英语原文共 14 页
关于物联网大数据的调查
摘要：
随着物联网（IoT）的快速发展，大数据技术成为了一种至关重要的数据分析工具。这种工具使隐藏在物联网中的知识更好地满足物联网系统的目的并且更好的支持至关重要的决策。虽然大数据分析本身已经得到了广泛的研究，但是物联网领域（例如：健康医疗，能源，交通和其他领域）之间的差异阻碍了大数据分析在物联网领域的发展。因此，物联网领域的相互理解很有可能促进物联网大数据研究的发展。
因此，在这项工作中，我们做了一个关于不同物联网领域大数据技术的调查研究，以方便和激励在物联网领域知识的共享。根据我们的阅读，这篇论文讨论了 不同物联网领域使用的大数据技术等的相似性与差异性，给出了如何将一个领域中的大数据技术重用到另一个领域中的建议和发展了一个概念性的框架，这个框架概述了我们所阅读过得论文中的关键物联网技术。
介绍
物联网是当今最有前途的技术之一。这个研究范例的特征是这些使用智能和自我配置的对象，这些对象可以通过全球的网络基础设施互相作用。因此，这些大量异构对象之间的无缝的相互作用使得物联网成为一个“爆炸性的”技术。使得无处不在的计算（泛计算）成为可能。因此一系列工业物联网应用在交通，能源，医疗，食品加工业，军事，环境监测或者安全监测等不同领域得到开发和部署。
由于物联网将传感器和其他设备连接到物联网上，因此它在支持智能服务的发展方面发挥着至关重要的作用。动态事物从现实环境中收集不同类型的数据。
然后，从物联网数据中提取相关信息，通过上下文感知的应用程序来改善和丰富我们的日常生活，例如显示与用户当前情况相关的内容。更进一步，上下文可以定义为用于确定一个实体状态的信息（例如：人，地点，对象），这个状态被认为与用户和应用之间（包括用户和应用本身）的实时交互相关。由于上下文环境具有典型的位置，时间、人和环境的状态所以物联网成为上下文数据的重要来源。这些上下文数据具有大容量，多样性和高速率的她点，这使得它成为大数据一个有趣和具有挑战性的研究领域。
按照五个基本要素：容量（数据大小），多样性（不同的数据类型），高速率（数据实时收集）、准确性（数据的真实性）和价值（对于不同行业和学术领域的价值）。此外，其他的研究工作还引入了除5V模型之外的其他特性，例如：有效性（数据的正确处理）、可变性（数据上下文）、粘性（源和目标之间的延迟数据传输）、病毒性（从不同源发送和接收数据的速度）和可视化（数据的解释和用户相关信息的鉴定）。尽管存在大数据的其他特征，但5V模型为大数据概念奠定了基础描述。近年来，大数据研究正经历着从研究成果向高影响、多领域应用的重大转变。
大数据和物联网技术的融合为许多复杂系统（如智能城市）的服务开发创造了机会。一些支持处理大量的收集自不同来源的物联网数据的大数据技术已经出现。然而，物联网及其在许多不同领域的应用的进步正在导致大量不同类型的数据的显著增加。同时，大数据及其技术为行业和学术界开发新的物联网解决方案提供了新的应用机会。因此，大数据与物联网的融合，以及这两个领域的高度动态发展，带来了新的研究挑战，但迄今尚未得到研究界的认可和解决。
许多现有的工作分别认识到大数据和物联网的研究趋势，例如，最近对大数据技术[11-15]和物联网技术[16-18]进行了许多调查。然而，缺乏将两个研究团体联系起来的研究。这源于在不同物联网领域的多样性，这意味着每个领域（无论是医疗保健、农业、智能城市、军事、能源或其他领域）的研究都在孤立于其他领域的研究状态下做出最适合的大数据技术[19-22]。因此，它缩小了这些领域之间知识共享的空间。例如具有不确定数据质量的小型均匀传感器读数和数据生成设备的高动态性。
本论文的目的是为不同物联网领域的大数据研究的相似性和差异性提供一个相互理解的平台。为了实现这一目标，我们在应用了大数据技术的八个物联网领域（医疗、能源、交通、建筑自动化、智能城市、农业、工业和军事）中，对117篇论文进行了调查，并利用调查结果确定了从大量研究中的到相似性、差异性。
本文的主要贡献有四个方面：（1）对物联网领域中最新大数据研究现状进行分析；（2）对物联网领域的大数据技术进行比较，指出哪些大数据技术可以用于其他物联网领域；（3）对各物联网领域的大数据研究进行分析和解释，如某些物联网领域的大数据技术和应用的优点和缺点；（4）一个可以指导研究人员和从业者选择在某些物联网领域普遍使用的大数据技术的概念框架。
