《交通土建物联网技术及应用》课件 第二章 物联网概述

物联网概述连接物理世界与数字孪生的感知之眼课程物联网技术与应用核心章节PART04主讲人时间2026年月主讲人物联网的定义、特点和发展历程01物联网的体系结构02数据采集技术03数据传输技术04应用支撑技术05安全应用技术06目录物联网概述物联网的定义、特点和发展历程01物联网的定义、特点通过各种传感器、RFID标签、摄像头等设备，采集温度、湿度、位置、图像等信息，让物体“看得见、听得到”，实现对现实世界的实时感知和状态获取。利用无线网络、有线网络和移动通信等多种方式，将采集到的数据安全、稳定地传送到数据中心或云端，保证信息传递的及时性和可靠性。结合大数据分析、云计算和人工智能等技术，对大量数据进行分析与处理，提取有价值的信息，为智能决策和自动控制提供支持。例如，系统可以根据实时数据自动调节路灯亮度、预测设备故障或优化能源分配。主要是“物与物之间的互联”，强调通过感知和通信技术，实现对物体的识别、监测与管理。是“物与物、物与人”的全面连接，是信息世界与物理世界融合的体现，使各种物体能够像人一样“感知、交流和协同”，实现智能化的服务与管理。全面感知可靠传输智能处理狭义理解广义理解物联网的发展历程1991年，英国剑桥大学科学家在实验室咖啡壶旁安装摄像机，以3帧/秒速度将咖啡状态传输到计算机，实现了远程监控的雏形，被认为是最早的物联网实验。1995年，比尔·盖茨在《未来之路》中描绘了互联设备与智能环境的愿景，与今天的物联网理念高度契合。1999年，美国麻省理工学院（MIT）自动识别中心的KevinAshton教授在研究射频识别（RFID）时提出“为每个物体赋予唯一标识”的构想，首次提出“InternetofThings（物联网）”概念，标志着物联网思想的形成。尽管这些探索仍属概念性研究，但它们展示了通过网络实现“物物相连”的可能性，激发了全球科研界的持续关注这一时期物联网处于概念探索和实验验证阶段，相关技术尚不成熟，但为后续发展奠定了基础。01萌芽期概念提出与实验（1991-2003）物联网的发展历程02萌芽期概念提出与实验（1991-2003）这一阶段物联网逐渐走出实验室，在政策推动和产业布局下进入快速发展期。日本u-Japan计划（2004）：提出建设“随时、随地、任何人、任何物皆可连接”的泛在网络社会。韩国u-Korea计划（2006）：旨在建设全球首个泛在社会，推进IPv6、USN等基础设施，发展RFID、车联网等应用。欧盟物联网战略路线图（2009）：规划2010‑2020三阶段目标，明确18个应用领域和12项关键技术。中国“感知中国”战略（2009）：将物联网确立为国家新兴战略性产业，并推动建设传感信息中心。《物联网“十二五”发展规划》（2011）：提出培育产业聚集区与骨干企业，

重点发展智能工业、交通、医疗等九大领域，构建完整产业链。这一时期，物联网在全球范围内成为国家科技战略的重要组成部分。各国政府和科研机构加大投入，促进了传感器、无线通信、数据处理等核心技术的突破，为后续普及应用奠定了坚实基础。03成熟期标准化与规模化（2016-至今）进入21世纪第二个十年后，物联网进入成熟阶段，表现为技术体系完善、应用场景广泛、标准体系逐步统一。技术标准化加快：NB-IoT、LoRa、ZigBee等通信协议广泛应用，oneM2M等组织推动全球统一标准，提升设备互操作性。生态体系与产业链完善：硬件、平台、软件和服务形成完整生态，华为、阿里、亚马逊等公司推出模块化云IoT平台，加速解决方案落地。安全体系逐步成熟：感知层、网络层、应用层分别部署加密、防护与访问控制等技术，构建多层次安全防护体系。大规模应用兴起：物联网在智慧交通、智能制造等领域广泛应用，JT/T808、HJ212等行业标准相继出台，规范相关数据传输。目前，物联网正与人工智能、大数据、云计算等技术深度融合，推动数字经济与智慧城市建设，成为国家科技创新与产业升级的重要引擎。在交通土建领域，物联网的快速发展也为基础设施的智能化监测和运维管理提供了关键支撑，这将在后续章节中深入探讨。物联网的发展历程物联网的体系结构02物联网的体系结构

