1.1 新兴信息技术

计算机的计算性能分3个阶段：①计算时代：上世纪60年代到上世纪末。②网络时代：上世纪末到2015年。③云时代：指从近两年国外Amazon开始到国内阿里云等云平台的兴起。

2015年国务院发布的《关于积极推进“互联网+”行动的指导意见》提出到2025年，网络化、智能化、服务化、协同化的“互联网+”产业生态体系基本完成，“互联网+”新经济形态初步形成，“互联网+”成为经济社会创新发展的重要驱动力量。

1.1.1 云计算

云计算服务提供资源的3层次：

基础设施即服务(Infrastructure as a Service，IaaS）：提供计算、存储等基础设施出租服务；

平台即服务(Platform as a Service，PaaS）：包括虚拟操作系统、数据库管理系统、Web应用等平台化服务；

软件即服务(Software as a Service，SaaS）：提供应用软件、组件、工作流等虚拟化软件服务。

架构包括：资源池、云操作系统、云平台接口。

1.1.2 物联网

物联网（The Internet of Things）是指通过信息传感设备，按约定的协议，将任何物品与互联网相连接，进行信息交换和通信，以实现智能化识别、定位、跟踪和管理的一种网络。

物联网主要解决T2T、H2T、H2H之间的互联。

物联网两项关键技术：传感器技术和嵌入式技术，其架构分为：感知层、网络层、应用层。

◆信息物理系统（CPS，Cyber-Physical Systems）是一个综合计算、网络和物理环境的多维复杂系统，通过3C（Computer、Communication、Control）技术的有机融合与深度协作，实现大型工程系统的实时感知、动态控制和信息服务。CPS实现计算、通信与物理系统的一体化设计，可使系统更加可靠、高效、实时协同，具有重要而广泛的应用前景（智能制造）。

信息物理系统包含了将来无处不在的环境感知、嵌入式计算、网络通信和网络控制等系统工程，注重计算资源与物理资源的紧密结合与协调，主要用于一些智能系统上如设备互联，物联传感，智能家居，机器人，智能导航等。

1.1.3 移动互联

（1）移动互联网特点：终端移动性、业务使用私密性、终端和网络的局限性、业务与终端和网络的强关联性，此外还有时间碎片性、生活相关性、终端多样性等特点，它不仅是互联网的延伸，而且是互联网的发展方向。

（2）移动互联网关键技术：①架构技术SOA：Service Oriented Architect，面向服务的架构，不涉及底层编程接口和通讯模型，Web Service是目前实现SOA的主要技术。②页面展示技术Web2.0：严格来说不是一种技术，而是互联网思维模式。③HTML5：在原有HTML基础上扩展了API最大优势可以在网页上直接调试和修改。④Android：特点入门容易，因为Android的中间层多以 Java实现，指令相对减少、开发相对简单，而且开发社群活跃，开发资源丰富。⑥I0S：一个非开源的操作系统，开发人员必须加入苹果开发者计划，需要付款以获得苹果的批准，开发语言是 Objective-C、C 和C++，开发难度大于Android。⑦Windows Phone：微软一款手机操作系统，开发技术 C、 C++、C#等。

（3）4G网络理论下行速度能达到100Mb/s（相当于下载速度1.5-10Mb/s）；5G网络的理论下行速度为10Gb/s（相当于下载速度1.25Gb/s）。

1.1.4 大数据

（1）大数据关键技术：①HDFS：能提供高吞吐量的数据访问，非常适合大规模数据集上的应用。②HBase：不同于一般的关系数据库，是非结构化数据存储的数据库。③MapReduce：一种编程模型，主要思想：概念“Map (映射)”和“Reduce(归约)”。④Chukwa：用于监控大型分布式系统的数据收集系统。

（2）数据仓库系统的结构通常包含4个层次：①数据源;②数据仓库/数据集市;③OLAP服务器;④前端工具。

（3）大数据(Big Data) 5V：①Volume (数据量大);②Variety (数据类型多);Velocity (处理速度快);④Value(价值密度低);⑤Veracity (真实性高 )。

（4）大数据应用5个环节：①数据准备；②存储管理；③计算处理；④数据分析；⑤知识展现。

（5）数据挖掘。是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

数据挖掘主要任务：关联分析、聚类分析、分类、预测、时序模式和偏差分析等。

其中分类的主要方法：分类规则、判定数、数学公式、神经网络等。预测方法：线性回归、非线性回归、最小二乘法及神经网络等。

数据挖掘过程模型步骤：定义问题，建立数据挖掘库（数据收集、数据描述、选择、数据质量评估和数据清理、合并与整合、构建元数据、加载数据挖掘库、维护数据挖掘库），分析数据，准备数据（选择变量、选择记录、创建新变量、转换变量），建立模型，评价模型和实施。※

