原创不易 请随手点击关注
本文由Rehoo团队Leery原创，无授权禁转！(图片来自网络）
图片来自网络
城市产生大量数据，确切的数量取决于城市的规模及其复杂性，但它肯定不仅仅是人类可以吸收和使用的。智能城市为寻找数据驱动技术解决方案以应对日常所面临的各种问题，越来越多地转向人工智能，为居民提供服务，从寻找枪支和寻找肿瘤到调度工作人员到接收垃圾面面俱到。
纽约是全球约90个使用ShotSpotter系统的城市之一，该系统使用麦克风网络即时识别和定位枪声。在莫斯科，所有在医院拍摄的胸部X光片都通过AI系统来识别和诊断肿瘤。是什么构成“智慧城市”的定义不明确。从最广泛的意义上讲，智能城市是一个使用电子手段为居民提供服务的城市。但是，在提供服务的简单承诺上提供服务也会非常困难。相反，一个传感器网络 ，一个物联网。会知道什么时候下雪，下降了多少，除雪机在哪里，什么时候它们在街道上执行除雪任务，以及什么时候它们会在那里。
图片来自网络
当然，需要一个通信基础设施，允许所有这些传感器相互通信，一个中央数据库，以及应用程序编程接口和数据中心，以便让其他服务（如消防部门）访问扫雪机数据，可以利用这些信息在恶劣天气下更好地定位救护车。这只是一个应用程序。以及人工智能和机器学习如何能够轻松应用于智慧城市运营。因此，最新的“智慧城市”技术的标语是AIoT：将人工智能纳入物联网。
然而，AI / ML和智慧城市运营之间出现了不可避免的紧张局势。智能城市的标志之一是为使智能城市成为可能而收集的数据的最大开放性和可用性。例如，芝加哥发布政府数据，纽约， 巴塞罗那（这里是英文版），莫斯科也是如此 。但AI和ML算法的性质模糊不清，不一定是议员或社区组织者可以轻易理解的东西。每个司法管辖区的政治程序都反映了当地的习俗，需求和愿望，其中任何一项都可能包括对提供服务的公平性等其他价值观的审查程度。
学会以比其他人更快的速度向某些社区派遣警察的人工智能，建是利用所有更精准的数据，更有效地提供服务，同时期待智能城市中的AI系统向实际人员提出建议。
图片来自网络
纽约市和华盛顿特区使用的ShotSpotter系统。研究表明，每八次枪击事件中只有一次向当局报告。ShotSpotter使用策略性放置麦克风的网络来收听枪声。当麦克风拾取与枪声的签名声音相匹配的噪音时，ShotSpotter系统会对一个位置进行三角测量，并将录音和相关信息发送给数据中心处理。
在听到声音的60秒内，ShotSpotter的传感器可以报告镜头的纬度，经度和高度，拍摄的镜头数量以及子弹行进的方向和速度。在纽约实施的ShotSpotter中，有关确认射击的信息与城市本身的地址数据库合并（因为并非所有地点都有街道地址），监控视频，犯罪和拍摄历史记录，以及任何人的姓名和图片。在该地址开立认股权证，以及在该地区签发的任何枪支许可证。警方响应电话会在他们到达现场时将所有数据存储在他们的计算机或平板电脑上。
总共有60平方英里的纽约市大约20％的城市地区被ShotSpotter所覆盖。为了防止故意破坏的可能性，所覆盖的确切区域和传感器的位置都是专有的，即使纽约警察局也不知道。该市表示，它的响应次数是枪击事件数量的四到五倍，而ShotSpotter实施之前，它已经能够匹配其他公开犯罪所收回的枪支和子弹。
解决方案并不完美。ShotSpotter的架构意味着它只能覆盖大约三平方英里或更大的区域，因此比这更小的暴力时间需要不同的，更传统的解决方案。此外，ShotSpotter并不是完美的。
在智能城市的莫斯科，国际电信联盟最近的一份报告详述了该市的进展情况。其中包括统一医疗信息分析系统，该系统将人们引导至该市678个诊所中最近的诊所，并为该市78％的居民提供电子健康记录。但莫斯科的人工智能相关项目是一个试点项目，该项目审查所有MRI和CAT扫描肺癌和乳腺癌的前体。
关于该项目的信息很少。但截至去年，安德烈·贝洛泽罗夫是莫斯科首席信息官的策略和创新顾问，也是莫斯科智慧城市工作的重点人物，该市已扫描了6000多张图片，声称它已经收集了225个案例，而之前的流程错过了。Belozerov说，莫斯科正在GitHub上参与有关CT扫描的RadIO开源数据科学项目。
另一名飞行员使用莫斯科的医疗数据和学校出勤数据来预测学校的病毒爆发。该市表示，根据人工智能处理的信息，学校可以告诉学生留在家中，从而防止全面爆发。
图片来自网络
公共卫生也是纽约市另一个大力发展的人工智能项目背后的目标：综合症监测系统。SSS源于20世纪90年代的一个项目，该项目在从911电话中收集有关流感样症状的信息，并将其发送到该市的卫生部门。这样的数据共享在二十年前非常罕见，但911数据证明不够具体，无法提供帮助。然而，多年来，该系统逐渐从紧急医疗救护人员，医院急诊室，报告处方药和非处方药销售的药店收集更详细和与健康相关的信息，这些数据每天被挖出并投入数据模型，以发现疾病趋势。
今天在纽约市，75％的EMS电话，10％的处方药销售，约四分之一的非处方药销售，以及所有急诊室访问都报告给该市的卫生部门，直至邮政编码。这意味着如果在皇后区的三个邮政编码中有200个急诊室的腹泻报告，那么第二天这个词就会出现食源性疾病可能潜伏在那里。如果布朗克斯的几所学校的护士看到孩子发烧，当地的沃尔格林人突然出售一堆Aleve，这可能是流感的早期指标。如果卷烟税上涨，卫生部门可以跟踪对卷烟和尼古丁口香糖的影响。
由于健康数据的词汇相当严格和标准化，综合症监测系统可以检测22种传染病的发病率和大约25种非传染性健康状况，如哮喘，枪伤或使用合成大麻素（称为K2或“香料”）。在最后一例中，很快发现了2018年夏天爆发的近100 K2过量剂量。几天来，这些消息来源被关闭了，部分归功于这个系统。
并非每个AIoT应用程序都像那些一样优秀。例如，拉斯维加斯正在使用AI / ML来保持街道清洁。该市已在市中心附近的两个公园内推出了带摄像机的人工智能系统。它们不是定期发送清理工作人员，只有当自动化系统看到垃圾和涂鸦时才会生成工作订单。系统不会寻找倾倒垃圾或写涂鸦的人。城市尚未量化储蓄，但它注意到了一个行为改变：进行清理的工人似乎更喜欢按常规时间表只在需要时才调用这些网站。
图片来自网络
越南胡志明市的人口在本世纪迅速发展，过度建设已成为一个问题。该市正在与世界银行合作，利用人工智能，以查看大都市的卫星图像，并识别土地覆盖和土地利用模式。该数据将用于城市规划和管理。公园对城市服务的需求不大，但密集的住房确实如此。此外，在没有划分区域的地区开发可以保证这些地区能够获得所需的城市服务。地理空间数据覆盖了行政信息，地区边界等以便了解实际情况。
AI和ML帮助挖掘现代城市所产生的大量数据库，为他们提供所需服务的系统。
,
