面向泛在物聯網的綜合信息處理技術研究

摘" 要： 隨著大量各類型設備通過泛在物聯網的接入，海量數據的處理需求給高校實驗室管理和信息化建設提出了更高的要求。為有效應對上述應用場景的需要，文中提出一種面向局域設備物聯網環境的綜合信息處理技術方案，該方案融合了泛在物聯網和分布式云計算技術，提高了數據處理的靈活性和系統的整體性能。從設備接入與管理的具體需求出發，建立了基于泛在物聯網的設備接入策略，并進行分類管理，優化了設備的接入過程與資源分配。同時，針對數據的高效處理需求，引入分布式云計算的數據處理模型，利用云計算的強大計算能力和分布式存儲的高效性，實現對海量數據的快速處理和存儲。為了驗證所提方案的有效性與整體性能，對各類技術方案進行橫向對比，實驗結果表明，所提方案的設備接入效率可達98.6%，具有較為明顯的綜合優勢。

關鍵詞： 泛在物聯網； 高校實驗室； 分布式云計算； 數據處理； 資源分配； 設備接入； 分類管理

中圖分類號： TN919?34； TP391" " " " " " " " " " nbsp;文獻標識碼： A" " " " " " " " " " 文章編號： 1004?373X（2024）23?0076?05

Research on comprehensive information processing technology

for ubiquitous Internet of Things

ZENG Zhiqu

（Guangzhou Huashang College， Guangzhou 511300， China）

Abstract： With the access of a large number of various devices through the ubiquitous Internet of Things （IoT）， the massive data processing puts forward higher requirements for laboratory management and information construction in colleges and universities. Therefore， a comprehensive information processing technical solution for IoT environments with local device is proposed to meet the needs of the above application scenarios effectively. In this solution， ubiquitous IoT and distributed cloud computing technologies are integrated to improve the flexibility of data processing and the overall performance of the system. On the basis of specific requirements of device access and management， the device access strategy based on ubiquitous IoT is established， and the classification management is carried out， so as to optimize the device access process and resource allocation. In response to the demand for efficient data processing， a distributed cloud computing data processing model has been introduced， so as to achieve rapid processing and storage of massive data by utilizing the powerful computing ability of cloud computing and the efficiency of distributed storage. In order to verify the validity and overall performance of the proposed solution， the experimental results of horizontal comparison of various technical solutions show that the device access efficiency of the proposed solution can reach 98.6%， so the solution has significant comprehensive advantages.

Keywords： ubiquitous IoT; university laboratory; distributed cloud computing; data processing; resource allocation; device access; classification management

0" 引" 言

隨著信息技術的發展，物聯網作為一種新興技術已在各個領域展現出了巨大的應用潛力[1?3]。在高校實驗室管理和信息化建設中，物聯網技術的應用不僅提升了管理效率，還為科研和教學提供了強大的數據支持。隨著泛在物聯網的普及與應用，越來越多的設備被接入到網絡中，形成了龐大的設備網絡和海量的數據資源。對該類數據資源的有效利用和挖掘，則成為了當前高校信息化建設中的一個重要課題。然而，傳統的設備管理和數據處理方法已經難以滿足當前實驗設備信息網絡的發展需求[4?5]。

針對上述問題，文獻[6]提出了一種基于集中式的數據處理方法，但該方法在設備數量和數據量增加的場景下會出現延遲較高、響應速度較慢等問題。文獻[7]設計了一種基于動靜態結合的訪問控制方法，但該方法中的靜態規則難以應對動態變化的訪問需求和安全威脅。文獻[8]分析了大規模數據的存儲方法，但該方法需要將數據傳輸至集中數據庫中進行存儲，存在較高的延遲，且擴展性較差。文獻[9]提出了一種基于大數據分析的智能方法，但該方法的實時分析能力較差。

針對上述新型數據處理方法存在的不足，本文融合泛在物聯網和分布式云計算技術，提出了一種更為高效的綜合性解決方案。其利用泛在物聯網的廣泛覆蓋性，實現了實驗設備的接入和管理，并采用分布式云計算技術，解決了數據處理和存儲性能不足的問題，在提高系統擴展性的同時，還大幅減少了數據傳輸的延遲。

1" 綜合信息處理方案設計

1.1" 管理與信息系統構建

實驗室管理與信息系統通常是按照模塊化進行設計的。其中，應用層負責提供具體的實驗室管理功能，如設備管理、實驗數據分析等；服務層提供核心服務，包括設備接入與管理、數據處理以及安全保障；資源層則包括實驗室物理設備、計算資源和存儲資源對應的各類傳感器與數據傳輸及控制網絡，確保應用層和服務層具備充足的運行支撐。實驗室管理和信息化系統的基本架構如圖1所示。

