远程低功耗无线网络有可能创造农业物联网
技术的应用总是推动生产力的提高,两者是密不可分的,因为通常需要更高的生产力,生产力为实现技术突破提供了动力;毕竟,必要性是发明之母。 因此,采用物联网的好处是用来提高效率和生产率,物联网的发展也就不足为奇了。随着物联网的发展,已经形成了工业物联网,医疗物联网和农业物联网等等。 在无线连接方面,物联网很大程度上归功于蜂窝网络。几乎在构思之前,数据超过语音作为蜂窝流量的主要形式,蜂窝基础设施支持非人类活动。当时它通常被称为M2M,早期的解决方案涉及机器向“人”发送简单的SMS消息,并且通常引用的常见用例是自动售货机,让服务工程师知道其库存水平低,制冷已停止工作或篡改警报已触发。 快进几十年,SMS已经被机器更容易理解的格式所取代; 原始数据。位和字节是物联网的命脉,将它们从一个地方发送到另一个地方定义它。通过以太网发送数据的任务现在可以在看似较长的无线解决方案列表中共享,例如蓝牙,Zigbee,线程,Wi-Fi及其许多变体。 当然,这些所谓的个人区域网络技术都不能希望与蜂窝网络的范围相匹配。然而,虽然蜂窝网络在这个新世界中仍然可以发挥作用,但是有更新的,可以说更优化的远程无线技术上线将挑战其主导地位。
这些新技术通常被称为低功率广域网或LPWAN。他们分为两个不同的阵营; 那些在频谱的许可部分中运行的(由蜂窝网络运营商控制)和那些在频谱的免许可部分运行的(并且由更全面的RF标准和一些高度积极的协会控制)。LTE现在包含三种针对物联网的技术,包括EC-GSM-IoT,LTE Cat M1和NB-IOT。在免许可证领域,主要技术是LoRaWAN和Sigfox。
所有LPWAN均可根据带宽和功率进行平衡,目的是提供“足够”的带宽,以尽可能低的功率获得最大范围。这使得LPWAN在某些类型的宽带连接的接近度受限且带宽要求低的应用中如此吸引人。这有效地描述了远程位置的智能传感器,但它可以包括执行器,提供网络延迟不是问题。 PAN和LPWAN之间的主要区别之一是网络拓扑; 前者主要使用网状网络,而LPWAN遵循星型网络拓扑。这实质上意味着LPWAN中的每个端点直接连接到一个或多个集中器或网关,而网状网络依赖于许多设备进行许多连接以维持服务质量。 虽然网状网络中端点之间的距离比LPWAN中的端点短,但是在多个端点分布在诸如场的属性周围的情况下,网状拓扑完全可行。对于其他人来说,他们的整个网络可以由位于远程区域的单个传感器组成,这里使用星形拓扑是有意义的,因为它不依赖于相邻的端点。通过正确的网关,两种类型的网络可以在农业环境中共存,并且使能技术已经在该领域获得认可。 作为在免许可证频谱中运行的LPWAN技术之一,LoRa提供了很大的灵活性。物理层(LoRa)用于创建采用由特定公司开发的协议层的专有解决方案,而LoRa Association也开发了自己的协议LoRaWAN,它提供了一系列适合物联网的功能。 LoRaWAN的一些主要功能包括用于低功率跟踪解决方案的无GPS地理定位,在农村地区可达30英里,电池寿命长达20年。所有这一切都可以简单地实现,使用现在可用的越来越多的预认证模块之一。 LPWAN具有以其他无线技术无法解决的方式连接更远距离的更多东西的潜力。在网络提供商和模块制造商的支持下,几乎在任何应用中使用LPWAN都是一种简单而安全的方法,可以提高效率和生产率,这在农业领域尤为重要。
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
阿里巴巴脱贫基金年报:脱贫攻坚中的工程师力量
2019年1月10日,阿里巴巴脱贫基金年报发布,其中工程师成为脱贫中坚力量。数据显示,过去一年时间里,有数百名阿里工程师带技术下乡;3871名贫困大学生参加了阿里云的工程师认证培训;2741名外部工程师在“码上公益”平台注册成为志愿者,参与了24个技术脱贫项目。阿里巴巴表示,人有希望,乡村才有向上的力量。在给人希望的力量中,技术是我们擅长的,也是最希望去做的。 四川平武,以上百年历史的高山蜂蜜闻名,但因为海拔和气候,蜂农们只能“一年一采”,冬天还要把几十个蜂箱背下山来,危险又痛苦。 阿里工程师惊天、回歌给出了解决方案:在蜂箱口安装计数、气象、重量等传感装置,根据质量变化推算蜜蜂的成熟周期,记录天气、降水变化。借助阿里云物联网平台,蜂农在手机上就可以科学管理蜂场,采蜜效率提高了近一倍。王俊杰,陕西创博网络科技总经理,也是阿里云“码上公益
- 下一篇
被神话的大数据——从大数据(big data)到深度数据(deep data)思维转变
自从阿法狗战胜人类顶级棋手之后,深度学习、人工智能变得再一次火热起来。有些人认为,深度学习的再一次兴起是源于硬件的提升、数据量的增多以及高效算法的研究。这并不完全精确,有一个基本的误解是更大的数据会产生更好的机器学习结果。然而,更大的数据池/仓库并不一定有助于模型学习到更深刻的见解。正确的答案是,要把重心专注于数据的质量、价值以及多样性,而不仅仅是数据的规模——“深度数据”(deep data)比大数据(big data)好。 随着研究的进行,人们对大数据的炒作逐渐在减弱。云计算、Hadoop及其变种已经能够解决一些大数据的问题。但是“大数据”是指许多人仍在花费大量资金建设更大的基础设施来处理、保存和管理的庞大数据库。这种盲目追求“大”的做法,在基础设施和人力资源方面产生了巨大的、且本可避免的成本。
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
-
Docker使用Oracle官方镜像安装(12C,18C,19C)
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- CentOS8编译安装MySQL8.0.19
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- MySQL8.0.19开启GTID主从同步CentOS8
- CentOS7,8上快速安装Gitea,搭建Git服务器
- Jdk安装(Linux,MacOS,Windows),包含三大操作系统的最全安装
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果
推荐阅读
最新文章
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- CentOS6,CentOS7官方镜像安装Oracle11G
- SpringBoot2整合Redis,开启缓存,提高访问速度
- Jdk安装(Linux,MacOS,Windows),包含三大操作系统的最全安装
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- Hadoop3单机部署,实现最简伪集群
- MySQL8.0.19开启GTID主从同步CentOS8
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果