物联网体系框架主要由感知层、网络层、应用层和公共技术4部分组成，如图1-2-2所示。

感知层主要用于采集物理世界中发生的物理事件和数据，包括各类物理量、身份信息、位置信息等。物联网的数据采集涉及传感器、RFID和实时定位等技术，分为数据采集与执行以及短距离无线通信两部分。数据采集与执行运用智能传感器技术、自动识别技术以及其他信息采集技术对物品进行基础信息采集，同时接收上层网络传送的控制信息，完成相应执行动作。短距离无线通信可完成小范围内多个物品的信息集中与互通功能。

感知层综合传感器技术、智能组网技术、分布式信息处理技术等多种技术，通过各类集成化的微型传感器的协作，实时监测、感知和采集各种环境或监测对象信息。感知层利用嵌入式系统处理信息，通过随机自组织无线通信网络以多跳中继方式将感知的信息传送至接入层的基站节点和接入网关，最终到达用户终端。

网络层建立在Internet、移动通信网和无线传感器网络等基础上，为实现物物相连的需求，物联网网络层将综合使用IPv6、2G/3G/4G、WiFi等通信技术，实现有线与无线的结合、宽带与窄带的结合、感知网与通信网的结合。将感知层感知的信息快速、可靠、安全地传送到各地，使物品能进行远距离、大范围的通信。网络层将承担比现有网络更大的数据量且面临更高的服务质量要求，现有网络尚不能满足物联网需求，物联网需要对现有网络进行融合和扩展，利用新技术实现更加广泛和高效的互联功能。

由于现有网络在物联网早期发展中的缺位，早期的物联网应用通常在部署范围、应用领域等诸多方面有所局限，终端之间以及终端与后台软件之间难以协同，物联网发展要求建立端到端的全局网络。

应用层完成物品与人的最终交互，网络层和感知层将物品信息大范围收集，在应用层汇总并统一分析和决策，用于支撑跨行业、跨应用、跨系统之间的信息协同、共享和互通，提高信息的综合利用度，最大程度为人服务。物联网应用层要解决的一个关键问题是如何合理高效地处理从网络层传来的海量数据，并从中提取有效信息。应用层主要包括M2M技术、云计算技术、人工智能、数据挖掘和中间件等关键技术。

依据不同应用场景，机器对机器（Machine-to-Machine，M2M）也被解释为人对机器（Man-to-Machine）、机器对人（Machine-to-Man）、移动网络对机器（Mobile-to-Machine）、机器对移动网络（Machine-to-Mobile）。Machine特指人造的机器设备，而物联网中的Things则是指更抽象的物体，范围也更广，所以M2M可看作是物联网的子集或应用。

M2M是目前物联网普遍的应用形式，是实现物联网的第一步。M2M技术的目标是使所有机器设备都具备联网和通信能力。M2M业务通过结合通信技术、自动控制技术和软件智能处理技术，实现对机器设备信息的自动获取和自动控制。该阶段通信的主要对象是机器设备，尚未扩展到任何物品，通信过程中以使用离散的终端节点为主。M2M平台不等于物联网运营平台，只解决了物与物的通信，随着软件的发展，特别是应用软件和中间件软件的发展，M2M平台可以逐渐过渡到物联网的应用平台。

M2M将多种不同类型的通信技术有机地结合，将数据从一台终端传送到另一台终端，也就是机器与机器的对话。M2M技术综合了数据采集、GPS、远程监控、电信、工业控制等技术，可在安全监测、公共交通系统、工业流程自动化、电动机械、城市信息化等环境中运行并提供广泛的应用和解决方案。

云计算具有强大的处理能力、存储能力、带宽和极高的性价比，可有效用于物联网应用和业务，是应用层能提供众多服务的基础。同时物联网将成为云计算最大的用户，促进云计算发展。

人工智能（artificial intelligence，AI）是研究如何将各种机器模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等），使人类的智能得以物化与延伸的一门学科。人工智能可分为机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”4类。人工智能试图通过了解智能的实质生产出一种新的智能机器（能以与人类智能相似的方式做出反应），领域内的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。目前主要的方法有神经网络、进化计算和粒度计算。物联网中人工智能技术主要负责分析物品承载的信息内容，从而实现计算机自动处理。

人工智能技术的优点包括提高作业质量和工作效率、部分危险场合或重点施工应用得到解决、降低维护成本、故障诊断实现智能化等。

数据挖掘是从大量的、不完全的、有噪声的、模糊的及随机的实际应用数据中挖掘出隐含的、未知的、对决策有潜在价值数据的过程。数据挖掘主要基于人工智能、机器学习、统计学、可视化技术等，高度自动化分析数据，并做出归纳性推理，分为描述型数据挖掘和预测型数据挖掘两种。数据挖掘通过对数据的统计、分析、综合、归纳和推理，揭示事件间的相互关系，预测未来的发展趋势，为决策者提供依据。

数据挖掘在物联网中是一个代表性概念，是实现物联网智能化、智慧化的分析技术和应用的统称，包括数据挖掘和数据仓库、决策支持、平衡计分卡等。

中间件是为实现每个小的应用环境或系统的标准化和它们之间的通信，而在后台应用软件和读写器之间设置的一个通用平台和接口。物联网中间件是在物联网中采用中间件技术以实现多个系统或多种技术之间的资源共享，最终组成一个资源丰富、功能强大的服务系统，最大限度地发挥物联网系统的作用。物联网中间件的主要作用是将实体对象转换为信息环境下的虚拟对象，因此数据处理是中间件最重要的功能。同时中间件具有数据的搜集、过滤、整合与传递等特性，以便将正确的对象信息传至后端应用系统。

公共技术不属于物联网技术的特定层面，而是与物联网技术架构的3层都有关系，包括标识与解析、安全技术、网络管理和QoS管理。

标识与解析技术是对物理实体、通信实体和应用实体赋予的或其本身固有的一个或一组属性，并可实现正确解析的技术。物联网标识从定义上讲，是在一定范围内唯一识别物联网中的物理和逻辑实体、资源、服务，使网络和应用能够对目标对象进行控制和管理，以及进行相关信息的获取、处理、传送与交换的一个资源标识。物联网标识与解析技术涉及不同体系的互操作、全球解析与区域解析、标识管理等。

安全技术包括安全体系架构、密码技术、网络安全技术、智能物体的广泛部署对社会带来的安全威胁、隐私保护技术、安全管理机制和保证措施等。

网络管理技术主要包括管理需求、管理模型、管理功能、管理协议等。为实现对物联网广泛部署智能物体的管理，需要进行网络功能和适用性分析，开发合适的管理协议。

QoS是网络的一种安全机制，用来解决网络延迟和阻塞等问题的一种技术。正常情况下网络只用于特定的无时间限制的应用系统，并不需要QoS，如Web应用或E-mail设置等，但对关键应用和多媒体应用非常必要。网络发生拥塞时所有数据流均有可能被丢弃，为满足用户对不同应用和不同服务质量的要求，需要网络依据用户要求分配和调度资源，对不同的数据流提供不同的服务质量。对实时性强并且重要的数据报文优先处理，对于实时性不强的普通数据报文，提供较低的处理优先级，网络拥塞时甚至丢弃。