1.2" 信息處理技術設計

在設備接入數量較多的復雜應用場景下，傳統物聯網信息處理技術的靈活性較差，從而會導致設備接入、數據傳輸與存儲效率均較低。因此，本文引入了泛在物聯網技術對其進行解決。泛在物聯網技術[10?11]是一種利用多類型網絡連接智能設備，從而實現信息的廣泛采集、傳輸、處理和應用的技術體系。首先將感知設備、網絡傳輸層以及云計算平臺分布在各種物理環境中的設備進行組網，接著利用無線網絡、有線網絡和移動網絡將這些設備連接到云服務層，以實現數據的實時共享和協同處理。泛在物聯網在管理與信息系統中的應用架構如圖2所示。

在泛在物聯網技術的應用下，將設備接入時的設備數據記為[X]，其由[n]個數據樣本組成，進而構成物聯網的輸入層數據。設備的樣本數據為：

[X=x11x12…x1nx21x22…x2n????xn1xn2…xnn] （1）

利用優化矩陣對輸入數據進行處理，可得中間數據矩陣為：

[Z=x11x12…x1nx21x22…x2n????xn1xn2…xnnw11w12…w1nw21w22…w2n????wn1wn2…wnn] （2）

式中：[Z]為中間數據矩陣；[w]為優化參量。

泛在物聯網的設備接入數據處理的具體過程如圖3所示。

輸出數據可寫為：

[y1=f1x11，x21，…，xn1y2=f2x12，x22，…，xn2" " ?yn=fnx1n，x2n，…，xnn] （3）

式中[y]為輸出數據。

接著，根據設備的數據特征對其進行分類管理，并對設備的運行數據、性能指標和使用模式進行分析。同時，對系統輸出數據進行分類，分類函數[Q（·）]的表達式為：

[Qa，b=e-a+e-b2] （4）

式中：[a]和[b]為分類函數的分類參量。

為進一步優化設備的接入過程，同時滿足數據的高效處理需求，文中引入了分布式云計算技術。分布式云計算[12?14]是一種通過網絡將計算、存儲和應用服務分布到多個地理位置分散的服務器或數據中心進行協同處理的技術方案。其打破了傳統集中式數據中心的限制，將資源分布在不同區域，提供了更高的靈活性、可擴展性和容錯性。分布式云計算技術的實現架構如圖4所示。

基于分布式云計算的設計方案，系統將各類數據加入到云計算平臺[15]的各個節點中，通過高效的數據傳輸和分布式存儲機制，實現數據的廣泛采集和初步處理。各節點的數據在加入時會根據預定的數據結構和處理邏輯進行格式化，以確保數據的一致性和兼容性，節點的數據處理過程如圖5所示。

利用云計算平臺提供的多節點并行處理能力，對各節點的數據進行統一處理，實現了大規模數據的快速分析和計算，充分發揮分布式云計算的資源優化和彈性的優勢。

綜上所述，本文所提基于泛在物聯網和分布式云計算的綜合信息處理技術方案的總體設計流程圖如圖6所示。

2" 實驗測試

為驗證本文技術方案的正確性和有效性，設計了一系列實驗，從設備的接入效率、數據處理速度、系統擴展性以及安全性等多個維度進行評估。實驗過程中具體參數的設置情況如表1所示。

設備接入效率作為驗證物聯網背景下各類數據處理技術的重要指標之一，直接影響著系統的整體性能。高效的設備接入策略能夠縮短設備的上線時間，提高系統的響應速度，從而實現快速的數據采集和實時監控。因此，對不同數據處理技術下的設備接入效率進行橫向對比，可以評估本文方案的核心性能。不同數據處理技術方案下的設備接入效率對比情況如圖7所示。

根據圖7中數據顯示，本文技術方案在各類設備接入效率對比中表現優異，達到了98.6%。相比之下，文獻[9]中的技術接入效率最低，僅為85.6%，說明其在處理設備接入方面存在缺陷。而文獻[8]的技術接入效率為93.5%，雖然優于其他對比方案，但仍低于本文方案效率。對比結果充分表明，文中技術在優化設備接入效率方面具有明顯優勢，能夠為物聯網環境下的信息處理和資源管理提供有效的支持。

