智慧城市与传感器︱移动传感系统在时间和空间上应用潜能的量化分析

▂▂▂▂▂

介绍

移动传感器的使用可能会带给我们更好的对于城市活动及其在城市环境中的时空发展变化的理解，尤其是在与环境相关的案例中。车载移动式感知器使得用一小组如出租车这样的携带感知器的车辆来创造多种不同的时空数据集成为了可能。该方式不仅减少了一个数量级的感知器配备的成本和维护费用，并且是一种数据民主化的可能——数据贴近了人们的生活。

▂▂▂▂▂

移动感知数据

的适用性

在移动传感系统的讨论中，捕捉到的数据质量可以被理解为特定区域内记录数据的位置数量和时间跨度。图一描述了时空覆盖性的概念，而其中对于感知数据的质量要求取决于对现象的理解和目标的应用情况。例如，对噪音的统计需要在空间上高度密集的感知数量，而对于温度的统计对于传感器空间上的密度要求就更低。另一方面，对于街道维护状况的感知要比对于空气污染的感知不敏感的多。

▂▂▂▂▂

目前为止，本论文中介绍的样本数据的质量取决于数据采集点在时间和空间上的密度（如图一所描述的），并且仅仅基于街道网格类型学、交通工具数量、和它们机动性的模式决定其特征。然而，在移动式传感系统的应用中，街道网格的几何形态也是一个决定性的、需要更多研究的影响因素。

如果我们忽略如桥梁、隧道等非平面城市布局的影响因素，街道肌理可以被认为是一种几何平面图形，在这种图形中尖端仿佛欧几里得几何里的“点”，而点组成的图形将城市区域切割成不同的面。使用泰森多边形法，进一步把这些城市面分成了更小的区域。在移动式感知系统的假设下，数据抓取点被限制到街道，为了得到整个城市的数据，我们依据泰森多边形分隔的城市区域设置了测量点。

图二描绘了我们之前在剑桥城的移动感知实验收集到的空气质量数据（PM2.5污染指标），在那次实验里，感知器被装在垃圾收集车上。在此情境下，为了取得连续的路径覆盖区域的数据甚至未覆盖的城市街区的数据（例如图二中间红色标画出来的区域），插值法在实际中被广泛使用。