隨著移動云端、海量數據與無線技術快速演進，促使智能聯網應用的快速發展，物聯網（Internet of Things， IoT）的興起，結合大數據（Big Data）的分析為產業帶來了創新的變革與發展契機，可視為當代網絡技術重要里程碑與未來潮流趨勢。

物聯網與大數據的興起

物聯網（又稱智能聯網），系指物物相聯的物聯網，讓物與物或物與人之間能夠借此產生互動與聯結，可提供“全面感知、可靠傳遞、智能處理”的整合服務。根據歐洲電信標準協會（European Telecommunications Standards Institute， ETSI）之定義，物聯網可依照不同的工作內容劃分為感知層、網絡層及應用層。在感知層方面，主要是利用感測組件針對特定的場景進行數據收集或者是監控的動作來實現全面感知的目的；網絡層主要目的則是確保數據的可靠傳遞，可透過各種網絡通訊技術實現，將物聯網終端裝置上的數據傳遞至特定目標上；應用層則是以云端運算與儲存技術為基礎，進行大數據數據的分析與處理，以提供智慧化的服務。當不同類型的物聯網裝置數量迅速增加，將產生與累積龐大的數據數據，分析這些數據數據并且產生應用上的價值，就是大數據（Big Data）。一般可將大數據的特征歸納為4V（數量Volume、多樣性Variety、速度Velocity以及真實性Veracity）。其中Volume表示數據數據量，例如未來物聯網世界會連接上百億臺連網裝置傳感器每分每秒產生數據，會產生與累積龐大的數據，可能高達百萬兆（ Zettabytes， ZB）的等級（1 ZB等同于10的9次方個TB）；Variety則是表示數據類型的多樣化，包含文字、影像、音頻/視頻或是物聯網裝置的狀態、地址等多種不同類型的數據。Velocity表示快速的數據流，由于聯網裝置的普及，物聯網絡數據的數據流動是持續不斷且快速產生的，因此輸出與反應數據的速度必須更加實時。此外，由于物聯網的數據數據可能來自不同來源，數據的真實性Veracity也需要被檢驗，才能提升物聯網數據的價值含量，進一步促進商業智能Business Intelligence應用的發展。

根據市調機構Gartner預測，至2017年底全球將有84億個物聯網裝置使用，比起2016年成長31％，到2020年將達到204億個；IDC也預測全球物聯網的市場規模將以復合年增長率17.9%的比例成長，至2020年將達到2兆美元的市場規模；在數據數據部分，依據思科全球云端指標報告觀察，由于物聯網應用的快速發展，全球各地云端數據中心每年需處理從物聯網裝置傳送的數據量將大幅提升，從2015年全年145 ZB的總資料量，到了2020年，將累積達到600 ZB。由此可知，物聯網市場的發展與大數據具高度關連性，面對物聯裝置倍增所牽引的復雜系統與龐大數據量，將促使更多大數據數據儲存，統計與分析的技術實現，引領產業的發展變革，成為未來信息科技發展的關鍵。

物聯網與大數據的應用

技術

物聯網大數據的技術架構需物聯網技術與大數據分析技術密切整合，前者將具備物聯網標識的傳感器所搜集信息，利用無線通信網絡技術尋找最佳路徑傳遞至大數據的數據分析平臺；后者則從物聯網搜集到的大量數據之中找出潛在商業價值與可行之創新應用模式。

在物聯網技術方面，主要聚焦低功耗長距離通訊技術、頻譜資源以及裝置識別等議題。目前有多個主流的物聯網通訊技術（例如NB-IoT、LoRa以及SIGFOX等）各自發展，且有數個物聯網標準聯盟相互競爭，包括OIC（Open Internet Consortium）、IPSO、Allseen、OneM2M及電信領域之3GPP等，技術標準百家爭鳴，使用的頻譜資源可區分為免執照、專用電信以及電信業者頻譜三類。在物聯網裝置識別技術方面，依據歐盟IERC的定義，針對識別目標、應用場景與技術特點的不同，物聯網標識可分成對象標識、通信標識和應用標識。對象標識主要用于識別物聯網中被感知的物理或邏輯對象，比如EPC（Electronic Product Code）、UUID（Universally Unique Identifier ）、MAC、URI（Uniform Resource Identifier）、URL（Uniform Resource Locator） 、Ecode、OID（Object Identifier）以及CID（Communication Identifier）等。通信標識用于識別物聯網中具備通信能力的網絡節點，比如IPv4、IPv6以及E.164等，而應用標識則是用于對物聯網中的業務應用進行識別，比如URI與URL。這些不同標識的物聯網裝置，所產生的數據數據不僅龐大，類別亦相當多元，可歸納如下：

