標準規范的缺失將導致整個物聯網產業的混亂。

3.3 核心關鍵技術有待突破

物聯網的技術涉及到傳感、射頻識別(RFID)、統一編碼、通信網絡等技術，其中，RFID 和傳感器技術及其產品最為關鍵。我國在低頻 RFID(125 或134.2 kHz)、高頻 RFID(13.56 MHz)比較成熟，但 90%以上超高頻(868 ～ 956 MHz)RFID 芯片仍然依靠進口;而物聯網的另一核心產品——傳感器及信息處理

芯片也一直是短板。本土企業生產的傳感器產品以及搭載具有信息處理功能的傳感器模塊的技術參數(如精確性、穩定性、使用期限等指標)與國際企業(如英飛凌、飛思卡爾 TI)差距明顯［5］，尤其是重金屬傳感器和光感應傳感器，國內都沒有相關的研發和生產單位。在 RFID 底層專利上，目前我國并無主導權。我國物聯網核心技術研發力量薄弱而分散，體系架構尚未建立，關鍵技術有待攻關和突破。總之，擁有自主知識產權的核心技術是物聯網產業可持續發展的根本驅動力，也是搶占物聯網產業制高點的關鍵，否則，就會導致產業大量采用國外技術，核心技術專利受制于人，信息安全方面失去保障;更會導致物聯網數據采集環節的傳感器、電子標簽等設備的成本過高，從而拖累整個物聯網行業的發展。

3.4 安全保障有待提高

物聯網的安全性就是物聯網可控性問題。物聯網目前的傳感技術主要是RFID，植入這個芯片的產品，有可能被任何人進行感知，所以在感知、傳輸、應用過程中，這些有價值的信息存在被別人所用，尤其是被競爭對手所利用的安全隱患。而且物聯網越發展，其牽涉到的安全問題越突出，不僅涉及到網絡系統自身的安全，如專有數據和信息安全傳輸問題，還涉及到公民個人隱私、企業商業秘密和國家軍事安全等方面問題。總之，物聯網的安全性也是急需解決的問題。

3.5大規模產業化應用不足

物聯網的價值不是體現在一個獨立的可傳感的網絡中，而是各個行業的共同參與應用，因為不同行業有不同的應用和不同的需求，因此必須根據行業的特點，進行深入地研究和有價值地開發。目前我國物聯網雖然有一些基礎應用，但 “以物為互聯”的應用需求還是低層次的，難以激起產業鏈各環節的參與和投入熱情。大規模行業應用的不足，制約物聯網產業在核心關鍵技術和標準化方面的重大突破。應用開發不能僅依靠運營商和應用物聯網的企業，因為運營商和技術企業都無法理解行業的要求和具體的特點。如果要真正建立一個有效的物聯網，只有具備了規模，才能使物品的智能發揮作用。例如，一個城市有100萬輛汽車，若只在1萬輛汽車上裝上智能系統，就不可能形成一個智能交通系統。產業化規模過低也制約著物聯網的進一步發展。

3.6 產業鏈構成不完善

物聯網的市場潛力巨大，產業鏈的任何一個環節都舉足輕重。目前我國物聯網產業鏈中的網絡提供商(三大電信運營商)和系統設備制造商都已躋身國際先進行列，但是產業鏈其他環節特別是上游環節相對欠缺和不足。產業鏈的不完善一定程度上制約了物聯網產業健康有序發展。

3.7物聯網產業的政策和法規欠缺

物聯網不是一個小產品，也不只是一個小企業可以做起來的。它不僅需要技術，更牽涉到各行各業，需要多種力量的整合。國家的產業政策和立法需要走在前面，需制定出適合行業發展的政策和法規，以保證其正常發展。而我國可行性產業扶持政策欠缺，成為我國物聯網產業謀求突破一大障礙。

3.8成熟商業模式缺乏

物聯網的前提是廣泛設置傳感器，這需要一定的初期投入成本，而快速形成物聯網的服務模式和商業模式是解決成本問題的重要出路。目前國內還沒有一個特別突出的物聯網商業模式，成熟商業模式的缺乏，變相地阻礙了我國物聯網產業的快速推廣。

結束語：作為一個新興行業，物聯網在快速發展的過程中必然會存在一些問題，但只要我們能發現其存在的問題，并針對這些問題去解決它，就能讓其健康快速發展，為社會經濟的發展提供助力，為人民的生活帶來便利。

參考文獻：

[1] 王殊，閻毓杰，胡富平等.無線傳感器網絡的理論及應用[M].北京航空航天大學出版社,2007

[2] 于莘明． 我電子標簽市場規模居世界第三 ［N］． 科技日報，2010.06.09．

[3] 國務院辦公廳． 溫家寶江蘇考察: 讓經濟發展更具可持續性競爭力 ［EB/OL］,2010.06.08．

[4] 姚東鈮． 物聯網在中國的發展 ［J］． 企業導報，2010(3):134－135

[5] 方圓． 物聯網: 助力中國經濟新一輪增長 ［EB/OL］,20104.20．

第三篇：物聯網戰略發展總結

物聯網戰略發展總結

射頻識別（RFID）、紅外感應器、激光掃描器、氣體感應器等信息傳感設備，按約定協議進行信息交換和通信，以實現智能化識別、定位、跟蹤、監控和管理的一種網絡。傳統的互聯網，用戶是有意識地與網站發生交互行為之后留下行為信息，而物聯網卻能在用戶尚未意識到的情況下完成信息的搜集，使物可以在脫離人的狀態下獲得感知或被感知的能力。由此，物理世界與網絡（虛擬）世界被打通，形成了互動反饋。

