吳章光+陳寶健+吳為民

摘 要： 智慧城市讓城市基礎(chǔ)設(shè)施更智能、互聯(lián)和有效，智能家居為居民提供了人性化的智能服務(wù)。物聯(lián)網(wǎng)為智慧城市及智能家居建設(shè)提供了感知能力，物聯(lián)網(wǎng)的數(shù)據(jù)收集、云計(jì)算及其上的智能決策為其提供了堅(jiān)實(shí)的基礎(chǔ)和可靠的保障。物聯(lián)網(wǎng)針對不同的數(shù)據(jù)類型需要采用不同的技術(shù)進(jìn)行分析，管理人員使用不同的物聯(lián)網(wǎng)應(yīng)用程序分析來自不同設(shè)備的數(shù)據(jù)，并整合相關(guān)數(shù)據(jù)，以便在智能家居應(yīng)用程序中對可能的機(jī)器故障或緊急情況進(jìn)行預(yù)測。數(shù)據(jù)挖掘技術(shù)需要解決實(shí)時(shí)數(shù)據(jù)處理技術(shù)、優(yōu)化大數(shù)據(jù)及物聯(lián)網(wǎng)數(shù)據(jù)的異質(zhì)性處理?；诖耍疚奶岢隽嘶谖锫?lián)網(wǎng)信息的數(shù)據(jù)挖掘新模式。

關(guān)鍵詞： 物聯(lián)網(wǎng)；數(shù)據(jù)挖掘；預(yù)測分析、

智能家居作為如今科技發(fā)展的重要方向之一，不僅能夠給我們帶來方便的生活，而且能夠顛覆我們對于傳統(tǒng)住宅的認(rèn)知，越來越多的家庭都開始安裝智能家居系統(tǒng)。智慧城市是使用智能計(jì)算技術(shù)使得城市的關(guān)鍵基礎(chǔ)設(shè)施的組成和服務(wù)更智能、互聯(lián)和有效。對人力與社會資源和傳統(tǒng)及現(xiàn)代設(shè)施的投資，促進(jìn)可持續(xù)經(jīng)濟(jì)發(fā)展和高質(zhì)量生活，同時(shí)通過提供參與治理的機(jī)會實(shí)現(xiàn)對自然資源的有效管理，這時(shí)一個(gè)城市就被稱為智慧城市。物聯(lián)網(wǎng)是智能家居與智慧城市網(wǎng)絡(luò)能力的基礎(chǔ)。物聯(lián)網(wǎng)包括傳感網(wǎng)、數(shù)據(jù)與內(nèi)容、物品與傳感器、用戶與知識等。基于物聯(lián)網(wǎng)信息的數(shù)據(jù)挖掘通過網(wǎng)絡(luò)匯集感知對象和感知的單元，然后通過應(yīng)用領(lǐng)域?qū)?shí)現(xiàn)更智慧的決策[1]。

一、物聯(lián)網(wǎng)技術(shù)概述

物聯(lián)網(wǎng)，就是基于實(shí)物的互聯(lián)網(wǎng)，它與無線通信、智能移動設(shè)備、大數(shù)據(jù)、處理器、傳感器等領(lǐng)域有緊密的聯(lián)系。物聯(lián)網(wǎng)和云計(jì)算為智慧城市或智能家居提供了核心技術(shù)應(yīng)用。云計(jì)算通常在分布式環(huán)境中提供共享計(jì)算資源和數(shù)據(jù)。云計(jì)算依賴于跨越多個(gè)領(lǐng)域和地理區(qū)域的多個(gè)數(shù)據(jù)中心。智慧城市和數(shù)字城市在協(xié)作環(huán)境中檢索信息并將其存儲到云端。

物聯(lián)網(wǎng)層結(jié)構(gòu)是一種便于設(shè)計(jì)和開發(fā)物聯(lián)網(wǎng)解決方案的架構(gòu)，不僅可以收集和監(jiān)控?cái)?shù)據(jù)，而且可以實(shí)時(shí)響應(yīng)，警報(bào)和通知臨床決策支持。在物聯(lián)網(wǎng)監(jiān)控解決方案中，典型的設(shè)置包括智能傳感器，微控制器，網(wǎng)絡(luò)，普遍存在的設(shè)備和底層的軟件服務(wù)。其中使用傳感器，微控制器，MQTT和云計(jì)算來構(gòu)建物聯(lián)網(wǎng)。該架構(gòu)的每個(gè)組件使用最有效的硬件和軟件。每個(gè)組件都是可替換的，可以根據(jù)可用的替代方式進(jìn)行替代。？該物聯(lián)網(wǎng)模型由以下四個(gè)層組成[2]：