此外，數據傳輸效率和數據存儲效率是評估數據處理技術綜合性能的重要指標，這兩種指標直接影響到物聯網與分布式系統的整體性能和響應速度。高效的數據傳輸能力可以有效降低延遲，確保實時數據的及時處理與反饋，而數據存儲效率則說明系統可以在有限的存儲資源中最大化數據的存儲和管理能力。不同數據處理技術的數據傳輸效率和數據存儲效率對比結果如表2所示。

根據表2中的數據，所有方案的數據傳輸效率均在90%以上，但僅有本文技術的數據傳輸效率超過了99%。而在數據存儲效率方面，本文技術的表現同樣優于其他方法。由數據對比結果表明，本文技術在數據處理效率方面具有顯著優勢，無論是在數據傳輸還是存儲環節，均展現出了更優的性能，該優勢有助于提升整體系統的處理能力。

同時，為進一步驗證本文技術在綜合信息處理方面的能力，此次還對不同技術的數據處理誤差進行了對比測試，其對比結果如圖8所示。

根據圖8中的數據可知，本文技術在兩類誤差對比中的表現也顯著優于其他技術方案，顯示出了良好的準確性與穩定性。與此形成鮮明對比的是，其他技術在平均誤差和絕對誤差上的表現均超過3%。其中文獻[8]所提方法的平均誤差則達到了5.69%，遠高于本文技術，充分展現了性能的差距。

綜合多組實驗結果表明，本文所提出的技術方案通過融合泛在物聯網和分布式云計算技術，有效提升了數據處理的準確性，也能夠為后續基于數據的決策和應用提供更為可靠的依據。

3" 結" 語

針對高校實驗室中大量設備接入帶來的海量數據處理與管理問題，本文提出了一種融合泛在物聯網技術和分布式云計算技術的綜合信息處理方案。通過建立基于泛在物聯網的設備接入策略，并結合分類管理方法，在有效優化設備接入流程和資源分配的同時，提升了設備的接入效率。同時，本文還利用分布式云計算技術的數據處理模型，增強了系統對海量數據的處理和存儲能力，從而實現了高效的數據管理與分析任務。由最終的多組實驗統計結果表明，本文提出的綜合信息處理技術能夠有效應對實驗室設備接入與管理中的復雜需求，為高校實驗室的信息化建設提供理論支持。

參考文獻

[1] 應杰耀.基于物聯網技術的智能電網數據安全問題研究進展[J].電子科技，2023，36（3）：76?80.

[2] 王成，蘭軍芳，張嘉鵬.泛在可信物聯網技術在智慧社區中的應用[J].信息技術，2024（2）：45?53.

[3] 袁牧，張蘭，姚云昊，等.面向智能物聯網的資源高效模型推理綜述[J].計算機學報，2024，47（10）：2247?2273.

[4] 李梅，劉雅琴，毛黎娟，等.高校科研實驗室分析測試數據質量保障探析[J].實驗技術與管理，2024，41（7）：247?252.

[5] 李怡錦，王洪君，房明.高校實驗室物聯網用電安全系統設計與應用[J].現代電子技術，2023，46（10）：66?70.

[6] 魏瑜瑤，陳宏濱.基于動態分簇的集中式數據存儲算法[J].桂林電子科技大學學報，2020，40（5）：400?404.

[7] 吳明友.基于動靜態結合的訪問控制漏洞檢測方法研究[D].秦皇島：燕山大學，2023.

[8] 陳放.C語言與Python的數據存儲分析[J].信息記錄材料，2023，24（10）：222?224.

[9] 李愛軍，云小林，朝克，等.一種基于大數據分析熱點網站的方法[J].長江信息通信，2022，35（7）：173?175.

[10] 石礁，白練，王淑其.泛在物聯網下的電力通信干擾過濾技術研究[J].自動化儀表，2024，45（6）：77?82.

[11] 李洋.面向泛在物聯網的無線資源調度算法研究[D].南京：東南大學，2023.

[12] 陸鋼，孫夢宇，任慧蕾，等.下一代云計算基礎設施架構與關鍵技術[J].通信技術，2024，57（1）：26?32.

[13] 李韜睿，徐超，胡龍舟，等.基于云計算技術的海量信息分布式存儲研究[J].微型電腦應用，2022，38（10）：90?93.

[14] 趙男男.基于云計算的高校檔案資源智能共享方法研究[J].南寧師范大學學報（自然科學版），2021，38（3）：69?75.

[15] 杜睿山，陳雨欣，孟令東.可信云計算平臺多源大數據時間序列調度算法[J].吉林大學學報（工學版），2023，53（11）：3194?3200.作者簡介：曾志區（1980—），男，廣東陽江人，碩士研究生，高級實驗師，主要從事信息化建設及管理研究。