物聯網的邏輯架構包括感知、網絡和應用三個層次。感知層負責信息采集，主要通過傳感器、RFID標簽、數碼設備等采集數據；網絡層負責信息傳輸，隨著IPV6技術的出現和4G網絡的建設，網絡傳輸技術正在向更快的方式邁進。應用層方面，覆蓋了可穿戴設備、車聯網、智能家居、智慧城市以及工業互聯網等眾多垂直應用領域。

物聯網的發展將至少包含三大維度：第一個維度是感知層和網絡層的萬物互聯。第二個維度是應用層的全面實施。物聯網的技術將逐步深入到產業和消費者領域，帶來新的商業模式和商業邏輯。在眾多垂直領域中，諸如工業互聯網、智慧城市、智能家居所帶來的智能生產、智能交通以及智能生活的雛形，新的商業邏輯將逐步形成。第三個維度是感知層、網絡層與應用層的完美統一，物聯網最終將成為一個覆蓋全球、懂得自我建設和運行的智能系統，這將改變整個社會的形態，使企業得以更智能、更高效地開展商業活動，人類得以享受更加智能化的生活。

一、金融物聯網（傳統物聯網在金融領域的應用）：

目前物聯網集中爆發在可穿戴設備、智能家居、無人機等消費者領域。

1、實時運行情況分析。

物聯網感知設備和智能終端采集數據，運用云計算對數據分析應用,來改進產品、完善服務,提高企業競爭力。

2、移動設備客戶端軟件應用

物聯網信息在手機、平板上的展示等應用系統建設。

3、智能家居

1）運營設備：讓傳統智能安防監控從事后追蹤變革為事前預警

2）辦公設備：手機、汽車、冰箱、電表、可穿戴設備和視頻監控攝像機，都嵌入了微型芯片和傳感器元件之后，萬物將實現互聯互通，人類社會和經濟結構將發生根本性的改變。

4、可穿戴設備應用。

1）穿戴設備：蘋果手表，收集人的信息。

5、虛擬現實

谷歌眼鏡，虛擬銀行：身臨其境更好的體驗，在線解答問題，與客戶交流等。打破傳統地域的局限。

6、無人機

二、物聯網金融（物聯網和金融的深度融合，變革金融的信用體系，將帶來金融模式新革命，改變金融模式。動產融資，抵押風險控制，供應鏈金融領域。資產管理：動產、不動產）：

“物聯網金融實現資金流、信息流、實體流的三流合一，全面降低虛擬經濟的風險，將深刻而深遠地變革銀行、證券、保險、租賃、投資等眾多金融領域的原有模式。”

物聯網金融則能通過海量的、客觀的、全面的數據建立相對客觀的信用體系，風險管控的可靠性和效率性將得到提升。互聯網金融停留在你看到的、聽到的信息上，而物聯網金融將基于你看不到、聽不到的信息上，是全景式的，對實體+虛擬經濟的全面影射，而基于此將會產生更好的信貸模式、信用評估和風險模式。

物聯網發展給銀行帶來的全新機遇：一是產業領域構建物聯網金融服務的生態圈（在諸多垂直領域與大型生產企業、交易平臺、倉儲物流企業合作，將銀行的生態系統擴展為一個龐大的物聯網絡。銀行的角色定位是從中獲取大量的客戶經營數據和以此為基礎的對客戶的洞察，以此為客戶提供定制化、個性化的建議。）。二是物聯網技術將使銀行風控從主觀信用走向客觀信用模式，從而使經營效率大幅度提升。三是物聯網發展最終將帶來零邊際成本的金融行為，使得全面服務中小企業成為可能（物聯網+大數據+預測性算法+自動化系統）。

信用體系：

通過物聯網為銀行建立起客觀信用體系，結合物聯網先進的貨物質押系統，將實現動產的全程無遺漏環節的監管。又比如，可以幫助銀行實時掌控貸款企業的采購渠道、原料庫存、生產過程、成品積壓、銷售情況，甚至用戶使用情況，可按需貸款、按進度放款，并可幫助銀行開展貸前調查，貸中管理，貸后預警，預防欺詐違約案件，提高風控水平。

產業領域：

通過物聯網技術，賦予動產以不動產的屬性，變革供應鏈金融模式，帶來動產融資業務的智慧式新發展。物聯網可實現對動產無遺漏環節的監管，極大地降低動產質押的風險。

1.物流管理：動產監管，過程追蹤和溯源。借助RFID(射頻識別)技術進行溯源和追蹤，提高了供應鏈的可視化程度，成功破解了動產業務的品質管理難題。應用：動產融資監管，抵押風險控制

2.倉庫管理：借助物聯網技術對倉單質押、融通倉、物資銀行等服務的進一步提升。借助物聯網技術，可以對倉儲金融的監管服務實現網絡化、可視化、智能化，使得過去獨立的倉儲金融服務得到發展，也可使金融創新服務風險得到有效控制。應用：供應鏈金融領域。消費領域：