（1）感測層

底層是物理設(shè)備所在的感測層，它們彼此相連形成傳感器網(wǎng)絡(luò)層。感測層的設(shè)備有智能傳感器，執(zhí)行器，智能手機(jī)，家用電器等。物聯(lián)網(wǎng)從智能傳感器收集數(shù)字?jǐn)?shù)據(jù)，從攝像機(jī)傳輸數(shù)據(jù)，從GPS設(shè)備收集交通路由信息。

（2）邊緣計(jì)算層

在其上的層稱為邊緣計(jì)算層，邊緣計(jì)算位于傳感器網(wǎng)絡(luò)的邊緣，通過處理源附近的數(shù)據(jù)來優(yōu)化云基礎(chǔ)設(shè)施，它可以對數(shù)據(jù)進(jìn)行預(yù)處理和過濾，以節(jié)省帶寬和處理能力，只有優(yōu)化處理后的數(shù)據(jù)才被傳輸?shù)皆?，在那里存儲，分析和可視化。在邊緣?jì)算層中，使用移動傳感器網(wǎng)絡(luò)、ZigBee、藍(lán)牙等，通過微控制器連接傳感器，允許發(fā)送和接收數(shù)據(jù)。微控制器將模擬信號轉(zhuǎn)換為數(shù)字值，并控制所有設(shè)備和傳感器。

（3）聯(lián)絡(luò)層

不同的物聯(lián)網(wǎng)設(shè)備通過特殊類型的物聯(lián)網(wǎng)協(xié)議連接，換句話說，機(jī)器對機(jī)器（M2M）是使用一種物聯(lián)網(wǎng)協(xié)議來支持實(shí)時(shí)通信。流行的M2M協(xié)議包括MQ遙測傳輸（MQTT）和約束應(yīng)用協(xié)議（CoAP）。MQTT被設(shè)計(jì)為一個(gè)非常輕量級的使用TCP的發(fā)布/訂閱消息傳輸。它對于需要較小代碼占用空間和/或網(wǎng)絡(luò)帶寬非常重要的遠(yuǎn)程位置的連接非常有用。CoAP是一種專門的Web傳輸協(xié)議，用于具有UDP協(xié)議的物聯(lián)網(wǎng)中的約束節(jié)點(diǎn)和受限網(wǎng)絡(luò)。

（4）應(yīng)用云

云計(jì)算可以用于遠(yuǎn)程存儲物聯(lián)網(wǎng)數(shù)據(jù)，這擴(kuò)展了物聯(lián)網(wǎng)解決方案的范圍，以更分布和更動態(tài)的方式處理真實(shí)世界的事情。可以使用專有需求設(shè)置云服務(wù)器。然而，諸如Pachube，Nimbits和ThingSpeak等軟件包提供直接的API，微控制器可以使用這些軟件來發(fā)布數(shù)據(jù)。數(shù)據(jù)存儲在云上可以利用臨床決策支持算法，檢測異常，并建立觸發(fā)器發(fā)送警告，警報(bào)或信息。這可以通過使用第三方服務(wù)或使用M2M協(xié)議來觸發(fā)傳感器的動作來實(shí)現(xiàn)。

二、基于物聯(lián)網(wǎng)的數(shù)據(jù)挖掘技術(shù)

物聯(lián)網(wǎng)從傳感器，智能手機(jī)，可穿戴設(shè)備或其他啟用互聯(lián)網(wǎng)的設(shè)備收集大量數(shù)據(jù)，并將其存儲在云端。要將數(shù)據(jù)轉(zhuǎn)化為可利用的決策數(shù)據(jù)，必須使用合適的數(shù)據(jù)挖掘技術(shù)進(jìn)行分析。例如，智能家居的傳感器數(shù)據(jù)用于老年人或殘疾人的安全監(jiān)控或家庭自動化，或者分析交通數(shù)據(jù)以計(jì)算救護(hù)車的最佳路線。物聯(lián)網(wǎng)數(shù)據(jù)通常是異構(gòu)的，以高速和大批量生成，需要實(shí)時(shí)分析。數(shù)據(jù)可以是連續(xù)數(shù)字形成溫度傳感器，或從相機(jī)或文本流式傳輸數(shù)據(jù)，數(shù)據(jù)必須以適當(dāng)?shù)姆绞竭M(jìn)行預(yù)處理和相關(guān)，以獲得有意義的結(jié)果。因此，傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)不足以分析物聯(lián)網(wǎng)生成的數(shù)據(jù)。

