第 1 章 物聯網的基礎知識
1.1 物聯網入門
首先我們來了解一下學習物聯網所需的基礎知識。
1.1.1 物聯網
大家在聽到物聯網時，腦海中會出現一個什麼樣的印象呢？
物聯網的英語是 Internet of Things，縮寫為 IoT，這裡的“物”指的是我們身邊一切能與網絡相連的物品。例如您身上穿著的衣服、戴著的手錶、家裡的家用電器和汽車，或者是房屋本身，甚至正在讀的這本書，只要能與網絡相連，就都是物聯網說的“物”。
就像我們用互聯網在彼此之間傳遞信息一樣，物聯網就是“物”之間通過連接互聯網來共享信息併產生有用的信息，而且無需人為管理就能運行的機制。這樣一來，就創造出了一直未能實現的魔法般的世界。
1.1.2 物聯網的相關動向
ICT1 市場調查公司的 IDC（Internet Data Center，互聯網數據中心）調查結果顯示，2013 年日本國內物聯網市場的市場份額約有 11 萬億日元，預測這個數字在 2018 年大約會增至 2013 年的兩倍，即 21 萬億日元左右。
1信息、通信和技術三個英文單詞的首字母組合（Information Communication Technology，簡稱 ICT）。——譯者注（本書腳註均為譯者注）
物聯網市場是由若干個市場形成的，包括作為“物”的設備市場，掌管物與物之間聯繫的網絡市場，還有運營管理類的平臺市場，分析採集到的數據的分析處理市場等（圖 1.1）。
圖 1.1 物聯網的相關市場
說起創建物聯網市場的要素，那就要提到通信模塊價格趨向低廉以及雲服務的普及。英特爾公司在 2014 年 10 月將一款名為英特爾 Edison 的單板計算機投入了市場。這款單板機在一個只有郵票大小的模塊上搭載了雙核雙線程的 CPU 和 1 GB 內存、4 GB 的存儲空間、雙頻的 Wi-Fi 以及藍牙 4.0。除此之外，微軟還公佈了名為 Microsoft Azure Intelligent Systems Service（Azure 智能系統服務）的解決方案，它負責用雲技術實現數據管理和處理，以及通信管理等功能。
此外，在平臺、分析處理和網絡安全等方面，針對物聯網的產品和服務也已經開始投入市場。物聯網市場今後的重點在於跟熟悉各垂直市場的從業者加強合作，積極提供試驗環境以及開發貼近用戶生活的服務項目。
1.2 物聯網所實現的世界
1.2.1 “泛在網絡”社會
在講物聯網所實現的世界之前，我們先從“連接網絡”的觀點來回顧一下歷史。
20 世紀 90 年代初，過去以大型機為中心的集中式處理逐漸向以客戶端服務器為中心的分佈式處理轉移。自 20 世紀 90 年代後期起，新型集中式處理圍繞著以互聯網和 Web 為代表的網絡形成了一股發展趨勢。這就是 Web 計算的概念。以互聯網為媒介，人們可以輕鬆實現 PC、服務器、移動設備之間的信息交換。
21 世紀初，一個名為“泛在網絡”的概念開始受到人們的關注。泛在網絡的理念在於使人們能夠通過“隨時隨地”連接互聯網等網絡來利用多種多樣的服務（圖 1.2）。近年來，通過智能手機和平板電腦，甚至遊戲機、電視機等一些過去無法連接到網絡的“物”，就可以隨時隨地訪問互聯網。
圖 1.2 泛在網絡可以讓人們隨時隨地訪問網絡
1.2.2 “物”的互聯網連接
隨著寬帶的普及，泛在網絡社會日益得到實現。此外，能搭載在機器上的超低功耗傳感器投入市場、無線通信技術進步等，都促使除了電腦、服務器和智能手機等傳統連接互聯網的 IT 相關設備以外，各種各樣的“物”也可以連接互聯網（圖 1.3）。以汽車、家用電器以及房屋為開端，近來，眼鏡和手錶、飾品這些戴在身上的“物”也連接上了互聯網並開始得到應用，如 Google Glass 和 Apple Watch。
圖 1.3 連接互聯網的各種各樣的“物”
形形色色的“物”都能與互聯網相連，這一點大家都已經瞭解了。那麼這種“相連”會產生什麼呢？它又是如何給人們的生活帶來方便的呢？下面，就來看看物聯網帶給我們的世界吧。
1.2.3 機器對機器通信所實現的事