1.公共服務物聯網金融：如在遠程抄表系統的智能卡上集成金融服務，可以實現遠程金融直接結算，為控制風險，可增加手機或網絡實時授權確認功能；這項金融服務可在燃氣、水表、電表等公共服務上應用，完全可以集成在同一卡上，借助金融卡的集成作用作為通行證，打通各個公共服務物聯網，實現各個專業的、孤立的物聯網之間的共享服務。

2.支付領域展開合作，探索更加安全、低成本的支付標準。移動支付：光子支付解決方案以光為支付介質，利用手機閃光燈，離線狀態下也可實現支付數據從手機到POS機的傳輸。通過光子支付，用戶體驗到了更便捷、安全和新穎的移動支付。利用指紋、虹膜、掌紋、掌靜脈、聲紋等進行個人身份鑒定的生物識別技術日趨成熟，密碼支付正在向識別支付過渡。而物聯網的快速發展，將推動感知支付時代的來臨。未來，物聯網在支付中應用后，會感知消費者的周邊環境和自身的狀態，以確保支付者的資金安全、人身安全。物聯網還可通過透徹感知，將支付行為與企業運營狀態、個人健康、家庭情況的動態變化相關聯，動態調整支付額度，控制銀行的風險。

第四篇：物聯網實施存在的問題和解決方法

物聯網實施存在的問題和解決方法：

問題1.使用成本

物聯網產業是需要將物與物連接起來并且進行更好的控制管理。這一特點決定了其發展必將會隨著經濟發展和社會需求而催生出更多的應用。所以，在物聯網傳感技術推廣的初期，功能單一，價位高是很難避免的問題。因為，電子標簽貴，讀寫設備貴，所以，很難形成大規模的應用。而由于沒有大規模的應用，電子標簽和讀寫器的成本問題便始終沒有達到人們的預期。成本高，就沒有大規模的應用，而沒有大規模的應用，成本高的問題就更難以解決。如何突破初期的用戶在成本方面的壁壘成了打開這一片市場的首要問題。所以在成本尚未降至能普及的前提下，物聯網的發展將受到限制。

問題2.安全問題

任何新技術都是雙刃劍，而在物聯網應用上尤為突出，它的廣泛應用極有可能引發“泄露個人機密”、“暴露個人隱私的問題”。在物聯網中，傳感網的建設要求RFID標簽預先被嵌入任何與人息息相關的物品中。可視人們在觀念上似乎還不是很能接受自己周圍的生活物品甚至包括自己時刻都處于一種被監控的狀態，這直接導致嵌入標簽勢必會使個人的隱私權問題受到侵犯。因此，如何確保標簽物的擁有者個人隱私不受侵犯便成為射頻識別技術以至物聯網推廣的關鍵問題。而且如果一旦政府在這方面和國外的大型企業合作，如何確保企業商業信息，國家機密等不會泄露也至關重要。所以說在這一點上，物聯網的發展不僅僅是一個技術問題，更有可能涉及到政治法律和國家安全問題。

問題3.產業鏈條

和美國相比，國內物聯網產業鏈完善度上還存在著較大差距。雖然目前國內三大運營商和中興華為這一類的系統設備商都已是世界級水平，但是其他環節相對欠缺。物聯網的產業化必然需芯片商、傳感設備商、系統解決方案廠商、移動運營商等上下游廠商的通力配合，所以要在我國發展物聯網，在體制方面還有很多工作要做，如加強廣電、電信、交通等行業主管部門的合作，共同推動信息化、智能化交通系統的建立。加快電信網，廣電網，互聯網的三網融合進程。產業鏈的合作需要兼顧各方的利益，而在各方利益機制及商業模式尚未成型的背景下，物聯網普及仍相當漫長。

問題4.行業協作

物聯網應用領域十分廣泛，許多行業應用具有很大的交叉性，但這些行業分屬于不同的政府職能部門，要發展物聯網這種以傳感技術為基礎的信息化應用，在產業化過程中必須加強各行業主管部門的協調與互動，以開放的心態展開通力合作，打破行業、地區、部門之間的壁壘，促進資源共享，加強體制優化改革，才能有效的保障物聯網產業的順利發展。

問題5.盈利模式

物聯網分為感知，網絡，應用三個層次，在每一個層面上，都將有多種選擇去開拓市場。這樣，在未來生態環境的建設過程中，商業模式變得異常關鍵。對于任何一次信息產業的革命來說，出現一種新型而能成熟發展的商業盈利模式是必然的結果，可是這一點至今還沒有在物聯網的發展中體現出來，也沒有任何產業可以在這一點上統一引領物聯網的發展浪潮。目前物聯網發展直接帶來的一些經濟效益主要集中在與物聯網有關的電子元器件領域，如射頻識別裝置、感應器等等。而龐大的數據傳輸給網絡運營商帶來的機會以及對最下游的如物流及零售等行業所產生的影響還需要相當長時間的觀察。

問題6.技術標準

目前行業技術主要缺乏以下兩個方面標準：接口的標準化；數據模型的標準化。雖然我國早在2005年11月就成立了RFID產業聯盟，同時次年又發布了《中國射頻識別(RFID)技術政策白皮書》，指出應當集中開展RFID核心技術的研究開發，制定符合中國國情的技術標準。但是，現在我們可以發現，中國的RFID產業仍是一片混亂。技術強度固然在增強，但是技術標準卻還如鏡中之月。正如同中國的3G標準一樣，出于各方面的利益考慮，最后中國的3G有了三個不同的標準。物聯網的標準最終怎樣，只能等時間來告訴我們答案了。