论文的其余部分结构如下：第二章描述了已经被用于将大数据方法进行分类的物联网领域；第三章将重点放在大数据处理及其生命周期上，从而根据他们的应用范围和目的推导出对大数据进行分类的类别。论文的主要成果可以在第4节和第5节，这两节对回顾了应用于不同物联网环境的大数据工作，从大数据对角度比较了物联网。结合主要发现，在这两章得出了研究的挑战和机遇。最后，在第六章总结了这项工作和略述了未来的研究。
物联网
物联网技术已被纳入我们生活中的各种重要领域。在过去的几年中，许多传统领域，如制造业、医疗保健或能源，已经以物联网为基础，并获得了机器与人之间的通信能力以及丰富数据的生产能力。因此，这些智能事物/对象有助于围绕物联网概念创建现代、智能和自动领域，是成功采用物联网的先决条件。
物联网可以被视为应用环境的联合体，例如需要调整技术以使医疗或运输更好地适应特定环境的需求。因此，物联网领域是指在特定环境中应用的物联网技术，如医疗保健物联网或运输物联网。此外，它们的数据集通常由相对同质的数据记录组成，例如来自传感器和其他物联网设备的数据记录，这些数据记录通常在时间序列中。此外，面对不可靠或不可用的物联网对象和网络范围所隐含的安全威胁（如注入数据或被盗数据），大多数物联网领域需要具有鲁棒性[16-18,23]。
在下面，我们将描述应用了大数据方法的物联网领域。为了确定物联网的结构，我们采用了Bahga和Madisetti[23]的分类方案，并对其进行了轻微的调整：不在重点关注环境和零售。因为他们与其他领域有很大的重合。但我们加上了军事领域，这正成为一个新的、有前途的物联网领域。不将环境和零售视为独立领域符合其他物联网调查[16-18]的要求，并受到以下事实的激励：环境方面的现有工作通常属于能源、农业或智能城市领域，而零售方面的现有工作通常归为行业领域的一部分。
健康医疗。在医疗保健中应用物联网的主要目的是收集和分析实时医疗信息，以最小化传统医疗的局限性（即医疗错误）[24,25]。此外，云平台还用于存储和分析收集的医疗数据流[26,27]。因此，收集到的有关患者健康状况的信息使医疗保健组织能够开发无处不在的医疗保健应用程序，并优化现有的服务和解决方案，即用于远程监控、营养、医疗产品、医疗设备、医疗设施或医疗保险的应用程序。因此，物联网技术在医疗领域的应用有助于为患者找到最佳的健康状况和康复计划[6]。
能源。目前，能源主要以智能电网物联网为特征，智能电网物联网是一种新兴的智能配电系统，旨在将可再生资源整合到电力系统中，为其运营商提供更大的电网控制，并以最佳的用电量计量用户。此外，智能电网还提供许多有价值的服务[30]，如配电和消费管理，传输，先进的计量结构，可再生能源集成，自愈系统和能源储存。基于这些原因，智能电网被认为是智能技术之一，通过保证电网的效率、可靠性、可持续性和安全性，将有助于智能城市的发展[31–33]。为了实现这些目标，智能电网与物联网技术合作，创建各种智能服务[34]，并利用大数据技术实现具有洞察力的智能和高效的电力管理质量[35]。
交通运输。由于物联网技术，智能运输系统变得更加普遍[36,37]。由于运输是每个人的关键活动之一，物联网传感器每天产生大量的数据[38]可用于指导路线规划，并开发用于监视、应急管理、交通控制、异常检测、态势识别和交通预测的应用程序。此外，共享的交通数据可以最大限度地降低污染和交通事故的风险，这些风险可能会损害公民的健康。因此，通过物联网设备共享信息也有助于实现可持续的智能环境[39]。
楼宇自动化。集成大量安装在智能建筑（即家庭、学院和办公室）中的人工智能物联网设备，可以监控公民的日常活动，并预测他们未来的行动[40,41]。因此，智能建筑中的物联网设备收集及时的敏感信息，并描述人与机器之间非常详细的交互作用[42–44]。因此，了解一般和个人信息如何推动智能建筑研究，对于优化智能建筑中提供的智能服务至关重要，如安全、访问控制、数字视频、入侵检测、火灾检测和警报、室内空气质量服务或照明控制。
智能城市。智能城市的愿景是通过在各个领域提供智能应用来改善公民的生活方式。为了实现这一目标，城市采用物联网技术来优化不同的公共系统和服务，如停车场、城市清洁、废物管理、街道闪电和紧急控制[45–47]。智能城市的大局可以用现有的项目来说明，例如SmartSantander[48]，它被认为是一个大型智能城市试验台的实用系统。为了跟上SmartSantander的发展，创建了城市数据和分析平台（CIDAP）[49]来处理在此智能环境中生成的历史和实时数据。这两个项目和其他类似项目表明，收集数据是获得支持智能城市快速发展所需经验和知识的关键举措[50,51]。
