中國工程院院士鄔賀銓談物聯網與大資料

第一是物聯感知

物聯網通過感知説明我們進行決策。 ITU的物聯網定義是物理和虛擬的，我們過去理解物聯網都認為物聯網物件一定是物理的，實際上ITU認為虛擬也是物聯網物件，其中虛擬物件是指什麼，是指存儲處理結構內容，利用多媒體內容和應用軟體，物聯網提供滿足安全要求， 物聯網中的實物和虛擬相聯合的。

實物有類，一是身份識別，比如說條碼，還有非身份識別類，需要識別，你可以ID進去，對這個物體我們不是靠ID識別，是需要物體的實體體征和屬性。

物聯網所需要感受的物件物件範圍非常之寬，物聯網收集資料，我們剛剛說虛擬東西也是物聯網物件，我們看很多東西收集，如瀏覽器、搜尋引擎、智慧終端機、遊戲終端、GPS等，他通過大家日常網路留下痕跡和腳印獲取大量的資料。

第二是物聯網產生大資料

美國人前幾年醫院一年產生500個數據，IMT1。 4TB資料等各種的資料通過感應器產生，也有在網上直接產生的，我們現在處於大資料時代，物聯網一分鐘可以產生非常多的東西，蘋果下載2萬余次，一分鐘會上傳10萬條新微博，全世界物聯網上虛擬網路上，產生了大量的資料。

國外的這些公司資料量不一定有中國大，中國淘寶網在雙十一一天創收10。 5億，新浪微博晚上有100萬以上的回應請求，中國聯通也進行大資料搜集，他們以前給使用者每一個月發一個帳單，很多使用者認為我沒有上這麼多，中國聯通改制就詳細記錄客戶的上網記錄一秒鐘83萬條。

虛擬運行管理產生資料量更大，這個比較是美國，每天是80個，發動機引擎收據588，企業資源管理客戶關係管理等現在是大資料，企業本身也是每時每刻產生大量資料。

2012年IDC公司指出在2005年由機器產生的資料占到資料總量的11%，2020增加到42%。 比如說醫療，現在到醫院看病都要CT，清晰度很高300多兆，一個病人CT影響往往多大兩千幅，資料量已經到了幾十個GB，如今中國大城市的醫院每天門診上完人，全國每年住院已經達到了兩億人次，按照醫療行業的相關規定， 一個患者的資料通常需要保留50年以上。

物聯網資料類型這是澳大利亞一個大學，他電腦科室研究，量很大，從2010年到2015年漲五倍，以及產業還有實業、物流，這是公共設施以及我們汽車，智慧城市發展智慧醫療、傢俱等，都會帶動物聯網發展。

物聯網產生的大資料與一般的大資料有不同的特點。 物聯網的資料是異構的、多樣性的、非結構和有雜訊的，更大的不同是它的高增長率。 物聯網的資料有明顯的顆粒性，其資料通常帶有時間、位置、環境和行為等資訊。 物聯網資料可以說也是社交資料，但不是人與人的交往資訊，而是物與物，物與人的社會合作資訊。

物聯網的混搭將使物聯網的資料變得更有用，將物聯網感知的資料與通過社會媒體獲得的資料結合，也就是人跟機器的社會聯網，將使決策更科學。

與隱私與法律有關的特殊性，誰是物聯網資料的擁有者，通過物聯網可以控制家用電器。

最後是大資料助力物聯網

不僅僅是收集傳感性的資料，實物跟虛擬物要結合起來。 今天北京交通堵塞，但是並不知道堵塞原因，如果政府發佈消息和市民微博發佈消息結合起來就知道發生什麼事，物聯網要過濾，過濾要有一定模式。

決策的時候還要考慮發佈什麼東西，會帶來什麼影響，最近有地震，他能預測60%地震，總有一天會說准。

物聯網資料採礦涉及到資料存儲，從實物虛擬物獲取存儲，然後進行一些虛擬化和找出資料摘要，是要加標籤的。

資料採礦模式，合併壓縮、清洗過濾、格式轉換，法階段資料分析、知識發現、視覺化、資料階段，關聯規則，分類、聚類、序列、路徑。 因此後面工作更大更重要而且更難。

我舉例子泥石流，最近發生蘆山和寶興地震，很容易發生泥石流，把這些資料收集，收集完了根據已有的資料模式進行分析

最近大家關注PM2。 5，另外雲南西北邊、西川西南邊乾旱容易發生火災，利用雷達、飛機可以搜集資料，也需要進行分析，然後產生判斷。

在水面取樣，通過衛星發出去，利用雲計算、中心資料採礦，河流的環境污染，數位化的模式，我們可以發現有的地方有環境污染，所污染本身需要異來源資料，除了感應器、物聯網資料有雜訊的不幹淨的，所以需要多種資料的結合，歷史資料的挖掘， 然後進行分析預感、預警，所以資料後面的處理，食品現在也是大家所關注的，手機拍下來食品到後臺去查，是哪個公司的食品，在什麼地方生產，食品生產日期等等，包括食品安全不安全，營養成分怎麼樣，食品監控，運用後臺資料等等。 最近禽流感流行，怎麼去監測，凡是產生流感病人在網上尋找，吃什麼藥好，哪個地方看病好，或者微博交流。

智慧交通虛擬化和視覺化。 交通管理中心再大，也裝不上所有的視頻，因此10秒鐘，這樣看上去每時每刻只有能夠監控很小一部分內容，通過軟體把整條路上變成一個視頻，再進一步我把所有馬路都通過大資料軟體後臺分析組成圖像， 這圖像像上海市領導人坐飛機俯視地面一樣。 所以這些都是後臺資料分析。

大資料在社會管理上有很好的作用。 美國紐約的員警分析交通用度與犯罪發生地點的關係有效改進治安。 北京交通一卡通每天產生4千萬條刷卡記錄，地鐵每天1千萬人次，分析這些資料可改善城市交通狀況。 新加坡的公共交通部門十年來已經使用個人位置資料做交通需求的預測。 荷蘭的交通部門利用行動電話的定位功能預測汽車和行人的擁堵狀況。

最後講M2M的總量，全世界的M2M到2011年將有20億，2020年180億，預測2020年有500億連接，主要是在消費電子和智慧建築兩個領域，將占70%。

2011年M2M全市場為2000億美元，2022年12000億美元，三分之二收入來自設備與安裝，三分之一來自服務，2020年最大的M2M市場在中國和美國，分別占20%和19%。

經濟學人預測2013年年底10億物品連接，物聯網產生大資料，大資料助力物聯網。