京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26在CDA(Certified Data Analyst)数据分析师的能力体系中,线性回归是连接描述性统计与预测性分析的关键桥梁,也是CDA二级认证的 ...
2026-03-26在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25