隨著對智慧城市計劃的不斷推動，具有機器學習能力的邊緣智能正在發揮重要作用。專家建議，邊緣計算和機器學習將共同改變家庭自動化、交通管理、樓宇安全、基礎設施管理和城市停車系統的游戲規則。

隨著企業爭相樹立行業標桿，數字化轉型正在興起。物聯網是關鍵的數字化轉型技術之一，可以為這些企業帶來優勢，以獲得他們尋求的技術進步。

為了鼓勵經濟發展和提高生活質量，“智慧城市”是卓越的創新數字模式和卓越的數字模式。智能城市的概念是智能家居系統、智能交通、智能建筑、智能交通信號燈、智能垃圾收集以及您認為可以為智能城市管理使用或提供有價值數據的所有其他東西的組合包。

一方面，新的物聯網 （IoT） 應用正在為世界各地的智慧城市活動賦能，另一方面，隨著所有這些數據被發送到云端或集中式數據中心，成本和延遲也隨之增加。進一步分析和處理。在這種情況下，物聯網部署需要在更靠近數據源（邊緣）的地方處理信息和決策，從而減少與云數據傳輸相關的成本和時間。

可持續智慧城市的概念伴隨著萬物互聯——人、設備和流程。它提供了一個更智能的數字世界，在這個世界中，一切都相互連接、交流并提高了生活水平。這種智慧城市的理念引入了智能建筑、交通管理，可以減少交通擁堵、水管理、廢物管理等。

邊緣智能在可持續智慧城市發展中的作用

顯然，從不同的智慧城市組件收集的數據是巨大的。因此，數據泛濫是您在規劃可持續智慧城市時需要考慮的挑戰，因為管理起來既困難又昂貴。為了解決這個問題，智慧城市計劃可以采用邊緣分析，收集數據并進行分析。在邊緣分析中，對從傳感器、網絡交換機或其他設備接收到的數據執行自動分析計算，而不是發送回集中式數據存儲。通過在邊緣通過分析算法運行數據，公司可以設置參數來決定哪些信息值得發送到云端供以后使用。這減少了連接設備的決策過程中的延遲。

為什么要為智慧城市提供邊緣智能？

如上所述，邊緣分析是一種從傳感器、交換機或其他設備收集數據并分析這些數據的方法。邊緣智能只不過是帶有機器學習的邊緣計算。邊緣智能使數據預處理和決策能力更接近數據源，從而減少數據泛濫和通信延遲。因此，邊緣智能結構可以節省時間和成本，這將是智慧城市管理的關鍵績效指標。

邊緣智能的優勢

- 近乎實時的決策

- 低延遲

-降低溝通成本

-自治

-全分布式計算模型和本地身份

- 提高數據質量

- 減少數據量

- 預處理數據，以便只有決策或警報可以轉發到云服務器，而不是原始數據

不同形式的邊緣計算

邊緣分析

邊緣分析在傳感器、網絡交換機或其他連接設備處或附近對網絡邊緣的數據進行分析。無論是基于規則的決策還是負責主動處理事件/情況的復雜事件處理設計，所有這些都可以通過邊緣分析來處理。借助智能傳感器和連接設備，邊緣分析需要硬件和軟件平臺來存儲、準備數據以及訓練和處理算法。在邊緣處理和存儲數據的能力也起著關鍵作用。

邊緣機器學習

機器學習是系統在不受任何人為干擾的情況下自動學習和改進其操作的能力。例如，在自動駕駛汽車的情況下，機器學習應用程序在汽車本身（邊緣）進行本地訓練，以減少處理數據的帶寬和延遲。更不用說，所需的生命安全因素；這些車輛即時處理數據并根據當前道路狀況做出決策的能力至關重要，并且可以挽救生命。這將有助于識別超速車輛和騎自行車者的運動、改善交通流量、增強行人安全和優化停車。

邊緣模式識別

對于模式識別，機器完全按照人腦思考的方式進行訓練，并通過分析對象的各個方面來識別模式。人工智能中的模式識別是訓練機器根據特定模式識別所需圖像的地方。在邊緣學習和預測交通和停車模式以及其他后勤數據是可能的。例如，如果系統發現某個路口 A 發生了一些事件，它將預測其他路口的實時影響。

走向邊緣的設計要求

采用邊緣智能時需要考慮各種屬性和要求，例如可信度和信任、自主性、機器學習能力、自組織、自配置、自發現、自學習和自適應、策略-驅動操作、網格能力、彈性和語義互操作性。

任何收集和分析 OT 數據的物聯網平臺都應該在實現這一目標的方式上具有極強的適應性。OT 數據可以從各種來源獲取，如下所述：

- 來自使用指定協議的傳感器

- 來自 SCADA、DCS 等控制系統和其他控制硬件的專有系統

- 來自 ERP、數據歷史學家、流程管理系統或任何自定義數據記錄或監控系統等運營軟件。

邊緣分析的應用

智能停車解決方案

每天，人們都會浪費大量時間尋找空車位。如果人們確切地知道哪個停車位是可用的或空的，以及如何處理那個空的停車位，這種浪費時間是可以控制的。

智能停車是一種典型的物聯網應用，可以通過實時識別空閑停車位的可用性來減少停車隊列并快速找到空閑空間。該系統利用各種概念和圖像檢測系統以及已經存在的監控攝像頭。這種邊緣智能視覺停車位占用檢測系統可以通過卷積神經網絡 （CNN） 技術開發，可以為智能相機設計和部署。

家庭自動化

家庭自動化是物聯網的另一個應用程序，您可以通過它提高家庭安全性。真正智能的智能家居是一個多層系統，幾乎不需要用戶管理，并且能夠根據歷史和實時數據做出決策。因此，家庭自動化系統應該能夠識別重要的用戶動作，評估事件的概率，并向網絡內的其他設備發出適當的命令。

例如，Nest Cam IQ 室內安全攝像頭在邊緣使用圖像和視頻識別以及機器學習算法來監控運動或驗證家庭成員的面部，從而實現更智能的安全漏洞檢測和更少的誤報。

交通管理與智能交通

流量管理是邊緣計算技術的理想應用。通過在物理流量上本地部署計算智能，可以在邊緣減少噪聲數據。這顯著減少了需要通過網絡傳輸的數據量，從而降低了運營和存儲成本。

智能交通提供由機器學習和邊緣計算提供支持的實時流式交通信息。它通過互聯基礎設施、數據分析和機器學習來減少交通事故，從而優化交通系統并識別高事故交叉口。

機器學習部署在邊緣設備上時，將使互聯交通系統能夠與有人駕駛和自動駕駛車輛互動并做出反應。機器學習工具從嵌入道路和交通信號燈、歷史調查、雷達圖像等的物聯網 （IoT） 傳感器收集交通數據。它研究交通模式并計算出繁忙交通何時開始和結束。然后智能交通系統根據學習動態調整紅綠燈的信號配時。機器學習聚合和分析實時數據以控制交通信號燈和整個交通系統。

綜上所述，邊緣智能與機器學習的好處減少了數據泛濫并最大限度地減少了通信延遲，最終降低了成本。

審核編輯：郭婷