想象一下,在不久的将来,你的城市会是怎样?

在那里,交通方式丰富多样、舒适环保。安全的自行车道遍布各地;“打车难”不再是问题,因为有大量低排放且便宜的“无人出租车”。开车的人更少了,城市中有了更多的公园和开阔地,空气质量极佳。

在你的城市里,生活是愉快、健康、可持续的。你的城市是一个智能的城市。

智能城市,就像智能家庭一样,是建立在“物联网”的基础上的。在智能家庭中,所有物品都连接在物联网中,它们通过收集、储存和分享用户信息来提高环境的效率。而在智能城市中,物联网扩展到了家庭以外,整个城市的自动设备全都在线。这些设备的信息汇集在一起就是大量的市政数据,智能城市利用这些大数据来了解它的居民,以便于提高城市的效率。

智能城市的根本是互相连接的社交网络和系统。有了这些网络和系统,研究员们就可以把大数据应用在城市规划中。美国麻省理工学院(MIT)的数据、系统和社会研究所(IDSS)正着手于用大数据解决社会问题。其成员 Sarah Williams 就是一个使用数据做决策的城市设计师。

“当大多数人都能理解数据的时候,社会变革就可以开始了。”Williams 说,“数据改变了我们看待世界的方式,它向我们展示了过往政策的结果,同时为未来的新策略提供了重要信息。”

Williams 的兴趣是研究 IDSS 对城市系统的影响力,而她的一些同事们则在为未来城市发明新科技,比如无人车和智能电表。这些技术将有效地提高城市的生活水平,解决现有的社会难题。

智能的城市交通

交通是城市生活最大的问题之一,也是智能城市中最需要创新的领域。近期火热的概念是无人车,IDSS 航空与航天工程组的成员 Emilio Frazzoli 在无人车的创新上就有不小的进展。

去年秋天,Frazzoli 和其他教授们组建团队,参加了新加坡 – MIT 共同举办的无人车试点测试。他们的团队带来了“无人高尔夫车”。在为期六天的公开展示中,参观者们可以在大花园内的任意地点从网上召唤“无人高尔夫车”,并乘坐它前往预先设置好的目的地。这些小号的汽车以最高每小时15英里的速度穿梭在公园中,灵活自如地躲避行人和骑行者。

Frazzoli的团队在新加坡展示了“无人高尔夫车”

Frazzoli 正在研究什么样的技术可以让无人车正式上路。“如果能更广泛地使用,无人车将改变我们对个人出行的看法,尤其是在城市中。”Frazzoli 说,“无人出租车可以自主接客、载客、寻找停车场、或接待下一个客户。这会使得公共交通像私家车一样便利。”

Frazzoli 对无人车技术的另一贡献是他和 MIT 教授 Carlo Ratti 一起发明的数学模型。这个模型计划让十字路口变成自动的、“空位制”的。这些自动化的十字路口将不再需要信号灯,因为无人车会通过物联网交流,确保每一辆车恰好在它所属的时间空位进入十字路口。这样就可以减少不必要的刹车和等待,加快交通效率。Frazzoli 的模型展现了一种可能的未来,一个没有信号灯的城市。只不过,如果想要实现这一未来,在其他领域还需要有新的创新,比如如何让行人和骑行者安全地通过自动化的十字路口。

智慧的行为选择

智能城市最聪明的一点,不是机械和系统上的进步,而是帮助居民们学习如何保护资源,尤其是他们自己的金钱。研究者使用大数据建立激励措施,鼓励人们依照更高效的模型做出选择,比如错峰出行。

IDSS 成员 Jessika Trancik 与公共环境工程教授 Moshe Ben-Akiva 共同探究如何帮助改变人们的交通行为。他们二人和其他几个小组一起,开发了“最佳出行系统”,系统会奖励那些做出理想行为的用户。在生活的其他方面,最优化的行为总能带来最好的回报,而在交通上人们还没有注意到这一点。

