第5章 物联网与传感器

学习目标

1. 理解物联网的定义、发展历程、体系架构和关键技术。
2. 掌握传感器的定义、分类、主要性能指标和物流常用传感器。
3. 掌握无线传感器网络的组成、特点、体系结构与关键支撑技术。
4. 理解边缘计算的基本概念及其与云计算的协同关系。
5. 了解物联网在智能仓储、运输监控、末端配送及安全方面的典型应用。

引言

物流活动涉及货物状态、作业环境、运输过程等多类信息的获取与传递。物联网通过信息传感设备将物品与互联网连接，实现智能化识别、定位、跟踪、监控和管理，具有整体感知、可靠传输、智能处理三个基本特征；其体系架构自下而上分为感知层、网络层、平台层和应用层四个层次。传感器把温度、湿度、压力、位置等物理量转换为便于处理的电信号，传感器的分类、性能指标与选型直接决定感知质量，MEMS传感器和智能传感器则代表了微型化、智能化的发展方向。无线传感器网络通过大量低成本节点组成自组织、多跳的监测网络，以数据为中心实现分布式感知，拓扑控制、节点定位、数据融合、时间同步和能耗管理是其关键支撑技术。边缘计算对感知数据就近筛选和处理，以低时延、高带宽效率与云计算形成云边协同，降低对中心平台和网络的依赖。这些技术共同构成物联网感知与处理体系。本章先阐述物联网的总体概念与体系架构，再分别介绍传感器、无线传感网和边缘计算，最后结合智能仓储、运输监控、末端配送等物流场景说明其综合应用。

5.1 物联网概述

5.1.1 物联网发展历程

1. 物联网的定义

物联网（Internet of Things, IoT）是指将各类物理设备通过网络互联，使它们能够采集数据、交换信息并协同工作的技术体系。如果说传统互联网连接的是"人与信息"，那么物联网连接的就是"物与物"和"物与人"。

国际电信联盟（International Telecommunication Union, ITU）在2005年发布的《ITU互联网报告2005：物联网》中给出了一个广泛引用的定义：物联网是一个通过信息传感设备，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。物联网具有三个基本特征：一是整体感知，即利用射频识别（Radio Frequency Identification, RFID）、二维码、智能传感器等感知设备，全面获取物体的各类信息；二是可靠传输，即通过互联网与无线网络的融合，将物体信息实时、准确地传送，实现信息的交流与共享；三是智能处理，即利用云计算、大数据分析和人工智能等技术，对感知和传送到的数据进行分析处理，实现监测与控制的智能化。

传感器网络、物联网和泛在网三个概念常被并提。传感器网络侧重感知节点及其组网，物联网侧重物与物、人与物、人与人之间的信息交互和应用，泛在网则强调异构网络的融合以及任何时间、任何地点、任何人、任何物的接入。三者互有交叉但不完全等同。在物流应用中，无线传感器网络通常作为物联网感知层的重要实现形式。

2. 物联网的发展历程

物联网从概念提出到大规模应用，经历了二十余年的发展历程。

1995年，比尔·盖茨在《未来之路》一书中最早提及了物物相连的概念，但当时受限于无线网络、硬件及传感设备的发展水平，这一构想未能引起广泛关注。1998年，美国麻省理工学院（Massachusetts Institute of Technology, MIT）Auto-ID中心成立，研究基于RFID和传感器的物品自动识别网络，提出了产品电子代码（Electronic Product Code, EPC）系统的早期构想。1999年，Kevin Ashton在宝洁公司的一次演讲中首次正式使用了"Internet of Things"这一术语，将物联网的概念建立在物品编码、RFID技术和互联网的基础之上。同年，中国科学院也启动了传感网研究，当时在国内将物联网称为"传感网"。

进入21世纪，物联网开始从学术研究走向战略规划。2003年，美国《技术评论》杂志将传感网络列为未来改变世界的十大技术之首。2005年是物联网发展史上的重要节点，国际电信联盟（ITU）发布了《ITU互联网报告2005：物联网》，正式确立了物联网概念的国际地位，提出物联网时代即将到来——任何时间、任何地点、任何物体之间都可以实现互联。这份报告被视为物联网从概念走向战略的标志性文件。2008年，第一届国际物联网大会在瑞士苏黎世举行，同年欧盟发布了《欧洲物联网行动计划》。2009年，IBM提出"智慧地球"（Smarter Planet）战略，将物联网推向公众视野。

中国的物联网发展在2009年迎来重要转折。2009年8月，时任国务院总理温家宝在无锡视察中科院微纳传感网工程中心时提出了"感知中国"战略构想，将物联网发展提升至国家战略层面。此后，物联网被列入国务院加快培育和发展的战略性新兴产业之一。2011年，工信部发布《物联网"十二五"发展规划》。2013年，国务院发布《关于推进物联网有序健康发展的指导意见》。2020年，工信部等三部门发布《关于深入推进移动物联网全面发展的通知》，推动窄带物联网（Narrow Band Internet of Things, NB-IoT）、4G和5G协同发展。2021年，工信部等发布《物联网新型基础设施建设三年行动计划（2021—2023年）》，提出在国内主要城市初步建成物联网新型基础设施。

当前，物联网已进入规模化应用阶段。全球物联网连接设备数量在2024年已超过180亿台，预计到2030年将超过290亿台。全球物联网市场规模约8000亿至1万亿美元，预计2030年将超过1.5万亿美元。中国是全球最大的物联网市场之一，截至2025年，中国5G基站总数达484万个，5G移动电话用户超过11亿户，5G技术已覆盖国民经济86个行业大类，为物联网大规模发展提供了强大的网络基础设施支撑。

表5-1 物联网发展历程关键事件

5.1.2 物联网的体系架构

物联网系统涉及感知、传输、处理和应用等多个环节，需要一套清晰的体系架构来组织各层功能和技术。当前业界广泛采用的是四层架构模型，自下而上依次为感知层、网络层、平台层和应用层。图5-1展示了这一体系架构的基本构成。

图5-1 物联网体系架构示意图

1. 感知层

感知层是物联网的"末梢神经"，处于体系架构的最底层，负责对物理世界的信息进行感知和采集。该层利用各种传感器、RFID标签与读写器、二维码、全球卫星导航系统定位装置、摄像头等感知设备，实现对物体身份、位置、状态和环境参数的全面获取。

在物流场景中，感知层的工作贯穿于各个环节：在仓库中，RFID阅读器读取托盘和货物上的电子标签，获取货物身份信息；温湿度传感器实时监测仓储环境；在运输中，车载GPS/北斗模块持续追踪车辆位置；在冷链运输中，温度传感器监控货厢温度变化。感知层采集的数据是整个物联网系统运行的基础。

感知层涉及的关键技术包括RFID技术、各类传感器技术、近场通信（NFC）技术以及ZigBee、蓝牙低功耗（Bluetooth Low Energy, BLE）、LoRa等短距离无线通信技术。

2. 网络层

网络层负责将感知层采集的数据可靠、安全地传输到上层平台。该层利用互联网、移动通信网络（4G LTE/5G）、低功耗广域网（Low Power Wide Area Network, LPWAN）、WiFi、以太网和卫星通信等多种通信技术，构建起数据传输的通道。

