二月下旬，北京迎來一輪漫長的霧霾天氣，京東上許多空氣凈化器脫銷，淘寶上3M口罩漲價(jià)不少，微博、微信上也流傳著各種應(yīng)對PM2.5的偏方。在未 來的日子，我們不得不繼續(xù)PM2.5問題。2013年，姜小凡和他的團(tuán)隊(duì)開發(fā)了一款成本200多元的PM2.5檢測設(shè)備——PAM（便攜式個人空氣質(zhì)量監(jiān) 測儀）。PAM***的特點(diǎn)是成本低。同時(shí)，PAM考慮了地理信息、氣候因素，并且通過機(jī)器學(xué)習(xí)的方式處理這些數(shù)據(jù)，建立模型，模型進(jìn)一步修正數(shù)據(jù)，保證數(shù) 據(jù)精確性。

在QCon北京2014大會上，姜小凡將就《PM2.5的大數(shù)據(jù)分析》為題分享，詳解如何將廉價(jià)的傳感器與云端數(shù)據(jù)結(jié)合實(shí)現(xiàn)PM2.5分析的。日前，InfoQ對姜小凡進(jìn)行了專訪，以下為采訪內(nèi)容：

InfoQ：姜小凡你好，向InfoQ的讀者和QCon的參會者介紹下自己吧。

姜小凡：我是Intel物聯(lián)技術(shù)研究院的***構(gòu)架師，也是Intel研究院的主任研究員。最早我在伯克利讀本科 和博士，期間開始接觸物聯(lián)網(wǎng)這個方向，做了一些無線傳感器網(wǎng)絡(luò)和樓宇能源監(jiān)測及管理的項(xiàng)目。在博士期間我也做了一些能源控制的startup，并也在美國 的Google做了一些MIMO通信的研究。畢業(yè)之后我加入了微軟亞洲研究院，那時(shí)候我主要研究移動互聯(lián)網(wǎng)、室內(nèi)定位等。2012年底我再次加入了 Intel，為什么說我再次加入呢，是因?yàn)槲冶究飘厴I(yè)的時(shí)候，在加州那邊的英特爾也工作過一段時(shí)間。自2012年底到現(xiàn)在，我們對很多領(lǐng)域的技術(shù)進(jìn)行了探 討，并對其中一些進(jìn)行了深入研究。其中一個項(xiàng)目是利用物聯(lián)網(wǎng)和大數(shù)據(jù)手段做空氣質(zhì)量檢測，如PM2.5和霧霾。

InfoQ：目前你關(guān)注的重點(diǎn)是什么？

姜小凡：把物聯(lián)網(wǎng)技術(shù)真正應(yīng)用到生活中，把技術(shù)真正推向市場并解決一些問題，是我們研究院所有人共同的目標(biāo)，也 是我們關(guān)注的重點(diǎn)。對于我個人來說，剛剛說的PM2.5和霧霾問題是我目前一個很重要的關(guān)注點(diǎn)?，F(xiàn)在有各種手段做PM2.5監(jiān)測，但是這些方式要么非常昂 貴，要么很不精確。而我們利用比較廉價(jià)的傳感器網(wǎng)絡(luò)能實(shí)時(shí)的把顆粒物的數(shù)據(jù)傳到云端，同時(shí)收集了不同維度的其他數(shù)據(jù)，包括氣象數(shù)據(jù)，人的位置數(shù)據(jù)等，將這 些數(shù)據(jù)融合在一起。***用機(jī)器學(xué)習(xí)的方式處理這些數(shù)據(jù)，找到他們之間的關(guān)系，學(xué)習(xí)出不同維度數(shù)據(jù)互相的影響。通過這種方式，在云端做了空氣模型，再通過這 個模型增加數(shù)據(jù)的精確性。我認(rèn)為這是一個非常經(jīng)典的物聯(lián)網(wǎng)和大數(shù)據(jù)的結(jié)合的項(xiàng)目，也希望能夠向QCon的聽眾介紹這個項(xiàng)目。

當(dāng)然我們不僅僅有空氣質(zhì)量方向的研究，我們也做一些可以快速應(yīng)用的項(xiàng)目，我可以列舉幾個。如手機(jī)驗(yàn)真?，F(xiàn)在國內(nèi)的手機(jī)是有很多是仿品，怎么用數(shù)據(jù)和 眾包的方式自動檢測到手機(jī)的真?zhèn)?？這就涉及到手機(jī)硬軟件的“指紋”收集，我們在云端建立了一個比較大的數(shù)據(jù)庫，能收集到很多款A(yù)ndroid手機(jī)的指紋。 不同的操作系統(tǒng)，不同的軟件版本會生成不同的指紋，通過指紋的方式非常簡單的告訴消費(fèi)者，你買的手機(jī)是正品還是仿品。

在室內(nèi)定位方面，我們和海龍大廈合作，通過無線信號指紋的手段定位。這樣，我們知道某個消費(fèi)者時(shí)時(shí)的精確位置?；谖恢眯畔?，可以給消費(fèi)者提供一些幫助，比如說室內(nèi)導(dǎo)航，廣告的推送。

此外還有一些其他的項(xiàng)目，包括我們在公交車做了人流的監(jiān)測和預(yù)測，希望解決交通擁堵的問題?；旧衔覀儸F(xiàn)在都是比較實(shí)際的問題，希望用大數(shù)據(jù)、云計(jì)算的手段去解決這些問題，而不是花更多的錢去買一個更精確的傳感器。我認(rèn)為這是一個正確的方向。