問題7.知識產權

在物聯網技術發展產品化的過程中，我國一直缺乏一些關鍵技術的掌握，所以產品檔次上不去，價格下不來。缺乏RFID等關鍵技術的獨立自主產權這是限制物聯網發展的關鍵因素之一。

解決方案：

解決方法1.國家提供有效的政策支持（成本）

在我國，除了少數的資金雄厚的企業可以購買設備推廣物聯網技術，甚至自主研究開發之外，我國的眾多中小企業還不具備這樣的實力。物聯網的發展既是技術科技發展的客觀要求，也是經濟發展的迫切需要，政府應在政策上對于這一技術的推廣應用予以傾斜。一就是要在資金上給予支持，形式可以多種多樣，例如政府可以在物聯網的基礎設施建設上加大投資力度，為企業提供優厚的貸款政策，或者直接對一些重要的國有企業進行直接撥款。這些資金上的保證可以降低企業的應用成本，推動物聯網技術的發展。二是要在政策上提供動力支持，比如對新設備的使用進行補貼、對進入這一行業的審批進行相應的放寬。

解決方法2.建立健全相關法律法規（安全）

物聯網的實現不僅涉及技術方面的問題，同時還會涉及有關管理、協調、合作等多方面的問題，甚至還涉及個人隱私保護的問題。比如在眾多涉及問題中個人隱私保護是現在爭論的最為激烈的問題之一，如何確保物品擁有者個人隱私不受侵犯成為射頻識別技術以至物聯網推廣的關鍵問題所在。在一點上除了對技術本身進行改進之外，更重要的國家要出臺一系列相應的配套法律和規范。

解決方法3.要高度重視物聯網在中國制造，在發展綠色低碳經濟中的戰略性地位。（盈利模式）

在物聯網的推進策略上，應充分考慮到中國制造的產業基礎和優勢。將物聯網相關技術作為進一步提升中國制造技術含量和服務品質含量的關鍵手段。“物聯網”的應用將對“中國制造”和世界經濟產業格局產生重大的影響。隨著物聯網技術的成熟和商業模式的不斷豐富完善，嵌入了“物聯網”新應用和服務的中國制造產品將不斷涌現，信息產業與中國制造將更緊密地結合，這對中國和世界的經濟和社會發展將產生重大的影響。同時，要把物聯網和發展“綠色、環保、節能、低碳經濟”相結合，充分利用物聯網能夠實現更精細、更簡單、更高效管理的特性，通過重點領域的應用示范效應促進物聯網創造更大的經濟效益和社會效益。

解決方法4.高度重視共性技術標準的制定，重視產學研用協同創新建設物聯網技術產業標準體系。（技術標準）

重視標準問題的戰略性地位，但不應盲目夸大其影響。物聯網是一個涉及眾多行業應用的實踐性技術領域，其領域跨度非常廣，因此期望做出完全統一、自成體系的標準是不現實的，也不具可操作性。更多的是應在涉及互聯互通等共性問題方面盡早制定相應的標準，如統一編碼規則、基礎應用平臺的中間件接口標準等。同時，物聯網產業的發展和壯大勢必與各類行業應用、個人應用緊密相關。在制定標準過程中應廣泛建立“產學研用”相結合協調創新的機制，才能制定出適合行業應用、順應產業發展的物聯網標準體系。

第五篇：物聯網信息融合技術及存在的問題

物聯網信息融合技術及存在的問題研究

王 洪 波1,2

（1.合肥工業大學 管理學院 合肥 23009；）

（2.過程優化與智能決策教育部重點實驗室 合肥 230009）

摘要：物聯網是通過各種傳感設備將物品與互聯網連接起來的一種新型網絡。在物聯網信息感知過程中，信息融合已成為一個關鍵性技術。本文闡述了物聯網信息融合技術，包括數據級融合、特征級融合和決策級融合。在此基礎上，指出了物聯網信息融合過程中存在問題和挑戰，分析了有待進一步研究的方向。關鍵詞：物聯網；信息融合；信息感知

中圖法分類號: TP301.6

文獻標識碼: A Research of Information Fusion Technologies and Existing Problems

in the Internet of Things

WANG Hong-bo1,2

(1.School of Management, Hefei University of Technology, Hefei, 230009, China)(2.Key Laboratory of Process Optimization and Intelligent Decision-making, Ministry of Education, Hefei，230009, China)Abstract:The internet of things is a new network in which things are connected to the internet by various sensing equipments.In the process of information sensing in the internet of things, the information fusion technologies have become critical.In this paper, the information fusion technologies in the internet of things have been presented, including data-level fusion, feature-level fusion and decision-level fusion.On this basis, the problems and challenges existing in the information fusion process in the internet of things have been showed, and the further research directions have also been put forwarded.Keywords: Internet of Things;Information fusion;Information sensing

一、引言

物聯網(Internet of Things，簡稱IoT)概念于1999年由麻省理工學院（MIT）Auto-ID中心最早提出（Sundmaeker et al.，2010）。2005年11月，國際電信聯盟（International Telecommunication Union，簡稱ITU）在信息社會世界峰會（WSIS）上發布了《ITU互聯網報告 2005：物聯網》并在報告中正式確定了“物聯網”概念（ITU，2005），報告指出物聯網發展所依賴的技術包括：無線射頻技術（RFID）、無線傳感器技術（WSN）、智能嵌入技術、小型化技術和納米技術等。

