第5章
物联网与传感器
给万物装上感官,让物流第一次“感觉”到自己
本章导航:从感知物理世界到边缘智能
五个部分、四十九页:先立物联网的四层架构,再钻进传感器与无线传感网两大感知技术,然后学会把计算放到边缘,最后看它们在仓储与运输中的综合方案。点击任意站点可直接跳转。
接入网络的,正在从人变成物
第 4 章结尾的问题:当数以百亿计的“物”自己开始说话,物流的感知、传输与处理会发生什么变化?先看时代的刻度:
物联网:从“人与信息”到“物与物”
ITU 定义(2005):物联网是通过信息传感设备,按照约定的协议,将任何物品与互联网连接起来,进行信息交换和通信,以实现智能化识别、定位、跟踪、监控和管理的网络。传统互联网连接“人与信息”,物联网连接“物与物”和“物与人”。
👁️ 整体感知
用 RFID、二维码、智能传感器等设备,全面获取物体的身份、状态与环境信息(习题 1)。
📡 可靠传输
互联网与无线网络融合,把物体信息实时、准确地传送,实现信息交流与共享。
🧠 智能处理
云计算、大数据与 AI 分析感知数据,实现监测与控制的智能化。
历程(上):一个词的十年孕育
历程(下):国家战略与规模化落地
四层架构:从末梢神经到价值出口

感知层:在每个现场获取四类信息
🎯 采集对象:身份、位置、状态、环境
- 身份:RFID 标签与读写器、二维码——“它是谁”(第 2、3 章)
- 位置:GNSS 定位装置——“它在哪”
- 状态:倾斜、振动、压力等传感器——“它怎么样”
- 环境:温湿度、气体、摄像头——“它周围怎么样”
🚚 在物流中的贯穿
仓库里 RFID 读托盘身份、温湿度节点盯环境;运输中 GPS/北斗 追位置、温度传感器盯车厢——感知层的数据质量,决定整个系统上限,这正是 §5.2、§5.3 两节要深挖的。
网络层:为“物”而生的四项要求
🛣️ 通道清单
互联网、移动通信(4G/5G)、低功耗广域网 LPWAN(NB-IoT、LoRa)、WiFi、以太网、卫星通信——按距离、功耗、速率各取所需(第 4 章的工具箱,在这里按场景点菜)。
📋 四个必须
- 大连接:同时接入海量终端(百亿级设备)
- 低功耗:电池设备一跑数年
- 低时延:实时监控与控制的响应底线
- 高可靠:数据完整准确地到达
平台层:把原始数据炼成决策
☁️ 云计算
弹性计算与存储,支撑海量数据的集中处理与分析。
🏭 边缘计算
在数据源附近先行处理:减云端负载、降时延——§5.4 整节的主角。
📊 大数据与 AI
处理海量、多样、时序的数据特征;机器学习完成智能分析与预测决策。
物联网中间件
连接底层设备与上层应用的桥梁,屏蔽硬件与协议的异构性——应用开发者不必关心每款传感器说哪种“方言”。与第 3 章 RFID 中间件同属一脉。
应用层:用户摸得到的那一层
🏬 仓储与运输系统
WMS、TMS:入库、盘点、调度、轨迹——§5.5 的综合方案就是它们的物联网化改造。
❄️ 冷链监控平台
全程温度曲线、超限告警与追溯——感知层+平台层的直接产物。
🗺️ 可视化与智能调度
供应链可视化系统、智能调度系统:把决策以界面、APP、管理系统的形式交到人手里。
传感器:把物理量变成电信号的器官
国标 GB/T 7665—2005:传感器是“能感受被测量并按照一定的规律转换成可用输出信号的器件或装置”。说人话:外界的温度、压力、光照发生变化,它负责翻译成系统能读的电信号。
分类:五个维度,一个最常用
| 分类依据 | 类别 | 说明 |
|---|---|---|
| 按被测物理量 | 温度、压力、位移、速度、加速度、湿度、光敏…… | 以感受的物理量命名——物流领域最常用:场景直接决定测什么 |
| 按工作原理 | 电阻式、电容式、电感式、压电式、光电式、热电式、磁敏式 | 反映物理转换机制,选型时看它 |
| 按输出信号 | 模拟传感器 / 数字传感器 | 决定信号采集方式 |