InfoQ：海龍大廈室內(nèi)定位是通過WiFi信號實(shí)現(xiàn)的嗎？

姜小凡：是通過WiFi，這個技術(shù)在學(xué)術(shù)界已經(jīng)有不少論文，但我們還沒有看到很多真正的商業(yè)應(yīng)用。我們這里要做 的，不是去發(fā)論文討論如何實(shí)現(xiàn)，或是如何添加一個什么創(chuàng)意來改進(jìn)，而是真正將WiFi室內(nèi)定位推進(jìn)到應(yīng)用的層面，我們知道任何一個實(shí)驗(yàn)室技術(shù)和真正實(shí)用化 相比還有很大差距的，面對的問題也有很大區(qū)別。實(shí)驗(yàn)室關(guān)注的是可行性，可以對很多條件進(jìn)行限定；但實(shí)際上很多條件是不可預(yù)知的，實(shí)際應(yīng)用有太多的細(xì)節(jié)和技 術(shù)難關(guān)需要解決。

InfoQ：在過去一年當(dāng)中，你觀察到數(shù)據(jù)行業(yè)有哪些變化？

姜小凡：開始的時(shí)候，大家都覺得大數(shù)據(jù)要像亞馬遜、沃爾瑪、Google這些公司那樣收集了很多信息，然后通過 模型或分析找到可利用的信息。很多人把大數(shù)據(jù)和Hadoop之類的技術(shù)劃上等號，拿數(shù)據(jù)量來標(biāo)榜大數(shù)據(jù)。而我的看法卻不同，我認(rèn)為大家越來越關(guān)注小數(shù)據(jù)的 集合，為什么呢？之前一般直接從互聯(lián)網(wǎng)提取數(shù)據(jù)，但是近一兩年，看到的是很多物理世界的數(shù)據(jù)，比如手機(jī)里的加速度傳感器的數(shù)據(jù)，GPS數(shù)據(jù)，PM2.5數(shù) 據(jù)。這些和物理世界相關(guān)的數(shù)據(jù)越來越多，而且越來越有價(jià)值。我認(rèn)為我們會漸漸把大數(shù)據(jù)的概念擴(kuò)展，把空間信息、地理位置信息等meta data都加入進(jìn)去。而我們更關(guān)注的不是數(shù)據(jù)本身，而是數(shù)據(jù)之間的關(guān)系和它們的相互作用。建立數(shù)據(jù)之間的關(guān)系是有難度的，處理起來也更加復(fù)雜。如在實(shí)時(shí)系 統(tǒng)中，留給數(shù)據(jù)分析和反饋至前端的時(shí)間也許只有10毫秒，如何利用流處理和系統(tǒng)優(yōu)化來達(dá)到，這是我們需要深入研究的。

InfoQ：你怎么理解大數(shù)據(jù)處理與大數(shù)據(jù)應(yīng)用？

姜小凡：大數(shù)據(jù)處理方面，大家都認(rèn)為大數(shù)據(jù)應(yīng)該在云端做，但我覺得數(shù)據(jù)的處理應(yīng)該是分布式的，我指的不僅是數(shù)據(jù) 中心分散計(jì)算能力，而是數(shù)據(jù)應(yīng)該在最利于處理的地方處理。比如，如果需要把所有數(shù)據(jù)以原始的狀態(tài)發(fā)送到云端處理，對網(wǎng)絡(luò)的壓力是非常大的。所以我認(rèn)為大數(shù) 據(jù)處理，可以在例如手表之類的地方處理再發(fā)送到云端，比如視頻數(shù)據(jù)會在攝像頭內(nèi)做一些特征提取，然后再把特征發(fā)送到云端。

大數(shù)據(jù)應(yīng)用有一些經(jīng)典的例子，比如通過數(shù)據(jù)分析知道用戶在某一時(shí)間點(diǎn)喜歡購買的商品，超市可以通過預(yù)測來提前訂貨。在移動應(yīng)用方面，剛才提到了在海龍大廈的室內(nèi)定位就是其中之一。

InfoQ：您曾經(jīng)說過，希望把PAM傳感器的價(jià)格降到兩三百元人民幣，這個目標(biāo)還需要多久才能實(shí)現(xiàn)？

姜小凡：這個目標(biāo)在有一定生產(chǎn)量的前提下已經(jīng)實(shí)現(xiàn)了。具體生產(chǎn)量是多少，我們還在進(jìn)行核算，不過這個量應(yīng)該不是很大。

InfoQ：通過大量廉價(jià)的傳感器搜集數(shù)據(jù)是未來實(shí)現(xiàn)大數(shù)據(jù)應(yīng)用的有效手段嗎？這其中的難點(diǎn)在哪兒？

姜小凡：這里的挑戰(zhàn)包括數(shù)據(jù)的可用性，精確性，以及把數(shù)據(jù)提取到云端的過程耗費(fèi)的系統(tǒng)資源。以WiFi定位為 例，原理上大家都理解，通過收集某一點(diǎn)的3個AP的信號強(qiáng)度，用三角定位實(shí)現(xiàn)。但在真實(shí)環(huán)境，無線信號波動非常大，遮擋物會改變信號強(qiáng)度，信號可能被反射 和散射 ，造成信號強(qiáng)度衰減或者增遞。物理世界的傳感器數(shù)據(jù)，并沒有互聯(lián)網(wǎng)數(shù)據(jù)那么干凈，需要大量的處理把傳感器數(shù)據(jù)變成可用的數(shù)據(jù)。