网络层需要满足物联网应用的多种特殊需求：大连接能力，能够同时接入海量终端设备；低功耗，支持电池供电设备长期运行；低时延，满足实时监控和控制的响应要求；高可靠性，保障数据传输的完整性和准确性。

3. 平台层

平台层是物联网的"大脑"，负责海量数据的存储、处理、分析和决策。物联网感知层获取的大量原始数据，经网络层传输后汇聚到平台层，由平台层的计算资源对其进行处理，将原始数据转换为有用的信息和可执行的决策。

平台层涉及的核心技术包括：云计算技术，提供弹性的计算资源和存储能力，支撑海量物联网数据的集中处理和分析；边缘计算技术，在靠近数据源的网络边缘侧进行本地处理和初步分析，减轻云端数据传输负载、降低处理时延；大数据分析技术，处理物联网数据的海量性、多样性和时序性特征；人工智能与机器学习技术，实现数据的智能分析和预测决策；以及物联网中间件，作为连接底层设备与上层应用的桥梁，屏蔽底层硬件和通信协议的异构性。

4. 应用层

应用层处于物联网体系架构的最顶层，面向最终用户提供各类应用服务，是物联网价值实现的出口。该层将平台层提供的数据分析结果和决策信息，通过可视化界面、移动应用、管理系统等形式呈现给用户，实现对物理世界的智能监测与控制。

在物流领域，应用层的典型系统包括：仓储管理系统（WMS）、运输管理系统（TMS）、冷链监控平台、供应链可视化系统、智能调度系统等。这些应用系统整合感知层、网络层和平台层的技术能力，为物流企业提供从仓储到运输、从配送到追溯的全流程智能化管理。

表5-2 物联网四层体系架构

5.2 传感器技术

5.2.1 传感器的定义与分类

1. 传感器的定义

根据中国国家标准GB/T 7665—2005的定义，传感器（Sensor/Transducer）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"。简言之，传感器的作用就是感受外界物理量的变化，并将其转换为电信号或其他形式的信号输出，以便后续的数据处理系统进行采集、传输和分析。

传感器通常由四部分组成：敏感元件、转换元件、变换电路和辅助电源。敏感元件直接感受被测物理量（如温度、压力、光照等），并输出与被测量有确定关系的物理量；转换元件将敏感元件输出的物理量进一步转换为电信号（如电压、电流、电阻等）；变换电路负责对电信号进行放大、滤波和转换处理，使之满足输出要求；辅助电源则为传感器各部分提供工作电能。

传感器的功能常被类比为人体的感觉器官：光敏传感器对应视觉，声敏传感器对应听觉，气敏传感器对应嗅觉，化学传感器对应味觉，而压敏、温敏和流体传感器则对应触觉。正如人类依靠感觉器官感知外界环境一样，物联网系统依靠各种传感器"感知"物理世界中的各种信息。

2. 传感器的分类

传感器的种类繁多，可以从不同的维度进行分类。表5-3列出了常见的分类方法。

表5-3 传感器的主要分类方法

在物流信息技术领域，最常按"被测物理量"进行分类，因为物流应用场景直接决定了需要采集何种物理参数。

3. 传感器的主要性能指标

评价传感器性能的好坏，需要关注一系列技术指标。这些指标直接决定了传感器在具体应用中能否满足测量要求。

灵敏度（Sensitivity）是指传感器输出量增量与引起该增量的输入量增量之比，用公式表示为 $S = \Delta y / \Delta x$。灵敏度越高，意味着传感器对被测量变化的响应越敏感。精度（Accuracy）衡量测量结果与真实值之间的一致程度，通常以满量程的百分比表示。分辨率（Resolution）是传感器能够感受到的被测量的最小变化量，反映了传感器能分辨的最细微变化。线性度（Linearity）描述传感器输出与输入之间实际关系曲线偏离理想直线的程度，线性度越好，标定和数据处理越简单。重复性（Repeatability）是指在相同条件下对同一被测量进行多次测量，所得结果之间的一致程度。稳定性（Stability）反映传感器在较长时间内保持性能不变的能力。响应时间（Response Time）是传感器从受到外界刺激到产生稳定输出所需的时间。

在物流应用中，不同场景对传感器性能指标的侧重点有所不同。例如，冷链监控对温度传感器的精度和稳定性要求较高，一般要求精度达到±0.3°C至±0.5°C；而AGV导航系统则对位置传感器的响应时间和分辨率更为关注。

4. 传感器的静态与动态特性

传感器的特性是描述其输出量与输入量关系的技术指标，可分为静态特性和动态特性。静态特性用于被测量处于稳定状态的情况，常用指标包括量程、线性度、灵敏度、重复性、迟滞、分辨力和漂移。其中，量程是测量上限与下限之差；迟滞反映传感器正向和反向行程的输出特性不一致程度；漂移反映在输入不变的情况下输出随时间或温度等外界因素发生的偏移。

动态特性用于被测量随时间变化的情况，通常以阶跃响应或频率响应表示。动态特性直接影响传感器跟踪快速变化信号的能力，物流中的车辆振动、分拣触发和运动定位等场景需要关注传感器的响应时间和带宽。

5. 传感器的选用原则

传感器选型应首先根据测量对象、测量环境和量程要求确定工作原理，再比较灵敏度、线性范围、稳定性、精度和成本。选型时并非灵敏度或精度越高越好，应在满足测量精度和响应要求的前提下选择结构简单、可靠、性价比高的传感器，并考虑接触或非接触、有线或无线、供电方式及环境适应性等因素。

5.2.2 物流领域常用传感器

物流活动涉及货物的存储、搬运、运输和配送等多个环节，需要对温度、湿度、位置、压力、光照、加速度等多种物理量进行监测。以下介绍物流领域中几种最常用的传感器类型。

1. 温度与湿度传感器

温湿度传感器是物流领域使用最广泛的传感器之一，尤其在冷链物流和仓储环境监控中不可或缺。

温度传感器的工作原理主要有以下几种：热敏电阻型利用半导体材料的电阻值随温度变化的特性进行测量；热电偶型利用不同导体接触点产生的热电势来检测温度；红外测温型则通过接收物体发出的红外辐射来测量表面温度。湿度传感器通常采用电容式或电阻式结构，利用湿敏材料在不同湿度条件下电气参数的变化来检测相对湿度。

在物流应用中，温湿度传感器广泛应用于以下场景。冷链运输温度监控是最关键的应用，在冷藏车厢、冷库和冷柜中部署无线温湿度传感器节点，配合NB-IoT或4G通信模块，可以将温度数据实时传输到云端监控平台。系统能够绘制全程温度曲线，实现全链路温度追溯。一旦温度超出预设阈值（如疫苗冷链要求2°C至8°C、冷冻食品要求-18°C以下），系统在60秒内发出告警通知。典型的冷链温度传感器测量范围覆盖-40°C至+85°C，精度为±0.3°C至±0.5°C，分辨率可达0.01°C。仓库环境监测也是重要的应用场景，通过在仓库中网格化布局温湿度传感器节点，连接边缘网关进行实时数据分析，当环境参数异常时自动触发空调、除湿等设备调节，保障货物存储安全。

