Środowisko zabudowane

Rys. 17.2. Obszary praktyki energooszczędnego środowiska zbudowanego.

Potencjalne zastosowania IoT dla środowiska zbudowanego są liczne i różnorodne, pasujące do niemal wszystkich działań wykonywanych przez osoby, organizacje i społeczność jako całość. Te (inteligentny dom, informacje o środowisku miasta w czasie rzeczywistym, Oxford Flood Network, zbieranie odpadów dla inteligentnych miast, bezprzewodowe systemy monitorowania w dziedzinie inżynierii lądowej, platforma inteligencji miejskiej, emocjonalna brama do Minneapolis, zarządzanie odpadami, wyzwania cyberbezpieczeństwa w inteligentnych miastach, inteligentny system monitorowania środowiska pod kątem zanieczyszczeń, system e-nauki zdrowotnej, negocjacje w systemach cyberfizycznych, system wczesnego ostrzegania o bezpieczeństwie w czasie rzeczywistym dla budowy przejść, instalacje RFID w inteligentnym mieście) są przedstawione w skrócie poniżej.

Wszystkie produkty firmy Samsung będą zbudowane na platformach, które są otwarte i kompatybilne z innymi produktami, a 90% produktów – od smartfonów po lodówki – będzie w stanie połączyć się z siecią do 2017 roku. W ciągu 5 lat, każdy produkt z całego katalogu firmy ma być podłączony do Internetu. W efekcie Samsung przygotowuje się do IoT, czyli koncepcji wykorzystania czujników i innych technologii do podłączenia do Internetu wszystkiego, co tylko przyjdzie nam do głowy. Samsung wprowadził nową usługę home-monitoring subskrypcji, która będzie wysyłać natychmiastowe teksty lub połączenia do smartfona użytkownika lub wyznaczonych kontaktów o problemach lub nagłych wypadkach w ich domu, takich jak powódź, pożar, wyciek hydrauliczny, lub zwierzę na podwórku, gdy zaczyna się burza. Usługa premium obejmuje również wbudowane usługi DVR dla kamer (oglądać wokół domu dla różnych problemów), alert dla różnych problemów (na przykład, babcia nie wstała dziś rano; moje dziecko nie wróciło do domu ze szkoły na czas; mój pies jest na podwórku i jest burza nadchodzi, itp.) (Tibken, 2015).

Tego lata naukowcy zajmujący się danymi i architekci w Chicago pracują nad nową formą infrastruktury obywatelskiej: bardzo widoczne, estetyczne, kwadratowe skrzynki o powierzchni 1 stopy zamontowane na słupach oświetleniowych, które śledzą warunki środowiskowe wokół nich. Te małe skrzynki reprezentują wielki pomysł: wewnątrz każdej z nich znajduje się około tuzina czujników mierzących ciepło, wilgotność, jakość powietrza, poziom tlenku i dwutlenku węgla, a także poziom światła i hałasu. Dane te będą publicznie dostępne, aby mogli z nich korzystać twórcy aplikacji i naukowcy, a także miasto. Około 50 zostanie zainstalowanych w tym roku w obszarze Loop w mieście (Crawford, 2014).