物联网体系通常划分为四个层次，包括感知层、传输层、支撑层和应用层。四层之间形成了自下而上的数据上行链路和自上而下的控制下行链路，共同构成从物理世界到信息世界再回到物理世界的闭环系统。

感知层相当于人体的“五官”，负责对外部环境进行信息采集。通过传感器、射频识别设备、摄像头、定位装置等多种感知设备，实现对温度、湿度、位置、图像等状态与环境参数的实时感知与识别，为物联网系统提供原始数据。其关键组件包括：感知与识别设备：采集环境信息（如传感器监测温湿度、摄像头识别图像、定位设备获取位置），以及识别物体身份（如RFID、二维码等）。执行器：将数字指令转为物理动作，如控制开关、调节亮度、管理流量。控制器：协调各设备工作，实现本地逻辑控制。通信接口：连接感知层与网络层，实现数据上行与指令下行。物联网的体系结构——感知层传输层相当于人体的“神经系统”，承担信息传输与通信的任务。利用蜂窝移动通信网、无线局域网、低功耗广域网、卫星通信网络等多种通信方式，实现感知数据的可靠传递与互联互通，确保信息能够安全、高效地上传至上层系统。其性能直接影响系统稳定性，主要包括以下三部分：物联网的体系结构——传输层作为“最后一公里”，负责将各类终端接入核心网络，技术多样（如Wi-Fi、LoRa、ZigBee等），可根据场景需求灵活选择，形成异构接入环境。作为数据传输“高速公路”，承担远距离、大容量、高可靠传输任务，基于4G/5G、卫星、光纤等现有网络设施，提供稳定广域覆盖。作为关键枢纽，实现异构网络协议转换与数据互通，兼具数据聚合、过滤、安全加固、边缘计算等功能，可降低核心网负载，提升系统响应速度。接入网核心网物联网网关支撑层相当于人体的“大脑”，负责对采集到的大量数据进行存储、管理与智能处理。通过数据清洗、预处理、分析与可视化等环节，挖掘数据价值、实现标准化处理，并为上层应用提供服务支撑和智能决策能力。其关键支撑技术包括：物联网的体系结构——支撑层负责海量物联网数据的持久化存储与管理，需支持高吞吐、高可扩展及异构数据类型的存储需求，主要包括关系型数据库、非关系型数据库以及适应大数据场景的数据仓库与数据湖等存储方案。在后续章节中，将详细介绍不同存储方案使用的数据结构。数据预处理工具旨在提高数据质量和可用性，为分析和决策提供干净、规范的数据基础。主要操作包括数据清洗、数据集成和数据转换等环节，确保原始数据能够被高效利用。在后续章节中，将详细介绍预处理的具体流程和方法。数据存储技术数据处理技术支撑层相当于人体的“大脑”，负责对采集到的大量数据进行存储、管理与智能处理。通过数据清洗、预处理、分析与可视化等环节，挖掘数据价值、实现标准化处理，并为上层应用提供服务支撑和智能决策能力。其关键支撑技术包括：物联网的体系结构——支撑层数据分析的核心目标是在预处理后的数据中挖掘价值，揭示潜在规律，并为决策提供依据。它不仅回答“发生了什么”，还探究“为什么发生”，预测“未来可能发生什么”，并进一步指导“应如何采取最佳行动”。常用方法包括统计分析、机器学习、深度学习以及智能优化等。将分析结果以图表、仪表盘等形式直观呈现，帮助用户识别趋势与异常，支持决策优化。常用工具有专业BI工具（如Tableau、PowerBI）、开源库（如ECharts、Matplotlib）及大数据平台内置可视化模块等，可根据场景灵活选用。数据分析技术数据可视化技术

应用层是物联网体系中直接面向用户和行业需求的“服务与决策中心”，其核心任务是将下层处理得到的数据转化为智能服务与决策支持，实现物理与信息世界的融合。包括以下典型应用领域：智能制造：设备状态监测、预测性维护、生产流程优化智慧能源：电力、水务、燃气等基础设施的远程监控与能效管理智慧农业：环境与作物监测、精准灌溉与自动施肥智慧交通与城市管理：交通调度、安全监测、基础设施整合管理智慧生活与医疗健康：智能家居、可穿戴设备、远程健康管理

应用层通常以云平台或行业信息系统的形式呈现，通过Web界面、移动端App或数字孪生模型，为用户提供直观、交互式的操作体验，体现了物联网从感知到决策的完整闭环。物联网的体系结构——支撑层数据采集技术03数据采集技术