图5-2 温湿度传感器

2. 压力传感器

压力传感器利用压阻效应将压力信号转换为电信号。其工作原理是：当半导体材料或金属弹性体受到压力作用发生形变时，其内部电阻值会随之改变，通过测量电阻变化即可推算出作用压力的大小。

在物流领域，压力传感器的典型应用包括：包裹称重系统中，压力传感器作为称重模块的核心元件，精确测量货物重量，为物流计费和装载优化提供数据支持；轮胎气压监测系统（Tire Pressure Monitoring System, TPMS）中，安装在运输车辆轮胎内的微型压力传感器实时监测胎压状态，胎压异常时及时报警，有效预防爆胎事故；液压系统监控中，用于叉车、装卸设备等液压系统的压力检测，保障设备安全运行。典型的物流用压力传感器量程从0至100千帕到0至200兆帕不等，精度一般在0.1%至0.5%满量程范围内。

图5-3 压力传感器

3. 光电传感器

光电传感器利用光电效应进行检测，即当光照射到某些材料上时，会引起该材料电气特性的变化。根据光路结构的不同，光电传感器可分为对射式（发射器与接收器分别安装在两侧）、漫反射式（发射器与接收器集成在一起，利用物体表面的反射光检测）和镜面反射式三种基本类型。

在物流自动化系统中，光电传感器的应用非常普遍。传送带物品检测与计数是最常见的应用，将对射式光电传感器安装在传送带两侧，当货物通过时遮断光束，传感器即输出检测信号，实现对货物的精确计数和位置判定。在自动分拣系统中，光电传感器作为分拣触发信号源，当货物到达指定分拣口时触发分拣动作。此外，光电传感器还广泛应用于条码扫描设备、包裹尺寸测量系统以及安全防护光栅等场景。

图5-4 光电传感器

4. 位置与位移传感器

位置传感器用于检测物体的空间位置或位移量，是物流追踪和定位系统的核心感知器件。根据工作原理的不同，位置传感器可以分为多种类型。

全球卫星导航系统（GNSS）定位是户外运输车辆追踪的主要技术手段，通过GPS/北斗卫星接收模块实时获取车辆的经纬度坐标。超声波测距传感器通过发射超声波脉冲并测量回波时间来计算距离，精度可达毫米级，在仓库中用于货位定位和货物测距。激光测距传感器精度更高，广泛应用于自动导引车（Automated Guided Vehicle, AGV）的导航定位系统。电感式和电容式接近传感器则用于近距离的位置检测，如检测机械臂是否到达指定工位、传送带末端的限位检测等。

图5-5 位置与位移传感器

5. 加速度与振动传感器

加速度传感器用于检测物体运动过程中的加速度变化和振动状况。其工作原理主要基于压电效应或微机电系统（Micro-Electro-Mechanical System, MEMS）技术：当传感器感受到加速度时，内部的检测质量块产生位移，引起压电晶体或MEMS结构的电参数变化，从而输出与加速度成正比的电信号。

在物流运输环节，加速度与振动传感器的应用价值尤为突出。运输过程中的易碎品保护是一项重要应用，将加速度传感器或冲击记录仪（Shock Logger）安装在包装箱内或托盘上，可以全程记录运输途中的振动、冲击和跌落事件。如果检测到的冲击加速度超过阈值，系统将生成告警记录。这些数据既可以用于货损原因追溯，也可以为包装设计优化提供依据。车辆行驶状态监测也是重要应用，通过加速度传感器检测急加速、急刹车和急转弯等驾驶行为，辅助运输安全管理。此外，加速度传感器还用于输送设备和分拣设备的振动监测，当设备运行振动超出正常范围时提前预警，实现预测性维护。

图5-6 加速度与振动传感器

6. 气体与烟雾传感器

气体与烟雾传感器用于检测可燃气体、有毒气体或烟雾的浓度，其原理主要包括半导体气敏、催化燃烧、热导、光学和电化学等。传感器将气体浓度转换为电信号，再经信号调理和阈值判断后触发报警或联动控制。

在物流领域，气体与烟雾传感器主要用于危化品仓库和运输槽罐的可燃气体、有毒气体泄漏监测，以及仓库火灾烟雾预警。此类传感器与温度、液位和压力传感器配合使用，能够提高危险品存储和运输过程的安全监测能力。

图5-7 气体与烟雾传感器

5.2.3 MEMS传感器与智能传感器

随着微电子技术和集成电路工艺的进步，传感器技术正在经历从传统分立器件向微型化、智能化方向的深刻变革。MEMS传感器和智能传感器是这一变革的两个重要方向。

1. MEMS传感器

MEMS（Micro-Electro-Mechanical System，微机电系统）是指尺寸在几毫米乃至更小的微型装置，其内部结构的特征尺寸通常在微米甚至纳米量级。MEMS技术将机械结构（如梁、膜、弹簧等）与电子电路集成在同一芯片上，形成一个能够感知、处理和响应外部信号的微型系统。MEMS器件主要由传感器、执行器和微能源三大部分组成。

MEMS传感器的发展始于20世纪70年代，当时出现了最早的微机械压力传感器产品。80年代末，研究人员制出了硅静电微马达。到了90年代，喷墨打印头等MEMS产品实现了大规模商用，标志着MEMS技术从实验室走向产业化。

MEMS传感器具有以下显著技术优势。微型化是其最突出的特点——器件体积小、重量轻、耗能低，惯性小使得谐振频率高、响应时间短，非常适合体积和功耗受限的物联网终端。批量生产方面，MEMS传感器采用与集成电路类似的半导体加工工艺制造，一片硅晶圆可同时制造成百上千个器件，自动化程度极高，单位成本随产量增加而大幅下降。集成化方面，MEMS技术可以将不同功能、不同敏感方向的多个传感器集成于一体，形成多轴、多参数的复合传感器。例如，一个6轴惯性测量单元（Inertial Measurement Unit, IMU）可以在一颗芯片上集成三轴加速度计和三轴陀螺仪。

在物流领域，MEMS传感器已经得到广泛应用。MEMS加速度传感器被用于包裹运输中的跌落检测和冲击记录，其微型化的尺寸使其可以方便地嵌入包装或标签中。MEMS陀螺仪用于AGV、无人叉车等自动化设备的姿态感知和导航控制。MEMS压力传感器被集成到智能称重模块中，实现高精度的货物重量测量。MEMS温湿度传感器则广泛应用于无线环境监测节点，支持大规模部署的仓储环境监控。

2. 智能传感器

智能传感器（Smart Sensor/Intelligent Sensor）是在传统传感器的基础上，集成了微处理器和通信模块，使传感器具备数据预处理、自校准、自诊断和网络通信能力的新型传感器。智能传感器模拟人体感官与大脑的协调动作，将感知、处理和通信功能集于一体，形成一个相对独立的智能单元。

与传统传感器相比，智能传感器具有以下优势。在数据处理能力方面，智能传感器内置的微处理器可以在本地完成数据的滤波、线性化补偿、温度补偿和单位换算等预处理工作，直接输出经过加工的高质量数据，降低了对上位机数据处理能力的要求。在自校准和自诊断能力方面，智能传感器能够根据预设的校准参数自动修正测量偏差，并在自身工作状态异常时主动报告故障信息。在网络通信能力方面，智能传感器通常内置WiFi、蓝牙或ZigBee等通信模块，可以直接接入物联网网络，无需额外的数据采集装置。