| 按能量来源 | 有源(自发电,如压电式)/ 无源(需外部供电,如电阻式) | 呼应第 3 章标签的供电分类思维 |
| 按制造工艺 | 集成、薄膜、厚膜、陶瓷传感器 | 反映技术路线 |
性能指标(上):测得快不快、准不准先看四个
📈 灵敏度 S = Δy / Δx
输出增量与输入增量之比:被测量变一点,输出动多少。越高越“敏感”——但高灵敏常伴随易受噪声干扰,不是越高越好。
🎯 精度(Accuracy)
测量结果与真实值的一致程度,常以满量程百分比表示。它回答“测得对不对”。
🔬 分辨率(Resolution)
能感受到的最小变化量:如温度分辨率 0.01°C,意味着 0.01°C 的变化也能被察觉。它回答“分得细不细”——与精度是两回事。
📏 线性度(Linearity)
实际输出—输入曲线偏离理想直线的程度。越好,标定与数据处理越简单(不用做复杂的非线性补偿)。
性能指标(下):稳不稳,以及按场景选型
🔁 重复性
相同条件下对同一量多次测量,结果之间的一致程度——测得“稳不稳”。
⏳ 稳定性与漂移
长时间保持性能不变的能力;漂移是输入不变时输出随时间/温度悄悄偏移。
⚡ 响应时间
受刺激到稳定输出的时长——属动态特性,与之相对的静态特性还有量程、迟滞(正反行程输出不一致)。
选型原则
先按对象、环境、量程定工作原理,再比指标与成本——够用就好。侧重各异:冷链温度重精度与稳定性(±0.3—0.5°C);AGV 导航重响应时间与分辨率。第 25 页做三个实战选型。
温湿度传感器:物流用得最多的一类

🌡️ 测温三原理
热敏电阻(电阻随温变)、热电偶(接触点热电势)、红外测温(接收辐射、非接触)。湿度多用电容/电阻式湿敏材料。
❄️ 冷链监控规格
量程 −40°C 至 +85°C、精度 ±0.3—0.5°C、分辨率 0.01°C;无线节点经 NB-IoT/4G 上云,画全程温度曲线,超限(如疫苗 2—8°C、冷冻 −18°C 以下)60 秒内告警。
🏬 仓库网格化监测
节点网格布局+边缘网关实时分析,异常自动联动空调/除湿(第 24 页与 §5.3 的 WSN 方案在此汇合)。
压力传感器:核心是压阻效应

⚙️ 原理一句话
半导体或金属弹性体受压形变 → 电阻随之变化 → 测电阻即知压力。量程横跨 0—100 kPa 到 0—200 MPa,精度 0.1%—0.5% 满量程。
🚚 三个物流现场
- 包裹称重:称重模块核心元件,支撑计费与装载优化
- TPMS 胎压监测:轮胎内微型传感器实时盯胎压,异常报警防爆胎
- 液压监控:叉车、装卸设备的液压系统压力检测
光电传感器:三种光路,一个共同的工作——数与触发

🔦 三种光路结构
- 对射式:发射与接收分居两侧,物体过时遮断光束——最可靠
- 漫反射式:收发一体,靠物体表面反射光——安装最省事
- 镜面反射式:收发一体+反光板,居中方案
📦 物流岗位
传送带计数与到位判定、分拣口触发信号源、条码扫描设备、包裹尺寸测量、安全防护光栅——分拣线的每一次动作,几乎都从它的一束光开始。
位置传感器:量程从全球到毫米

🛰️ 户外:GNSS
GPS/北斗接收模块给车辆经纬度——干线追踪的主力(第 11 章专讲原理)。
📐 近距测距两兄弟
超声波:发脉冲测回波时间,精度毫米级,用于货位定位与货物测距;激光测距:精度更高,是 AGV 导航定位的标配。
🧲 到位检测
电感式/电容式接近传感器:检测机械臂是否到达工位、传送带末端限位——不接触、无磨损。
加速度传感器:给每一次颠簸记账

⚙️ 原理
压电效应或 MEMS 结构:受加速时内部检测质量块位移,电参数随之变化,输出与加速度成正比的信号。
📦 三个岗位
- 冲击记录仪(Shock Logger):装进包装箱,全程记录振动、冲击、跌落,超阈值留证——货损追责与包装优化的依据
- 驾驶行为:识别急加速、急刹车、急转弯,辅助运输安全
