基于物聯網技術的統計數據采集措施研究

楊敬偉

(河南輕工職業學院,河南 鄭州 450000)

0 引言

物聯網(Internet of Things,IoT)是互聯網技術和電信通信技術的結合,通過物聯網技術的應用促使普通物體實現了信息交互,即在信息技術的作用下,將物體的信息實現互通、互聯。 相對于傳統的信息處理技術,物聯網技術在實際應用的過程中解決了數據收集來源單一、數據處理運算方法簡單等多個問題,在信息時代背景下,物聯網技術的應用價值更顯著,值得深入研究和剖析,以此為信息時代下物聯網技術的發展提供有效途徑。

1 統計數據采集中物聯網的技術支持

物聯網是在互聯網的基礎上所形成的網絡概念,是借助信息技術將用戶端和物品之間進行延伸拓展,從而實現信息交換和通信的一種網絡技術。 在信息時代背景下,物聯網技術的發展被我國列入信息產業發展的下一個戰略高點。 數據采集是物聯網較為關鍵的組成部分,為測試管理和控制提供實時數據,同時在產品性能分析的過程中也為相關的實驗人員提供重要依據。 物聯網技術在數據采集的過程中的實踐應用如圖1 所示。

圖1 物聯網技術應用于統計數據采集的影響模型

1.1 條碼技術分析

從組成部分上進行分析,條碼識別技術可以分為3個部分:第一是掃描系統,掃描系統包含光學系統和探測器;第二是信號整形階段,即經過放大、整形之后得到矩形方波信號,之后由譯碼器對其進行譯碼;第三是在譯碼后將結果輸出到數據采集器。

條碼解析在人們的日常生活中較為常見,尤其是在商品掃描中,通過掃描+信號模式轉變+譯碼的過程完成對商品數據信息的解析,從而采集商品的價值信息,之后利用信息技術完成對商品價值的計算。 例如在目前的商場和超市購物中,多數的商品在稱重后會被貼上條形碼,之后根據條形碼上的價格進行結算。在對商品的價格進行采集的過程中,可以通過條碼掃描器來提高工作的效率。

1.2 射頻識別技術

射頻識別技術在實際應用的過程中放寬了對距離的要求,在距離相對較遠的情況下也能夠完成數據信息的識別和處理,從而促使商品的銷售和管理更加高效,進一步增強了制造業和企業之間的聯系,實現了產業鏈的優化。 具體的技術原理如圖2 所示。

圖2 射頻掃描技術原理

物聯網技術中的射頻識別技術在商場和超市同樣適用,例如采價員手持帶有射頻識別技術閱讀器的PDA 到規定的地方找到對應的規則品,通過對商品進行掃描就可以錄入商品的信息,能夠在第一時間將數據信息直接傳輸給統計部門,不需要采價員進行上報。從這個方面進行分析,PDA 在使用的過程中可以分為3 個層次:首先是信息的采集層,主要是采價員和使用的PDA 負責完成。 其次是信息處理層,即在商品信息掃描的過程中支持信息的輸入和傳輸,集成平臺會通過第三方應用接口的增加與PDA 采集系統形成兼容,從而對數據進行清洗和挖掘等。 最后是信息應用層,主要由信息的使用者完成,經過處理層的整理將其傳輸給信息應用層的管理者,通過對數據開展經濟分析對當前的物價變動情況進行了解。

1.3 光學技術

光學字符識別掃描是光學技術的核心,即對文本進行掃描,利用光學輸入錄入需要掃描的光學字符信息,并將其轉化為圖像信息,通過文本光學字符識別技術將其轉化為常用的文字信息,與信息化數字的特點相比,光學技術在對數據采集的過程中能夠執行傳輸和存儲操作,更加便捷。

例如在價格采集的過程中,光學技術起到了非常關鍵的作用。 目前光學技術在價格采集中應用得較為廣泛,在實際應用中僅需要制作一款OCR 軟件客戶端和掃描儀建立相關的數據庫就可以完成,成本相對較小,在其應用的過程中能夠有效地降低人工的勞動強度,降低人工成本[1]。

1.4 語言識別技術

語言識別音頻解碼是語言識別技術的核心。 隨著近年來信息技術的快速發展,語言識別中自由說識別能力得到了較大的改進,如小愛同學、天貓精靈等人工智能產品的涌現,通過語言識別模塊的加載更好地完成了自由語互動和交流。