智能传感器代表了传感器技术的发展方向：微型化、数字化、智能化、多功能化、系统化和网络化。在物流物联网的建设中，智能传感器作为标准化的数据采集节点，能够极大地简化系统部署和降低运维成本。

5.2.4 传感器在物流中的应用

传感器技术在物流领域的应用已经渗透到供应链的各个环节。以下通过几个典型场景，说明传感器如何为物流作业提供数据支撑。

1. 冷链物流全链路温度监控

冷链物流是对温度最为敏感的物流细分领域，涵盖生鲜食品、医药制品、疫苗等品类的运输和存储。冷链物流要求货物在从生产、存储到运输、配送的全过程中，始终处于规定的温度范围内。

一套完整的冷链温度监控系统通常包括三个层面：在采集端，冷藏车厢、冷库和冷柜中分布式部署无线温湿度传感器节点，以可设定的时间间隔（通常1分钟至30分钟可调）定期采集温度和湿度数据；在传输层，传感器节点通过NB-IoT或4G网络将数据上传到云端平台，系统支持断点续传功能，即使运输途中经过网络覆盖盲区，设备也会在本地存储数据，待网络恢复后自动补传；在监控层，云端平台实时展示各监控点的温度状态和历史曲线，一旦温度超出预设阈值即向相关人员推送短信或APP告警，告警响应时间通常在60秒以内。

冷链温度监控不仅是物流企业提升服务质量的手段，也是满足法规要求的必要措施。中国药品经营质量管理规范（Good Supply Practice, GSP）和食品安全相关法规均明确要求冷链运输过程中温度数据的全程可追溯。温度传感器采集的数据经云端存储后具备不可篡改性，可以作为合规审计和质量追溯的依据。

2. 货物状态监测与保护

在运输过程中，货物可能遭受振动、冲击、倾斜、受潮等多种损害因素的影响。通过在包装内或托盘上安装多种传感器，可以对货物状态进行全程监测。

以高价值精密仪器运输为例，通常会在包装箱中放置一个集成了三轴加速度传感器、温湿度传感器和倾斜传感器的多功能记录仪。加速度传感器实时监测运输过程中的振动和冲击，当某次冲击的峰值加速度超过预设阈值（如5g或10g）时，系统记录该事件的时间、加速度峰值和持续时间。温湿度传感器持续记录环境条件，确保货物未暴露于过高温度或过高湿度环境。倾斜传感器检测包装是否被非正常翻转。运输结束后，收货方可以通过读取记录仪的数据，判断运输过程是否合规，为货损索赔和运输质量评价提供客观数据。

3. 仓储环境智能调控

现代化仓库对存储环境有着精细化的管理要求。以一个储存电子元器件的仓库为例，需要控制室内温度在15°C至25°C之间、相对湿度在30%至60%之间，同时防止灰尘和腐蚀性气体的侵入。

为满足这些要求，仓库中按网格化方式部署温湿度传感器节点和空气质量传感器，传感器数据通过WiFi或ZigBee网络汇聚到边缘网关。边缘网关在本地实时分析各传感器的数据，当某区域的温度或湿度偏离设定范围时，自动向空调和除湿设备发送控制指令进行调节。正常情况下，传感器数据按较长的间隔定期上传到云端存储和分析；而在异常情况下，数据会立即上传并触发告警。这种基于传感器网络和边缘计算的环境调控方案，既保障了仓储环境的稳定性，又避免了能源的浪费。

5.3 无线传感网

5.3.1 无线传感器网络概述

1. 基本概念

无线传感器网络（Wireless Sensor Network, WSN）是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。节点通过无线通信方式构成多跳、自组织的网络，协作感知、采集、处理和传输覆盖区域内对象的信息，并把结果发送给观测者。WSN将信息世界与物理世界结合起来，使人们能够通过网络直接感知客观对象的状态和变化，是物联网感知层的重要实现形式。

传感器、感知对象和观测者是WSN的三个基本要素。传感器完成物理量到电信号的转换；感知对象是监测目标及其所处环境；观测者通过汇聚节点和外部网络获取感知结果。与传统网络以节点地址为中心不同，WSN以数据为中心，用户通常只关心某一区域或某一观测指标，而不关心数据具体来自哪个节点。WSN可描述为大规模、无线、自组织、多跳、无基础设施支持的网络，其中节点多为同构、低成本、小体积，多数节点不移动，并尽可能延长网络工作时间。

2. 发展历程

WSN源于分布式传感器网络。1978年美国国防部高级研究计划局（DARPA）资助卡内基—梅隆大学开展分布式传感器网络研究，为监测潜艇活动而在海洋中布设大量传感器。受当时无线通信、微处理器和传感器技术限制，早期应用主要局限于军事领域。随着微机电系统、低功耗集成电路和无线通信技术的发展，WSN逐步从军用走向民用。

从网络形态演进看，传感器网络大致经历四个阶段。第一阶段为具有点对点信号传输功能的传统测控系统，只能进行简单的单向信息传递，布线复杂、抗干扰能力较弱。第二阶段由智能传感器和传感控制器组成，二者通过串行或并行接口连接，系统综合能力有所提高。第三阶段采用现场总线连接传感器与控制器，形成局部范围内的智能传感器网络。第四阶段即WSN阶段，节点通过无线自组织方式组网，支持大规模、分布式和低功耗监测。

WSN的发展受到各国重视。美国麻省理工学院、加州大学洛杉矶分校、康奈尔大学等高校开展了广泛研究，Crossbow、Mote iv等企业推出的Mica2、Micaz、Telos等节点成为常用实验平台。欧盟在框架计划中将信息社会技术作为优先方向，日本、韩国分别围绕泛在传感器网络和信息技术基础设施进行布局。我国自1999年起在知识创新工程中启动传感网研究，此后在北京邮电大学、南京邮电大学、哈尔滨工业大学等单位持续开展WSN相关研究，目前已在节点、协议和应用方面取得较大进展。

3. 主要应用领域

WSN在军事、环境监测、精准农业、智能交通、医疗护理、工业监测和空间探索等领域均有应用。军事上，WSN可用于战场兵力、装备和地形监测，并作为指挥控制系统中的信息采集手段。环境监测方面，可在森林、海岛等区域布设节点，实时采集温度、湿度和水质数据，用于火灾预警和生态研究。精准农业利用节点监测土壤温度、水分和养分，为灌溉和种植管理提供依据。智能交通中，WSN可监测路口交通流，辅助事故预警和交通诱导。医疗护理中，可监测患者生理参数、药品存储环境及贵重设备位置。工业监测中，可利用大量节点对设备振动、温度等状态进行连续采集，提高设备维护效率。空间探索中，WSN可用于天体环境监测和探测。

这些应用表明，WSN的价值不在于单个节点的处理能力，而在于大量节点协同工作形成的分布式感知能力。与单个高精度仪器相比，WSN通过密集部署和冗余测量获得较大的覆盖范围和较好的容错性。