在不同的空間和時(shí)間分辨率下從復(fù)雜的感測環(huán)境中提取有用的信息是人工智能的一個(gè)具有挑戰(zhàn)性的研究問題。為了檢測物聯(lián)網(wǎng)數(shù)據(jù)中的有效模式，需要使用合適的數(shù)據(jù)挖掘技術(shù)來分析數(shù)據(jù)。數(shù)據(jù)挖掘具有高度的域特異性。物聯(lián)網(wǎng)平臺在預(yù)測最佳流量路由或檢測即將失敗并需要維護(hù)的機(jī)器時(shí)可能會采用不同的方法，例如，一種預(yù)測維護(hù)應(yīng)用程序，需要在發(fā)生故障之前檢測機(jī)器故障，以便在生產(chǎn)中斷之前進(jìn)行更換，從溫度，扭轉(zhuǎn)或磨損等機(jī)器收集和分析傳感器數(shù)據(jù)。家庭安全應(yīng)用程序可能會使用移動偵測器和相機(jī)數(shù)據(jù)來檢測可能的入侵者。兩個(gè)系統(tǒng)都使用不同類型的數(shù)據(jù)，并對不同的事情進(jìn)行預(yù)測。

此外，在分析物聯(lián)網(wǎng)數(shù)據(jù)時(shí)，物聯(lián)網(wǎng)的某些特性可能影響其數(shù)據(jù)分析：①熱插拔物聯(lián)網(wǎng)設(shè)備的應(yīng)用，這意味著需要對新的數(shù)據(jù)源進(jìn)行分析，并產(chǎn)生新的數(shù)據(jù)格式，例如，電子衛(wèi)生保健應(yīng)用程序可以測量血壓和血糖水平，使用該解決方案的患者有一個(gè)新的健身追蹤器，可以將健身數(shù)據(jù)添加到電子衛(wèi)生保健解決方案中；②設(shè)備可能會停止發(fā)送數(shù)據(jù)，例如，一輛汽車正在進(jìn)入隧道，并丟失GPS信號，或者傳感器因?yàn)殡姵仉娏坎蛔慊驘o線通信中斷而停止發(fā)送數(shù)據(jù)；③傳感器或執(zhí)行器可以是幾種應(yīng)用的一部分，例如，運(yùn)動檢測器可用于打開自動門并檢測未經(jīng)授權(quán)的入侵者，如果檢測器發(fā)生故障，則會影響多個(gè)應(yīng)用；④物聯(lián)網(wǎng)應(yīng)用程序可能必須在不同的情況下顯示不同的行為；例如，家庭安全系統(tǒng)必須能夠在白天和黑夜之間進(jìn)行區(qū)分，因?yàn)樵诎滋旌芏嗳祟惢顒颖粰z測到，在晚上幾乎沒有。endprint

在物聯(lián)網(wǎng)應(yīng)用中，正常數(shù)據(jù)流量的偏差可能被解釋為異常，物聯(lián)網(wǎng)解決方案可能會發(fā)出虛假警報(bào)事件。用于物聯(lián)網(wǎng)的數(shù)據(jù)挖掘技術(shù)需要能夠適應(yīng)動態(tài)環(huán)境或改變的數(shù)據(jù)流，以避免在每次添加或刪除傳感器時(shí)重新設(shè)計(jì)數(shù)據(jù)挖掘規(guī)則。機(jī)器學(xué)習(xí)技術(shù)非常適合處理數(shù)據(jù)流中的模糊性，并且可以在環(huán)境變化時(shí)快速適應(yīng)。機(jī)器學(xué)習(xí)是人工智能的一個(gè)分支，旨在模擬計(jì)算機(jī)上的人類學(xué)習(xí)，而不需要明確編程。機(jī)器學(xué)習(xí)技術(shù)有幾個(gè)有利于物聯(lián)網(wǎng)的數(shù)據(jù)挖掘特點(diǎn)：①機(jī)器學(xué)習(xí)技術(shù)從歷史數(shù)據(jù)中學(xué)習(xí)數(shù)據(jù)挖掘規(guī)則，無需開發(fā)人員手動編程；②機(jī)器學(xué)習(xí)方法可以繼續(xù)學(xué)習(xí)新的規(guī)則，例如添加新的智能設(shè)備；③許多機(jī)器學(xué)習(xí)方案計(jì)算概率，這使得它們對數(shù)據(jù)流中的小變化是穩(wěn)健的，例如，當(dāng)設(shè)備停止發(fā)送數(shù)據(jù)并且還有其他發(fā)送數(shù)據(jù)時(shí)，概率僅稍微改變，并且不會發(fā)出假陽性。