W tej chwili miasta zbierają informacje w postaci wniosków o pozwolenia, wyników inspekcji i innych danych wejściowych związanych z usługami. Analiza tych danych może pomóc miastom dowiedzieć się, jak miasto sobie radzi i pomóc w ukierunkowaniu swoich wysiłków. Ale informacje o dobrobycie miasta – jakości życia na jego ulicach – są trudniejsze do zdobycia. The Array of Things, jak nazywa ten projekt chicagowskie Urban Center for Computation and Data, zacznie dostarczać w czasie rzeczywistym informacji o środowisku miasta. Na przykład, czujniki będą w stanie wykryć urządzenia mobilne z włączonym Bluetooth, dzięki czemu miasto będzie miało informacje o poziomie zagęszczenia pieszych w danym obszarze. Miasto, jak również każdy badacz, po raz pierwszy będzie wiedziało o szczegółowym poziomie zanieczyszczeń w różnych dzielnicach. Teraz miasto zaczyna rozumieć swoją pogodę, zanieczyszczenie i hałas w przejrzysty, przyjazny dla społeczeństwa sposób. Oznacza to, że miasto będzie w stanie zbadać ogromne ilości tych danych, połączyć je z innymi informacjami i stworzyć prognozy dotyczące przyszłości, które będą informować o tym, jak miasto przydziela swoje zasoby i zmienia swoją politykę. Jest tłoczno? Zmień schemat sygnalizacji świetlnej. Zanieczyszczenie jest problemem w poszczególnych dzielnicach? Dowiedz się dlaczego i napraw to. Gromadzenie tych danych nie rozwiąże wszystkich problemów Chicago, takich jak wskaźnik strzelanin, który pozostaje jednym z najwyższych w kraju. Ale tworzenie lepszego miasta oznacza również poprawę jakości codziennego życia na poziomie ulicy. Inwestowanie czasu i pieniędzy w dane ma sens i zmienia sposób działania lokalnych władz. Chicago, kwintesencja amerykańskiego miasta, szybko staje się narodowym liderem w dziedzinie analityki danych (Crawford, 2014).

Oxford Flood Network instaluje czujniki wokół Oxfordu. Sieć ma kilka na obszarze Tamizy i Castle Mill Stream, a niektóre pod podłogami, aby wykryć wzrost wody, gdy nadejdzie czas. W tej chwili poziomy są bardzo niskie, ale wiemy jak szybko może się to zmienić. Oxford Flood Network zbiera listę osób, które chętnie przyjmą u siebie czujnik (50 × 50 × 100 mm) i/lub urządzenie bramowe (90 × 60 × 26 mm). Gospodarz nie ponosi żadnych kosztów za urządzenie, ale mieszkańcy będą musieli pomóc w jego utrzymaniu, sprawdzając je okresowo w Internecie i ewentualnie wymieniając baterię raz do roku. Oxford Flood Network wykorzysta czujniki do stworzenia szczegółowej mapy poziomu wody w mieście, bardziej szczegółowej niż istniejące czujniki Agencji Ochrony Środowiska. Oxford Flood Network angażuje społeczności i obywateli, poprawiając umiejętność czytania i pisania w IoT (Handsome, 2015).

Do tej pory zbieranie odpadów odbywało się za pomocą statycznych tras i harmonogramów. Kontenery są odbierane codziennie lub co tydzień, niezależnie od tego, czy są pełne, czy nie. Powoduje to niepotrzebne koszty, słabe wykorzystanie sprzętu oraz ciągłe uciążliwości związane z przepełnieniem pojemników. Enevo ONe wykorzystuje inteligentne czujniki bezprzewodowe, które zbierają dane o poziomie zapełnienia pojemników na odpady i przesyłają je do opartej na chmurze platformy analitycznej. Następnie platforma generuje dokładne prognozy idealnych harmonogramów i tras odbioru kontenerów, które mogą być dostępne bezpośrednio dla kierowcy za pośrednictwem dowolnego tabletu lub smartfona z dostępem do sieci komórkowej. Usługa Enevo ONe zapewnia nie tylko monitorowanie, planowanie i optymalizację tras, ale także prawdziwie inteligentne plany zbiórki odpadów, które są wynikiem milionów złożonych obliczeń dotyczących trendów i prognoz poziomu zapełnienia, ograniczeń harmonogramu i opcji tras. Zbiórka odpadów w oparciu o inteligentne plany Enevo znacznie zmniejsza koszty, emisję, zużycie dróg, pojazdów, zanieczyszczenie hałasem i czas pracy. Enevo ONe zapewnia do 50% bezpośrednich oszczędności kosztów w logistyce odpadów. A to jeszcze nie wszystko. Zmniejszenie ilości przepełnionych pojemników oznacza mniej śmieci i szczęśliwszych klientów (Enevo, 2015).