- 设备预测性维护:分拣/输送设备振动超限提前预警
气体与烟雾传感器:闻得到的危险

🧪 原理家族
半导体气敏、催化燃烧、热导、光学、电化学——把气体浓度转成电信号,再经调理与阈值判断触发报警或联动。
☣️ 岗位
危化品仓库与槽罐的可燃/有毒气体泄漏监测、仓库火灾烟雾预警;常与温度、液位、压力传感器组队使用——§5.5 危化品运输监控的核心感知件。
MEMS:机械结构与电路,同住一颗芯片
MEMS(微机电系统):特征尺寸在微米乃至纳米量级的微型装置——把梁、膜、弹簧等机械结构与电子电路集成在同一芯片上,能感知、处理并响应外部信号(由传感器、执行器、微能源三部分组成)。源流:1970s 微机械压力传感器 → 1980s 末硅静电微马达 → 1990s 喷墨头大规模商用。
🤏 微型化
体积小、重量轻、耗能低;惯性小 → 谐振频率高、响应快。天生为功耗与体积受限的物联网终端而生。
🏭 可批量制造
半导体工艺:一片晶圆同时做出成百上千个器件,产量越大、单价越低——大规模部署的前提。
🧩 可集成
多传感器合一:6 轴 IMU 一颗芯片集成三轴加速度计+三轴陀螺仪。
智能传感器:感知+处理+通信,一个独立单元
🧮 本地预处理
内置微处理器在本地完成滤波、线性化补偿、温度补偿、单位换算,直接输出高质量数据,上位机不必再为原始噪声操心。
🩺 自校准与自诊断
按预设参数自动修正测量偏差;自身异常时主动报告故障——部署成千上万个节点后,这项能力决定运维成本。
📶 直接组网
内置 WiFi/蓝牙/ZigBee 模块,无需额外采集装置即可接入物联网——它本身就是网络的一个节点。
三大场景:冷链、货损、环境
❄️ 冷链全链路温控
采集端无线节点 1—30 分钟间隔采样;传输层 NB-IoT/4G 上云且断点续传;监控层曲线展示+60 秒内告警。数据不可篡改,成为 GSP 等法规要求的合规与追溯依据。
💎 精密仪器状态护航
包装内多功能记录仪(三轴加速度+温湿度+倾斜):冲击峰值超 5g/10g 阈值即记录时间、峰值与时长;收货方读数据定责——运得好不好,不再各执一词。
🌡️ 电子元器件仓调控
目标 15—25°C、湿度 30%—60%:网格节点+边缘网关本地分析,偏离即自动调空调/除湿;正常数据低频上云、异常立即上云——省能又稳环境。
选型实战:指标侧重说了算
| 场景 | 主选传感器 | 最看重的指标 | 理由 |
|---|---|---|---|
| 疫苗冷藏车(2—8°C) | 无线温湿度节点 | 精度 ±0.3—0.5°C、稳定性 | 合规判定以温度为准绳:测错 1°C,合格也会判成失效 |
| AGV 导航定位 | 激光测距+MEMS IMU | 响应时间、分辨率 | 运动中定位:数据晚到 100ms,车已经开出十几厘米 |
| 危化品仓库 | 气体(电化学/催化燃烧) | 灵敏度、响应时间、防爆适配 | 泄漏早期浓度极低且扩散快:闻不到、报晚了都致命 |
| 分拣线包裹计数 | 对射式光电 | 响应时间、抗干扰 | 包裹高速通过:每次遮光只有几毫秒,慢了就漏计 |
WSN:大量小节点织成的感知之网
无线传感器网络(WSN):由部署在监测区域内的大量微型、低成本传感器节点组成的无线网络——节点以多跳、自组织方式协作感知、采集、处理并传输区域内对象的信息,发送给观测者。它是物联网感知层的重要实现形式。
🧩 三要素
传感器(做转换)、感知对象(被测目标与环境)、观测者(经汇聚节点与外网收结果)。
🎯 以数据为中心
与传统网络最大的不同:用户关心“某区域的温度”,不关心“37 号节点说了什么”——按数据属性组织查询与传输(习题 5 的核心)。
🪖 源流
1978 年 DARPA 资助分布式传感器网络研究(海底布点测潜艇);MEMS、低功耗芯片与无线技术成熟后从军用走向民用。形态四演进:点对点测控 → 智能传感+控制器 → 现场总线 → WSN。
