Городские вычисления
Городские вычисления-междисциплинарная область, которая относится к исследованию и применению вычислительной техники в городских районах. Это включает применение беспроводных сетей, датчиков, вычислительной мощности и данных для улучшения качества густонаселенных районов:
Термин "городские вычисления" был впервые введен Эриком Паулосом на конференции UbiComp 2004 года и в его статье Знакомый незнакомец [2] в соавторстве с Элизабет Гудман . Хотя Маркус ФОТ тесно связан с областью городской информатики , он различает их в своем предисловии к "справочнику исследований городской информатики", говоря, что городские вычисления, Городские технологии и городская инфраструктура больше фокусируются на технологических измерениях, тогда как городская информатика фокусируется на социальных и человеческих последствиях технологий в городах.
В области информатики городские вычисления опираются на беспроводные и сенсорные сети, информатику и взаимодействие человека и компьютера . Городские вычисления используют многие парадигмы, введенные вездесущими вычислениями в том, что коллекции устройств используются для сбора данных о городской среде, чтобы помочь улучшить качество жизни для людей, пострадавших от городов. Что еще больше отличает городские вычисления от традиционных сетей дистанционного зондирования, так это разнообразие устройств, входов и взаимодействия с людьми. В традиционных сенсорных сетях устройства часто целенаправленно создаются и специально развертываются для мониторинга определенных явлений, таких как температура, шум и свет.Как междисциплинарная область, городские вычисления также имеют практиков и приложений в областях , включая гражданское строительство , антропологию , общественную историю , здравоохранение , городское планирование и энергию, среди других.
Приложения и примеры[править]
Городские вычисления-это процесс сбора, интеграции и анализа больших и разнородных данных, генерируемых различными источниками в городских пространствах, такими как датчики, устройства, транспортные средства, здания и люди, для решения основных проблем, с которыми сталкиваются города. Urban computing соединяет ненавязчивые и вездесущие технологии зондирования, передовые модели управления данными и аналитики, а также новые методы визуализации для создания беспроигрышных решений, которые улучшают городскую среду, качество жизни человека и городские операционные системы. - Ю Чжэн, городские вычисления с большими данными
Культурное архивирование[править]
Города-это нечто большее, чем просто скопление мест и людей, места, которые постоянно переосмысливаются и переосмысливаются людьми, населяющими их. Таким образом, Распространенность вычислений в городских пространствах приводит к тому, что люди дополняют свою физическую реальность тем, что фактически доступно. С этой целью исследователи, занимающиеся этнографией, коллективной памятью и общественной историей, использовали городские вычислительные стратегии для внедрения платформ, которые позволяют людям делиться своей интерпретацией городской среды. Примеры таких проектов включают CLIO-городскую вычислительную систему, которая вышла из коллективной городской памяти исследования Оулу—которая "позволяет людям делиться личными воспоминаниями, комментировать их контекст и связывать их с городскими достопримечательностями, создавая таким образом коллективную городскую память." и Кливлендский исторический проект, целью которого является создание общей истории города, позволяя людям вносить истории через свои собственные цифровые устройства.
Потребление энергии[править]
Потребление энергии и загрязнение окружающей среды во всем мире в значительной степени зависят от городского транспорта. в стремлении лучше использовать и обновлять существующую инфраструктуру исследователи использовали городские вычисления для лучшего понимания выбросов газа путем проведения полевых исследований с использованием данных GPS из выборки транспортных средств, данных заправки бензоколонок и самоотчета онлайн-участников. Исходя из этого, знание плотности и скорости движения, проходящего через городскую дорожную сеть, может быть использовано для предложения экономически эффективных маршрутов движения и определения сегментов дорог, где газ был значительно потрачен впустую. информация и прогнозы плотности загрязнения, собранные таким образом, также могут быть использованы для создания локальных оповещений о качестве воздуха. дополнительно, эти данные смогли произвести оценки времен ожидания бензоколонок для того чтобы предложить более эффективные стопы, так же, как дать географический взгляд эффективности размещения бензоколонки.