在物聯網的實現方面，近年來機器對機器通信等關鍵技術備受人們關注（圖 1.4）。物聯網和機器對機器通信在很多方面可以視作同一個意思，但從嚴格意義上來說二者是不同的。機器對機器通信是不經人為控制的、機器和機器之間的通信；也就是說，多數情況下它表示的是機器和機器自動交換信息的整體系統。另一方面，物聯網則大多含有給信息接收者提供服務的含義，它比機器對機器通信的概念範圍更廣。
圖 1.4 機器對機器通信所實現的社會
泛在計算的世界是一個所有的“物”都內置計算機中，隨時隨地可以得到計算機幫助的世界。而機器對機器通信支撐著泛在計算的世界，並通過支撐社會的基礎設施——智能社區和智能電網等形式逐步得到實現。
此外，機器對機器通信不僅可以通過 3G 和 LTE 電路的信息系統實現，還可以通過本地網絡中的無線通信和有線通信來實現。
除了企業內的信息和互聯網的信息以外，我們還能夠靈活應用來自機器的信息。這樣一來也就掌握了現實世界中的情況變動，尤其是提高了企業中的信息應用度。
1.2.4 物聯網實現的世界
大家已經知道，我們可以藉助機器對機器通信採集和積累信息，並靈活運用從信息中分析出的數據來方便我們的生活。那麼，如果在此基礎上把數百億臺設備都連接上物聯網，又會如何呢？
以前，人們通過讓少數昂貴的工業機械通信，來實現對“物”的遠程控制。今後，人們將更多地以低廉的價格大量生產面向用戶的機器，並讓這些機器通信。也正因應用了從這些“物”中獲取的數據，各種各樣的服務才如雨後春筍般湧現出來。此外，先進感測技術的普及實現了人類對現實世界的掌握和預測，通過實時且海量地蒐集人、物、社會和環境的數據，也有望進行新型社會基礎設施的構建，例如強化產業競爭力、建設都市和社會制度、監測災害等異常情況。
除了那些一眼就能看明白的設備，具有連通性（機器和系統間的互聯性和關聯性）的設備也在不斷地隨處增加。物聯網的趨勢指的就是這一現象。通過本章，我們再深入地看一下物聯網所實現的是一個怎樣的世界。
- 智能設備
- 具備連通性的“物”
- 網絡
- Web 系統
- 數據分析技術
大家認為把這些因素組合到一起，將會產生出一個怎樣的充滿革新性的服務呢？
舉個例子，市面上已經出現了很多叫作智能家居的設備，其用途是控制智能住宅。飛利浦 Hue 是一款能通過 IP 網絡來控制自身亮度和光色的燈泡。Nest 是一種機器控制器，它能學習如何控制空調等機器以及如何設定這些機器的目標值。如果把它們與 Web 系統和可穿戴設備等智能設備組合在一起，還能實現由住宅主動根據人的動作和身體狀況來調整環境（圖 1.5）。
圖 1.5 根據人體狀況自動控制環境——以智能家居為例
可以說，當下的趨勢之一就是不停留在單純的控制層面，而是像“憑藉短距離通信實現自主控制和自動化”及“通過機器學習實現自動判斷”這樣，給事物增添附加價值。
COLUMN 蓬勃發展的標準化活動
除 IETE2、3GPP3、ITU4 等標準化團體以外，民間企業也圍繞 物聯網積極地開展了活動。
2013 年 12 月，在美國高通公司的支持下，家電廠商的橫向性物聯網推進聯盟 AllSeen Alliance 成立了。該聯盟的意圖在於越過廠商這道高牆，規劃一種統一規格，讓冰箱、烤箱及電燈等所有電器都能通過互聯網實現協作。
2014 年 7 月，在英特爾和三星的推動下，物聯網聯盟OIC5成立了。該聯盟旨在為物聯網相關機器的規格和認證設立標準。
可想而知，今後物聯網普及的關鍵在於各廠商是否採用這種開放性規格。作為從事物聯網的工程師，在選定產品時還得把這種標準化動向考慮進去，這一點是重中之重。
2The Institution of Electronics and Telecommunication Engineers：電子與電信工程師協會。
3Third Generation Partnership Project ：第三代合作伙伴計劃。
4International Telecommunication Union ：國際電信聯盟。
5Open Interconnect Consortium ：開放互聯聯盟。
