物聯(lián)網(wǎng)(Internet of Things, IoT)的發(fā)展非常快速，大幅擴展到任何智慧型硬體設(shè)備上，手機、心律調(diào)節(jié)器、穿戴式體適能感測器、或什至是冰箱等都可以連接至網(wǎng)路來產(chǎn)生與接收資料。
這些透過網(wǎng)路連接的裝置結(jié)合了云端運算、機器學習、及其他資料解析方法，便產(chǎn)生了能夠改變我們生活及工作方式的產(chǎn)品與解決方案。如今，我們生活中許多事都可以透過物聯(lián)網(wǎng)協(xié)助來進行，利如：
* 醫(yī)生可以遠端監(jiān)控病患身上心律調(diào)節(jié)器的作用頻率。
* 運動員可以測量每次運動消耗的卡路里。
* 農(nóng)民可以優(yōu)化作物灌溉。
* 大樓管理者可以透過優(yōu)化對HVAC設(shè)備的控制來節(jié)省電力。
* 哮喘患者可以通過使用手機應用程式來監(jiān)測他們的喘息水平，以管理他們的狀況。
* 汽車制造商用來開發(fā)能在市區(qū)街道自主導航的無人駕駛車。
IoT系統(tǒng)運作
一個典型的IoT系統(tǒng)大致以這樣的方式運作 (圖1)：
1.一個智慧連接裝置產(chǎn)生感測器資料后，最終將資料傳送至云端。這些裝置通常內(nèi)嵌有嵌入式的處理器可執(zhí)行資料縮減后的演算法的能力。
2.一個可處理及儲存感測器資料的分析平臺。這個平臺要能整合不同資料來源的資訊，例如企業(yè)系統(tǒng)。負責分析匯入的資料，并對這些資料采取進一步動作。
3.系統(tǒng)工程師或資料科學家從云端或裝置取得歷史資料，并開發(fā)演算法來對資料進行前處理及分析。這些演算法可能涉及用到機器學習技術(shù)來預測未來感測器品質(zhì)或者是對感測器資料進行分類。
4.將開發(fā)出來的演算法轉(zhuǎn)檔部署到云端或智慧型裝置上,能處理匯入的即時資料。
透過MATLAB與Simulink建立物聯(lián)網(wǎng)系統(tǒng)
MATLAB與Simulink支援物聯(lián)網(wǎng)系統(tǒng)，幫助使用者開發(fā)、測試連接的智慧裝置，取得、收集云端資料，以及分析感測器資料。現(xiàn)在，讓我們來看看以下兩個范例。
范例1：交通監(jiān)測器
有兩位工程師對于每次從住家駕車至工作場所時被困在車陣當中的情況感到相當厭煩，于是決定來研究建筑物外面的高速公路在尖峰時段的車流趨勢。他們在一間辦公室中架設(shè)了一組網(wǎng)路攝影機來監(jiān)測高速公路，這組攝影機與執(zhí)行電腦視覺演算法的Raspberry Pi板子相連(圖2)。
| 圖2 : 網(wǎng)路攝影機連接到Raspberry Pi |
|
攝影機收集到的資料經(jīng)過匯整后，放到一個可以執(zhí)行MATLAB程式碼的IoT解析平臺上－ThingSpeak。
這兩位工程師利用Simulink的模塊圖建立了一個系統(tǒng)，包含濾波器－Median Filter來過濾影像，以及可透過影像來辨識車輛的Blob Analysis模塊 (圖3)。他們接著撰寫了客制的模塊來計算車輛數(shù)、并將摘要后的資料傳送到ThingSpeak。
| 圖3 : 利用Simulink模塊圖找出車輛并計算數(shù)量 |
|
在演算法被轉(zhuǎn)檔布署實現(xiàn)到Raspberry Pi之前，有必要對該演算法進行驗證，因此他們利用Simulink提供的外部模式(external mode)的Video Display來進行驗證 (圖4)。
| 圖4 : 在演算法開發(fā)階段利用Simulink外部模式進行車輛偵測 |
|
當演算法驗證后實現(xiàn)到偵測裝置之后即開始進行車輛辨識，并將資料存放在ThingSpeak上，他們利用MATLAB 的應用函式庫(app)在ThingSpeak進行資料整合，對48小時內(nèi)每一個方向的即時交通密度進行視覺化呈現(xiàn)與分析，并對當前交通擁擠的程度做了色彩編碼(輕度= 綠色，中等= 黃色，重度= 紅色) (圖5)。
| 圖5 : 在ThingSpeak進行即時交通狀況資料分類 |
|
范例2：潮水水位警報系統(tǒng)
船只陷入泥中，極有可能是水深未正確量測所造成。由于大部分的海灣及河口并無潮汐的預測及即時水位的資料可以取得。有一位船員，同時也是MATLAB使用者，建立了一個低成本、即時的潮水水位表。他也很快地發(fā)現(xiàn)潮水水位的時間及漲幅與所在地點有相當程度的關(guān)聯(lián)。
這個潮水水位表主要的硬體元件包含一塊Arduino Mega板、一個SparkFun Electronics cellular shield、及一個超音波測距器。 Cellular shield提供了Arduino和網(wǎng)路的連結(jié)，Arduino則被用來讀取超音波感測器上的資料。
這位船員同時也使用了IoT的云端平臺－ThingSpeak來收集與處理傳送到云端的資料。超音波感測器回報的距離以公厘為單位。為了要將距離轉(zhuǎn)換為水深，船員在ThingSpeak上架設(shè)了ThingSpeak TimeControl，用來執(zhí)行MATLAB程式碼來讀取范圍資料、將資料轉(zhuǎn)換為水深，再把資料編寫進新的ThingSpeak頻道。最后一個跟網(wǎng)路連接、可從手機或網(wǎng)路瀏覽器查看的潮水水位表就這樣產(chǎn)生了。
這位船員還撰寫了另外的MATLAB程式碼來偵測潮汐的臨界值，并利用ThingSpeak中的Twitter整合器，可在特定情況發(fā)生時發(fā)送警報。
如同上面兩個范例所示，資料解析是物聯(lián)網(wǎng)創(chuàng)新過程中相當關(guān)鍵的成分。透過MATLAB與Simulink，使用者可以開發(fā)出能在智慧型裝置或云端執(zhí)行的解析方法；透過ThingSpeak，則可以輕松地從智慧型裝置或物聯(lián)網(wǎng)收集資料，接著利用MATLAB分析從感測器收集而來的資料，最終獲得重要的見解與知識。
(本文由鈦思科技提供 ; 作者Eric Wetjen任職于MathWorks公司)