Długoterminowe wdrożenie zostało ustanowione w celu zademonstrowania możliwości i łatwości użycia bezprzewodowych systemów monitorowania w dziedzinie inżynierii lądowej. W tym zastosowaniu siły rozciągające zastrzałów kablowych mostu wantowego są monitorowane poprzez śledzenie częstotliwości drgań własnych kabli. Bezprzewodowe czujniki (akcelerometr, temperatura powietrza, wilgotność powietrza), zasilane z jednego zestawu baterii, zostały zainstalowane na sześciu podporach w celu pomiaru przyspieszenia lin. Ponieważ zasoby energetyczne są ograniczone, a przesyłanie danych jest zadaniem energochłonnym, ilość przesyłanych danych musi być utrzymywana na niskim poziomie, aby wydłużyć żywotność systemu. W tym przypadku, szereg czasowy przyspieszeń jest przetwarzany w węźle i redukowany do jednej wartości częstotliwości, która musi być transmitowana w powietrzu. Koncepcja redukcji danych poprzez przetwarzanie surowych danych na poziomie węzła czujnika została zademonstrowana w instalacji na moście Stork w Winterthur. Instalacja działa od 2006 roku i jest jedną z pierwszych długoterminowych bezprzewodowych aplikacji monitorujących na świecie (Decentlab, 2015).

Założona w 2012 roku i mająca siedzibę w Nowym Jorku firma Placemeter jest platformą miejskiej inteligencji, która kwantyfikuje ruch nowoczesnych miast, w skali. Placemeter pobiera każdy rodzaj wideo, aby przeanalizować ruch pieszych i pojazdów, ujawniając ukryte wzorce i strategiczne możliwości. Platforma Placemeter (2015) wykorzystuje opatentowaną technologię wizji komputerowej do zbierania danych bez wykrywania tożsamości ze strumieni na żywo i archiwalnych materiałów wideo. Placemeter wykorzystuje dane z setek kamer ulicznych do badania 10 milionów ruchów pieszych każdego dnia. Wykorzystuje te dane, aby pomóc firmom dowiedzieć się, jak prowadzić marketing wśród pieszych konsumentów. Placemeter twierdzi również, że chce wykorzystać te dane, aby pomóc konsumentom w uzyskaniu informacji, takich jak to, kiedy odwiedzić sąsiednią kawiarnię, kiedy kolejka jest krótsza. Placemeter twierdzi, że nie przechowuje wideo, ani ich analiza nie obejmuje rozpoznawania twarzy (Patterson, 2014).

Placemeter zamienia nieużywane smartfony w big data. Pomiar danych o tym, jak miasto porusza się w czasie rzeczywistym, będąc w stanie dokonać przewidywań na tej podstawie, jest zdecydowanie dobrym sposobem, aby pomóc miastom działać lepiej. To jest wizja Placemeter – zbudować platformę danych, gdzie każdy w każdej chwili może wiedzieć, jak ruchliwe jest miasto, i wykorzystać to. Mieszkańcy miasta wysyłają Placemeter trochę informacji o tym, gdzie mieszkają i co widzą z okna. Z kolei Placemeter wysyła uczestnikom zestaw do przekształcenia ich nieużywanego smartfona w czujnik uliczny i zgadza się płacić gotówką tak długo, jak długo urządzenie pozostaje włączone i zbiera dane. Im więcej akcji na zewnątrz – więcej sklepów, pieszych, ruchu i przestrzeni publicznej – tym więcej wart jest widok (Jaffe, 2014).

Na zapleczu, Placemeter przekształca obrazy ze smartfonów w dane statystyczne przy użyciu zastrzeżonej wizji komputerowej. Firma najpierw wykrywa poruszające się obiekty i klasyfikuje je albo jako ludzi, albo jako 11 typów pojazdów lub innych typowych elementów miejskich, takich jak wózki z jedzeniem. Druga warstwa analizy łączy ten ruch z wzorcami zachowań opartymi na lokalizacji – na przykład, ile samochodów jedzie z dużą prędkością ulicą lub ile osób wchodzi do sklepu. Placemeter podejmuje wszelkie środki, aby zapewnić anonimowość. Czujniki smartfonów nie przechwytują niczego, co dzieje się w domu miernika (np. rozmów), a same obrazy ulic są analizowane przez komputer, a następnie usuwane bez ich przechowywania (Jaffe, 2014).