九个特点,一个总约束:能量
🔢 规模大、密度高
单节点半径有限,靠大规模高密度部署保覆盖与可靠(密度可达每平方米上百个)。
🔋 能量有限
电池供电且常难以更换——能量是 WSN 设计的第一约束,节能贯穿硬件与协议。
🧮 能力有限
为压成本与功耗,处理器与存储都很小,在有限资源下还要采集+处理+转发。
📶 多跳短距
单跳通信几十米、低带宽;远距离靠逐跳转发接力完成。
🕸️ 自组织、无中心
节点地位平等、不依赖基础设施,分布式算法自动组网;坏几个节点网络照转。
🌊 动态与容错
睡眠/唤醒、失效、新节点加入使拓扑多变;环境恶劣、故障率天生存在,网络须自我重构。以数据为中心(第 26 页)亦属其列。
性能指标:一张互相打架的清单
📋 八项指标
⚖️ 制约关系(关键)
提高感知精度与实时性 → 采样与通信更频繁 → 能耗上升、寿命缩短。没有全优解:设计就是按应用定优先级——仓储告警重实时、环境普查重寿命。
体系结构:数据逐跳向东流

🔁 数据之路
节点采集 → 沿邻居逐跳转发 → 汇聚节点(协议转换、任务发布、数据汇聚的网关)→ 互联网/移动网/卫星 → 任务管理单元(配置、发任务、收结果)。每个普通节点兼当终端与路由器。
🏗️ 平坦 vs 层次
平坦结构:节点能力相近,实现简单,但规模大时路径长、丢包与转发能耗升;层次结构:分簇选簇头,簇头融合后再上行——缩短普通节点通信距离、平衡能耗、可扩展。大型仓储监测通常用层次或混合结构。
节点解剖:四模块与一条能耗铁律
| 模块 | 主要组成 | 功能 |
|---|---|---|
| 传感器模块 | 传感器、模数转换器 | 采集区域信息并转换为数字信号 |
| 处理器模块 | 处理器、存储器、操作系统 | 控制节点运行,存储与处理本地及转发数据 |
| 无线通信模块 | 收发器、天线 | 与邻居交换控制消息与监测数据 |
| 能量供应模块 | 电池、可选能量转换装置 | 为全节点供能(可加定位、移动、太阳能再生单元) |
协议栈:五层之外,还有三个管理面
📚 五层(各层为低功耗改版)
- 物理层:频率、调制、编码、同步(蓝牙/ZigBee 多在 2.4 GHz ISM 频段)
- 数据链路层:成帧、差错控制与 MAC;S-MAC 等用睡眠调度砍掉空闲监听能耗
- 网络层:多跳路由——泛洪式、以数据为中心、分层、基于位置四类,目标一致:低能耗可靠路径
- 传输层:与外网(互联网/卫星)直连时提供端到端控制
- 应用层:面向监测任务的数据获取、查询与任务分发
🧭 三个管理面(跨层)
- 能量管理:协调各层别把电用光
- 移动管理:跟踪节点位置变化
- 任务管理:平衡与调度区域内的感知任务
软件侧另有 WSN 中间件四层(网络适配/基础软件/应用开发/业务适配)屏蔽异构——平台思维与第 10 页相通。
拓扑控制与部署:先摆好阵,再省着连
🕸️ 拓扑控制三法
- 功率控制:调发射功率,保连通的前提下均衡单跳邻居数
- 层次型(分簇):选簇头成骨干,非骨干可关通信模块省电
- 休眠调度:无事睡眠、有事唤醒——与 S-MAC 同源
目标统一:在覆盖与连通达标下删冗余链路、延长生存时间。
📍 节点部署三型
- 静止部署:随机抛撒(战场、森林等不可达区)vs 计划部署(仓库、车间精确布点)
- 移动部署:增量式、虚拟力、概率检测模型、Voronoi 图等动态优化
- 混合部署:普通节点+少量强节点(电源/算力/通信更强),延寿并提成功率
定位、融合、同步:让数据带坐标、去冗余、对时钟
📍 节点定位
没有位置,监测事件就没有空间含义。测距类(RSSI/TOA/TDOA/AOA):精度高、开销大、怕环境;非测距类(DV-Hop、凸规划):靠连通性估距,适合低成本低功耗。少数已知位置者称信标节点。
🧬 数据融合
多份数据综合成更高效的信息:去冗余、省传输、降能耗,多点测量还能提准确度。分数据级/特征级/决策级,无损失/有损失。代价:增加等待时延、削弱冗余带来的容错——按需取舍。
