在城市中,如果想要提高生活质量和效率,首要任务其实就是理解城市本身。随着传感器成本的下降,物联网技术的发展,无所不在的感知变得可行,有助于人们更深入的了解城市环境。
测量和感应(Measurement and Sensors)
这一切都在严格保护个人隐私的前提下,收集有用的物理环境数据开始。随着时间的推移,传感器已经变得越来越廉价、小巧、节能。同时,由多伦多大学以及谷歌的Geoffrey Hinton领导的人工神经网络的进步,能进行有意义输出的人工智能技术也有很大程度提升。
从低带宽的温度传感器,到每秒拍摄数百万像素图像数十次的高分辨率摄像机,传感器可以记录缓慢变化的数值,也可以记录高速变化的数据。其中摄像机值得特别注意,因为它引起了隐私问题。Sidewalk并不发送和保存全带宽视频,而是尽可能的解读设备上的视频,并仅传输诸如车辆和行人流量或街道基础设施状态的指标。
特别是Quayside,提供了一个机会,可以快速的与一系列的成品和实验传感器一起工作,并进行快速迭代学习。这项快速实验的经验可以在滨湖东区推广应用。例如,Quayside将揭示摄像机分辨率,部署密度,成本以及对社区管理员和居民的直接价值之间的权衡取舍。
Sidewalk预计部署的传感器包括:1)空气质量传感器(一氧化碳,颗粒物,二氧化硫); 2)噪声水平传感器(由车辆产生的噪声,建筑,人类活动); 3)雷达,激光测距和计算机视觉(车流,自行车流,行人群); 和4)局部天气(温度,风速,湿度)
分析(Analytics)
收集数据本身并不重要。要了解什么使得城市环境运行良好,并检测何时表现不佳,就需要进行纵向分析,并能够将正常状态与异常情况区分开来。基于随时间推移的分析可以让用户了解城市状况的变化,以及为什么会出现这种变化,尽管可以通过提升人的直觉,但还需建立预测模型。
建模(Modelling)
一旦有了细粒度的数据,就有可能开发出一种反映社区状况的数字模型,并使用该模型来评估各种决策的效果。预测可能的干预措施的后果,并根据实际结果来改进模型,这是提高社区宜居性的催化剂。
举一个先前的例子:作为Sidewalk实验之一的天气应对策略,它将从高密度的传感器网络获得实时反馈,从而获得关于温度和风速的实时反馈。这样就能对不同的应对方法进行实时评估。同样,当平台检测到行人拥挤时,例如在娱乐活动期间,社区会收集产生瓶颈的位置与致因的详细数据。通过利用动态标牌,可变的街道家具和手机应用程序的指导,平台可以尝试更好的引导行人流。向居民和游客提供实时拥挤的信息,也可以使他们能够知情并做出合理的出行决策。