数据采集技术是物联网系统的基础环节，它通过多种传感设备将物理世界中的信息转化为计算机能够识别和处理的数字信号，实现“从现实到数字”的第一步。常见的数据采集技术包括传感器技术和射频识别技术等。基本概念三大部分数据采集技术——传感器技术传感器是一种能够感知外界物理量变化，并将其按一定规律转换为可用电信号的装置。它是实现"从现实到数字"转换的第一步，构成了物联网系统的感知基础。敏感元件直接与被测对象接触，能够感知其物理或化学变化，并引起自身特性的改变转换单元3信号处理电路对电信号进行放大、滤波、等处理，输出标准化信号供系统识别与传输12将非电学量的变化转换为相应的电信号变化数字传感器模拟传感器数据采集技术——传感器技术输出信号为连续变化的电信号，信号幅度在一定范围内可取任意值。输出信号为离散的数字信号（0和1），内部集成模数转换（A/D）电路和校准算法。对比维度模拟传感器数字传感器成本低高结构简单复杂，集成模数转换器、校准算法等功耗低，仅需物理效应产生信号，无需额外供电处理号高，内置的模数转换器等处理单元增加耗能抗干扰性差，模拟信号易受电磁噪声影响强，数字信号容错能力高，对电磁噪声不敏感传输距离短，模拟信号在传播中会逐渐衰减长，数字信号可使用I²C协议传输，具有纠错能力和同步机制数据采集技术——射频识别技术

射频识别（RadioFrequencyIdentification,RFID）是一种非接触式自动识别技术，通过射频信号实现对目标对象的识别与数据读取。它具有识别速度快、可同时识别多个目标、无需可视接触等优点。RFID系统主要由电子标签、读写器和天线三部分组成。天线发射和接收射频信号，实现读写器与标签间的通信。信号发射将读写器的射频信号辐射出去信号接收接收标签返回的反射信号配置灵活单天线或分离式多天线结构电子标签物品的"电子身份证"，由天线和芯片构成无源标签不含电池，依靠读写器供能。成本低、寿命长，用于公交卡、门禁卡等。内置电池，主动发送信号。识别距离远，用于物流运输、仓储管理等。无源标签12读写器RFID系统的信息交互核心，控制整个识别过程。能量供应向无源标签发射射频信号并提供能量数据读写读取标签信息或写入新数据数据处理与传输将解码后的信息传输至后台系统123数据传输技术04数据传输技术按照传输介质和方式的不同通信技术可分为有线通信技术和无线通信技术两大类。有线通信无线通信无线通信利用电磁波在自由空间传播实现信息交换，具有部署灵活、成本较低、移动性强等优点。根据通信距离，可分为近距离无线通信技术和远距离无线通信技术两类。有线通信是指通过物理介质传输数据的通信方式，具有高稳定性、低延迟、抗干扰强的特点。常用的传输介质包括双绞线、同轴电缆和光纤三类。数据传输技术——有线通信技术双绞线TwistedPair同轴电缆CoaxialCable光纤OpticalFiber由两根绝缘铜导线按一定密度绞合而成，可抵消电磁干扰。成本低、易安装，是局域网（LAN）中最常用的传输介质。传输距离和速率有限，常用于现场设备与网关之间的短距离通信。利用光的全反射原理传输信号，具有超高带宽、远距离、低衰减等优点，是现代通信网络的核心介质。由内导体、绝缘层和外导体组成，抗干扰能力强、传输距离较远，曾广泛用于有线电视与监控系统。主要用于闭路电视监控（CCTV）与局部视频传输等场景。分布式光纤传感（DFOS）在同一根光纤上同时实现"传感+传输"双功能，通过光信号的散射特性实时监测应变、温度等物理量，实现通信链路与传感器一体化。数据传输技术——近距离无线通信技术适用于现场设备之间的短距离数据交换ZigBee一种面向低功耗、低速率、短距离通信的无线技术，支持大规模自组网，适合传感器网络和物联网监测场景。其突出特点是功耗低、节点数量多、可靠性高。蓝牙（Bluetooth）主要用于短距离设备互联的无线通信技术，支持点对点和小规模组网，具有功耗低、兼容性强的特点，广泛应用于可穿戴设备和智能终端。Wi-Fi一种高带宽、较高速率的无线局域网通信技术，支持较大数据量传输，适用于视频、图像和互联网接入等对吞吐率要求较高的应用场景。UWB（超宽带）采用纳秒级脉冲进行通信的短距离无线技术，具有极高的时间分辨率，可实现厘米级高精度定位，抗多径干扰能力强。NFC（近场通信）一种超短距离（通常小于10厘米）的无线通信技术，强调安全性和便捷性，常用于身份识别、移动支付和设备快速配对场景。数据传输技术——远距离无线通信技术低功耗网络LPWAN蜂窝网络（4G/5G/6G）微波通信卫星通信以LoRa、NB-IoT为代表，传输距离可达10km以上，适合桥梁应变、边坡监测等低频数据场景覆盖广、速率高、延迟低，是移动设备与云端交互的主力网络。未来6G将实现"通信-感知一体化"。利用1GHz以上无线电波，点对点视距传输，常用于山区、隧道口等光纤难铺区域通过轨道卫星实现，全球覆盖，在偏远地区与应急救灾通信中具有重要作用应用支撑技术05应用支撑技术应用支撑技术应用支撑技术——数据存储