物聯網是通過各種傳感設備將不同種類的物品與互聯網連接起來的一種具有智能化識別、定位、跟蹤、監控和管理的網絡，以實現人與物、物與物之間的信息交換。在物聯網中，信息感知是一個基本功能，它是通過傳感器對物聯網中物品進行信息收集，根據應用目標的需要對所收集到的信息加以篩選，將有效數據或有價值數據提供給用戶進行分析和處理。由于物聯網所能提供的傳輸、處理和分析等資源有限，因此在滿足客戶需要的條件下，采用信息融合技術對數據進行有必要的處理，以實現對信息的高效感知。1 王洪波，男，1983年生，博士生，主要研究領域為人工智能、數據挖掘、云計算、決策理論與方法.E-mail：bz308cctv@163.com

隨著物聯網技術研究不斷深入，物聯網信息融合技術取得了一定數量的成果，因此需要對該類技術進行一定程度的梳理。本文對物聯網信息融合技術的現有研究成果進行歸納，闡述了物聯網信息融合的主要技術。首先從信息提取水平角度將融合技術劃分三個層次，對現有技術和方法進行歸納和分析；然后，探討了物聯網信息融合研究的熱點領域，指出了物聯網信息融合所存在的問題和挑戰，并展望了未來研究的方向；最后，對全文進行概括和總結。

二、物聯網信息融合技術

信息融合是指在一定準則下利用計算機技術對多源信息分析和綜合以實現不同應用的分類任務而進行的處理過程。根據信息提取水平，Nakamura et al.（2007）將物聯網中信息融合技術劃分為4個層次，主要包括：低等水平融合、中等水平融合、高等水平融合和多級融合。Nakamura分類方法中多級融合技術是前三種融合技術的綜合，故本文認為將數據融合技術劃分為3個層次較為合理。對于物聯網，數據級融合主要是消除輸入數據中的噪聲，而特征級融合和決策級融合則側重于獲取與實際應用相關的有價值信息。

（一）數據級融合技術

數據級融合主要是指在原始數據采集后的融合。該融合的特點是必須在同質信息前提下的融合，不同質信息則不能在此階段融合。在數據級融合階段常用的方法多為加權平均法、特征匹配法法和金字塔算法等傳統方法。

加權平均法是最簡單的融合算法，直接對傳感器所獲得信息進行線性的加權平均。Mechitov et al.（2003）提出通過對傳感器的位置進行加權平均，估計出目標運動軌跡上的各點坐標位置。崔遜學等（2011）則根據計算幾何理論，提出基于三圓交集計算二值傳感器網絡目標的位置。加權平均法具有實現簡單、快速的優點，能夠有效地抑制噪聲，但是其融合結果的對比度相對較低，且無法通過增大權重的方式反映某些信息所具有的突出作用。

特征匹配法就是利用通過特征的匹配關系建立圖像間的配準映射變換，最常用的方法是ICP算法。Besl&Mckey（1992）提出一種基于輪廓特征的點配準方法ICP。劉繁明、屈昊（2004）提出了對準集合的一種方法，采用對準誤差通過非線性最優化算法直接最小化。楊明等（2004）提出一種基于切線的角度直方圖的ICP方法，該方法首先使用M估計器魯棒地計算掃描中每點的切線方向，然后使用基于Hough變換的切線角度直方圖計算旋轉分量，最后使用迭代切線加權最近點ITCP計算相對位姿估計。

金字塔算法是采用通過不斷地濾波原始圖像的方式，形成一個多級塔狀結構用以分析和融合圖像數據。Burt &Adelson（1983）首先提出拉普拉斯金字塔算法，它是在高斯濾波圖像的基礎上，與預測圖像之間形成一系列誤差圖像。Toet（1989a，1989b，1989c，1992）則提出了比對度金字塔算法和形態學金字塔算法。Burt（1992）通過利用梯度算子對每層圖像進行計算，以實現對圖像的分解。Barron &Thomas（2001）通過紋理濾波器對每層圖像中不同方向的紋理信息進行提取，獲得圖像更多細節信息。Chipman et al.（1995）和Li et al.（1995）則分別提出了不同的離散小波變換的融合算法。

（二）特征級融合技術

特征級融合主要是在對原始數據進行了特征值提取的工作后，運用基于特征值比較的融合方法，其特點為可在不同質信息范圍內進行融合，但無法對融合結果進行判別并作出合理決策。在特征級融合技術階段常使用k近鄰、卡爾曼濾波、聚類算法等方法。

K近鄰算法（Vapnik，1999）是一種簡單的分類算法，該算法使用某一種距離度量計算待分類樣本與所有訓練樣本之間的距離，尋找與待分類樣本最近的k個近鄰，根據k個近鄰所屬的類別來確定待分類樣本的類別。Ye et al.（2001）將聚類算法與K近鄰算法相結合，提出了CCA-S（Clustering and Classification Algorithm-Supervised）算法。Rosa et al.（2003）為了快速且有效尋找最優k值，提出將遺傳算法與K近鄰算法相結合。陳黎飛、郭躬德（2011）