农业。农业是我们社会的一个重要领域，它还利用物联网技术的好处来确保产品质量和最终客户的满意度[52]。例如，物联网设备的监测对于保护农产品免受啮齿动物或昆虫的攻击具有重要作用[53,54]。为了有效地管理所有的农业活动并找到最佳的环境条件，云平台被用来存储和分析感知到的信息，进而提高农业生产力并节约能源[55，56]。
工业。物联网应用在未来工业自动化领域的发展是工业和制造领域极具前景的课题。事实上，现代工业公司采用物联网研究来促进全球经济的增长并保持竞争优势[57,58]。在工业，如通过集成物联网技术发展工业物联网能力及其在数字学习工厂的培训中的应用[59]、产品供应链管理[60]、机器对机器（M2M）通信[61]或节能[62,63]。它通常侧重于公司自身或共享数据的部署和利用，以提供客户青睐的合适产品，并改进工业物联网系统的功能，即性能评估、智能M2M通信、模拟、建模和工业无线网络[64,65]。
军队。物联网的应用也被扩展到军事领域[66]，并带来了一个重要且有价值的信息来源，可以提高各种军事应用的情报[67-69]，如军事后勤、监视和军事机器人。此外，物联网在军事领域的整合有望通过检测有害化学品或生物武器来拯救公民的生命。出于这些原因，对共享信息的管理和分析对于做出正确的保护性决策、提供执行任务的指导以及实时了解这些决策的影响是必要的。例如，战斗物联网[70]是物联网应用之一，它引入了未来的智能战场。在这个聪明的环境中，聪明的事物是相互交流、行动和协作的，既没有人类作战人员的存在，也没有人类作战人员的协调[71]。
大数据的处理和生命周期
大数据技术包括许多活动、方法和技术，每一种都是为了稍微不同的目的而使用的。为了理解大数据处理生命周期中的这些技术，本节将回顾大数据处理的现有工作，并提炼出随后用于对物联网中应用的大数据方法进行分类的依据。
我们通过搜索学术数据库和著名出版商，如ScienceDirect、Google Scholator、ACM Digital Library、IEEE Xplore Digital Library、Springer，以及使用关键字（如大数据处理和大数据生命周期）进行谷歌搜索，选择了用于此目的的关于大数据的论文。我们将搜索范围限制在过去5年的最新论文，即从2013年到2017年。搜索的结果中包含了大数据处理的分类和大数据生命周期的分类。我们特别关注大数据研究的调查论文。因此，我们选择了6篇论文，分别是Gandomi和Haider 2015[72]、Paakkonen和Pakkala 2015[73]、Khan等人。2014[74]，Tsai等人2015[13]，Chen等人2014[11]和Siddiqa等人2016 [75]。
Gandomi和Haider 2015[72]将大数据处理分为两个主要阶段：数据管理和数据分析。数据管理是收集和存储数据，并对数据进行清理和检索，以备分析准备。另一个过程是数据分析，它处理从数据中提取洞察。它涉及建模、分析和解释。Paakkonen和Pakkala 2015[73]开发了一种大数据参考体系结构，将数据源和数据存储作为大数据处理的输入和框架结构。大数据处理包括数据提取、数据加载与预处理、数据处理、数据分析、数据加载与转换、数据可视化五个主要阶段。Khan等人2014年[74]提出了大数据的生命周期。这个提议的生命周期包括原始数据收集、数据分类、数据分析和用于决策的数据检索。在生命周期中，还讨论了数据存储、共享和安全性。Tsai 等人2015[13]从输入和输出的角度考虑了大数据过程。其输入阶段更像是Gandomi和Haider提出的数据管理。
表1：
2015[72] 中包括数据收集、数据分析的选择和转换等数据准备操作。然后，数据分析是数据输入和输出之间的连接。数据分析中的活动例如数据挖掘和模式学习。在输出阶段，应用数据评价和解释来呈现数据分析结果。2014年[11]将大数据活动概括为三个方面：数据生成与采集、数据存储和大数据应用。在每一个方面，都讨论了相关的概念，例如，数据生成和采集详细到数据生成、收集、传输和预处理。它也类似于蔡氏等人的输入阶段
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