数据存储是指通过特定的技术架构与存储系统，对物联网终端设备产生的海量、多源、异构、时序性数据进行持久化保存、组织与管理的过程。不同类型的数据库可满足不同场景需求。早期信息系统多使用关系型数据库，在大数据时代则逐渐发展出多种非关系型数据库，针对物联网的特定场景，衍生出一些专用和新兴的存储技术，下面分别进行说明。一种基于关系模型的数据库，使用表格（即“关系”）来组织和存储数据。每个表由行（记录）和列（字段）构成，表与表之间通过主键和外键建立联系，以维护数据的完整性与一致性。它严格遵循ACID原则，确保事务的可靠性，并使用结构化查询语言进行数据操作和查询。其设计核心在于数据的结构化和强一致性。OracleSQLServerMySQLPostgreSQLDB2关系型数据库应用支撑技术——数据存储03文档型数据库04图形数据库01键值数据库02列族数据库非关系型数据库是一类为适应大规模、高并发、灵活数据模型等现代应用需求而设计的数据库总称。它不依赖固定的表结构，数据模型灵活多样（如键值对、文档、列族、图等），通常牺牲严格的ACID特性，追求更高的可扩展性、性能与灵活性。它适用于处理海量非结构化或半结构化数据。适合高速读写与缓存场景|Redis,Riak,Memcached适合海量日志类数据存储|BigTable,HBase,Cassandra支持JSON/BSON格式|MongoDB,CouchDB,RavenDB专门存储复杂关系数据|Neo4J,OrientDB,GraphDB应用支撑技术——数据存储时序数据库边缘存储分布式对象存储物联网专用存储方案专门优化用于处理时间序列数据（如传感器读数），具备极高的数据压缩与写入效率，并内置了丰富的时间窗口查询与分析函数。为解决网络不稳定场景下的数据可靠性，常在边缘侧部署轻量级数据库，实现数据的临时缓存与本地化处理。面向物联网产生的大量非结构化数据（如图片、视频），提供了高可靠、低成本的海量存储方案，并可构建数据湖以实现数据的集中与跨域分析。InfluxDBTimescaleDBApacheIoTDBSQLiteInfluxDBEdgeMinIOOSS数据预处理应用支撑技术——数据预处理

数据预处理是指在物联网数据分析前，对从感知层采集的原始数据进行一系列清洗、转换、集成的操作过程，旨在提升数据质量、统一数据格式、减少数据冗余与噪声，为后续的数据分析、建模与智能决策提供可靠、规整的数据基础。数据预处理的主要环节包括数据清洗、数据集成和数据转换。应用支撑技术——数据预处理数据清洗相似度去重：排序并再在局部窗口内比较，提高效率滑动窗口去重：记录属性完全一致时删除重复项精确匹配去重：计算记录间相似度并设置阈值判断删除法直接删除不完整记录，方法简单但可能损失有价值信息；插补法使用平均值、中位数或众数填补缺失项分类法利用回归或决策树模型预测缺失值聚类法利用相似记录的均值或众数填充缺失值缺失数据可能源于设备故障、人工录入错误或通信中断。常用处理方法包括：偏离正常范围的极端数据识别统计检测法:Z-Score,IQR模型检测法:隔离森林,LOF数据清洗是指识别并纠正数据集中存在的错误、缺失、冗余等问题，以提升数据质量的预处理过程。缺失值处理异常值处理重复值处理应用支撑技术——数据预处理数据集成将分散、异构的多源数据整合为统一数据视图结构传感器：应变、振动、温度等实时数据工程资料库：设计图纸、材料性能报告维护档案：检测报告、施工日志GIS系统：空间坐标与地理环境信息格式统一：