三、基于物聯(lián)網(wǎng)的數(shù)據(jù)挖掘架構(gòu)

數(shù)據(jù)挖掘是高度迭代的，一些步驟可能會經(jīng)歷很多次。數(shù)據(jù)挖掘的主要步驟有：通常分為數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘和預(yù)測分析階段[3]。

1、數(shù)據(jù)收集

物聯(lián)網(wǎng)中的數(shù)據(jù)收集發(fā)生在設(shè)備或事務(wù)級別。智能傳感器、智能手機(jī)或平板電腦測量與環(huán)境不同的價(jià)值，通常將其傳輸?shù)轿锫?lián)網(wǎng)云平臺進(jìn)行分析和存儲。

2、數(shù)據(jù)預(yù)處理

物聯(lián)網(wǎng)設(shè)備會收集到大量數(shù)據(jù)，其中的數(shù)據(jù)格式并不全都適合于數(shù)據(jù)挖掘，將所有數(shù)據(jù)傳輸?shù)皆瓶赡懿⒉豢尚?。因此，?shù)據(jù)清理是獲得良好效果的關(guān)鍵步驟。為了節(jié)省帶寬和計(jì)算能力，只有一些觀察點(diǎn)被傳輸?shù)皆?，通常在邊緣層將?shù)據(jù)存儲、預(yù)分析并進(jìn)行預(yù)處理。

預(yù)處理步驟包括：①不同的傳感器收集不同格式的數(shù)據(jù)，通過數(shù)據(jù)轉(zhuǎn)換使之具有一致的數(shù)據(jù)格式并統(tǒng)一數(shù)據(jù)；②重復(fù)數(shù)據(jù)刪除和異常值去除；③選擇實(shí)體分辨率及相關(guān)性過濾是獲得良好的物聯(lián)網(wǎng)應(yīng)用性能，例如，一個(gè)應(yīng)用程序可能只需要行程的源和目標(biāo)坐標(biāo)，對于另一個(gè)應(yīng)用程序，整個(gè)路由可能是相關(guān)的；④特征選擇是重要的預(yù)處理步驟，并非所有數(shù)據(jù)對于特定的數(shù)據(jù)挖掘任務(wù)都是有用的，特征選擇將意味著選擇用作數(shù)據(jù)挖掘算法的輸入的觀測點(diǎn)。

3、機(jī)器學(xué)習(xí)技術(shù)

當(dāng)數(shù)據(jù)分析規(guī)則太復(fù)雜或者分析規(guī)則太多時(shí)，我們就會采用了機(jī)器學(xué)習(xí)這一種數(shù)據(jù)挖掘技術(shù)。機(jī)器學(xué)習(xí)模仿人類學(xué)習(xí)，人類從經(jīng)驗(yàn)中學(xué)習(xí)，機(jī)器學(xué)習(xí)技術(shù)從過去的歷史數(shù)據(jù)中學(xué)習(xí)，對未來事件做出預(yù)測。例如，預(yù)測維護(hù)應(yīng)用程序使用歷史傳感器數(shù)據(jù)來收集關(guān)于智能建筑物狀態(tài)的信息，來預(yù)測空調(diào)系統(tǒng)或電梯是否將失效。機(jī)器學(xué)習(xí)分為監(jiān)督，半監(jiān)督和無監(jiān)督學(xué)習(xí)。監(jiān)督方法用于分類和回歸，這種方法需要標(biāo)記數(shù)據(jù)進(jìn)行學(xué)習(xí)。典型的監(jiān)督學(xué)習(xí)者包括貝葉斯模型，決策樹感應(yīng)，支持向量機(jī)（SVM）和人工神經(jīng)網(wǎng)絡(luò)（ANN）。如果不使用標(biāo)記數(shù)據(jù)，則采用無監(jiān)督方法，當(dāng)少量標(biāo)記數(shù)據(jù)和大量未標(biāo)記數(shù)據(jù)時(shí)，使用半監(jiān)督方法。為了對機(jī)器故障或患者出現(xiàn)癥狀進(jìn)行預(yù)測，必須對數(shù)據(jù)進(jìn)行分類，然后，機(jī)器學(xué)習(xí)技術(shù)將針對新的不可見的數(shù)據(jù)進(jìn)行分析并測算，并測量目標(biāo)機(jī)器的性能。