🕐 时间同步
数据要与时间、位置关联才有意义,也是 TDMA、睡眠调度、协同定位的基础。误差来自报文六段延迟(发送/访问/传送/传播/接收/处理);协议如 TPSN、RBS、FTSP 在精度、开销、扩展性上各有取舍。
能耗管理:WSN 设计的头号问题
🩸 电都漏在哪
通信模块通常占节点总能耗的最大头。MAC 层的四种浪费:空闲监听(开着等没来的数据)、冲突(撞包重发)、串音(收了发给别人的包)、控制包开销。
💊 五剂药方
- 低功耗器件打底
- 无任务时关闭通信/采样/处理模块(睡眠)
- MAC 侦听—睡眠交替
- 路由均衡负载,不让少数节点累死
- 数据融合减少传输量(第 33 页回收)
回到物流:仓里与路上两张网
🏬 仓储环境监测
节点分布式部署自组织成网,本地初处理后多跳至汇聚节点,再上互联网到监测中心与远程库:实时发现温湿度与气体异常、告警并联动空调/除湿/通风。与 RFID 结合后,环境数据能与货物标识、库位、出入库记录关联成完整监管链。优势:多角度感知、低成本高冗余容错、近目标低噪声、多传感混合、协同大覆盖、移动节点补盲区。
🚛 运输在途监测
车厢/集装箱内小规模 WSN 采集温湿度、振动;车载智能终端作汇聚节点汇总、初处理、本地存储,再经 GPRS/4G/5G/卫星上监控中心。价值:冷链全程记录与断链识别、冲击事件留证定责、危化品压力/液位/泄漏监测。盲区对策:本地存储+断点续传(第 24 页冷链方案的同款设计)。
边缘计算:不再让每份数据都进京赶考
边缘计算产业联盟(ECC)定义:在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的开放平台,就近提供边缘智能服务。一句话:把计算下沉到数据产生的地方——工厂网关、配送站服务器、车载终端先筛选、分析、决策,只把关键结果与汇总数据上云。
🌱 来历
思想源头 2003 年 Akamai 与 IBM 的边缘内容处理(与第 4 章 CDN 同源);2016 年 ECC 成立(华为、中科院沈阳自动化所、信通院、英特尔、ARM、软通动力联合发起),标志产业化。行业预测:2027 年全球边缘计算市场规模将达 434 亿美元。
❓ 为什么需要它
设备数百亿级、数据每秒汹涌:全上云则带宽与时延双瓶颈——一条分拣线等不起云端的往返,仓库的原始数据流也喂不饱上行带宽(动画与模拟器马上量化这件事)。
四大特征:快、省、密、稳
⚡ 低时延
本地处理省去往返云端:响应从云端的数十至数百毫秒降到 1—10 毫秒。自动分拣、AGV 避障、车辆实时预警的命根子。
📉 高带宽效率
本地预处理、过滤、汇聚后只传有价值的信息:数百个温湿度节点每秒的原始流,经网关只剩每几分钟的均值/极值/异常——上行数据量可减 90% 以上。
🔒 安全与隐私
敏感数据不出边缘的物理范围,传输截获面大减小。例:疲劳驾驶检测在车载终端本地完成视觉识别,驾驶员面部影像根本不上云。
🛟 高可靠与离线运行
边缘节点自带计算与存储:断网不断业务。车辆在信号盲区照常采集与本地分析,联网后再同步。
云边协同:快环归边缘,慢环归云端
| 对比维度 | 云计算 | 边缘计算 |
|---|---|---|
| 部署位置 | 中心化大规模数据中心 | 靠近数据源/终端的网络边缘 |
| 处理时延 | 较高(50—200 ms) | 极低(1—10 ms) |
| 上行带宽 | 高(原始数据全量上传) | 低(本地预处理后传摘要) |
| 适合场景 | 大规模分析、AI 模型训练、全局决策 | 实时控制、快速响应、隐私保护 |
| 计算能力 | 强大且弹性可扩展 | 轻量但即时 |
| 离线能力 | 依赖网络连接 | 可独立运行 |
动画:《边缘计算与云边协同》(1 分 58 秒)
这项任务,放云端还是边缘?
