智慧城市的實現(xiàn)依賴于大量精準有效的數(shù)據(jù)，但這帶來了一個難題：對于大型城市而言，收集數(shù)據(jù)的難度很大。以空氣污染數(shù)據(jù)為例，為了得到不同區(qū)域的準確數(shù)據(jù)，需要將傳感器遍布在整個城市，這種方案顯然不夠經(jīng)濟也難以實現(xiàn)。

近期，卡耐基梅隆大學(xué)電子與計算機工程學(xué)院的研究團隊將城市中不停移動的出租車作為傳感平臺，開發(fā)了一套“針對車載智慧感知數(shù)據(jù)采集的協(xié)同集群調(diào)度系統(tǒng)”，可獲取高質(zhì)量的城市域數(shù)據(jù)，用于各類智慧城市的應(yīng)用，如城市高精度空氣質(zhì)量檢測等。

這項研究的第一作者及技術(shù)負責(zé)人、卡耐基梅隆大學(xué)電子與計算機工程學(xué)院博士后陳鑫磊在接受澎湃新聞記者采訪時介紹，所謂“集群”是指一堆智能體協(xié)同合作來完成一項或多項任務(wù)，智能體可以是無人機、無人車和小型機器人等，集群調(diào)度在消防、物流、交通等領(lǐng)域有多種應(yīng)用。

基于該系統(tǒng)獲取的數(shù)據(jù)，研究團隊針對城市域空氣污染的問題，研發(fā)了高精度大氣監(jiān)測平臺，可以追蹤特定地點的空氣污染信息，包括細顆粒物（PM2.5）、二氧化氮、二氧化硫和臭氧等8種污染物的指標(biāo)，并可追溯傳統(tǒng)大氣監(jiān)測站無法發(fā)現(xiàn)的“隱形污染源”。該工具能將監(jiān)測到的污染指標(biāo)在24小時內(nèi)的變化曲線匯總到一個平臺中。

研究團隊在城市實驗和模擬實驗中證明，使用系統(tǒng)后，集群的傳感覆蓋質(zhì)量較基準提高了40%，業(yè)務(wù)匹配率提高了20%。而達到與基準相似的傳感覆蓋質(zhì)量水平，該系統(tǒng)僅需要傳統(tǒng)方式10％的預(yù)算。

這項研究發(fā)表在國際物聯(lián)網(wǎng)領(lǐng)域頂級期刊《IEEE Internet of Things Journal》和《IEEE Transactions on Mobile Computing》上。

利用出租車監(jiān)測城市空氣污染

城市里的出租車具有運營時間長、行程覆蓋范圍廣等特點，具有巨大的數(shù)據(jù)收集潛力。基于此，不少城市開始嘗試將出租車作為移動傳感平臺，用于收集城市數(shù)據(jù)。

目前，這種模式已經(jīng)在國內(nèi)多個城市試點。例如，北京市通州區(qū)2020年4月宣布，已為175臺新能源出租車安裝了大氣監(jiān)測設(shè)備，可實時監(jiān)測空氣中的PM2.5等污染物含量，成為“行走的污染物探測器”。除了車頂燈內(nèi)的監(jiān)測設(shè)備外，車內(nèi)還安裝了走航移動視頻監(jiān)測設(shè)備，可以對有揚塵污染的道路進行抓拍。

不過，出租車隊收集的數(shù)據(jù)存在一定缺陷。現(xiàn)實生活中，出租車不可能真正覆蓋到城市的每個角落，相反，它們往往聚集在客流量大的地區(qū)。在沒有任何規(guī)定的情況下將傳感器安置在出租車上，收集到的數(shù)據(jù)可能會有錯誤并且不完整。

為了解決這個問題，陳鑫磊及同事對出租車集群制定了兩個主要目標(biāo)：覆蓋更大的范圍和分布更加均勻。

他們開發(fā)了一種人工智能算法。該算法能夠制定最佳方案以激勵出租車駕駛員開車到不太熱門的地區(qū)。為了確定具體要激勵哪一輛出租車，該算法考慮了多個因素，包括傳感數(shù)據(jù)的分布特性，出租車的定位、可能的行駛路線、潛在的客戶以及降低成本的需求。

總的來說，該算法會告訴出租車司機：依照算法給出的路線行駛，他可能會遇見更多的乘客。如果司機沒有遇到更多乘客，系統(tǒng)會為他彌補差額。

陳鑫磊對澎湃新聞介紹，為出租車司機提供補貼是“有技巧性的”，需要依靠精準化的人工智能的算法。他同時提到，補貼的下限是行駛過程中所需的油費，補貼的上限則是假設(shè)有乘客的情況下乘客應(yīng)支付的車費。

“該系統(tǒng)幫助我們在以往傳感器未覆蓋的道路上獲取新的數(shù)據(jù)，并提高我們對城市的整體了解。”研究團隊負責(zé)人、卡耐基梅隆大學(xué)電子與計算機工程學(xué)院副教授張旆表示。

目前，研究團隊與中國環(huán)思科技合作，分別負責(zé)算法和空氣污染監(jiān)測裝置的研發(fā)，已經(jīng)在深圳和天津等地試用。

優(yōu)化集群調(diào)度，推動智慧城市建立

利用出租車集群獲取空氣質(zhì)量等城市域數(shù)據(jù)的背后涉及到工程學(xué)和人工智能領(lǐng)域里集群調(diào)度的問題。

陳鑫磊博士介紹，每一個集群均有其主要任務(wù)，例如出租車的主要任務(wù)是載客。“為了提升效率，人們可以給集群分配次要任務(wù)，例如利用出租車進行空氣質(zhì)量數(shù)據(jù)采集并監(jiān)測其質(zhì)量。”而他們開發(fā)的算法能夠優(yōu)化集群調(diào)度，即保證主要任務(wù)順利完成的同時，以盡量少的代價完成次要任務(wù)。

同時，不限于上述出租車集群調(diào)度時所完成的均勻調(diào)度，算法還能在集群調(diào)度時實現(xiàn)期望的時空分布方式，從而對特定時間和區(qū)域進行密集的數(shù)據(jù)采集。

陳鑫磊表示，除了利用出租車集群收集城市內(nèi)的空氣污染數(shù)據(jù)，該系統(tǒng)可以應(yīng)用于大量場景，如消防、物流和交通等領(lǐng)域。在改變傳感器后，該系統(tǒng)可以用于收集城市中的各種數(shù)據(jù)。

此外，該系統(tǒng)能夠推廣到出租車之外的各種運載體。例如，讓無人機在完成配送任務(wù)的同時自動充電，或利用暫無配送任務(wù)的無人機拍攝城市交通事故的圖像。

未來，研究團隊計劃結(jié)合深度強化學(xué)習(xí)，開發(fā)一套能夠自主優(yōu)化學(xué)習(xí)集群算法完成全自主分布式調(diào)度。