1.3 實現物聯網的技術要素
要實現物聯網，需要很多技術要素。除了傳感器等電子零件和電子電路以外，還包括 Web 應用中經常用到的技術，以及數據分析等。本書將會為大家整體解說這些技術。個別詳細內容在第 2 章及以後的章節中會提到，這裡我們先來總覽一下本書將會講解的全部內容。
1.3.1 設備
物聯網與以往的 Web 服務不同，設備在其中擔任著重要的作用。設備指的是一種“物”，它上面裝有一種名為傳感器的電子零件，並與網絡相連接。比如大家拿著的智能手機和平板電腦就是設備的一種。家電產品、我們時刻戴著的手錶以及傘等，只要能滿足上述條件，就是設備（圖 1.6）。
圖 1.6 與網絡連接的設備
這些設備起著兩個作用：感測和反饋。下面我們分別說明它們各自的作用。
◉ 感測的作用
感測指的是蒐集設備本身的狀態和周邊環境的狀態並通知系統（圖 1.7）。這裡說的狀態包括房門的開閉狀態、房間的溫度和溼度、房間裡面有沒有人，等等。設備是利用傳感器這種電子零件來實現感測的。
圖 1.7 感測的作用
打個比方，如果傘上有用於檢測其開合的傳感器並具備連接網絡的功能，那麼多把傘的開合狀態就可以被檢測到。利用這一點就能調查出是否在下雨。在這種情況下，如果一個地區有多把傘打開，就可以推測出該地區正在下雨。反過來，就能推斷出大多數傘都合著的地區沒有在下雨。此外，通過感測設備周邊的環境還能蒐集溫度和溼度等信息。
◉ 反饋的作用
設備的另外一個作用是接收從系統發來的通知，顯示信息或執行指定操作（圖 1.8）。系統會基於從傳感器處蒐集到的信息進行一些反饋，並針對現實世界採取行動。
圖 1.8 反饋的作用
反饋有多種方法。大體分成如圖 1.9 所示的 3 種方法，分別是可視化、通知，以及控制。
圖 1.9 反饋的 3 種方法
比方說，用戶通過“可視化”就能使用電腦和智能手機上的 Web 瀏覽器瀏覽物聯網服務蒐集到的信息。雖然最終採取行動的是用戶，不過這是最簡單的一個反饋的例子。只要把房間的當前溫度和溼度可視化，人就能將環境控制在最適宜的條件下。
利用“推送通知”，系統就能檢測到“物”的狀態和某些活動，並將其通知給設備。例如從服務器給用戶的智能手機推送通知，使其顯示消息。近年來，Facebook 和 Twitter 等 SNS 社交應用就在貼心地向我們的智能手機頻繁推送朋友們吃飯和旅行的消息。如果你去逛超市時，推送通知能告訴你冰箱的牛奶過了保質期，洗滌用品賣完了，這個世界豈不就更方便了嗎？
利用“控制”，系統就可以直接控制設備的運轉，而無需藉助人工。假設在某個夏天的傍晚，你正在從離家最近的車站往家走，你的智能手機會用 GPS 確定你現在的位置和前進的方向，用加速度傳感器把你的步速通知給物聯網服務。這樣一來，服務就能分析出你正在回家的路上，進而從你的移動速度預測你到家的時間，然後發出指示調節家裡空調的溫度並令其開始運轉。這樣當你回到家的時候，家裡就已經很舒服了。
1.3.2 傳感器
要想像前文說的那樣蒐集設備和環境的狀態，就需要利用一個叫作傳感器的電子零件。
傳感器負責把物理現象用電子信號的形式輸出。例如有的傳感器可以把溫度和溼度作為電子信號輸出，還有的傳感器能把超聲波和紅外線等人類難以感知的現象轉換成電子信號輸出。
數碼相機上使用的圖像傳感器也能把進入鏡頭的光線捕捉成 3 種顏色的光源，並將其轉換成電子信號。因此它也可以歸在傳感器的分類裡。傳感器的種類如圖 1.10 所示。關於這些傳感器的種類和它們各自的結構，我們會在第 3 章詳細介紹。
圖 1.10 具有代表性的傳感器的種類
通過傳感器輸出的電子信號，系統就能夠獲取現實世界的“物”的狀態和環境的狀態。
人們很少單獨利用這些傳感器，通常都是將它們置入各種各樣的“物”裡來加以利用。最近的智能手機和平板電腦就內置了很多傳感器，例如用於檢測畫面傾斜度的陀螺儀傳感器和加速度傳感器，採集語音的麥克風，用於拍攝照片的相機，具備指南針功能的磁場傳感器。