JSON,CSV,Excel,XML解析为统一格式时间对齐：不同采样频率映射到相同时间点桥梁健康监测数据源集成关键任务应用支撑技术——数据预处理数据转换数据转换是将处理后的数据调整为适合建模的标准形态，常见方法包括标准化与归一化。保留分布形态，转换为均值为0、标准差为1的分布以中位数为中心，适合含异常值的数据将数据缩放至[0,1]范围，计算简单Min-Max归一化IQR标准化Z-Score标准化应用支撑技术——数据分析发生了什么|通过统计汇总展示数据特征统计某路段的日均车流量、施工完成率或事故频率为什么发生|通过钻取分析、关联规则找出原因分析"夜间高湿度+低温条件下混凝土裂缝增多"因果关系未来可能发生什么|利用机器学习模型预测趋势如预测未来路段的交通流量变化或桥梁疲劳寿命应如何应对|通过优化算法或强化学习给出最优方案如基于预测流量自动优化信号灯配时，提高通行效率01描述性分析02诊断性分析03预测性分析04处方性分析按分析目标分类按技术实现方式分类应用支撑技术——数据分析对实时数据进行快速处理与分析，适用于高频监测和在线预警场景实时计算与异常检测低延迟响应，毫秒级处理适用于交通传感器、桥梁结构监测对历史数据进行大规模处理和统计分析，适用于趋势预测和长期决策大规模数据处理与报表生成深度分析与复杂建模适用于历史交通、施工监测数据流分析StreamAnalytics批量分析BatchAnalyticsApacheFlinkSparkStreamingSparkSQLApacheHadoop应用支撑技术——数据可视化数据可视化技术三大类可视化方式常用工具与平台折线图、柱状图、饼图、散点图等，用于统计与趋势热力图、网络图，展现分布、路径或区域差异三维建模与仿真，动态展示设备、场景或过程Excel,Tableau,PowerBI(快速生成报表与仪表盘)Python(Matplotlib,Seaborn,Plotly),R(ggplot2)ArcGIS,Cesium,Unity3D(空间与三维场景交互)01二维可视化02空间可视化03三维可视化通用工具编程工具专业平台实时监测仿真预测状态分析优化决策应用支撑技术——数据可视化在虚拟空间中构建与物理对象对应的数字化模型，通过实时数据实现虚实同步、智能分析与预测优化物理实体层传感器、设备、系统等真实对象，用于采集实时数据虚拟模型层基于三维建模、仿真与可视化技术构建的数字化表示数据交互层实现物理层与虚拟层的数据互通与同步更新工业制造:设备预测性维护、生产流程优化智慧城市:城市运行监测、应急响应模拟能源管理:电网运行仿真、储能系统优化交通物流:车辆调度、路径优化与风险预警数字孪生应用价值数字孪生技术三层组成结构四大核心功能安全应用技术06安全应用技术平台层安全应用层安全感知层安全网络层安全物联网系统的安全威胁贯穿设备、通信、平台与应用的全链路。要构建一个纵深防御体系(Defense-in-DepthSystem),需在不同层级部署差异化的安全技术。物联网安全防护架构包括感知层、网络层、平台层和应用层,每层对应不同的安全任务与防护重点,形成自下而上、环环相扣的层次关系。重点保障物联网终端设备和传感器的运行安全以及采集数据的真实性、完整性，确保感知对象和原始数据不被伪造、篡改或误采。主要保障物联网数据在传输过程中的安全性与稳定性，确保信息传输的连续性、准确性和可靠性，避免通信中断或数据失真。侧重保障数据存储、计算与管理过程的安全，确保系统运行环境、数据资源和业务支撑能力的可靠性与可控性。重点保障业务应用和服务运行的安全性与正确性，确保业务功能、服务结果和用户交互过程符合预期，不影响系统整体运行秩序。安全应用技术——感知层安全关键防护技术PUF(物理不可克隆函数)设备认证(PKI/PSK)轻量级加密(AES-CCM)01物理篡改02假冒节点指攻击者通过直接接触或破坏物联网设备的硬件实体