对数据量巨大的数据源，在数据挖掘之前可能会先进行数据归约。

（6）数据归约。是指在尽可能保持数据原貌的前提下，最大限度地精简数据量（完成该任务的必要前提是理解挖掘任务和熟悉数据本身内容）。数据归约主要有两个途径：属性选择和数据采样，分别针对原始数据集中的属性和记录。数据归约技术可以用来得到数据集的归约表示，它虽然小，但仍大致保持原数据的完整性。这样，在归约后的数据集上挖掘将更有效，并产生相同(或几乎相同)的分析结果。（只所以要做数据归约是因为：如果在数据仓库选择数据用于分析，由于数据集非常大，使得在海量数据上进行复杂的数据分析扣挖掘将需要很长时间，使得这种分析不现实或不可行）。

1.1.5 区块链

区块链（Blockchain），是比特币的一个重要概念，它本质上是一个去中心化的数据库，同时作为比特币的底层技术，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次比特币网络交易的信息，用于验证其信息的有效性（防伪）和生成下一个区块。

区块链：就一段段由哈希指针构成的“区块+链”的数据结构。

区块链主要特征：

（1）分布式数据存储：即去中心化，区块链技术不依赖第三方管理机构或硬件设施，没有中心管制，各个节点实现了信息的自我验证、传送和管理。

（2）共识机制（多方维护）：写入数据不由单方控制，需要经过多方验证形成共识，才能写入。

（3）非对称加密：采用非对称加密技术保证数据的安全性。

（4）智能合约：无需彼此信任、完全由代码定义合约，由代码执行，人工无法干预。

其他特点：

（1开放性。区块链技术是开源的，除了交易各方的私有信息被加密外，区域链的数据对所有人开放，任何人都可以通过公开的接口查询区块链数据和开发相关应用，因此整个信息系统高度透明。

（2）独立性。基于协调一致的规范和协议，整个区块链系统不依赖第三方，所有节点能够在系统内自动安全验证、交换数据，不需要人为干预。

（3）安全性。只要不能掌控全部数据节点的51%，就无法肆意操控修改网络数据，这使区块链本身变得相关安全，避免了主观人为的修改。数据具有不可篡改、不可伪造、一致存储的特点

（4）匿名性。除非有法规规范要求，各区块节点的身份信息不需要公开或验证，信息传递可以匿名进行。

1.1.6 人工智能

AI的本质就是智能化技术，它集感知、推理、学习和行动于一体，利用计算机视觉、语音识别、深度学习等方式，试图汲取丰富的信息，像人一样思考，做出决策。

人工智能分为：机器学习、非机器学习。

机器学习：是一种通过利用数据、训练出模型，然后使用模型预测的一种方法。比如多层次的神经网络（包括：输入层神经元、中间层/隐藏层神经元、输出层神经元）。

非机器学习典型的例子就是“专家系统”（基于规则的系统， 见1.2.7(2)）

应用场景：专家系统（例子：无人驾驶、天气预报、城市系统）、数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡诈骗、证券市场分析、DNA序列测序、语音或手写识别、战略游戏、艺术创作、机器人、自动化机器学习、深度学习。

1.1.7 虚拟现实

利用计算机生成的三维虚拟环境。其特点包括：沉浸、互动、联想。

组成：计算机、输入输出设备、相关应用软件、数据库

应用：模拟训练、虚拟实景游览

1.1.8 数字孪生

数字孪生（Digital Twin）：是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。

简单地说，Digital Twin就是将现实世界的物理体、系统及其流程等复制到赛博空间，形成一个“克隆体”，两者最终构成一个“数字双胞胎”。

Digital Twin是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统；是一个物理产品的数字化表达，以便于我们能够在这个数字化产品上看到实际物理产品可能发生的情况，与此相关的技术包括增强现实和虚拟现实。

1.1.9 智慧城市模型和体系。

（1）功能层：（5层）物联感知层、网络通信层、计算与存储层、数据及服务支撑层、智慧应用层。

（2）支撑体系：（3个）标准规范体系、安全保障体系、建设和运营管理体系。