提出了一種多代表點的學習算法（Multi-Representativesfor Efficient Classification，簡稱MEC）用于最近鄰分類。金弟等（2010）提出一個基于結構化相似度的網絡聚類算法將向量數據集轉化成k鄰近網絡, 然后用SSNCA（Structural Similarity based Network Clustering Algorithm）對k鄰近網絡進行聚類。

卡爾曼濾波是一種最優隨機濾波技術，能夠較好地消除噪聲對信號的干擾，但是經典的卡爾曼濾波和擴展的卡爾曼濾波一般僅限于線性高斯系統。Julier et al.（1997）針對上述問題，提出無跡卡爾曼濾波（Unscented Kalman Filter，簡稱UKF）處理非線性非高斯系統的跟蹤問題。劉獻如、蔡自興、唐 琎（2010）提出將絕對差值和（SAD）方法、無跡卡爾曼濾波（UKF）和Mean shift算法相結合的混合自主跟蹤動態目標的方法。

聚類算法是數據挖掘領域中常見的一種分類技術，常見的聚類算法有基于劃分的聚類k-means。k-means（Hartigan&Wong，1979）的評判標準是以樣本與相關聚類中心之間的歐式距離之和為參照標準，將該評判準則最小化以實現數據集的劃分。公茂果、王爽、馬萌（2011）則提出二階段聚類算法（two-phase clustering，簡稱TPC），該算法不僅能夠有效處理復雜分布的數據聚類問題，而且其計算復雜度低于MEC。陳小全、張繼紅（2012）提出了一種基于改進的粒子群算法的聚類算法，該算法將k-means和粒子群算法相結合，提高了k-means的局部搜索能力。

（三）決策級融合技術

決策級融合是通過對不同質數據進行預處理、特征值提取和識別、分配可信度作出最優決策，其特點為能對傳感器采集的數據做出融合，并可利用融合結果進行分析和判別，形成決策建議。相比較前兩個融合，決策級融合是最高層次的信息融合，融合系統不僅容錯性能好，而且適用領域廣。常見決策級識別方法有專家系統、Bayes推理法和證據理論法等。

專家系統（Expert system，簡稱ES）主要是由知識庫、推理機、綜合數據庫、解釋器和接口等組成。專家系統有很多種，具有代表性的有基于規則的專家系統、基于框架的專家系、基于模型的專家系統、基于案例的專家系統等，目前大多數智能決策系統都是基于專家系統的。Shortliffe et al.（1976）構建MYCIN系統用于診斷和治療血液感染和腦炎感染。Duda et al.（1977）提出經典PROSPCTOR系統用于地質勘探。王青等（2006）提出一種基于神經網絡與專家系統的自學習智能決策支持系統。

Bayes推理法是基于概率分析、圖論的一種不確定性知識表達和推理的方法。Pearl（1998）和Lauritzen（1998）提出貝葉斯網的精確推理方法，即Polytree和Jmtetion Tree，而Pearl（1987）和Jensen et al.（1995）則提出近似推理方法，即Importnat Sampling和Gibbs Sampling。Dean&Kanazawa（1989）提出針對動態時變系統的動態貝葉斯網（Dynmaic Bayesian Networks，簡稱DBN）。Wellman（1990）提出定性貝葉斯網（Qualitative Bayesian Networks，簡稱QBN）。國內學者對Bayes推理法也有一定的研究，楊小軍等（2007）在Bayes框架下基于粒子濾波器預測和估計目標狀態分布，提出一種有效的粒子方法逼近目標狀態期望的方差, 實現了傳感器的最優選擇。

證據理論法（Dempster-Shafer理論，簡稱DS理論）最先由Dempster（1967）提出的，他的學生Shafer（1967）又進一步發展了該理論使之成為一種不確定推理方法。Yager（1987）提出既然無法合理分配沖突證據，那就將沖突系數k賦給未知域。Smets（1990）提出將沖突證據分配給空集，這樣將不會引起錯誤判斷。Lefevre（2002）提出統一信任函數組合規則，該規則核心是根據權重公式將其分配給相關子集。MurPhy（2000）的方法是將證據的基本信任分配取平均值，通過多次迭代取得融合信息。鄧勇（2004）提出一種加權平均組合方法，該方法考慮了各證據之間的相關性。林作銓等（2004）提出在Dempster 合成之前，基于未知擾動對mass函數進行預處理，并通過預處理來解決標準化問題。Nakamura et al.（2005）采用DS證據理論實現了對網絡路由狀態的分析和判斷，給出了路由是否需要重建的結論。

三、存在的問題

信息融合能夠減少所需要傳輸的數據量，降低傳輸過程中數據之間的沖突、減輕物聯網中擁塞現象發生次數，合理利用網絡資源。因此，信息融合技術已成為物聯網的關鍵技術和研究熱點。為了讓物聯網中的信息融合過程更加快速、有效，現實中還有很多物聯網信息融合技術需要完善和改進。