Próby ilościowego ujęcia życia w mieście za pomocą big data nie są niczym nowym, ale wyraźnym postępem Placemeter jest jego zdolność do liczenia pieszych. Dzięki armii smartfonowych oczu, Placemeter obiecuje znacznie szerszą sieć danych w czasie rzeczywistym, wystarczająco dynamicznych, aby rozpoznać nie tylko fakt istnienia osoby, ale także jej zachowanie, od prędkości chodzenia do zainteresowania handlem detalicznym do ogólnej interakcji z ulicami lub przestrzeniami publicznymi. Korzyści z tego rozwiązania mogą objąć zarówno podmioty prywatne jak i publiczne. Inwestorzy mogliby wykorzystać dane z Placemeter, aby znaleźć najlepszą lokalizację dla sklepu, podczas gdy sprzedawcy mogliby dowiedzieć się takich rzeczy, jak współczynnik konwersji z chodnika do sklepu i jak wypada on w porównaniu z innymi sklepami w okolicy. W międzyczasie, agencje miejskie mogą wykrywać użycie ławek lub bliskie wypadki na skrzyżowaniach – i ogólnie oceniać (i być może ulepszać) projekty publiczne szybciej niż w innym przypadku. W przyszłości ludzie mogą korzystać z danych Placemeter, aby wiedzieć, kiedy boisko do koszykówki jest wolne lub kiedy sklep spożywczy będzie najmniej zatłoczony. To właśnie to oddolne podejście do big data może sprawić, że Placemeter stanie się potężną platformą dla rządowej odpowiedzialności (Jaffe, 2014).

Potrzebuje od 2500 do 2700 kanałów wideo, aby prawidłowo pokryć miasto. Dzięki kamerom o wysokiej rozdzielczości Placemeter twierdzi, że może wykryć płeć pieszych z dokładnością od 75% do 80%. To otwiera potencjał dla reklam, które mogą być skierowane do bardziej odpowiedniej grupy odbiorców. Lepsze dane o ruchu pieszych mogą pozwolić sprzedawcom detalicznym dowiedzieć się, czy płacą zbyt dużo za lokalizację. Lokalizacja sklepu może stanowić ogromną różnicę w jego sukcesie. Placemeter chce sprzedawać swoje dane o ruchu pieszym firmom, aby pomóc im uzyskać lepsze możliwości. Placemeter stara się znaleźć nieefektywność na rynku. Ostatecznie cena zaczyna rosnąć do poziomu, który dokładnie odzwierciedla, jak dobry lub zły jest obszar. Placemeter stara się skutecznie skrócić ten proces (McFarland, 2014).

Minneapolis Interactive Macro Mood Installation (MIMMI) to emocjonalna brama do Minneapolis, łącząca mieszkańców i odwiedzających, aby doświadczyć i uczestniczyć w zbiorowym nastroju miasta. MIMMI to duża rzeźba pod ciśnieniem powietrza, zawieszona na smukłej konstrukcji znajdującej się na placu Centrum Kongresowego Minneapolis. W zamyśle przypominająca chmurę rzeźba unosi się 30 stóp nad ziemią, zbierając online emocjonalne informacje od mieszkańców Minneapolis i odwiedzających plac. MIMMI analizuje te informacje w czasie rzeczywistym, tworząc abstrakcyjne wyświetlacze świetlne i uruchamiając zamgławianie w odpowiedzi na te dane, tworząc pokazy świetlne w nocy i chłodząc mikroklimat w ciągu dnia. Niezależnie od tego, czy miasto jest podekscytowane po wygranej Minnesota Twins, czy sfrustrowane popołudniowym dojazdem do pracy, MIMMI reaguje, zmieniając zachowanie w ciągu dnia i nocy. Aby zrozumieć nastrój miasta, MIMMI pobiera informacje z lokalnych kanałów Twittera i wykorzystuje analizę tekstową do wykrywania emocji w tych tweetach, proces opracowany przez technologów INVIVIA przy użyciu technologii open source. Poprzez agregowanie pozytywnych i negatywnych emocji z tweetów w czasie rzeczywistym, MIMMI przekazuje wyabstrahowane emocje miasta do serii żarówek LED z obsługą WiFi- oraz zintegrowanego systemu rozpylania wody. Niskoenergetyczne światła, zawieszone wewnątrz materiału rzeźby i rozciągające się na całym jej kształcie, wyświetlają nastrój zaczynający się o zachodzie słońca. Kolor świateł zmienia się od chłodnych kolorów (negatywnych) do ciepłych i gorących (pozytywnych) w zależności od nastroju, z szybkością zmiany świateł w zależności od szybkości tweetów (Minneapolis, 2015).

