如果邊緣計算能力可以融入我們城市的結構，這可能會徹底改變我們與他們互動的方式。
在過去的十年中，許多城市推出了龐大（且成本高昂）的“智慧城市”計劃。在這種轉變的早期，重點是資料的收集和集中。然而，近年來出現了一種新模式——“在邊緣”執行的去中心化資料處理。隨著邊緣計算變得越來越普遍，為各地城市政府和行業工作的資料工程師越來越擅長為現有系統配備物聯網和邊緣處理功能，以及使用人工智慧和機器學習來提取可操作的見解。
然而，在智慧城市中利用邊緣計算的力量時，仍然存在另一個挑戰：在設計階段將邊緣能力構建到城市系統中。這樣做需要城市規劃者瞭解去中心化邊緣計算的工作方式。
在本文中，我們將探討邊緣計算對於在智慧城市工作的城市規劃者的潛在優勢，他們在實現這些優勢時將面臨的一些挑戰，然後展望智慧城市的未來。
智慧城市邊緣計算
人們很容易就能找到邊緣計算正在徹底改變城市運作方式的例子。事實上，智慧城市計劃是邊緣計算市場的主要驅動力之一，預計到 2024 年該市場將增長到 90 億美元。
迄今為止，智慧城市中最突出和最常見的邊緣計算部署是交通管理。這應該不足為奇：現代車輛收集大量資料，並使用邊緣雲基礎設施自行處理其中大部分資料。某些城市甚至走得更遠，正在尋求應用邊緣處理來管理供水系統，甚至醫療保健系統。
不過，所有這些應用的共同點是，它們都在現有遺留系統之上構建資料收集和邊緣處理功能。因此，許多城市不得不進行廣泛且昂貴的設施改造過程，以利用這些新技術。
挑戰
當然，如果邊緣處理從一開始就內建到市政系統中，這些應用可以變得更容易。換句話說，如果城市規劃者的工作方式是在早期階段將智慧城市基礎設施構建到他們的設計中。不幸的是，目前，這種情況仍然存在一些障礙。
與整個智慧城市的概念一樣，其中一個挑戰是隱私問題。多年來，隱私問題一直困擾著智慧城市的想法，並非沒有原因：一些城市似乎決心在其所有系統中構建資料收集功能，英國警方已被發現未經授權訪問此類資料。將資料收集功能構建到每個城市系統中只會加劇這些擔憂，即使 AI 可用於提高邊緣安全性。
其次，是敏捷性的問題。城市規劃者習慣於在與網路工程師工作的時間尺度完全不同的時間尺度上工作：新的道路系統可能設計為持續數十年，而物聯網系統的壽命將以年為單位。因此，城市規劃者不僅需要在他們的設計中構建邊緣能力，而且還需要使其具有足夠的適應性，以便他們能夠在很長一段時間內提供價值。
讓平凡變得有趣
綜上所述，如果邊緣計算能力可以融入我們城市的結構，這可能會徹底改變我們與它們互動的方式。
我們以自動駕駛汽車為例。目前，智慧城市工程師在很大程度上僅限於使用車輛本身收集的資料，因此對這些車輛與其他市政系統互動的方式瞭解有限。真正智慧城市的承諾是將這些資料與在整個城市服務範圍內收集的資訊進行對話。例如，在發生嚴重車禍時，監控關鍵路口的邊緣計算網路可以處理車輛資料，向當地服務發出事故警報，並自動重新規劃交通路線。
然而，要實現這種“智慧”水平，需要改變城市規劃者的思維方式。目前，城市工程師傾向於專注於大型、昂貴、華麗的專案，而忘記了與城市實際運作相關的平凡細節：在這一類別中可以找到垃圾收集、供水網路和汙染監測系統。
未來
儘管存在所有這些困難，但有跡象表明智慧城市城市規劃的承諾正在實現。例如，在 2017 年 3 月，Sidewalk Toronto 專案不僅旨在將邊緣計算基礎設施構建到城市結構中，而且還提供了可以隨著城市的發展而調整和改變同一系統的能力。儘管該專案受到與許多智慧城市計劃相同的隱私問題的困擾，但因其將城市發展過程與智慧城市部署相結合的方式而受到稱讚。
像這樣的專案向我們表明，城市規劃不需要與智慧城市計劃分開，而是可以成為其中不可或缺的一部分。他們還指出，看待城市規劃的傳統方式——作為緩解現代城市產生的問題的一種方式——可能有點過時了。最後，它們提供了一個很好的例子，說明各種工程師如何在未來更加有效地實施邊緣模型。
來源：千家網
