构建电信物联网开放数据服务体系的思考.doc

《构建电信物联网开放数据服务体系的思考.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、构建电信物联网开放数据服务体系的思考赵钧2012-5-210:11:56　　来源：《电信科学》2012年第02期　　摘要：物联网的一个特征是智能处理，面对海量的物联网数据，如何存储、分析和共享使用是一个值得关注和需要解决的问题。基于对电信运营商物联网经营现状和未来发展趋势的分析，本文提出了建设电信物联网开放数据服务体系的构想，并详细设计了物联网数据服务的服务内容和体系框架，针对数据服务体系建设中涉及的关键技术点进行了分析，最后对电信运营商构建物联网开放数据服务体系的策略给出了建议。　　关键词：物联网，开放数据服务体系，数据挖掘　　1引言　

2、　物联网被视为“物物相连的互联网”，通过传感设备将物体与互联网连接起来，进行信息交换和通信，实现智能化识别、定位、跟踪、监控和管理。随着政府智慧城市的大力推进以及传感设备的普及和广泛部署，未来将会有海量的物联网数据需要采集、汇总、存储和分析处理，如何对这些数据进行管理和使用并最终服务客户，成为一个值得关注的问题。　　在物联网产业链中，电信运营商负责提供数据传输通道，但仅作管道提供者是不够的。电信运营商多年来数亿用户的运营经验和品牌服务信用，使其有条件、有能力构建一个开放的物联网数据服务体系，封装物联网数据智能处理过程，最终成为数据服务的平

3、台提供者，让第三方合作伙伴（包括个人开发者）能够通过标准开放的服务接口，实时访问真实、可靠的物联网数据，并基于这个平台提供数据服务，构建自己的物联网应用。　　2物联网数据服务需求分析　　2.1电信运营商现有物联网服务模式　　现阶段，全球范围内的物联网应用都处于起步阶段，国内电信运营商也非常重视物联网带来的产业发展机遇，都申请了用于物联网的专用号码段，并积极建设自己的物联网运营平台，在提供终端监控、数据转发等基础通信服务的基础上，集成类似电力抄表、车辆调度等的行业应用模块，面向行业应用提供物联网服务。目前的这种服务模式聚焦在企业客户，针对不

4、同行业甚至同一行业的不同企业根据客户需求开发个性化物联网行业应用，但电信运营商本身对行业的认识和理解存在局限，因此多通过集成行业内其他成熟解决方案为客户提供一站式服务，扮演软件集成商的角色，虽然短期有利于获取客户，但长期来看存在被管道化的风险，而且一站式服务成本也很高。　　2.2未来物联网开放数据服务需求　　随着企业需求驱动的物联网逐渐走向成熟，未来出现跨企业的行业数据开放、面向公众服务的物联网应用将是必然的发展趋势，不少专家也认为物联网应用正从企业走向公众，物联网的最好运用是服务公众。公众服务的一个特点是数据的开放性，不存在隐私保护问题

5、，这让电信运营商可以基于海量的物联网数据提供数据服务，无需针对每个客户提供从终端、通信、平台到行业应用的整套集成解决方案，而是可以专注于提供物联网数据的采集、分类、融合、分析等相关的标准化服务，让产业链上游的物联网应用开发商可以基于电信运营商的开放物联网数据服务开发物联网应用服务，同时也能吸引产业链下游传感器厂商通过生产部署传感终端、上传数据，从数据服务调用中获取利润分成，从而形成一个良性的物联网产业生态环境。　　3物联网数据服务体系设计　　3.1数据服务内容设计　　为汇聚物联网数据，服务于产业链上下游，电信运营商首先要规划物联网数据服务

6、的内容，即开放的服务目录，从数据自身封装和服务的角度来看，可以分为以下几大类服务。　　（1）数据采集转换服务　　根据已注册终端上传的数据，进行数据关联和格式转换，实现数据分层组织和并行加载，使不同终端上传的数据能够按标准格式进行存储和使用。　　（2）数据存储服务　　支持存储空间大小的申请，可根据预设的规则对存储空间大小进行动态调整。　　（3）数据查询服务　　可根据传感终端号码、时间、位置、事件等信息，对原始数据、分析结果数据进行单个/批量、实时/非实时查询，如在页面实时显示环境监控数据，具体可根据物联网行业数据特征或应用功能需求设计各种参

7、数的查询服务。　　（4）数据统计服务　　根据地域、终端类型、时间段等维度，输出数据统计结果，如截止当前一天某区域的车流总量，具体可根据物联网行业数据特征或应用功能需求设计各种参数的统计服务。　　（5）数据融合服务　　多传感器在空间或时间上观察的冗余或互补信息可以依据某种规则，通过融合算法进行组合，形成对被观测对象的一致性刻画，如从不同角度观测数据的合成。　　（6）数据挖掘服务　　通过数据清理和集成，生成并分析相关的数据，选择不同的数据挖掘算法，设定不同的参数建立挖掘模型，进行数据挖掘操作，输出挖掘结果，可根据需要提供定时或实时挖掘服务。数

8、据挖掘算法包括决策树算法、贝叶斯算法、聚类算法、时间序列算法、关联规则算法、序列聚类算法等，通过对算法的选择和参数配置，可实现分类和预测、异常和趋势发现等应用挖掘需求。　　（7）数据分析服务