Jeśli nastrój miasta jest szczególnie „smutny” lub emocjonalny z jakiegoś konkretnego powodu, odwiedzający plac mogą się zebrać, aby podnieść MIMMI (i miasto zbiorowo) na duchu, ponieważ MIMMI może wykryć ruch na placu i włączyć tę informację do swojej analizy. Im więcej osób będzie obecnych i poruszających się pod chmurą, tym bardziej aktywne stanie się MIMMI, reagując albo zwiększonym oświetleniem, albo zamgleniem, w zależności od pory dnia. Taniec, duża aktywność i ruch będą pozytywnie wpływać na wyświetlanie nastroju przez MIMMI. Strona internetowa www.minneapolis.org/mimmi będzie katalogować nastroje miasta generowane przez MIMMI latem i jesienią, pozwalając odwiedzającym zobaczyć dzienne i tygodniowe trendy w emocjach miasta. Kiedy odwiedzający korzystający z systemu iOS (iPhone’y) dotrą na plac, aplikacja przekształci się w widok MIMMI w rzeczywistości rozszerzonej, zapewniając zupełnie nowy sposób patrzenia na instalację z dodatkowymi animacjami podkreślającymi aktualny nastrój miasta (Minneapolis, 2015).

Domy, samochody, miejsca publiczne i inne systemy społeczne są obecnie na drodze do pełnej łączności znanej jako IoT. Standardy ewoluują dla wszystkich tych potencjalnie połączonych systemów. Doprowadzą one do bezprecedensowej poprawy jakości życia. Aby z nich skorzystać, infrastruktura i usługi miejskie zmieniają się dzięki nowym połączonym systemom monitorowania, kontroli i automatyzacji. Inteligentny transport, publiczny i prywatny, będzie miał dostęp do sieci wzajemnie połączonych danych, od lokalizacji GPS do informacji o pogodzie i ruchu drogowym. Zintegrowane systemy pomogą w zapewnieniu bezpieczeństwa publicznego, pomocy służbom ratowniczym oraz w usuwaniu skutków katastrof (Elmaghraby i Losavio, 2014). Elmaghraby i Losavio (2014) analizują dwa ważne i powiązane ze sobą wyzwania: bezpieczeństwo i prywatność. Bezpieczeństwo obejmuje nielegalny dostęp do informacji oraz ataki powodujące fizyczne zakłócenia w dostępności usług. Ponieważ cyfrowi obywatele są coraz bardziej oprzyrządowani dostępnymi danymi na temat ich lokalizacji i działań, prywatność wydaje się zanikać (Elmaghraby i Losavio, 2014).

Zanieczyszczenie powietrza jest główną zmianą środowiskową, która powoduje wiele niebezpiecznych skutków dla ludzi, które należy kontrolować (Jamil et al., 2015). Jamil et al. (2015) rozmieścili węzły bezprzewodowej sieci czujników (WSN) w celu stałego monitorowania zanieczyszczenia powietrza wokół miasta oraz poruszających się autobusów komunikacji miejskiej i samochodów. Dane cząstek zanieczyszczeń powietrza, takich jak gazy, dym i inne zanieczyszczenia są zbierane przez czujniki w autobusach transportu publicznego, a dane są analizowane, gdy autobusy i samochody docierają z powrotem do miejsca docelowego po przejściu przez stacjonarne węzły wokół miasta (Jamil i in., 2015).

