当网络与手机成为大众化必备设备之后，智慧生活已成为社会演进的趋势，也是物联网产业未来发展的方向，因此，物联网若要真正深入到大众生活当中，如何将情境计算导入到应用系统当中，会是厂商开发产业应用的必然趋势。

    物联网成功三要素：用户接受度、服务EcoSystem、商业获利模式

    物联网智能生活应用要成功有三大要素，分别是使用者接受度、服务EcoSystem与商业获利模式。以使用者接受度（User Acceptance）来说，就是方便使用（Friendliness）与可靠性（Reliability），也就是说物联网装置使用的传感器，要容易使用、方便安装、稳定运作，若是体积太大或者是不便使用，又或者是读取相关环境数据不稳定，经常会出问题的，那么使用者的接受度是不高的。方便使用的另外一个面向，就是要提供自动侦测服务，也就是服务必须要透过环境侦测装置（如GPS、时间、温度等），自动了解用户的实际环境，而自动提供对应的服务，最实际的案例，就是当手机一旦侦测到使用者到了会议场所，会自动将转成震动模式，避免产生不必要的尴尬。

    而服务EcoSystem的建立，则是物联网应用要建立的重要关键之一，因为透过建立标准化的系统平台，不仅可以让第三方厂商进行应用开发，更重要的是，一旦厂商开发出好的服务，而该服务带来新的客户，客户的增加又能够吸引更多厂商加入，形成产业正向循环。

    至于商业获利模式（Business Profitability），是让厂商开发物联网应用所必须提供的商业动力，若是物联网应用能够在恰当的营运模式当中持续获利，对于消费者而言，可以在合理的费用支出下，获得更好的智能生活服务质量，对于厂商而言，也因为能够持续获利，而愿意继续开发，创造更多的商业应用模式。

    云端运算提供行车安全驾驶辅助服务

    举例来说，不少人每天都会开车上下班，现有的行车导航只是根据地图提供导航路线，然而每天不同路线车况不一样，因此进阶版本的行车导航会透过网络获得的路况信息，依照车流状况进行路线调整，藉此让实际行车时间优化，并达到节能目的。

   实际在路上开车，除了行车导航需求之外，行车安全也是相当重要的一环。由于路上各种交通车辆行驶状况不同，因此希望在交通车辆上透过导入车间通讯的技术，也就是车辆彼此可以利用车间通讯的方式，将行车状况与相关信息进行交换，并透过车载资通讯云端运算进行汇整，如此一来，车辆便可以自动侦测相对位置，进而避免发生因为驾驶一时疏忽而发生碰撞之意外。

    而车载资通讯最常见的应用，则是在车辆上的行车影像装置可以进行交通违规监控，一旦发现有违规车辆四处乱窜，行车影像记录装置除了可提醒驾驶者之外，也能够利用车间通讯，提醒附近车辆，并且利用车载资通讯将讯息回报至行车监控系统，而交通管理单位，就能在第一时间获得异常交通违规情报，并主动派遣相关人员进行处理，避免交通违规扩大变成事故，进而确保大众行车安全。

    安全机制因地制宜 自动更新及替代成未来趋势

    物联网设备因为运算能力有限，数据传输速度有限，所以在安全机制使用上必须要因地制宜来设计，也就是透过分布式处理、随机式加密、跨系统透通，让物联网设备所获得的数据以方便、分散又安全的方式进行传送，进而达到数据安全的目的，却又不需要耗用物联网设备太多运算资源。

    另一个物联网应用设计的趋势，那就是设备自动更新、自动替代。由于物联网设备（包括传感器）的数量将持续成长，而且是散布在各个环境当中，一旦设备有新版韧体推出，或者是需要更新运算逻辑，如何快速且准确的将相关韧体派送到相关设备当中，让该设备动进行更新，而且更新完成之后会回报到云端系统；而系统要能主动得知哪些设备完成更新，哪些设备更新失败，哪些设备因为故障失联需要启动备援设备等，这将是新一代物联网应用所必须具备的功能，不然系统将无法管理快速成长的物联网设备，也无法掌握物联网应用所能提供的服务质量。

    也因为物联网设备会出现感应错误或无法运作的情形，因此在物联网云端运算上，除了处理分析持续性资料之外，更要进行异常侦测分析，如此一来，便能避开因传感器数据错误所造成分析错误，甚至能透过数据异常的情形侦测，在传感器发生异常之前，提前预测出传感器即将故障或没电，进行预防型的更换计划或设备调整，而这是传统云端运算数据分析弱点，也是物联网应用云端运算的资料特性，值得相关人员深入研究。

    虽然IT科技演进至今日益成熟，自动化程序处理也很快速，设备也很多元化，但是从人工智能发展的角度来看，现在的物联网应用却仍不够智能；也就是说，现有的物联网设备运作与相关规划，无法达到依照使用者情境需求进行自动调整，只能够依照事先设定的准则来运作。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。