Trancik 说:“人们依据个人偏好和交通信息来做决策。获得信息的多少对人们的判断有着很大的影响。”有了准确的实时信息和反馈,用户可以更有效地行动。

在智能城市中,每一个行为和选择都被测量成数据,以便于城市规划者和工程师们分析。“这就是为什么模型很重要。通过模型我们可以把最重要的信息汇聚到一起。展现给用户的,是有关交通的所有可能的选择。”Trancik 说。

这种个人对于数据的快速反应,不仅仅可以应用于交通上,更重要的是在能源市场上。

智能的能源系统

对于消费者来说,想要在能源市场中做出正确的、基于实情的判断,是最难也是最重要的。这是因为能源市场通常是“封闭”的——需求不随价格的波动而改变。虽然能源市场的价格变化非常频繁,但由于大部分消费者无法获得实时的资讯,根本来不及对市场做出反应。所以,消费者们通常怎么方便怎么做,而不是按照价格来选择,能源公司因而可以按照消费者的需求随意定价。

当消费者有了实时的价格信息后,比如使用了智能电表,他们的需求就可随价格改变。这种反馈行为对现有的市场是有一定“破坏性的”。IDSS 主任 Munther Dahleh 研究发现,有了实时信息后,需求的波动会非常频繁而剧烈。如果供给侧没有做好准备,跟不上需求的波动,就会非常危险。

智能电网会通过测量消费需求减少压力

Dahleh 和他的同事们正在用“控制理论”研究这种供给和需求的联系。“控制理论”是工程与数学中,研究系统如何因反馈而自我改变的一个分支。他们尝试建立一个反馈圈,使得消费者可以随着价格的波动做出反应,但同时确保需求的波动不是太过剧烈。解决这一问题会让能源策略更加高效,并让电网系统更智能。Dahleh 说,“智能电网会通过测量消费需求减少压力。为了实现这一可能,我们在设计激励模型和策略,通过价格和信息来指引消费者们做出合理的选择。”

展望未来

在不久的将来,智能城市会由彼此相连的新科技组成,比如智能电网和反馈圈。它们将帮助人们做出知情的、高效的选择。与此同时,复杂网络中的数据则会让研究员们进一步改善这些系统,使人们的生活更加高效。

智能城市的愿景也包含了一些问题,如网络安全和信息隐私,但是智能城市将极大地提高人们的生活质量。IDSS 的研究者们所做的贡献,在未来可能会让耗能严重的巨型城市变成“智能的巨型城市”,以高效的网络取代阻塞的系统,带给人们可持续的城市生活和更美好的未来。
本文转自d1net(转载)

物联网来了,智能城市离我们还有多远?相关推荐

  1. 物联网卡助力智能城市打造智慧生活

    物联网作为当前社会最热门行业,一举一动都广受大众市场瞩目.对于物联网卡这一从物联网技术下衍生出来的新型连接产品,近年来在物联网及智能技术推动下发展迅速,人们在惊叹于其巨大的网络连接能力的同时,也惊喜于 ...

  2. 国内智能硬件和物联网行业研发人员的城市分布图

    截止2017年3月,嵌入式企鹅圈共发表了100+篇技术开发文章,百分百原创.其中智能硬件和物联网开发占70%,嵌入式linux和嵌入式架构设计占15%,安卓应用开发占15%. 同样地,嵌入式企鹅圈在微 ...

  3. 一种新型的智能城市工业物联网安全攻击检测框架

    工业物联网安全攻击检测框架 背景导论 智能城市与安全需求 相关工作 所提案框架的设计和发展 基于RPL的安全框架(对IIoT) 所有攻击的阈值调制 HELLO-Flood攻击的阈值调制 版本号攻击的阈 ...

  4. 物联网的这一难题或令智能城市增加3410亿美元成本

    据物联网和M2M市场研究公司Machine Research的最新分析显示,物联网开发过程中遇到的其中一个难题可能会让智能城市项目的成本增加43.4%. 现在,物联网还没有一个通用的互用性标准,不同厂 ...