（一）多源異構信息的融合問題

由于物聯網中傳感器所采集的信息內容不同、傳感器采集的頻率不同、傳感器所輸出信息的表示方式不同、傳感器所能感知的物體種類不同以及傳感器的數量眾多等原因，導致物聯網信息融合技術需要處理的信息具有多源異構的特征。此外，由于物聯網中網絡節點在功能和結構上存在巨大差異，使得在信息融合過程中，不同的網絡節點所能處理、傳輸和存儲的信息數量存在很大差異。因此，在物聯網針對多源異構信息的融合技術所面臨的問題主要為四個方面：(1)由于物聯網信息需要在表示方式和語義知識兩個方面必須進行統一化處理，因此信息融合過程存在建立統一的表達形式和統一的描述語言問題；(2)由于參與信息融合的網絡節點所提供信息的測量維數不同，因此信息融合過程面臨多維信息的降維優化問題；(3)不同網絡節點對信息的采樣率和時間同步率都不一樣，因此信息融合過程存在不確定數據融合的問題；(4)在信息融合過程需要利用大量網絡節點進行融合運算，因此信息融合過程存在保證各網絡節點間的調度和分配、容錯管理以及對數據的高效率存取訪問等問題。

（二）大數據的融合問題

客觀世界中物體的種類復雜、形態多樣、數量巨大，這導致物聯網對信息的采集需要各種傳感設備，并且這些設備所采集到的信息具有海量規模。為了有效的從海量信息中發現有價值的知識為物聯網用戶提供各種領域信息服務，必須對物聯網海量信息進行處理。原有的傳感器網絡的規模一般都比較小，節點數目一般在幾十到上百之間，而且所應用的傳感器種類相對比較單一，常采集若干種信息。隨著物聯網規模的不斷擴大，網絡中節點的數目也出現幾何式增長，觸感器種類也不斷增多，由此所引起的信息數量也具有海量規模。針對大規模傳感器網絡中信息融合技術的研究目前處于起步階段，大部分融合技術僅能適應小規模融信息的融合。因此，需要對涉及大數據融合的節點負載均衡、無線網絡延遲、算法能量消耗、數據傳輸可靠性等熱點問題進行必要的研究。

（三）信息融合的安全問題

隨著物聯網適用范圍的不斷擴大，物聯網中融合技術所涉及到的信息范圍也不斷擴展，相當一部分信息屬于政府、金融等高敏感領域。因此，信息的安全問題也日益成為物聯網信息融合需要重視的問題之一。物聯網信息融合是信息感知的重要手段。如果海量節點中某一個節點因病毒感染而導致信息被篡改，融合節點將很難分辨出正常信息和惡意信息。由于信息融合節點處于物聯網信息感知和交互的中樞位置，從而對融合信息的破壞不但會使融合過程產生混亂，而且還會使物聯網用戶在錯誤結論指導下采取錯誤行為。因此，物聯網融合過程中的信息安全必須加以考慮。這就要求融合節點需要具有分辨數據有效性的機制和措施，能夠在海量融合信息中快速、準確的判斷出信息真偽，使物聯網用戶的隱私得到保障。

四、結論

物聯網信息融合技術涉及到較多領域內容，雖然物聯網的概念出現時間不短，但作為物聯網信息感知過程中關鍵性環節的信息融合技術還有很多方面有待完善。本文重點分析了數據級融合、特征級融合、決策級融合等3類信息融合技術，并討論了多源異構信息的融合、大數據的融合和信息融合的安全等問題。通過對上述內容的總結和歸納，有助于促進物聯網信息融合技術更好地發展和完善。

參考文獻

陳黎飛, 郭躬德, 2011:《最近鄰分類的多代表點學習算法》,《模式識別與人工智能》第6期。陳小全, 張繼紅, 2012:《基于改進粒子群算法的聚類算法》,《計算機研究與發展》第z1期。

崔遜學, 周強, 方震, 2011:《基于三圓交集的二值傳感器網絡目標跟蹤快速算法》《,計算機研究與發展》第2期。

公茂果, 王爽, 馬萌, 2011:《復雜分布數據的二階段聚類算法》,《軟件學報》第11期。

金弟, 劉杰, 賈正雪, 劉大有, 2010:《基于k最近鄰網絡的數據聚類算法》,《模式識別與人工智能》第4期。

林作銓, 牟克典, 韓慶, 2004:《基于未知擾動的沖突證據合成方法》,《軟件學報》第8期。劉繁明, 屈昊, 2004:《ICP算法的魯棒性改進》,《儀器儀表學報》第4期。

劉獻如, 蔡自興, 唐 琎, 2010:《基于SAD與UKF-Mean Shift的主動目標跟蹤》,《模式識別與人工智能》第5期。

王青, 祝世虎, 董朝陽, 陳宗基, 2006:《自學習智能決策支持系統》,《系統仿真學報》第4期。楊明, 董斌, 王宏, 張鈸, 2004:《基于激光雷達的移動機器人實時位姿估計方法研究》,《自動化學報》第5期。