還有一種東西叫作傳感器節點，它把傳感器本身置入環境中搜集信息。傳感器節點是集藍牙和 Wi-Fi 等無線通信裝置與電池為一體的傳感器。我們把這些傳感器連接到一種叫作網關的專用無線路由器來進行傳感器數據的蒐集（圖 1.11）。
圖 1.11 傳感器節點和網關
比如，在農場測量栽培植物的環境時，或是檢測家裡房間的溫度和溼度時，就可以利用這些傳感器節點。除此之外，市面上還有各種各樣用於醫療保健的可穿戴設備，這些設備上裝有加速度傳感器和脈搏計，人們可以利用這些設備管理自己的生活節奏和健康狀況。
這樣一來，物聯網服務就能利用傳感器獲取設備、環境、人這些“物”的狀態。自己想實現的服務都需要哪些信息，為此應該利用哪種傳感器和設備，這些都需要我們仔細分析。
1.3.3 網絡
在把設備連接到物聯網服務時，網絡是不可或缺的。不僅要把設備連接到物聯網服務，還得把設備連接到其他設備。物聯網使用的網絡大體上分為兩種：一種是把設備連接到其他設備的網絡，另一種是把設備連接到物聯網服務的網絡（圖 1.12）。
圖 1.12 用於物聯網的兩種網絡
◉ 把設備連接到其他設備的網絡
無法直接連接到互聯網的設備也是存在的。我們通過把設備連接到其他設備，就能通過其他設備把這些不能連接到互聯網的設備連接到互聯網。前面我們介紹的傳感器節點和網關正是兩個典型的例子。此外，還有通過智能手機把可穿戴設備採集到的數據發送給物聯網服務這一辦法。
藍牙和 ZigBee 是兩種具有代表性的網絡標準。它們是用無線連接的，利用的通信協議也是固定的。這些協議的特徵有采用擅長近距離通信的無線連接、低功耗、易於嵌入嵌入式設備等。
要把設備連接到其他設備，除了 1 對 1 之外，還可以採用 1 對 N、N 對 N 的方式連接。特別是 N 對 N 連接的情況，我們稱這種情況為網狀網絡（圖 1.13）。
圖 1.13 設備之間的網絡連接
有一種與網狀網絡對應的通信標準，名為 ZigBee。通過採用 N 對 N 的通信方式，設備可以一邊接管其他的設備，一邊進行遠程通信。除此之外它還有一個優點，那就是即使有一臺設備發生故障無法通信，其他設備也會代替它來執行通信。
關於上述設備的通信規格我們會在第 3 章講解。
◉ 把設備連接到服務器的網絡
把設備連接到物聯網服務的網絡時，會用到互聯網線路。3G 和 LTE 等移動線路最為常用。
除了現在 Web 服務中廣泛使用的 HTTP 和 WebSocket 協議以外，還有一些專為機器對機器通信和物聯網而產生的輕量級協議，如 MQTT 等。關於該協議，我們會在第 2 章進行詳細說明。
1.3.4 物聯網服務
物聯網服務有兩個作用：一是從設備接收數據以及發送數據給設備；二是處理和保存數據（圖 1.14）。
圖 1.14 Web 系統的作用
我們來具體看一下這兩個作用。
◉ 數據交換
通常的 Web 服務會根據 Web 瀏覽器發送的 HTTP 請求發送 HTML，然後用 Web 瀏覽器顯示。物聯網服務則不採用 Web 瀏覽器，而是接收從設備直接發來的數據。設備發來的數據內容包括設備搭載的傳感器所採集到的信息，以及用戶對設備進行的操作。設備和物聯網服務的通信方法大致分為兩種：同步傳輸和異步傳輸（圖 1.15）。
圖 1.15 Web 系統和設備的通信
在同步傳輸的情況下，設備發送數據時會把數據發送給物聯網服務。接下來直到物聯網服務接收完數據之前，不管設備向物聯網服務發送多少次數據，都算作一次傳輸。反過來，物聯網服務在執行對設備的反饋時，則是先由設備向物聯網服務發送請求消息，然後物聯網服務會響應請求並將消息發送給設備。就這種方法而言，直到設備發送請求之前，物聯網服務都不能把消息發送給設備。但是這種方法只適用於不知道設備 IP 地址的情況，因為就算不知道設備的 IP 地址，只要設備發送了請求，物聯網服務就能把消息發送給設備。
在異步傳輸中，設備會把數據發送給物聯網服務，每發送一次，就算作一次傳輸。此外，從物聯網服務向設備進行傳輸時，無需等待設備發來的請求，可以在任意時間點執行發送。採用這個方法能在物聯網服務規定的任意一個時刻發送消息。但是，物聯網服務需要預先知道發送消息的設備的 IP 地址。