5.3.2 WSN的特点与性能指标

1. 主要特点

WSN与普通计算机网络和无线自组织网络相比，具有明显不同的特点。

1. 节点数量大、密度高。 单个节点通信和传感半径有限，为了保证网络覆盖和测量可靠性，通常需要大规模、高密度部署，节点密度可达到每平方米上百个。
2. 节点体积小、能量有限。 节点由电池供电，部署环境复杂且往往难以更换电池，因此能量是WSN设计中最关键的约束之一，节能贯穿节点硬件和协议设计。
3. 节点计算和存储能力有限。 为控制成本和功耗，节点处理器、存储器资源较少，需要在有限资源下完成数据采集、处理和转发。
4. 通信半径短、带宽低。 WSN采用多跳通信，节点通信距离一般为几十米，传感数据带宽通常较低。
5. 拓扑结构变化快。 节点在工作和睡眠状态之间切换，可能失效或有新节点加入，导致网络拓扑动态变化。
6. 无中心和自组织。 所有节点地位平等，不依赖固定基础设施，通过分布式算法自动组网，单个节点损坏不会导致整个网络失效。
7. 网络动态性强。 传感器、感知对象或观测者可能移动，节点加入和退出频繁，网络需要具备重构和自调整能力。
8. 节点存在一定故障率。 WSN常部署在恶劣环境中，节点可能因环境或能量耗尽而失效，网络应具有容错能力。
9. 以数据为中心。 WSN关注监测结果而非网络设备，需要按照数据属性组织查询和传输，减少无关节点的通信开销。

2. 性能指标

WSN的性能指标既用于评价网络，也用于指导协议和系统设计，主要包括以下方面。

生命周期指网络从开始工作到无法继续提供有效信息的时间。影响生命周期的因素包括节点硬件能耗、通信协议、数据融合算法和网络部署方式。能源有效性指在有限能量条件下网络能够完成的请求数量，要求节点在采集、处理和通信过程中尽量降低能耗。实时性指网络对事件的响应时间，仓储告警、运输安全和车辆定位等应用需要较短的响应延迟。可扩展性指网络在节点数量、覆盖区域和任务规模扩大时保持性能的能力。安全抗干扰性指网络在恶劣环境和恶意攻击下维持正常工作的能力。感知精度指观测者接收到的信息与真实状态的接近程度，受传感器性能、数据处理和通信质量共同影响。相互协作能力指多个节点通过信息交换完成测量、跟踪和识别的能力。容错性指部分节点失效后网络仍能通过自动调整维持工作的能力。

上述指标之间存在相互制约。例如，提高感知精度和实时性通常需要增加采样频率或通信量，从而消耗更多能量。WSN设计需要根据具体应用确定指标优先级，在精度、延迟和能耗之间进行折中。

5.3.3 WSN体系结构

1. 系统总体结构

典型的WSN由传感器节点、汇聚节点和任务管理单元组成。大量传感器节点被部署在监测区域内，以自组织方式形成网络。节点采集的数据沿相邻节点逐跳转发至汇聚节点，汇聚节点再通过互联网、移动通信网或卫星等外部网络传送到任务管理单元。使用者通过任务管理单元配置节点、发布监测任务、接收处理结果并进行网络管理。

图5-8 WSN结构示意图

传感器节点通常是微型嵌入式系统，处理、存储和通信能力相对较弱，由电池供电。从网络功能看，每个节点兼有终端和路由器功能：既采集本地数据，也转发其他节点发来的数据。汇聚节点具有更强的处理和通信能力，负责连接传感器网络与外部网络，实现协议转换、任务发布和数据汇聚。汇聚节点既可以是增强型传感器节点，也可以是不含感知功能、仅提供无线通信接口的网关设备。

2. 传感器节点

传感器节点是WSN的基本组成单位。节点通常由传感器模块、处理器模块、无线通信模块和能量供应模块组成。

表5-4 传感器节点组成模块

无线通信模块有发送、接收、空闲和睡眠四种状态。发送状态能耗最大，接收和空闲状态能耗较为接近，睡眠状态能耗远低于其他状态。因此，节点在无任务时应尽量转入睡眠状态。根据应用需要，节点还可增加定位系统、移动系统和能量再生单元。定位系统用于获得数据的地理位置；移动系统使节点能够调整位置；能量再生单元可采用太阳能等方式补充电能。

3. 物理体系结构

WSN可以采用平坦结构或层次化结构。平坦结构中的传感器节点能力相近，节点采集的数据通过多跳方式传回汇聚节点，实现相对简单。随着节点数量和覆盖范围增大，长路径会增加丢包概率和中间节点转发能耗。

层次化结构将网络划分为若干簇，由能量充足、处理能力和通信能力较强的节点担任簇头。簇内节点将数据传至簇头，由簇头完成融合并转发至汇聚节点。这种方式缩短了普通节点的通信距离，减少了上传数据量，有利于平衡能耗和扩展网络规模。物流仓储监测等规模较大、节点较多的场景通常采用层次化或混合结构。

4. 软件体系结构

WSN应用系统不仅需要节点嵌入式软件，还需要处理分布式组网、数据管理和应用集成等公共功能。WSN中间件能够屏蔽底层硬件、操作系统和通信协议差异，向应用提供数据接入、网络管理、配置管理和安全管理等服务。

WSN中间件和平台软件通常分为网络适配层、基础软件层、应用开发层和应用业务适配层。网络适配层对底层网络和操作系统进行封装；基础软件层提供网络、配置、功能、管理和安全等中间件；应用开发层提供应用框架接口、开发环境和工具集；应用业务适配层处理不同业务与基础软件之间的接口差异。这种层次化结构能够降低应用开发复杂度，提高软件复用性和可维护性。

5. 通信协议体系

WSN的通信协议体系可以划分为物理层、数据链路层、网络层、传输层和应用层，并辅以能量管理、移动管理和任务管理三个管理面。管理面跨越各协议层，协调能耗、移动性和任务执行，使各层设计在整体上达到优化。

物理层负责频率选择、信号调制、信道编码、定时同步和收发控制。WSN主要使用无线传输介质，蓝牙和ZigBee等常用技术工作在2.4 GHz工业、科学和医疗频段。数据链路层负责媒体访问控制、数据成帧和差错控制，MAC协议分为基于调度、基于竞争和混合型。针对WSN低功耗需求，可采用S-MAC等通过睡眠调度降低空闲监听能耗的协议。网络层负责多跳路由，路由协议可划分为泛洪式、以数据为中心、分层和基于位置等类型，其共同目标是建立低能耗、可靠的转发路径。传输层负责端到端传输控制，当WSN通过互联网或卫星与外部网络直接通信时需要该层支持。应用层面向具体监测任务，完成数据获取、查询和任务分发。

5.3.4 WSN关键技术

1. 拓扑控制

拓扑控制研究在满足网络覆盖度和连通度的前提下，通过功率控制和骨干节点选择，删除节点之间不必要的通信链路，形成高效转发结构。其基本方法包括功率控制、层次型拓扑控制和基于休眠调度的拓扑控制。

功率控制通过调节节点发射功率，在保证网络连通的前提下均衡节点的单跳邻居数量。层次型拓扑控制通过分簇选择簇头形成骨干网络，使非骨干节点可以关闭通信模块，减少空闲能耗。休眠调度控制节点在工作状态和休眠状态之间转换，在没有监测事件时让无线通信模块睡眠，在事件发生时及时唤醒。实际系统通常将多种机制结合使用，以延长网络生存时间。