楊小軍, 邢科義, 施坤林, 潘泉, 2007:《傳感器網絡下機動目標動態協同跟蹤算法》,《自動化學報》第10期。

Burt, P.J., 1992, A gradient pyramid basis for pattern selective image fusion, Proc of the Society for Information Display Conference, San Jose: SID Press, pp.467-470.Barron, D.R.and Thomas, O.D.J., 2001, “Image fusion though consideration of texture components”, IEEE Trans on Electronics Letters, Vol.37, No.12, pp.746-748.Chipman, L.J., Orr, T.M.and Graham, L N., 1995, Wavelets and image fusion, Proc of Int Conf on Image Processing, Los Alamitos: IEEE Computer Society, pp.248-251.Dean, T.L.and Kanazawa, K., 1989, “A model of reasoning about persistence and causation”, Computational Intelligence, No.5, No.3, pp.142-150.Dempster, A.P., 1967, “Upper and Lower Probabilities Induced by a Multivalued Mapping”, The Annals of Mathematical Statistics, Vol.38, No.4, pp.325-339.Deng, Y., Shi, W.K., Zhu, Z.F., and Liu Q., 2004, “Combining Belief Functions Based on Distance of Evidence”, Decision Support Systems, Vol.38, No.3, pp.489-493.Duda, R.O., 1977, Development of a computer-base consultant for mineral exploration Annual Report, [ S..l ]: SRI Project, pp.5821-5824.Hartigan, J.A.and Wong, M.A., 1979, “A k-means clustering algorithm”, Applied Statistics, Vol.28, No.1, pp.100-108.International Telecommunication Union(ITU), 2005, ITU Internet Reports 2005: The Internet of Things, Tunis: World Summit on the Information Society(WSIS).Jensen, C., Kong, A.and Kjaerul, U., 1995, “Blocking gibbs sampling in very large probabilistic expert systems”, International Journal of Human Computer Studies.Specia1 Issue on Real-World Applications of Uncertain Reasoning, Vol.42, No.6, pp.647-666.Julier, S.J.and Uhlmann, J.K., 1997, A new extension of the Kalman filter to nonlinear systems, Proc SPIEInt Soc Opt Eng, Orlando: SPIE, pp.182-193.Lauritzen, S.L.and Spiegelhalter, D.J., 1988, “Local computations with Probabilities on graphical Structures and their application to expert systems”, Journal of the Royal Statistical Society B, Vol.50, No.2, pp.57-224.Lefevre, E.and Colot, O., 2002, “Vannoorenberghe P.Belief Functions Combination and Conflict Management”, Information Fusion, Vol.3, No.2, pp.149-162.5

Li, H., Manjunath, B.S.and Mitra, S., 1995, “Mult isensor image fusion using the wavelet transform”, Graphical Models and Image Process, Vol.57, No.3, pp.235-245.Mechitov, K., Sundresh, S., Kwon Y.and Agha, G., 2003, Cooperative tracking with binary detection sensor networks, Conference On Embedded Networked Sensor Systems: Proceedings of the 1st international conference on Embedded networked sensor systems, New York: ACM Press, pp.332-333.Murphy, C.K., 2000, “Combining belief functions when evidence conflicts”, Decision support systems, Vol.29, No.1, pp.1-9.Nakamura, E.F., Figueiredo, C.M.and Loureiro, A.A., 2005, Information fusion for data dissemination in self-organizing wireless sensor networks, Proceedings of the 4th International Conference on Networking(ICN2005), Reunion, France, pp.585-593.Nakamura, E.F., Loureiro, A.A.F.and Frery, A.C., 2007, “Information fusion for wireless sensor networks: Methods, models, and classifications”, ACM Computer Survey, Vol.39, No.3, pp.1-55.Pearl, J., 1987, “Addendum: Evidential Reasoning using stochastic simulation of causal models”, Artificial Intelligence, Vol.33, No.2, pp.245-257.Pearl, J., 1988, Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference, Morgan Kaufman, Inc., San Mateo, CA.Rosa, J.L.A.and Ebecken, N.F.F., 2003, Data Mining for Data Classification Based on the KNN-Fuzzy Method Supported by Genetic Algorithm, Proc of the 5th International Conference on High Performance Computing for Computational Science, Porte, Portugal, pp.126-133.Shortliffe, E.H., 1976, Computer-based medical consultation: MYCIN, New York: American Elsevier.Shafer, G.A., 1967, A Mathematical Theory of Evidence Princeton, USA: Princeton University Press, 1-80.Smets P., 1990, “The Combination of Evidence in the Transferable Belief Model”, IEEE Transon Pattern Analysis and Machine Intelligence, Vol.12, No.5, pp.447-458.Sundmaeker, H., Guillemin, P., Friess, P.and Woelfflé, S., 2010, Vision and Challenges for Realising the Internet of Things, Luxemborg: Publications Office of the European Union.Toet A., 1989, “Image fusion by a rat io of low_pass pyramid”, Pattern Recognition Letters, Vol.9, No.4, pp.245-253.Toet, A., Ruyven, L.J.and Valeton, J.M., 1989, “Merging thermal and visual images by a contrast pyramid”, Optical Engineering, Vol.28, No.7, pp.789-792.Toet, A., 1989, “A morphological pyramidal image decomposition” Pattern Recognition Letters, Vol.9, No.4, pp.255-261.Toet, A., 1992, “Mult iscale contrast enhancement with applications to image fusion”, Optical Engineering, Vol.31, No.5, pp.1026-1031.Vapnik, V.N., 1999, The Nature of Stat istical Learning Theory, NY: Springer Verlag.Ye, N.and Li, X.Y., 2001, A Machine Learning Algorithm Based on Supervised Clustering and Classification, Proc of the 6th International Computer Science Conference on Active Media Technology, Hong kong, China, pp.327-334.Wellman, M.P.,1990, “Fundamental concepts of qualitative Probabilistic networks”, Artificial Intelligence, Vol.44, No.3, pp.257-303.Yager, R.R., 1987, “On the Dempster-Shafer Framework and New Combination Rules”, Information Sciences: An International Journal, Vol.41, No.2, pp.93-137.6