传感器技术、人工智能(AI)和机器学习(ML)正在提高我们对当今城市运作方式的理解，释放巨大的价值。在整个城市部署通过物联网(IoT)连接的传感器，可以帮助更好地了解许多关键要素，包括人口流动、车辆流动和众多环境因素。当使用机器学习和人工智能分析大量数据时，就会产生强大的智能，从而导致真正智能和无限可持续的城市环境的发展。

数据分析如何为更可持续的运营提供信息？

对传感器收集的数据进行分析，使我们能够更好地了解城市中正在发生的事情。有了这些数据，就可以建立城市模型，以便更好地了解可以在哪些方面进行改变，从而实现预期的改进。以污染水平为例，我们可以看看如何改变道路形状或使用不同的交通灯配置来改善交通流量以减少拥堵，甚至可以通过引入更多灯光区域，例如步行区，来限制交通流量。有了传感器数据，我们就可以开始进行优化，提高城市的整体可持续性。

机器学习和人工智能从何而来？

当在城市规模上建模时，这些模型会变得非常复杂。这就是我们可以利用机器学习和人工智能的地方。复杂程度很难大规模准确建模，包括所有子模型之间的许多相互作用。机器学习可用于分析大量数据，并寻找因果关系和模式。如果出现任何问题，便可开始解决它。除了机器学习和人工智能之外，还可以构建数学表示，并使用流体动力学来确定材料和其他介质如何在空间中移动，并使用其来确定如何进行更改和改进。

如何决定何时应使用人工智能或机器学习？

重要的是，要牢牢掌握自己想要实现的目标，并了解实现目标所需的行动。从可持续发展的角度来看，这一点尤其重要，真的需要注意能源的使用。如果要使用大量设备和硬件，这当然会导致能源消耗和热量产生。还要考虑实际的计算成本，机器、传感器以及用于这些东西的材料。

如果并不真正需要机器学习系统，那么许多使用传统或基于信号处理的分析模型的算法可以提供帮助，且它们在计算方面的负担要轻得多。人工智能和机器学习具有巨大的潜力，但如果对环境的影响持谨慎态度，那么为了变得更环保而消耗能源和资源就没有什么意义。这是为了仔细考虑适合这项工作的正确工具。

如何设计传感器技术以与现有架构集成？

在大多数城市，除非是从头开始开发，否则就是改造。可能有50年前的混凝土和150多年前的供水网络，必须考虑到所有这些，并解决它们。我们经常谈论“数字孪生”，这些大模型，在这里将变得非常宝贵。例如，有一根已有150年历史的管道，想使用任何新材料来修复它或嵌入其中。这对未来100年有何影响？这对可持续性有何影响？可以开始提出这些有趣的问题，并对结果进行建模。

物联网和传感器设备的生命周期是否存在问题？

这实际上是一个持续存在的问题。我们用来让城市变得更加智能的许多技术的使用寿命不超过十年，因为技术很快就会过时，软件需要升级，等等。然而，当我们考虑城市基础设施时，谈论的是50年、60年、100年甚至更长的使用寿命。这里有一个不匹配的地方，需要考虑一下。如果我们要越来越多地利用所有这些智能技术来设计智能城市，需要考虑如何确保这些技术保持可升级性，从而保持最新状态。

如何与智慧城市合作，更好地利用资源?

我们越来越多地推动城市的循环发展。随着技术及其潜力的不断增长，我们能够更好地评估资源的使用，对废物的产生做出更好的预测，并发现循环利用的机会。然后，只需做出一些关键决策，使城市及其资产更高效、更经济、更可持续。例如，数据中心是否可以位于城市附近，也许就在公共供暖系统旁边，以便一个系统的热量可以进入另一个系统？我们可以对此进行建模，并了解将数据中心移动到该位置与使用自然元素冷却的地方相比是否值得花费成本。这些权衡可以根据数据分析而不是假设开始进行。更好地理解循环性将是不断发展的智慧城市的主要好处之一。

这一领域正在进行的研究和发展将把我们带向何方?

目前有很多关于城市农业的争论，虽然有人可能认为从商业角度来看它不是特别可行，但它可能具有其他可行性，我们可以通过密集建模或使用机器学习来解决。例如，农场自动化可以确保精确数量的食物、水和热量为植物和农作物的生长创造最佳条件，并且剩余的能源和废物得到重新利用。这就是下一个阶段：真正会思考的城市，可以用数据来驱动智能自动化的行动。这座城市不是为了“生态”而设计的，而是基于能源使用、废物产生和长期前景来权衡可持续性收益的能力，这有助于预测哪些项目应优先考虑。“智能设计”是一个术语，也是我们下一步的目标。

声明：本站所使用的图片文字等素材均来源于互联网共享平台，并不代表本站观点及立场，如有侵权或异议请及时联系我们删除。