智慧物聯網

　　就像任何物聯網系統一樣，智慧城市使用配備了傳感器和執行器的智能物品。傳感器收集數據并將其傳遞到云進行處理。例如，連接的路燈的傳感器測量照度，安裝在垃圾箱中的傳感器測量垃圾量，路面傳感器測量平均行車速度等。

　　執行器使事情起作用。它們從控制應用程序和用戶應用程序接收并執行命令，例如更改交通信號燈，打開和關閉信號燈等。

　　現場網關

　　傳感器收集的數據無法直接傳遞到云，而是通過現場網關。他們在將數據傳遞到云之前對其進行預處理和過濾。它們還將命令從控制應用程序傳輸到事物的執行器。此外，借助本地智能，即使云連接丟失，現場網關也可以提供時間緊迫的響應。

　　云網關

　　云網關解決了安全問題，并確保了現場網關和云之間的安全數據傳輸。它通過加密保護數據，防止未經授權的訪問和攔截，并提供不同協議之間的兼容性。

　　流數據處理器

　　在智慧城市中，數以千計的傳感器連續生成數據，這些傳感器同時發送數據記錄。流數據處理器使它能夠在接收到數據后直接對它進行操作。它將數據傳遞給控制應用程序并將其加載到數據湖。

　　數據湖（DataLake）

　　數據湖是用于以原始格式存儲數據的數據存儲庫。當需要數據來進行有意義的分析并確定其價值時，就從數據湖中提取數據，進行結構化，然后加載到大數據倉庫中。

　　大數據倉庫（BigDataWarehouse）

　　如果將數據視為一定量的水量，則數據湖是一個大型存儲池，而大數據倉庫更像是帶有清潔水的包裝水瓶的數量。大數據倉庫包含有關連接事物的結構化數據和上下文信息，例如，在安裝位置和安裝時間，以及通過控制應用程序發送到事物執行器的命令。大數據倉庫使傳感器數據的重用成為可能，允許不同的智能城市服務（如智能交通或智能環境）訪問和使用相同的數據集。

　　數據分析

　　數據分析師使用數據分析解決方案來檢查傳感器數據集，以得出有意義的見解并將結果傳達給數據分析師。為了使分析結果更容易理解，可以借助數據可視化工具將其可視化。數據分析和可視化工具通常集成到儀表板應用程序中，該儀表板應用程序在單個屏幕上顯示數據，并且可以在有新信息可用時實時更新。

　　數據分析人員使用數據分析工具來監視交通性能，減少事故，識別潛在的犯罪現場等。例如，使用數據分析工具來監視一段時間內的交通，可以揭示整個城市的交通分布模式。在緩解擁堵、排放和噪音方面取得重大進展。

　　機器學習

　　機器學習使用先進的計算技術來使智能事物的行為適應公民的需求。應用機器學習算法來揭示隱藏的相關性，并基于這些相關性建立預測模型。

　　這些模型確定了連接的事物將如何響應某些條件。對模型進行準確性測試，如果輸出動作與預期的不同，則將對其進行修改和再次測試，直到它們達到預期的功能為止。然后由控制應用程序使用它們，控制應用程序根據模型向事物的執行器發送命令。

　　例如，ML可以應用于流量管理解決方案。ML算法隨時間監控流量，從而創建了整個城市的流量分配模式。根據這些模式，城市可以檢測到交通負荷最大的區域，并采取措施在沒有人工干預的情況下緩解它們，例如調整交通信號燈的時間安排，重新安排部分交通路線等。

　　控制應用

　　控制應用程序將命令發送到事物的執行器。例如，當檢測到運動時，路燈的控制器可以接收命令以使燈變亮。

　　控制應用程序可以基于規則，也可以基于機器學習。基于規則的控制應用程序使用手動編程的規則。這樣，規則中的變量將替換為傳入的數據記錄。如果它們滿足規則中定義的條件，那么將觸發輸出操作。

　　例如，一個城市使用交通管理解決方案來識別和緩解擁堵。為此，交通管理平臺用戶定義了一個速度閾值，該信號指示存在擁堵，例如，如果平均交通速度下降到9mph，該規則將識別擁堵并采取輸出措施，更改交通信號燈。

　　基于機器學習的控制應用程序使用通過應用機器學習算法創建的模型。

　　用戶應用

　　借助用戶應用程序，市民可以發送命令來控制應用程序并接收通知和警報。例如，當停車位騰空時，用戶應用程序可以接收通知。駕駛員還可以使用該應用查看該區域的停車位地圖，為該停車位注冊他們的汽車并支付停車費，以及延長停車時間。

　　服務管理解決方案

　　服務管理解決方案有助于為市民提供及時的支持并滿足他們的服務要求。該服務管理解決方案從各種不同的渠道收集公民的請求，包括電子郵件，在線社區，社交媒體，網絡聊天等。它處理請求，自動創建案例并將其分配給代理。

　　例如，如果某個公民注意到交通信號燈故障，則可以使用移動應用程序拍照，輸入其他信息，在地圖上標記位置并報告。服務管理解決方案接收查詢，處理查詢，創建案例并自動通知現場工作人員。