1、狀態數據：物聯網感測組件的信息。例如溫度、濕度、壓力、雨量、RFID感測，甚至是手機當中的GPS定位信息，除了數據本身的信息外，也能用來進行更復雜的分析應用。

2、互動數據：人與物之間的互動或鏈結。例如Twitter 推文、微博、Facebook 互動、網頁廣告點擊或是使用者產生的內容等，包含可供參考行為或是用戶網絡互動的信息，可以用來分析用戶裝置偏好屬性的特征。

3、交易數據：高度結構化數據數據。例如轉賬明細、付款記錄、交易明細等，可以用來反映與剖析歷史的信息，作為預測分析的基礎。

物聯網應用的浪潮將帶動裝置與數據量迅速增長，如何處理這些龐大數據數據的技術、分析工具及程序等，關鍵技術領域包含以下幾點：

1、海量數據儲存管理：儲存容量的擴充與儲存技術的突破以及分析大量數據的技術，例如NoSQL 數據庫應用與Hadoop云端運算技術 。

2、實時信息傳遞：物聯網裝置有不同的標識特性，這些標識接口與網絡平臺的溝通與連結，有些需要及時響應，例如5G物聯網絡的端到端延遲要求為1ms；而有些則需要確保信息不遺漏，例如消息隊列（Message Queue）的信息交換技術。

3、機器學習分析：機器學習（Machine Learning）是大數據分析的一種方法，關鍵在于如何反應問題真實模型的狀態，一般是透過提供大量的訓練數據，讓機器從中找出規律、學習如何將數據分群或分類。常見的技術如人工神經網絡（Artificial Neural Network， ANN）、判定樹學習（ Decision-tree Learning ）、支持向量機（Support Vector Machine， SVM ）、最近鄰居法（k-Nearest Neighbor， KNN）以及案例推論（Case-Based Reasoning ）等。

4、物聯網大數據發展平臺：簡化的平臺組件，完整的物聯網專用開發工具及功能以及進階的連網裝置管理工具，能與大數據數據分析技術整合發展，例如ThingWorx、COSM、Scinan以及Arrayent等。

物聯網大數據的價值與應用

物聯網結合大數據的應用領域非常廣泛，例如環境偵測、醫療保健、交通運輸、商業零售以及工業控制等均屬涵蓋之范疇。茲摘要說明如下：

1、環境偵測：透過物聯網傳感器數據收集與事件偵測的方式針對特定環境與對象進行監控，結合大數據分析進行預測，針對異常情形預警及應變。例如芝加哥 Array of Things城市傳感器項目計劃利用路燈安裝傳感器節點，應用大數據分析進行與改善市政管理。

2、醫療保?。豪么┐魇结t療設備自動連接醫院網絡進行醫療數據交換，透過大數據技術處理，提升醫療質量。例如德州非營利組織Seton Healthcare Family借助收集與匯整病人的臨床醫療信息，結合大數據內容分析與預測技術來評估病人的情況。

3、交通運輸：結合物聯網先進感知及無線通信技術，透過大數據分析整合人車路信息，改善或強化人、車、路之間的互動應用，提升服務質量與作業效率。例如舊金山SFPark智能停車計劃應用物聯網大數據技術進行停車管理，借助傳感器實時傳回停車位使用狀況，駕駛可借助移動APP獲得周遭停車位信息及費率狀況，而負責現場停車收費管理的人員則可實時獲知逾期停車繳費狀況

4、商業零售：利用移動支付與商品交易信息相結合來展開分析，剖析消費者使用習慣，借此掌握消費者喜好特征與可能衍生的消費需求，以銷售模式的突破與創新進而帶動整體銷售業績成長。例如，例如美國7-11利用手機App搜集地點與消費數據，結合大數據技術分析地點、天氣和時間信息，給予消費者最實時的優惠訊息。

5、工業控制：以工業物聯網為中心、整合智能感測系統及大數據分析決策技術，加速制造業的智能化，可提升實體工廠產業價值鏈之整體效益。例如以德國為主的歐美國家開始提倡工業4.0，如西門子Electronic Works Amberg未來工廠就是德國工業4.0的最佳示范單位，其產品利用物聯網標示技術與生產設備直接通信，讓生產設備知道需在何時與何地采取適當的動作，整合數據分析與管理控制技術實現機器控制機器的生產作業，可對生產流程進行優化調整，降低產品不合格率。

信息化的智能生活是物聯網技術整合大數據分析發展與應用落實的目標，隨著物聯網大數據技術的快速發展，智慧城市應用產業價值鏈的發展與建立是未來的科技趨勢，物聯網應用的普及將帶動大數據技術的發展，引領智慧城市商業模式的發展與創新。

責任編輯：ct