2. 节点部署

节点部署研究如何在监测区域内布置节点，直接影响监测数据的完整性、时效性和准确性。部署方式主要包括静止部署、移动部署和混合部署。

静止部署分为随机部署和计划部署。战场、森林等人员难以到达的区域通常采用飞机抛撒等方式随机部署，节点分布具有不确定性；仓库、车间等可控区域可采用计划部署，将节点精确放置在指定位置，提高覆盖质量。移动部署通过移动节点调整位置，包括增量式部署、基于虚拟力的部署、基于概率检测模型的部署和基于Voronoi图的部署等方法，适用于环境未知或需要动态优化的场景。混合部署同时使用普通节点和具有更强电源、计算或通信能力的异构节点，有利于延长网络生存期和提高传输成功率。

3. 节点定位

节点定位是根据少量已知位置的节点确定其他未知节点位置。只有获得位置信息，监测事件才具有明确的空间含义，目标跟踪、路径规划和数据关联才能正确进行。根据节点位置是否已知，可将节点分为信标节点和未知节点。

定位算法可分为基于测距和无需测距两类。基于测距方法利用RSSI、TOA、TDOA、AOA等测量节点间距离或方位，定位精度较高，但容易受环境影响，计算和通信开销较大。无需测距方法不直接测量距离，而是利用网络连通性或多跳距离估计节点位置，典型算法包括DV-Hop和凸规划等，更适合低成本、低功耗节点。定位精度、计算复杂度和能耗需要根据应用要求进行权衡。

4. 数据融合

数据融合是将多份数据进行综合，形成更高效、更符合用户需求的信息。WSN节点密集、数据冗余较大，数据融合可以去除冗余信息、减少传输量并降低能耗，也可以综合多个节点的测量结果，提高信息准确度。

按操作级别，数据融合可分为数据级融合、特征级融合和决策级融合。按信息保留程度，可分为无损失融合和有损失融合。数据融合可结合网络各协议层实现，例如网络层路由协议在转发过程中聚合数据，应用层利用分布式数据库技术逐步筛选数据。数据融合在降低通信开销的同时可能增加等待时间，并降低部分冗余带来的容错能力，因此需要结合具体应用确定融合策略。

5. 时间同步

时间同步为WSN节点提供统一时间基准。节点采集的数据只有与时间和位置关联，才能用于事件判断、多传感器数据融合和目标跟踪。时间同步也是基于TDMA的媒体访问控制、睡眠调度和协同定位等机制的基础。

报文从发送节点到接收节点需要经历发送时间、信道访问时间、传送时间、传播时间、接收时间和处理时间，这些延迟是时间同步误差的重要来源。常用时间同步协议包括TPSN、DMTS、LTS、RBS和FTSP等，不同协议在同步精度、通信开销、扩展性和能量消耗方面各有差异。

6. 能耗管理

能耗管理是WSN设计的核心问题。节点通常由不可更换的电池供电，而通信、处理和采样都需要消耗能量。通信模块的能耗通常占节点总能耗的较大比例，MAC层能量浪费主要来自空闲监听、冲突、串音和控制包开销。

降低能耗的主要措施包括：采用低功耗器件；在无任务时关闭通信、采样或处理模块；MAC协议采用侦听与睡眠交替机制；路由协议均衡节点负载，避免少数节点过早耗尽能量；利用数据融合减少传输量。WSN还需要根据节点在网络中的位置采取冗余措施，防止靠近汇聚节点的节点成为能量瓶颈。

5.3.5 WSN在物流中的应用

1. 仓储环境监测

物流仓储需要监测温度、湿度、光照、气体等环境参数，不同货物对仓储环境的要求不同。乳制品、药品和电子元器件对温度敏感，烟草等货物对湿度敏感，危化品仓储还需要监测可燃和有毒气体。传统有线环境监测系统存在设备数量多、布线复杂、维护成本高和扩展不便等问题。

WSN仓储监测系统将传感器节点分布式部署在仓库区域，节点自组织形成多跳网络。每个节点采集周围环境信息，在本地完成初步处理后沿其他节点传送到汇聚节点，再由汇聚节点通过互联网或专网传送到本地监测中心和远程数据库。该系统能够实时发现温度、湿度和气体异常，及时告警并联动空调、除湿和通风设备。由于节点具有本地计算能力，可以在网络中完成数据融合，减少靠近汇聚节点的转发负担和通信量。WSN还可与RFID结合，使环境监测数据与货物标识、库位和出入库记录关联起来，形成完整的仓储监管信息。

WSN用于仓储环境监测具有以下优点：节点可多角度、多方位获取信息；低成本、高冗余设计提高容错能力；节点靠近目标，环境噪声影响较小；多种传感器混合部署可提高探测性能；多个节点协同工作可形成较大范围的实时监测区域；移动节点可消除部分监测盲区。仓储WSN还需要具备远程访问、长时间运行、多参数采集、现场直接读取以及数据存储和归档能力。

2. 运输在途监测

运输过程监测是WSN在物流中的另一类典型应用。生鲜食品、医药制品、精密仪器和危险品在运输中对温度、湿度、振动、压力和气体泄漏等参数有严格要求，需要记录运输全程的状态变化。

运输车辆或集装箱内部可构建小规模WSN。传感器节点采集温度、湿度、振动等参数，通过无线方式发送给车载智能终端。车载智能终端作为汇聚节点，对数据进行汇总、初步处理和本地存储，再通过GPRS、4G、5G或卫星链路传送到监控中心。监控中心可实时查看车辆位置、货物环境状态和历史数据，并在参数超出阈值时发出告警，必要时向驾驶员和沿途管理部门推送信息。

WSN在途监测能够为冷链运输提供全程温度记录，识别超温和断链事件；能够记录振动和冲击事件，为精密货物货损责任认定提供依据；能够检测危险品槽罐的压力、液位和气体泄漏，提升运输安全。运输环境往往存在网络覆盖盲区，车载终端应具备本地存储和断点续传能力，待网络恢复后自动补传数据。

3. WSN物流应用的主要效益

WSN在物流中应用的主要效益体现在以下几个方面：降低人工采集数据成本；提高仓储、运输和配送作业的自动化程度；减少人为差错和管理成本；实现货物状态和环境参数的连续、可追溯记录；及时识别异常并快速响应；为质量追溯、安全管理和货损索赔提供客观数据。随着低功耗节点、边缘计算和物联网平台的发展，WSN与RFID、定位、云计算等技术的结合将进一步增强物流系统的感知、预警和协同能力。

5.4 边缘计算技术

5.4.1 边缘计算的概念与特征

随着物联网设备数量的爆发式增长，传感器、摄像头和智能终端每时每刻都在产生海量数据。如果将这些数据全部上传至云端处理，网络带宽和传输延迟都将成为严峻的瓶颈。边缘计算正是为解决这一问题而产生的技术范式。

1. 边缘计算的定义

边缘计算（Edge Computing）是指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。这一定义由边缘计算产业联盟（Edge Computing Consortium, ECC）提出。简而言之，边缘计算的核心思想是"将计算下沉到数据产生的地方"，不再将所有数据都上传到远端的云数据中心处理，而是在靠近数据源的位置（如工厂网关、配送站服务器、车载终端）先行完成数据的筛选、分析和初步决策，只将关键结果和汇总数据上传到云端。