Здоровье[править]
Смартфоны, планшеты, умные часы и другие мобильные вычислительные устройства могут предоставлять информацию помимо простой связи и развлечений. Что касается общественного и личного здоровья, то такие организации, как центр по контролю и профилактике заболеваний (CDC) и Всемирная Организация Здравоохранения (ВОЗ) перешли на Twitter и другие платформы социальных сетей, чтобы обеспечить быстрое распространение вспышек заболеваний, медицинских открытий и других новостей. Помимо простого отслеживания распространения болезни, городские вычисления могут даже помочь предсказать его. Исследование Джереми Гинсберга и др. обнаружено, что поисковые запросы, связанные с гриппом, служат надежным индикатором будущей вспышки, что позволяет отслеживать вспышки гриппа на основе географического местоположения таких поисков, связанных с гриппом. Это открытие стимулировало сотрудничество между CDC и Google для создания карты прогнозируемых вспышек гриппа на основе этих данных.[15]]
Городские вычисления также могут использоваться для отслеживания и прогнозирования загрязнения в определенных районах. Исследования с использованием искусственных нейронных сетей (ANN) и условных случайных полей (CRF) показали, что загрязнение воздуха на большой площади можно прогнозировать на основе данных небольшого числа станций мониторинга загрязнения воздуха.Эти результаты могут быть использованы для отслеживания загрязнения воздуха и предотвращения неблагоприятных последствий для здоровья в городах, которые уже борются с высоким уровнем загрязнения. Например, в дни, когда загрязнение воздуха особенно велико, может быть создана система оповещения жителей особо опасных районов.
Социальное взаимодействие[править]
Социальное взаимодействие
Мобильные вычислительные платформы могут быть использованы для облегчения социального взаимодействия. В контексте городских вычислений возможность размещения маяков близости в окружающей среде, плотность населения и доступная инфраструктура обеспечивают цифровое взаимодействие. Статья паулоса и Гудмена Знакомый незнакомец вводит несколько категорий взаимодействия, начиная от семьи до незнакомцев и взаимодействий, начиная от личного до мимолетного. Социальные взаимодействия могут быть облегчены специальными устройствами, приложениями, ориентированными на близость, и “совместными” приложениями. Эти приложения могут использовать различные методы для пользователей, чтобы определить, где они находятся: от “проверки” до обнаружения близости, до самоидентификации.Примеры географически осведомленных приложений включают Yik Yak, приложение, которое облегчает анонимное социальное взаимодействие, основанное на близости других пользователей, вход, который использует игру дополненной реальности, чтобы поощрить пользователей взаимодействовать с областью вокруг них, а также друг с другом ,и Foursquare, который предоставляет рекомендации по службам для пользователей на основе указанного расположения.
Транспорт[править]
Одной из основных областей применения городских вычислений является улучшение частного и общественного транспорта в городе. Основными источниками данных являются данные о плавающих автомобилях (данные о том, где находятся автомобили в данный момент). Это включает индивидуальные GPS, GPS такси, сигналы WiFI, датчики петли, и (для некоторых применений) входной сигнал потребителя. Городские вычисления могут помочь выбрать лучшие маршруты вождения, что важно для таких приложений, как Waze, Google Maps и планирование поездок. Wang et al. построена система для получения оценок времени в реальном времени. Они решают проблемы: во-первых, не все участки дороги будут иметь данные GPS за последние 30 минут или когда-либо; во-вторых, некоторые пути будут покрыты несколькими автомобильными записями, и необходимо объединить эти записи, чтобы создать наиболее точную оценку времени в пути; и в-третьих, город может иметь десятки тысяч сегментов дорог и бесконечное количество путей для запроса, поэтому обеспечение мгновенной оценки в реальном времени должно быть масштабируемым. Они использовали различные методы и протестировали его на 32670 такси в течение двух месяцев в Пекине и точно оценили время в пути с точностью до 25 секунд ошибки на километр.