第 2 章會用一些實際使用的協議來講解這種通信。
◉ 處理和保存數據
就如大家在圖 1.14 看到的那樣，處理和保存數據的操作包括把從設備接收到的數據保存到數據庫，以及從接收到的數據來判斷如何控制設備。
從設備接收到的數據不只有能用計算機簡單處理的數值型數據，根據要實現的內容，還包含圖像、語音、自然語言這些很難直接用計算機處理、沒有被結構化的數據。我們把這種數據叫作非結構化數據。處理時，有時也會把那些易於用計算機處理的數據從非結構化數據中提取出來，例如把表示圖像和語音特徵的值提取出來。這些信息會被保存到數據庫中。
設備按照所提取數據的判斷邏輯來決定反饋的內容，例如基於某個房間的溫度數據來決定空調的開關狀態和目標溫度。這些處理和保存的方法大體上分為兩種：一種是對保存的數據定期進行採集和處理的批處理，另一種是將收到的數據逐次進行處理的流處理（圖 1.16）。
圖 1.16 保存和處理數據的時機
根據房間的溫度變化來調整空調的運轉時，從向空調發出指示到溫度發生變化，這中間會需要一段時間。這種情況下就適合採用批處理來持續記錄每隔一定時間的溫度值，並定期執行處理。此外，如果希望回到房間之後再打開空調，那麼就適合採用能立即執行操作的流處理。
1.3.5 數據分析
前一節我們以“溫度傳感器和空調運轉的關係”為例進行了說明。那麼我們能像這個例子那樣，輕鬆實現“根據房間溫度控制空調”這一目的嗎？
要實現這一目的，需要決定控制空調開 / 關的房間溫度值，也就是決定溫度的閾值。這種情況下，閾值會根據使用者目的而有所不同。舉個例子，把空調的功耗降到最小所需要的閾值和保持令人體感舒適的溫度所需要的閾值就是兩個不同的值。此外，為了能準確判斷房間裡有沒有人，需要從多個傳感器的值所包含的關聯性來判斷人在或不在房間裡。人類很難光憑經驗去摸索和決定這種值。這就凸顯出了數據分析的重要性。
數據分析的代表性方法有兩種，分別是統計分析和機器學習。這裡就來看看我們用這兩種方法能辦到什麼（圖 1.17）。
圖 1.17 數據分析的兩種方法
◉ 統計分析
統計分析是用數學手法通過蒐集到的大量數據來明確事物的聯繫性的方法。比如為了實現給空調節能的目的，我們調查了空調在某個固定的溫度下運轉時，房間的溫度和空調的耗電量，並將這些數據製成了表格（圖 1.18）。
圖 1.18 空調的電力和室溫的關係示例
從這個關係中可以推導出在室溫下把空調溫度設定在多少才能最省電，由此就能決定閾值了。
上述示例採用的是先填表再分析的方法，除此之外還有一種叫作迴歸分析的統計方法，此方法我們會在第 6 章詳細說明。
◉ 機器學習
統計分析基於大量數據之間的聯繫性，明確當前數據間形成的關聯。機器學習則不僅僅能進行分析，還能預測今後的發展狀況。
機器學習就如它的字面意思一樣，計算機會按照程序決定的算法，機械性地學習所給數據之間的聯繫性。當給出未知數據時，也會輸出與其對應的值。
機器學習分為兩個階段：學習階段和識別階段（圖 1.19）。在學習階段，一個名為學習器的程序會基於一些訓練數據，機械性地掌握這些數據之間的聯繫。作為學習階段的結果，計算機會根據機器學習的算法輸出參數，然後以這個參數為基礎創建叫作鑑別器（discriminator）的程序。只要把未知的數據給這個鑑別器，就能輸出最適合這個值的結果。
圖 1.19 機器學習示例
舉個例子，假設我們想使用若干種傳感器來識別房間裡有沒有人。這種情況下需要準備兩種數據，即房間裡有人時的傳感器數據（正面例子）和房間裡沒人時的傳感器數據（反面例子）。計算機通過把這兩種數據分別交給學習器，可以獲取製作鑑別器用的參數。對於以參數為基準製作的鑑別器而言，只要輸入從各個感測設備接收到的數據，鑑別器就能輸出結果，告訴我們現在房間裡是否有人。
上述內容屬於機器學習的示例之一，被稱作分類問題。在用於執行數據分類的機器學習算法中有很多途徑，如用於垃圾郵件過濾器的貝葉斯過濾器和用於分類文檔及圖像的支持向量機（Support Vector Machine， SVM）等。此外，除了分類問題以外，機器學習還能解決很多領域的問題。