2 物聯網技術在統計數據采集中的應用

物聯網是在互聯網通信技術的基礎上,使監測終端與物品之間實現互通互聯。 因此用戶只需要借助服務器將軟件安裝在云計算平臺上,將物聯網技術采集到的數據上傳到平臺,在云計算平臺上進行數據儲存和統計分析就能夠獲取統計數據[2]。 物聯網技術的實際應用不僅節省了軟硬件的購買費用,也提高了系統的穩定性和創新性。

2.1 數據信息采集

數據采集的過程中綜合運用了光電技術、二維碼技術、射頻技術等多項技術,有效地提高了數據的獲取量。 和傳統的數據采集技術相比,物聯網技術在實際應用的過程中樣本量采集的價值更高,同時也有效地降低了數據丟失和缺損等問題的發生率。

2.2 數據信息整理

物聯網技術背景下,數據采集過程中能夠對缺失、離群和模糊狀態下的數據信息進行清晰辨識,在一定程度上確保了數據信息的真實性。 因此相對于傳統的數據處理技術而言,在統計數據采集的過程中,物聯網技術更具有實時性、動態性,數據收集的準確性更高[3]。

2.3 數據信息分類

在數據清洗后,數據信息根據自身的動態性和實時性表現為數據流,并針對數據流在實施、動態和海量等多方面的表現,利用概念漂移檢測數據流的方式對其進行分類和整理,從而實現數據流的劃分。

2.4 數據信息處理

在數據收集、清洗和分類后,要對信息數據進行處理,通過物聯網技術與數據統計技術的聯合實施,改善了傳統數據統計技術的采集、清洗、分類和整理,更好地提升了數據處理的效率[4]。

3 統計數據采集中物聯網技術的案例分析

為了進一步驗證物聯網技術在統計數據采集中的合理性,筆者通過實驗的方式進行驗證分析。 同時采用傳統的數據采集技術和物聯網射頻識別技術對計算機數據進行采集,從結果上進行分析,傳統的數據采集技術較容易受到外在因素的影響,難以對數據進行有效轉換,從而導致無效數據采集較多[5]。 而物聯網射頻識別技術對數據進行采集和處理,不會受到外界因素的影響,能夠確保數據信息的全部轉變,采集的效果相對較好。 如圖3 所示,傳統技術和物聯網技術相比,后者的數據采集效率較好。

圖3 傳統技術與物聯網技術數據采集效率對比

從圖3 中的相關數據我們可看出在t1—t2 時間內,傳統數據采集技術受到外界的影響,數據采集的效率曲線呈負性下降的趨勢,而物聯網射頻識別技術未受到外界因素的影響,數據采集的效率曲線呈正性下降趨勢;在t2—t3 采集時間內,傳統數據采集技術與物聯網射頻識別技術的數據采集效率均由60%下降至57%;在t3—t4 時間內,傳統數據采集技術與物聯網射頻識別技術的采集效率從57%下降至37%;在t4—t5時間內,傳統數據采集技術與物聯網射頻識別技術在37%的采集效率上保持不變;在t5—t6 采集時間內,傳統數據采集技術受外界因素的影響,導致數據采集的效率出現了較大范圍的波動,盡管與物聯網射頻識別技術采集的效率結果一致,但是部分的采集數據受到了影響,導致在t7—t8 以及t8 之后的采集時間內,傳統數據采集效率都相對較低,而物聯網射頻識別技術在數據采集過程中的效率最高達到了80%,由此可見,相對于傳統的數據采集技術,物聯網采集技術的效率更高[6]。

為了進一步驗證物聯網射頻識別技術采集的效率更高,現以512 bits 數據為基礎,將傳統數據采集技術與物聯網射頻識別技術的采集時間進行對比,結果如表1 所示。

如表1 中的相關數據所示,在統計數據采集的過程中,傳統數據采集技術和物聯網射頻識別技術的時間相差較大,由此可得出相關的結論,相對于傳統技術而言,物聯網射頻識別技術在統計數據采集的過程中所使用的時間較短。

表1 兩種技術數據采集時間結果對比

4 結語

總而言之,隨著科學技術的快速發展,物聯網技術被廣泛地應用在社會的各個領域中,并取得了良好的應用成效,提高了數據在采集、統計與分析過程中的精準度。 由此要加強對物聯網技術的重視,在物聯網技術不斷發展的背景下,形成一套完善的信息處理技術路線,有效地提高數據收集與處理的應用價值,規避傳統數據采集過程中受到空間和時間的影響,避免數據丟失和缺損,真正實現統計數據收集的高效化,從而實現統計工作的準確、高效、便捷,為統計工作的發展提供有效的保障,奠定堅實的基礎。