Uber-это услуга, подобная такси по требованию, где пользователи могут запрашивать поездки со своим смартфоном. Используя данные активных гонщиков и водителей, Uber может различать цены на основе текущего соотношения гонщик/водитель. Это позволяет им зарабатывать больше денег, чем без "повышения цен", и помогает вывести больше водителей на улицу в непопулярное рабочее время.
Городская вычислительная техника также может дешево улучшить общественный транспорт. Группа Университета Вашингтона начала OneBusAway, которое использует данные по GPS общественного автобуса для того чтобы снабдить данные по автобуса в реальном времени всадники. Размещение дисплеев на автобусных остановках для предоставления информации дорого, но разработка нескольких интерфейсов (приложения, веб-сайт, телефонный ответ, SMS) для OneBusAway была сравнительно дешевой. Среди опрошенных пользователей OneBusAway 92% были более удовлетворены, 91% ждали меньше, а 30% - больше поездок.
Принятие решений по транспортной политике также может быть обеспечено с помощью городских вычислений. Лондонская система проката велосипедов-это широко используемая система обмена велосипедами, которой управляет их транзитный орган. Первоначально это требовало от пользователей членства. Через некоторое время они изменили его, чтобы не требовать членства, и проанализировали данные о том, когда и где велосипеды были арендованы и возвращены, чтобы увидеть, какие области были активными и какие тенденции изменились. Они обнаружили, что удаление членства было хорошим решением, которое увеличило будний день, несколько и сильно увеличило использование выходных. На основе моделей и характеристик системы обмена велосипедами были изучены последствия для поддержки принятия решений на основе данных для повышения устойчивости городского транспорта.
Окружающая среда[править]
Городские вычисления имеют большой потенциал для улучшения качества жизни в городах путем улучшения окружающей среды, в которой живут люди, например, путем повышения качества воздуха и уменьшения шумового загрязнения. Многие химические вещества, которые являются нежелательными или ядовитыми, загрязняют воздух, такие как PM 2.5, PM 10 и угарный газ. Многие города измеряют качество воздуха, устанавливая несколько измерительных станций по всему городу, но эти станции слишком дороги, чтобы охватить весь город. Поскольку качество воздуха является сложным, трудно сделать вывод о качестве воздуха между двумя измерительными станциями.
Были исследованы различные способы добавления большего количества датчиков в городской пейзаж, включая Копенгагенские колеса (датчики, установленные на колесах велосипеда и питаемые от всадника) и датчики на базе автомобилей. Пока эти работают для окиси углерода и углекислого газа, станции измерения аэрозоля не портативны достаточно для того чтобы двинуть вокруг.[6]]
Есть также попытки вывести неизвестное качество воздуха по всему городу только из образцов, взятых на станциях, например, путем оценки выбросов автомобилей из данных плавающих автомобилей. Zheng et al. построена модель с использованием машинного обучения и интеллектуального анализа данных под названием U-Air. Он использует исторические данные и данные в реальном времени, метеорологию, транспортный поток, мобильность человека, дорожные сети и точки интереса, которые подаются в искусственные нейронные сети и условные случайные поля для обработки. Их модель значительно улучшает предыдущие модели общегородского качества воздуха.
Chet et al. разработана система мониторинга качества воздуха в помещении, которая была развернута внутри компании Microsoft в Китае. Система основана в блоках HVAC здания (топление, вентиляция, кондиционирование воздуха). Поскольку HVACs фильтруют воздух PM 2.5, но не проверяют, если это необходимо, новая система может сэкономить энергию, предотвращая работу HVACs при необходимости.
Другим источником данных являются данные социальных сетей. В частности, теги изображений с географическими ссылками были успешно использованы для вывода карт smellscape (связанных с качеством воздуха) и карт soundscape (связанных с качеством звука) на городском уровне.