Gartner：物聯(lián)網(wǎng)將終結一輪又一輪的霧霾

　　告訴你們一個(gè)壞消息，全國都進(jìn)入了吸霾模式。

　　且看下面這張綠色呼吸網(wǎng)站實(shí)時(shí)發(fā)布的霧霾監測指數(12月12日13點(diǎn))，不僅北京進(jìn)入“糟”模式，吸霾群眾的心情糟糕透了，實(shí)際上，根據最近一個(gè)月的霧霾監測顯示，在全國監測的361個(gè)城市中，三分之一的城市都呈現了霧霾輕度、中度污染的情況，朋友圈各地的吸霾群眾也都在心有戚戚焉不停地刷屏。

　　再告訴你們一個(gè)好消息，許多城市已經(jīng)開(kāi)始使用物聯(lián)網(wǎng)來(lái)讓城市更加智能。

　　Gartner最近發(fā)布的報告顯示，IOT是當前許多城市正在使用的技術(shù)，主要應用在運輸和擁塞問(wèn)題，特別是圍繞環(huán)境、氣候變化等方面穩定度問(wèn)題。

　　霧霾霧霾奈若何?

　　其實(shí)，當霧霾籠罩，我們已經(jīng)沒(méi)那么恐慌了，這也是緣于大家對霧霾的認知逐漸理性，懂得霧霾產(chǎn)生的原因無(wú)外乎那么幾點(diǎn)：工廠(chǎng)排污、施工揚塵、汽車(chē)尾氣等等。但治霾是需要逐步演進(jìn)的，可以針對污染區域工廠(chǎng)停工、車(chē)輛限號，但現在的手段還過(guò)于粗放，暴力治霾影響著(zhù)公民出行和生活。

　　當前，使用空氣監測設備是一個(gè)良好的開(kāi)端，知道各地區監測情況，許多城市已經(jīng)開(kāi)始使用該數據，讓城市治理有的放矢。但Gartner表示，是時(shí)候到下一個(gè)層次。

　　比如車(chē)輛限行可以更加智能化，依托豐富的數據可以做出更好的規劃，指導需要減少多少出行汽車(chē)數量，指導新能源汽車(chē)車(chē)輛用戶(hù)優(yōu)先出行。

　　還可以更合理的規劃共享騎行、公共交通電氣化，需要建設多少基礎設施支持電動(dòng)車(chē)和內燃機，需要在哪些地方收擁塞費等等，所有的這些例子都是利用物聯(lián)網(wǎng)收集信息，大數據進(jìn)行處理來(lái)驅動(dòng)城市霧霾治理的，甚至可以調節如何產(chǎn)生較少的溫室氣體排放量和天然氣能量，同時(shí)改善了車(chē)輛的噪聲水平。

　　下一個(gè)，是更環(huán)保和更具包容性的城市

　　Gartner預測，許多智能城市將改變他們的關(guān)鍵績(jì)效指標(KPI)，以便滿(mǎn)足這些目標。但最重要的是，如何利用物聯(lián)網(wǎng)和傳感器收集的數據做出更好的規劃決策?這就需要會(huì )利用物聯(lián)網(wǎng)、數據和分析數據的專(zhuān)業(yè)的數據科學(xué)家，來(lái)負責這些項目，更需要一些專(zhuān)業(yè)大數據解決方案提供商來(lái)支撐。

　　Gartner還預測，到2017年，智能城市中被連接的設備使用將達到約380萬(wàn)，其中約58%的設備被用來(lái)在建筑和商業(yè)交通領(lǐng)域。到2020年，IoT傳感器和連接裝置將躍升至1.39億之多。

　　所以接下來(lái)要討論的問(wèn)題是，這么多設備，如何保證它們有效地監測建筑物和交通情況、天氣情況?