边缘计算的概念最早可追溯至2003年，AKAMAI与IBM合作提出了在网络边缘处理内容分发的思想。2016年11月，华为、中国科学院沈阳自动化研究所、中国信息通信研究院、英特尔、ARM和软通动力等联合发起成立了边缘计算产业联盟（ECC），标志着边缘计算从学术研究走向产业实践。近年来，随着5G网络的大规模部署和物联网设备数量的持续增长，边缘计算的应用价值日益凸显。据行业预测，到2027年，全球边缘计算解决方案的市场规模将从35亿美元增长到434亿美元。

2. 边缘计算的核心特征

边缘计算具有以下区别于传统云计算的核心特征。

低时延是边缘计算最突出的优势。由于数据在本地或靠近数据源的位置进行处理，省去了数据往返云端的传输时间，响应延迟可以从传统云计算的数十至数百毫秒降至1至10毫秒。对于自动分拣系统、AGV避障控制、车辆实时预警等对时延敏感的物流场景，这一特性至关重要。

高带宽效率。边缘节点在本地对原始数据进行预处理、过滤和汇聚后，只将有价值的信息或异常数据上传到云端，大幅减少了数据传输量。例如，仓库中数百个温湿度传感器每秒产生的原始数据量可能很大，但边缘网关经本地处理后只需上传每隔数分钟的均值、极值或异常告警，上行数据量可减少90%以上。

数据安全与隐私保护。敏感数据在本地处理，不出边缘节点的物理范围，减少了数据在传输过程中被截获或泄露的风险。例如，疲劳驾驶检测系统在车载终端本地完成视觉识别处理，驾驶员面部影像不上传到云端，既实现了安全监控功能，又保护了驾驶员的隐私。

高可靠性与离线运行能力。边缘节点具备独立的计算和存储能力，即使与云端的网络连接中断，也能够维持本地业务的持续运行。在物流运输场景中，车辆行驶在信号盲区时，车载边缘终端仍然能够持续进行数据采集和本地分析，待网络恢复后再将数据同步到云端。

5.4.2 边缘计算与云计算的协同

边缘计算并非是对云计算的取代，而是与云计算形成互补和协同的关系。这种"云—边协同"（Cloud-Edge Collaboration）的架构模式已经成为物联网数据处理的主流范式。

在云边协同架构中，边缘侧和云端各自承担最适合的工作负载。边缘节点负责实时性要求高的本地数据处理任务，包括原始数据的采集、过滤、预处理以及基于本地AI模型的即时推理和决策；云端负责全局性的数据分析和管理任务，包括海量历史数据的深度分析和挖掘、AI模型的训练和更新（模型训练后下发到边缘端执行推理）、全局业务协调和策略制定，以及跨地域、跨业务的数据汇总和报表生成。

表5-5从多个维度对比了云计算与边缘计算的差异。

表5-5 云计算与边缘计算的对比

边缘计算产业联盟提出的参考架构将边缘计算系统划分为四个功能域：设备域（传感器、执行器等终端设备）、网络域（网络互联与协议转换）、数据域（本地数据存储和格式处理）和应用域（应用模型和业务逻辑），并围绕连接（Connection）、实时（Realtime）、优化（Optimization）、智能（Smart）和安全（Security）五个核心关注点进行系统设计，这一模型被概括为CROSS。

当前，业界主流的边缘计算平台包括：华为KubeEdge（云原生边缘计算平台，已成为云原生计算基金会CNCF的项目）、AWS IoT Greengrass（亚马逊边缘计算服务）、Azure IoT Edge（微软边缘计算框架）、阿里云Link Edge、百度智能边缘BIE，以及Linux基金会主导的开源物联网边缘框架EdgeX Foundry。

5.4.3 边缘计算在物流场景中的应用

边缘计算在物流行业中已经形成了多个成熟的应用场景，以下介绍几个典型案例。

1. 实时分拣决策

在大型快递分拣中心，高速自动分拣系统每小时需要处理数万件包裹。每个包裹经过扫描站点时，系统需要在极短的时间内完成条码/面单识别、目的地解析和分拣通道分配。如果将每个包裹的图像数据都上传到云端进行识别再返回结果，即使只有几十毫秒的网络延迟，也会严重影响分拣效率。

采用边缘计算方案后，在每条分拣线的关键节点部署边缘计算服务器，搭载高性能GPU进行本地视觉识别和AI推理。包裹经过时，高速相机拍摄条码或面单图像，边缘服务器在毫秒级时间内完成识别并向分拣设备发出指令。即使云端网络中断，本地分拣作业也不会受到影响。云端则负责分拣策略的制定和优化、各分拣中心的数据汇总分析以及AI识别模型的迭代训练。

2. 车辆状态实时预警

车载边缘终端实时采集和分析车辆的多维度数据，包括发动机转速、水温、油温、胎压、行驶速度等，并内置AI模型对异常状态进行本地判断。当检测到某项参数偏离正常范围时（如水温异常升高或胎压骤降），边缘终端可以在毫秒级时间内触发告警，通过声光提示驾驶员即时处置。对于疲劳驾驶检测，车载终端通过摄像头捕捉驾驶员面部图像并在本地进行分析，判断是否存在闭眼、打哈欠等疲劳驾驶特征，检测结果无需上传到云端，既保证了实时性又保护了驾驶员的影像隐私。

3. 仓库环境优化与设备管控

仓库中的边缘网关汇聚来自温湿度传感器、空气质量传感器、门禁传感器等设备的数据流，在本地进行实时分析和决策。当某区域温度超出设定范围时，边缘网关直接向空调系统发送调节指令，无需等待云端指令下达。在AGV调度场景中，边缘计算节点根据实时路况和任务队列进行本地路径规划和避障决策，保证AGV在复杂的仓库环境中安全、高效地运行。正常运行数据定期上传云端用于长期趋势分析和全局优化，而异常数据则即时上云触发告警和追溯。

5.5 物联网在物流中的应用

前述各节分别介绍了传感器、无线传感网和边缘计算等物联网核心技术。本节将这些技术综合起来，展示物联网在智能物流典型场景中的整体解决方案。

5.5.1 智能仓储物联网方案

智能仓储是物联网技术在物流领域最成熟、应用最广泛的场景之一。一套完整的智能仓储物联网方案通常由感知层、网络层、平台层和应用层四个层次构成。

在感知层，智能仓库中部署了多种类型的物联网设备：RFID标签贴附在每个托盘和货箱上，用于货物身份识别；RFID阅读器安装在库门、通道口和关键节点，实现货物进出的自动识别；电子墨水标签置于货架上，显示库位信息和存储要求；温湿度传感器节点以网格化方式分布在仓库中，监测存储环境；视频监控摄像头覆盖各作业区域；AGV搭载激光雷达、视觉传感器和RFID阅读器，在仓库内自主作业。

在网络层，仓库内通过WiFi 6和5G专网实现无线全覆盖，保证大量终端设备的同时连接和数据传输。有线以太网作为骨干网络连接各楼层的汇聚设备和边缘计算服务器。不同类型的终端根据数据传输需求选择合适的通信方式：AGV等移动设备使用5G或WiFi通信，温湿度传感器节点使用LoRa或ZigBee等低功耗网络，RFID阅读器通过有线以太网连接。

