基于物联网的智慧城市平台_技术

　　智慧物联网

　　就像任何物联网系统一样，智慧城市使用配备了传感器和执行器的智能物品。传感器收集数据并将其传递到云进行处理。例如，连接的路灯的传感器测量照度，安装在垃圾箱中的传感器测量垃圾量，路面传感器测量平均行车速度等。

　　执行器使事情起作用。它们从控制应用程序和用户应用程序接收并执行命令，例如更改交通信号灯，打开和关闭信号灯等。

　　现场网关

　　传感器收集的数据无法直接传递到云，而是通过现场网关。他们在将数据传递到云之前对其进行预处理和过滤。它们还将命令从控制应用程序传输到事物的执行器。此外，借助本地智能，即使云连接丢失，现场网关也可以提供时间紧迫的响应。

　　云网关

　　云网关解决了安全问题，并确保了现场网关和云之间的安全数据传输。它通过加密保护数据，防止未经授权的访问和拦截，并提供不同协议之间的兼容性。

　　流数据处理器

　　在智慧城市中，数以千计的传感器连续生成数据，这些传感器同时发送数据记录。流数据处理器使它能够在接收到数据后直接对它进行 *** 作。它将数据传递给控制应用程序并将其加载到数据湖。

　　数据湖（DataLake）

　　数据湖是用于以原始格式存储数据的数据存储库。当需要数据来进行有意义的分析并确定其价值时，就从数据湖中提取数据，进行结构化，然后加载到大数据仓库中。

　　大数据仓库（BigDataWarehouse）

　　如果将数据视为一定量的水量，则数据湖是一个大型存储池，而大数据仓库更像是带有清洁水的包装水瓶的数量。大数据仓库包含有关连接事物的结构化数据和上下文信息，例如，在安装位置和安装时间，以及通过控制应用程序发送到事物执行器的命令。大数据仓库使传感器数据的重用成为可能，允许不同的智能城市服务（如智能交通或智能环境）访问和使用相同的数据集。

　　数据分析

　　数据分析师使用数据分析解决方案来检查传感器数据集，以得出有意义的见解并将结果传达给数据分析师。为了使分析结果更容易理解，可以借助数据可视化工具将其可视化。数据分析和可视化工具通常集成到仪表板应用程序中，该仪表板应用程序在单个屏幕上显示数据，并且可以在有新信息可用时实时更新。

　　数据分析人员使用数据分析工具来监视交通性能，减少事故，识别潜在的犯罪现场等。例如，使用数据分析工具来监视一段时间内的交通，可以揭示整个城市的交通分布模式。在缓解拥堵、排放和噪音方面取得重大进展。

　　机器学习

　　机器学习使用先进的计算技术来使智能事物的行为适应公民的需求。应用机器学习算法来揭示隐藏的相关性，并基于这些相关性建立预测模型。

　　这些模型确定了连接的事物将如何响应某些条件。对模型进行准确性测试，如果输出动作与预期的不同，则将对其进行修改和再次测试，直到它们达到预期的功能为止。然后由控制应用程序使用它们，控制应用程序根据模型向事物的执行器发送命令。

　　例如，ML可以应用于流量管理解决方案。ML算法随时间监控流量，从而创建了整个城市的流量分配模式。根据这些模式，城市可以检测到交通负荷最大的区域，并采取措施在没有人工干预的情况下缓解它们，例如调整交通信号灯的时间安排，重新安排部分交通路线等。

　　控制应用

　　控制应用程序将命令发送到事物的执行器。例如，当检测到运动时，路灯的控制器可以接收命令以使灯变亮。

　　控制应用程序可以基于规则，也可以基于机器学习。基于规则的控制应用程序使用手动编程的规则。这样，规则中的变量将替换为传入的数据记录。如果它们满足规则中定义的条件，那么将触发输出 *** 作。

　　例如，一个城市使用交通管理解决方案来识别和缓解拥堵。为此，交通管理平台用户定义了一个速度阈值，该信号指示存在拥堵，例如，如果平均交通速度下降到9mph，该规则将识别拥堵并采取输出措施，更改交通信号灯。

　　基于机器学习的控制应用程序使用通过应用机器学习算法创建的模型。