点选场景,对比两种放法的总响应时间与任务时限——注意:不是每个场景都是边缘赢。
三例落地:分拣、车辆、仓库
📦 实时分拣决策
分拣中心每小时数万件:分拣线关键节点部署带 GPU 的边缘服务器,高速相机拍面单 → 毫秒级识别+通道分配;断网照常分拣。云端管策略制定、跨中心汇总与识别模型迭代训练。
🚛 车辆状态实时预警
车载终端本地分析转速、水温、胎压、速度+内置 AI 模型:参数越界毫秒级声光告警;疲劳驾驶本地视觉识别,影像不出车(第 37 页隐私特征的现场版)。
🏬 仓库环境与 AGV
边缘网关汇聚多类传感器,温度越界直接指挥空调不等云;AGV 路径规划与避障本地决策。正常数据定期上云做趋势,异常即时上云告警追溯(第 24 页方案的平台侧)。
智能仓储:四层架构的完整落地
入库与盘点:效率以十倍计
🚪 智能入库
叉车载托盘通过装有 RFID 阅读器阵列的入库通道:不到 1 秒批量读完托盘与全部货箱标签,自动与采购订单匹配校验、完成登记并分配库位。对比逐件扫码每件 3—5 秒,效率提升数十倍(第 3 章闸门方案的仓储落地形)。
🔍 智能盘点
人工逐位扫码盘一个大仓要数天;RFID 手持终端走一圈自动读周围数米内标签;进阶是搭载阅读器的无人机在高位货架间巡飞盘点。准确率 99.9%+,效率十倍以上。
环境监控:感知—决策—执行的闭环
干线监控:从事后管理到实时可控
📡 车载终端采三类数据
- 定位:GPS/北斗的位置、速度、方向
- 车况(OBD):发动机状态、油耗、里程
- 驾驶行为:加速度、制动、转向(第 20 页的传感器在此)
🖥️ TMS 的四项功能
- 实时定位与轨迹回放:全车队位置一屏尽览
- 电子围栏:偏离预设路线/区域自动告警
- 到达时间预测(ETA):位置+速度+路况 → 收货方提前备接货资源
- 油耗分析:跨车辆/路线比对,揪异常油耗
危化品运输:四支传感器守一罐货
🛢️ 槽罐车上的感知组
数据经 4G/5G 实时上传交通监管部门的危化品运输监控平台——不止企业自用,更是公共安全基础设施。
🚨 告警即联动
压力异常升高、液位突降、检出危险气体 → 立即高级别告警+启动应急预案;车辆位置同步推送沿途消防、交警、医疗急救——处置力量在事故扩大前就已在路上。
最后一公里:人、柜、系统都在线
📱 快递员 PDA
扫码取件/签收的同时,终端自动记录操作时间与 GPS 位置并同步后台——每次交接都有时空戳(第 2 章运单号+本章定位的合体)。
🗺️ 智能路径规划
按当日订单地址分布+实时交通生成最优路线——TMS 的 ETA 与路径能力下沉到单人单日尺度(第 10 章 VRP 的预告)。
🗄️ 智能快递柜
组成:主控板、电控锁、触摸屏、扫码模块、摄像头、格口状态传感器、通信模块。流程:扫运单码 → 按尺寸匹配空闲格口开锁 → 入柜关门、传感器确认到位 → 推取件码给收件人 → 凭码/扫码/人脸取件。经 4G/WiFi 连云:格口状态、故障、使用统计实时上报,支持远程诊断与 OTA 固件升级。
习题 9 拆解:一套系统里谁干什么
感知、组网、就近算——物联网的三级跳
📌 本章带走的六件事
- 物联网=整体感知+可靠传输+智能处理;四层架构:感知、网络、平台、应用
- 传感器四部分构成;指标看侧重(冷链重精度、导航重响应),选型没有银弹
- 六类物流传感器各有原理与岗位;MEMS 让感知便宜,智能传感器让感知带脑
- WSN 以数据为中心、自组织多跳;能量是第一约束,节点生存策略是“没事就睡”
- 关键技术六件套:拓扑控制、部署、定位、融合、同步、能耗管理
- 边缘计算四特征(快省密稳),与云快慢分工;落地在仓储、干线、危化品与末端
✍️ 课后思考
- 习题 3:用尺子刻度打比方,向同学讲清精度与分辨率的区别
- 习题 9 换场景:给“冷链在途监测”做一份 WSN/边缘/云三方分工表
- 观察学校快递柜:对照第 47 页认出它的每个部件与一次完整存取流程
下一章预告:第 6 章 电子数据交换(EDI) —— 感知到的数据,要变成企业间听得懂的“公文”。