在平台层，边缘计算节点部署在仓库本地机房，负责实时性要求高的数据处理任务，如AGV路径规划、RFID数据过滤和环境异常告警；云端平台负责全局性的仓库管理功能，包括库存数据的统一管理、出入库单据处理、报表分析和供应链协同。

在应用层，WMS（仓储管理系统）是核心应用，覆盖入库管理、出库管理、库存盘点、拣选调度和设备管理等功能。下面通过几个具体场景说明物联网技术的作用。

智能入库：当运输车辆到达仓库后，叉车将货物托盘搬运通过安装了RFID阅读器阵列的入库通道。阅读器在不到1秒的时间内批量读取托盘标签和上面所有货箱的标签信息，系统自动与采购订单进行匹配校验，完成入库登记并分配库位。与传统的逐件扫码方式（每件3至5秒）相比，RFID批量入库的效率提升了数十倍。

智能盘点：传统的仓库盘点需要作业人员逐一扫描每个货位的条码，一个大型仓库的全面盘点可能需要数天时间。采用RFID手持终端后，作业人员只需在通道中行走，手持终端即可自动读取周围数米范围内所有标签的信息。更先进的方案是使用搭载RFID阅读器的无人机在仓库高位货架之间巡飞，自动完成盘点作业。智能盘点的准确率超过99.9%，效率较人工方式提升十倍以上。

环境监控：分布在仓库各区域的温湿度传感器节点持续采集环境数据，边缘网关进行实时分析。当某个区域的温度或湿度偏离存储要求时，系统自动调节相应区域的空调或除湿设备，并向管理人员发送告警通知。这种精细化的环境管控对于存储电子元器件、药品、食品等对环境敏感的货物尤为重要。

5.5.2 运输物联网监控

物联网技术在运输环节的应用，使运输过程从传统的事后管理转变为实时可视、实时可控的智能管理。

1. 干线运输监控

干线运输是物流网络的主动脉，通过在运输车辆上安装车载智能终端和多种传感器，可以实现对运输过程的全方位监控。

车载终端实时采集的信息包括：GPS/北斗定位数据（位置、速度、方向）、OBD诊断数据（发动机状态、油耗、里程）和驾驶行为数据（加速度、制动、转向）。运输管理系统（TMS）基于这些数据提供以下功能：车辆实时定位与轨迹回放，管理人员在系统界面上随时查看车队中每辆车的当前位置和历史行驶轨迹；电子围栏管理，系统预设运输路线和停靠区域，当车辆偏离预设路线或驶入/驶出指定区域时自动触发告警；到达时间预测，基于车辆当前位置、行驶速度和道路交通数据，系统实时预测车辆到达目的地的时间，帮助收货方合理安排接货资源；油耗分析与异常检测，通过比对不同车辆和路线的油耗数据，识别油耗异常情况。

2. 危险化学品运输监控

危险化学品运输对安全监控提出了更为严格的要求。除了常规的车辆定位和行驶监控外，还需要对货物本身的状态进行实时监测。

在运输危化品的槽罐车上，部署了一组专用传感器：压力传感器监测罐体内部压力、液位传感器监测装载量、温度传感器监测罐体温度、气体传感器检测可能的泄漏。这些传感器的数据通过4G/5G网络实时上传到交通监管部门的危化品运输监控平台。当罐体压力异常升高、液位突然下降（可能泄漏）或环境中检测到危险气体时，系统立即发出高级别告警，并启动应急响应预案。平台同时将车辆位置推送给沿途的消防、交警和医疗急救单位，为可能的事故处置提供信息支撑。

3. 末端配送

物联网技术在末端配送环节也发挥着重要作用。快递员使用手持PDA终端扫描运单条码完成取件和签收操作，终端自动记录操作时间和GPS位置并同步到后台系统。智能路径规划系统基于当日配送订单的地址分布和实时交通数据，为快递员生成最优的配送路线。

智能快递柜是末端配送领域的典型物联网应用。快递柜由嵌入式主控板、各格口电控锁、触摸屏、扫码模块、摄像头、格口状态检测传感器和通信模块组成。其工作流程为：快递员扫描运单码后，系统根据包裹尺寸自动匹配空闲格口并开锁；快递员放入包裹后关门，系统通过传感器确认包裹到位并向收件人推送取件码或通知；收件人凭取件码、手机扫码或人脸识别取件。智能快递柜通过4G/WiFi连接云平台，实时上报各格口的使用状态、故障信息和使用统计，支持远程故障诊断和固件升级（Over-the-Air, OTA）。

本章小结

本章围绕物流场景中的物联网感知与处理技术展开。5.1节介绍物联网的定义、发展历程与四层体系架构：物联网通过信息传感设备将物品与互联网连接，实现智能化识别、定位、跟踪、监控和管理，具有整体感知、可靠传输、智能处理三个基本特征；感知层、网络层、平台层、应用层自下而上组织各层功能与技术。5.2节介绍传感器的定义、分类与主要性能指标（灵敏度、精度、分辨率、线性度、重复性、稳定性、响应时间），以及温湿度、压力、光电、位置与位移、加速度与振动、气体与烟雾等物流常用传感器，并说明MEMS传感器与智能传感器的微型化、智能化发展趋势。5.3节阐述无线传感器网络的概念、节点组成、体系结构，以及拓扑控制、节点定位、数据融合、时间同步、能耗管理等关键支撑技术，分析其在仓储环境监测与运输在途监测中的应用价值。5.4节分析边缘计算低时延、高带宽效率、安全隐私保护、离线运行等核心特征及其与云计算的云边协同关系。5.5节综合说明物联网在智能仓储、干线与危化品运输监控、末端配送及安全监管中的整体解决方案。

课后习题

1. 简述物联网的定义，并说明其整体感知、可靠传输和智能处理三个基本特征。
2. 物联网四层体系架构包括哪些层次？分别说明各层的主要功能，并各举一个物流应用示例。
3. 传感器的常用性能指标有哪些？解释灵敏度、分辨率、线性度和重复性的含义。
4. 列举物流领域常用的传感器类型，并结合具体作业说明其作用。
5. 什么是无线传感器网络？其主要特点与传统网络有何区别？
6. 无线传感器节点通常由哪几个模块组成？各模块分别承担什么功能？
7. 无线传感器网络的关键支撑技术有哪些？选择其中三项说明其作用。
8. 边缘计算有哪些核心特征？它与云计算如何协同工作？
9. 结合仓储环境监测说明无线传感器网络、边缘计算和云平台的分工。

参考文献

[1] 国际电信联盟. ITU互联网报告2005：物联网[R]. 日内瓦: ITU, 2005.

[2] 边缘计算产业联盟. 边缘计算参考架构3.0[R]. 2018.

[3] 中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. GB/T 7665—2005 传感器通用术语[S]. 北京: 中国标准出版社, 2005.

[4] 中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. GB/T 36951—2018 信息安全技术 物联网感知终端应用安全技术要求[S]. 北京: 中国标准出版社, 2018.

[5] 刘云浩. 物联网导论（第4版）[M]. 北京: 科学出版社, 2022.