  5. 物联网卡将加快融入智能城市中

    现在只要一谈论到物联网卡,很多人都会想到一系列的智能设备,比如智能手环.智能路灯.智能无人机.智能电表等等.然而并不仅仅是物联网卡这么简单,这其中有完整的物联网技术.物联网技术不仅可以改善居民的生活质 ...

  6. AI如何改变智能城市物联网?

    来源 | 愿码(ChainDesk.CN)内容编辑 愿码Slogan | 连接每个程序员的故事 网站 | http://chaindesk.cn 愿码愿景 | 打造全学科IT系统免费课程,助力小白用户 ...

  7. 扩大进军智能城市,Verizon 购并LED物联网新创事业Sensity Systems

    全球主要城市正规划许多智能城市先导测试计划,而智能 LED 灯具成为各方势力争夺的重点,因为 LED 路灯不仅可以节能,还成为智能城市物联网的节点,如此重要战略地位引来多方争抢,IT 大厂包括思科.I ...

  8. ATT联手GE Current为“智能城市”建设提供物联网设备;高通为VR制造商推出HMD加速器计划│IoT黑板报...

    联网智能语音玩具曝严重隐患:易被黑客窃取信息 @cnBeta 据外媒报道,CloudPets 制造商 Spiral Toys 的儿童语音识别和账户信息存在暴露隐患.攻击者只需掌握一定的 Web 搜索技 ...

  9. 时空AI技术:深度强化学习在智能城市领域应时空AI技术:深度强化学习在智能城市领域应用介绍...

    来源:海豚数据科学实验室 作者:京东科技 时空AI团队 深度强化学习是近年来热起来的一项技术.深度强化学习的控制与决策流程必须包含状态,动作,奖励是三要素.在建模过程中,智能体根据环境的当前状态信息输 ...

  10. 深度强化学习在智能城市领域应用介绍

    来源:海豚数据科学实验室 深度强化学习是近年来热起来的一项技术.深度强化学习的控制与决策流程必须包含状态,动作,奖励是三要素.在建模过程中,智能体根据环境的当前状态信息输出动作作用于环境,然后接收到下 ...

最新文章

  1. The JVM Architecture Explained-JVM架构解析(译)
  2. python爬虫简单实例-最简单爬虫示例(入门级)
  3. [问答]-EL1t和EL1h中的后缀t和h分别是什么意思
  4. SI 和 DI 寄存器的区别
  5. Github标星3.7k:微软出的数据科学入门课程(附下载)
  6. DEBUG主要命令(转)
  7. ajax请求成功和失败方法_创新需要反馈和失败的新方法
  8. 路径规划之曲线插值拟合算法分析
  9. LeetCode 19. Remove Nth Node From End of List
  10. LeetCode刷题——80. 删除排序数组中的重复项 II
  11. swftool pdf2swf使用
  12. VARCHART XGantt教程之功能介绍
  13. 计算机英语作业答案,大工20春《专业英语(计算机英语)》在线作业1题目【标准答案】...
  14. Rope3d数据集分析
  15. 这个Excel函数,推荐所有人学习!HR都说必须会
  16. [区块链安全-Ethernaut]附加GoodSamaritan解题思路
  17. Postman之CSV或JOSN文件实现数据驱动(参数化)
  18. 服务器丢包率与什么有关?以及常用的丢包解决方法
  19. 金融业务-美港股和A股的区别
  20. 桌面文件夹不见了怎么恢复?4招教你找回消失的文件夹

热门文章

  1. Python学习第五天
  2. Length of Last Word
  3. 072 datetime模块
  4. 有Excel、Tableau、PowerBI都能做数据分析,为什么还要用Python
  5. tensorflow中命名空间、变量命名的问题
  6. ELK之LogStacs
  7. 1.VC弹出打开文件/保存文件/选择文件对话框
  8. KVM通过qemu实现USB重定向
  9. char 与 unsigned char的本质区别(转)
  10. HDU 2544 最短路 Dijkstra