4、預(yù)測分析

在預(yù)測分析階段，必須選擇合適的數(shù)據(jù)挖掘方法，多個(gè)數(shù)據(jù)源集必須與預(yù)測問題相關(guān)，只有一個(gè)數(shù)據(jù)源的數(shù)據(jù)可能不足以進(jìn)行有意義的預(yù)測，例如，在基于物聯(lián)網(wǎng)的醫(yī)療保健解決方案中，單一的血液水平數(shù)據(jù)組可能不足以用于預(yù)測來確定患者是否患有癥狀，此類數(shù)據(jù)挖掘必須同時(shí)分析與運(yùn)動相關(guān)的數(shù)據(jù)，以便對人的健康狀態(tài)做出可靠的預(yù)測。數(shù)據(jù)挖掘相關(guān)分析技術(shù)有很多，常用的技術(shù)是時(shí)間序列分析。機(jī)器學(xué)習(xí)技術(shù)也可以用于相關(guān)和預(yù)測分析，許多機(jī)器學(xué)習(xí)技術(shù)計(jì)算概率，這種技術(shù)適合于易變的物聯(lián)網(wǎng)環(huán)境。此外，數(shù)據(jù)挖掘生成報(bào)告的數(shù)據(jù)通常要求是可視化的。

四、基于物聯(lián)網(wǎng)的數(shù)據(jù)挖掘面臨的問題

物聯(lián)網(wǎng)最大的挑戰(zhàn)之一是缺乏使不同設(shè)備的互操作性和互聯(lián)網(wǎng)連接困難的標(biāo)準(zhǔn)。為了實(shí)現(xiàn)標(biāo)準(zhǔn)化互聯(lián)，已經(jīng)有工作組建立了諸如消息隊(duì)列遙測傳輸和高級消息隊(duì)列協(xié)議的標(biāo)準(zhǔn)協(xié)議，這些輕量級的面向消息的中間件能夠解決大量的數(shù)據(jù)轉(zhuǎn)換問題。此外，許多智能設(shè)備的資源有限，帶寬和電池壽命有限。移動網(wǎng)絡(luò)覆蓋也是一個(gè)問題，這對醫(yī)療保健物聯(lián)網(wǎng)應(yīng)用尤為重要。安全仍然是物聯(lián)網(wǎng)的一個(gè)主要問題，因?yàn)樵S多設(shè)備的設(shè)計(jì)安全級別較低并容易受到網(wǎng)絡(luò)攻擊，當(dāng)前通過加密和入侵防御機(jī)制確保安全方面仍具有挑戰(zhàn)性[4]。隱私是一個(gè)主要的問題，特別是在收集了大量個(gè)人資料的物聯(lián)網(wǎng)云。由于物聯(lián)網(wǎng)設(shè)備的局限性和物聯(lián)網(wǎng)數(shù)據(jù)挖掘所面臨的其它問題，已有隱私保護(hù)數(shù)據(jù)挖掘技術(shù)在實(shí)際運(yùn)用中通常不被采納。

參考文獻(xiàn)

[1] 劉思遠(yuǎn). 數(shù)據(jù)挖掘在社區(qū)智能家居系統(tǒng)中的應(yīng)用研究[J]. 電子科技大學(xué)學(xué)報(bào)，2016（2）： 56-58.

[2] Ma J， Nguyen H， Mirza F， et al. TWO WAY ARCHITECTURE BETWEEN 物聯(lián)網(wǎng) SENSORS AND CLOUD COMPUTING FOR REMOTE HEALTH CARE MONITORING APPLICATIONS[J]. 2017.

[3] Wlodarczak P， Ally M， Soar J. Data mining in 物聯(lián)網(wǎng)： data analysis for a new paradigm on the internet[C]//Proceedings of the International Conference on Web Intelligence. ACM， 2017： 1100-1103.

[4] 陳源泉.智慧城市中的大數(shù)據(jù)挖掘與應(yīng)用[J].工程技術(shù)：引文版[J]. 2016（4）：78-79.

作者簡介：吳章光（1972- ），男，福建福清人，副教授，碩士；研究方向：電子商務(wù)，數(shù)據(jù)挖掘，系統(tǒng)設(shè)計(jì)與分析。

陳寶健（1963- ），男，講師。吳為民（1970- ），男，副教授。endprint