智慧城市的实现依赖于大量精准有效的数据，但这带来了一个难题：对于大型城市而言，收集数据的难度很大。以空气污染数据为例，为了得到不同区域的准确数据，需要将传感器遍布在整个城市，这种方案显然不够经济也难以实现。
近期，卡耐基梅隆大学电子与计算机工程学院的研究团队将城市中不停移动的出租车作为传感平台，开发了一套“针对车载智慧感知数据采集的协同集群调度系统”，可获取高质量的城市域数据，用于各类智慧城市的应用，如城市高精度空气质量检测等。
这项研究的第一作者及技术负责人、卡耐基梅隆大学电子与计算机工程学院博士后陈鑫磊在接受澎湃新闻（www.thepaper.cn）记者采访时介绍，所谓“集群”是指一堆智能体协同合作来完成一项或多项任务，智能体可以是无人机、无人车和小型机器人等，集群调度在消防、物流、交通等领域有多种应用。
基于该系统获取的数据，研究团队针对城市域空气污染的问题，研发了高精度大气监测平台，可以追踪特定地点的空气污染信息，包括细颗粒物（PM2.5）、二氧化氮、二氧化硫和臭氧等8种污染物的指标，并可追溯传统大气监测站无法发现的“隐形污染源”。该工具能将监测到的污染指标在24小时内的变化曲线汇总到一个平台中。
研究团队在城市实验和模拟实验中证明，使用系统后，集群的传感覆盖质量较基准提高了40%，业务匹配率提高了20%。而达到与基准相似的传感覆盖质量水平，该系统仅需要传统方式10％的预算。
这项研究发表在国际物联网领域顶级期刊《IEEE Internet of Things Journal》和《IEEE Transactions on Mobile Computing》上。
利用出租车监测城市空气污染
城市里的出租车具有运营时间长、行程覆盖范围广等特点，具有巨大的数据收集潜力。基于此，不少城市开始尝试将出租车作为移动传感平台，用于收集城市数据。
目前，这种模式已经在国内多个城市试点。例如，北京市通州区2020年4月宣布，已为175台新能源出租车安装了大气监测设备，可实时监测空气中的PM2.5等污染物含量，成为“行走的污染物探测器”。除了车顶灯内的监测设备外，车内还安装了走航移动视频监测设备，可以对有扬尘污染的道路进行抓拍。
不过，出租车队收集的数据存在一定缺陷。现实生活中，出租车不可能真正覆盖到城市的每个角落，相反，它们往往聚集在客流量大的地区。在没有任何规定的情况下将传感器安置在出租车上，收集到的数据可能会有错误并且不完整。
（a）表示所有车辆都聚集在中心区域；（d）表示理想情况下车辆覆盖面积最大且分布均匀。
为了解决这个问题，陈鑫磊及同事对出租车集群制定了两个主要目标：覆盖更大的范围和分布更加均匀。
他们开发了一种人工智能算法。该算法能够制定最佳方案以激励出租车驾驶员开车到不太热门的地区。为了确定具体要激励哪一辆出租车，该算法考虑了多个因素，包括传感数据的分布特性，出租车的定位、可能的行驶路线、潜在的客户以及降低成本的需求。
总的来说，该算法会告诉出租车司机：依照算法给出的路线行驶，他可能会遇见更多的乘客。如果司机没有遇到更多乘客，系统会为他弥补差额。
陈鑫磊对澎湃新闻介绍，为出租车司机提供补贴是“有技巧性的”，需要依靠精准化的人工智能的算法。他同时提到，补贴的下限是行驶过程中所需的油费，补贴的上限则是假设有乘客的情况下乘客应支付的车费。
“该系统帮助我们在以往传感器未覆盖的道路上获取新的数据，并提高我们对城市的整体了解。”研究团队负责人、卡耐基梅隆大学电子与计算机工程学院副教授张旆表示。
目前，研究团队与中国环思科技合作，分别负责算法和空气污染监测装置的研发，已经在深圳和天津等地试用。
优化集群调度，推动智慧城市建立
利用出租车集群获取空气质量等城市域数据的背后涉及到工程学和人工智能领域里集群调度的问题。
陈鑫磊博士介绍，每一个集群均有其主要任务，例如出租车的主要任务是载客。“为了提升效率，人们可以给集群分配次要任务，例如利用出租车进行空气质量数据采集并监测其质量。”而他们开发的算法能够优化集群调度，即保证主要任务顺利完成的同时，以尽量少的代价完成次要任务。
同时，不限于上述出租车集群调度时所完成的均匀调度，算法还能在集群调度时实现期望的时空分布方式，从而对特定时间和区域进行密集的数据采集。
陈鑫磊表示，除了利用出租车集群收集城市内的空气污染数据，该系统可以应用于大量场景，如消防、物流和交通等领域。在改变传感器后，该系统可以用于收集城市中的各种数据。
此外，该系统能够推广到出租车之外的各种运载体。例如，让无人机在完成配送任务的同时自动充电，或利用暂无配送任务的无人机拍摄城市交通事故的图像。
未来，研究团队计划结合深度强化学习，开发一套能够自主优化学习集群算法完成全自主分布式调度。
责任编辑：李跃群
校对：刘威
京公网安备 11010802035086号