　　不得不提的一個(gè)技術(shù)就是PHM，故障預測與健康管理(Prognosticsand Health Management)，它包括兩層含義：一是故障預測，即預先診斷部件或系統完成其功能的狀態(tài)，確定部件正常工作的時(shí)間長(cháng)度;二是健康管理，即根據診斷/預測信息、可用資源和使用需求對維修活動(dòng)做出適當決策的能力。

　　PHM技術(shù)具有高大上的背景，它作為實(shí)現武器裝備基于狀態(tài)的維修(CBM)、自主式保障、感知與響應后勤等新思想、新方案的關(guān)鍵技術(shù)，受到美英等軍事強國的高度重視和推廣應用。如今，PHM技術(shù)作為一個(gè)方法論，已廣泛應用于機械結構產(chǎn)品中，比如核電站設備、制動(dòng)裝置、發(fā)動(dòng)機、傳動(dòng)裝置等。因而，PHM系統正在成為航空航天、艦船、能源，以及汽車(chē)制造、交通設備等系統設計和使用中的一個(gè)重要組成部分。

　　在霧霾治理設備管理中，同樣是PHM的用武之地。

　　值得注意的是，在PHM應用中，關(guān)鍵點(diǎn)是建模這一塊，百分點(diǎn)一直有很強大的建模團隊，從業(yè)務(wù)難點(diǎn)角度出發(fā)來(lái)建模。百分點(diǎn)“智慧之盾”中采用PHM技術(shù)，通過(guò)物聯(lián)網(wǎng)+大數據的方式，可以幫助城市設備智能治理的目標。

　　健康度建模：實(shí)時(shí)計算和監測健康度，是提高設備資產(chǎn)利用率和發(fā)現異常設備的重要途徑。百分點(diǎn)針對設備運行數據進(jìn)行建模，將所有監控數據降維整合為“健康度曲線(xiàn)”這樣的1維數據展現 ;針對一個(gè)維度數據進(jìn)行實(shí)時(shí)分析，使評估更加簡(jiǎn)單，且新手維修員也會(huì )更容易入手，將運用城市治理監測的設備管理好。

　　多級預警：百分點(diǎn)將預警等級分為3級：中度預警、重度預警、故障預警;以健康度為基礎，三種預警以?xún)煞N規則來(lái)進(jìn)行定義，分別是“次數”和“相隔時(shí)間”，以此來(lái)檢測持續異常報警和周期性瞬間預警;

　　異常定位：面對高復雜度、高頻度的大規模數據，百分點(diǎn)以深度神經(jīng)網(wǎng)絡(luò )為重要原型的異常預測模型發(fā)揮了重要作用，并建立整合了深度強化學(xué)習、深度神經(jīng)網(wǎng)絡(luò )和超球模型的預測模型，可以對每個(gè)時(shí)間點(diǎn)設備異常狀態(tài)進(jìn)行預測和模擬，及時(shí)提醒設備狀態(tài)偏離。

　　超球模型計算異常狀態(tài)點(diǎn)

　　深度強化學(xué)習模型計算異常狀態(tài)點(diǎn)

　　同時(shí)，整合了地理信息和衛星遙感影像數據，實(shí)現PHM大數據與地理信息大數據的緊密結合。

　　我們相信，未來(lái)，大數據時(shí)代要求政府更多的向社會(huì )開(kāi)放數據。只有基于大量的數據，未來(lái)整個(gè)城市設計、交通規劃以及空氣質(zhì)量的調節，完全可以依靠大數據來(lái)決策。

　　比如在建筑節能中，在積累了大量的數據信息之后，按照時(shí)間和地點(diǎn)維度，在龐雜的信息中進(jìn)行大數據分析，發(fā)現潛在的規律和價(jià)值;比如在城市規劃中，整合地理信息、氣候因素等多層面的海量信息來(lái)綜合指導決策。

　　總結來(lái)說(shuō)，這些都需要在數據共享基礎上進(jìn)行數據拉通，再通過(guò)對這些信息進(jìn)行大數據分析，得出城市規劃方法論，為城市治理決策提供參照依據。