Clarke i Steele (2014) wprowadzają nowatorski system do przechwytywania zagregowanych danych badawczych dotyczących zdrowia populacji poprzez wykorzystanie możliwości smartfonów, przy jednoczesnym pełnym zachowaniu anonimowości i prywatności każdej osoby wnoszącej takie dane. Kluczową i nowatorską cechą tego systemu jest wsparcie dla zbierania danych, które można dostosować do indywidualnych potrzeb, bez konieczności znajomości konkretnych szczegółów dotyczących danej osoby. Dostosowane reguły gromadzenia danych mogą być wdrożone na lokalnym urządzeniu w oparciu o szczegółowe dane lokalne, a wynikowy zbiór może być mierzony przez anonimową sieć gromadzenia danych (Clarke i Steele, 2014).

W najbliższej przyszłości oczekuje się, że IoT przeniknie wszystkie aspekty świata fizycznego, w tym domy i przestrzenie miejskie. W celu obsługi ogromnej ilości danych, które stają się możliwe do zebrania i oferowania usług na szczycie tych danych, najbardziej przekonującym rozwiązaniem jest federacja IoT i cloud computing. Jednak szerokie przyjęcie tej obiecującej wizji, zwłaszcza w takich obszarach zastosowań jak wszechobecna opieka zdrowotna, życie wspierane i inteligentne miasta, jest utrudnione przez poważne obawy dotyczące prywatności użytkowników indywidualnych. Dlatego też akceptacja użytkowników jest czynnikiem krytycznym dla urzeczywistnienia tej wizji (Henze et al., 2015).

Wraz z szybkim rozwojem urbanizacji w Chinach, liczba i wielkość projektów zagospodarowania przestrzeni podziemnej szybko wzrasta. Jednocześnie coraz więcej wypadków powoduje, że budownictwo podziemne coraz częściej znajduje się w centrum uwagi społecznej. Dlatego w niniejszym badaniu przedstawiono system wczesnego ostrzegania o bezpieczeństwie w czasie rzeczywistym, aby zapobiec wypadkom i poprawić zarządzanie bezpieczeństwem w budownictwie podziemnym, w oparciu o technologię IoT. Proponowany system bezproblemowo integruje system czujników z siatką Bragga i system śledzenia pracy oparty na identyfikacji radiowej (RFID). System ten został zatwierdzony i zweryfikowany poprzez zastosowanie w świecie rzeczywistym na placu budowy przejścia poprzecznego w projekcie tunelu metra pod korytem rzeki Jangcy w Wuhan w Chinach (Ding et al., 2013).

Miasto może stać się inteligentne i zielone poprzez strategiczne rozmieszczenie infrastruktury i usług technologii informacyjnych i komunikacyjnych w celu osiągnięcia celów polityki zrównoważonego rozwoju, w których drzewa muszą być zaangażowane. Rośliny nie tylko stanowią zieloną przestrzeń przydatną do przeciwdziałania skutkom zanieczyszczeń miejskich lub zapewniają korzyści ekosystemowe dla mieszkańców, ale mogą być również wykorzystywane jako bioindykatory, a ich zaangażowanie w sieci komunikacyjne może stanowić istotny wkład w budowę inteligentnego, zielonego miasta. Tagi RFID można łatwo powiązać z roślinami, zewnętrznie lub wewnętrznie. To ostatnie podejście jest szczególnie wskazane, gdy identyfikacja drzew musi być zabezpieczona od momentu ich produkcji, eliminując ryzyko zgubienia lub usunięcia tagu. Interesujące zastosowania można uzyskać poprzez wdrożenie tagów RFID w systemach biomonitoringu w celu zagwarantowania komunikacji danych w czasie rzeczywistym, w których tagi mogą działać jako anteny dla wielofunkcyjnych terenów zielonych (Luvisi i Lorenzini, 2014).

.