اگر پیشازاین دربارهی شهرهای هوشمند شنیده باشید، شاید دانستن دربارهی نحوهی عملکرد این شهرها در دنیای واقعی برای شما جذاب باشد. تکنولوژیهای خاص مانند حسگرهای توزیع شده، دادههای عمومی و زیرساختهای برق مدولار برای پروژههای شهر هوشمند مهم هستند. بااینحال، غرق شدن در جزئیات این فناوریها بدون آنکه آنها را در شهرهای واقعی متمرکز کند، رویکرد خطرناکی را ایجاد میکند. نگاهی به فناوریهای خاص قبل از درک نیازهای شهری، باعث سردرگمی افراد میشود.
بهمنظور نشان دادن اهداف پشت یک شهر هوشمند، برای ایجاد جنبههای فردی از زندگی شهری بهتر است کسانی که در این زمینه علاقهمند هستند به مطالعات بنیادین بپردازند زیرا فقط پس از درک کامل آن میتوانند راهکارهای مفید را معرفی کنند. در ادامه به جای تمرکز بر یک تکنولوژی خاص، مجموعهای از استراتژیهای شهر هوشمند به عنوان مهمترین شهرهای موجود در این زمینه معرفی میشوند. این استراتژی رویکردهای مختلف از جمله: سرمایهگذاری در سنسورهای توزیع شده، بهبود در ساختار زیربنایی و مدیریت الکترونیکی را در بر میگیرند. بدین منظور تحقیقات انجام شده در نیویورک، بارسلونا و تالین، به شما درک بهتر در مورد طیف گستردهای از روشها و فناوریهای موجود در صنعت شهر هوشمند میدهد.
سنسورها و دادهها: شهر نیویورک و جمعیت 8.6 میلیون
نیویورک سیتی یکی از رهبران موفق در بکارگیری سنسورها و دسترسی به دادههای عمومی است و از این تکنولوژیها در موارد بسیاری از جمله کنتور آب و سیستم حمل و نقل استفاده میکند. در سال 2009، وزارت حفاظت از محیطزیست این شهر که روزانه 1 میلیارد گالن آب به 8.6 میلیون نفر میرساند، یک سیستم کنتور پیشرفته را تعبیه کرد که 817000 مترمکعب آب در سراسر پنج شهرک انتقال میداد. با استفاده منظم و ارسال دادهها به مرکز عملیاتی اداره، شهروندان و دولت با دسترسی به هنگام بر نظارت مصرف آب به آسانی امکان پرداخت صورتحساب را دارند.
بدین ترتیب با حذف نیاز به اندازهگیری دستی، هزینههای مالیاتی به میزان 3 میلیون دلار در سال کاهش مییابد. علاوه بر این، سیستم هوشمند، مصرف آب را از 17٪ تا 3٪ در ساختمانها کاهش داده است، به این معنی که شهروندان در حال حاضر نسبت به هزینههای پیشبینی شده به صورت به هنگام آگاه هستند. این کاهش سبب شد تا اختلافات صورتحسابها 56 درصد کاهش یابد و منافع اقتصادی ثانویه را توسعه دهد. علاوه بر این، شهرها به صورت مداوم دادههای مصرف آب را تجزیه و تحلیل میکند و ابزارهای جدیدی را جهت سادهسازی در اندازهگیری ایجاد میکنند.
یکی دیگر از معضلات شهر نیویورک مسائل مربوط به انتقال افراد در سراسر شهر است. این شهر دارای بالاترین سواری حمل و نقل عمومی در آمریکای شمالی است و طبق آخرین آمارها 1.73 میلیارد راننده در سال 2017 داشته است. اتوبوسهایی که روزانه 2.5 میلیون مسافر را حمل میکنند، به علت ترافیک، تا حد زیادی غیرقابل اطمینان هستند.
وزارت حمل و نقل نیویورک (DOT) و اداره حمل و نقل متروپولیتن (MTA) به منظور بهبود خدمات اتوبوسرانی و ایجاد انگیزه در استفاده از آن، یک سیستم به نام (Priority Signal Transit (TSP توسعه دادند تا مدتزمانی را که اتوبوسهای پشت چراغ قرمز میمانند را کاهش دهند. از سال 2008، TSP از GPS ساخته شده در اتوبوسهای عمومی استفاده کرد و با ادغام دادهها منجر به افزایش مدت چراغ سبز وقتیکه اتوبوس در نزدیکی آنهاست، شد. ازآنجاکه این کل سیستم دیجیتال است، شهر میتواند با تنظیم متغیرهای خاص، به کاهش بار ترافیک اتوبوس ادامه دهد. تا سال 2017، TSP در 260 محل و پنج مسیر اتوبوس در سراسر شهر مستقر شد. علاوه بر این، تأخیر اتوبوس تا حدود 20 درصد کاهش یافت، که باعث افزایش پایداری حمل و نقل عمومی میشود. همانطور که این راهکار به تقاطعها و مسیرهای بیشتر گسترش مییابد، شهر توانایی جذب مزایای زیستمحیطی و اقتصادی حتی برای حمل و نقل ترانزیتی را نیز دارد.
با استفاده از سنسورها که همه جا در دسترس هستند، مقدار دادههای موجود برای تجزیه و تحلیل به سرعت در حال رشد است. دولت نیویورک و دیگر شهرها اطلاعات بیشتری را تولید میکنند تا بدانند چه کاری باید انجام شود. این مجموعه دادهها، زمانی که ترکیب و تحلیل میشوند، میتوانند بهطور مداوم فرصتهای بالقوه برای نوآوری را نشان دهند. یافتههای کلیدی میتواند به مدلهای کسب و کار قابلاعتماد منجر شود.
در این میان "دادههای باز" تبدیل به یک ایده محبوب در زمینه میدان هوشمند شده است. امروز NYC از طریق پلت فرم عمومی OpenData بیش از 1000 مجموعه دادههای باز را فراهم میکند. شهروندان و شرکتها میتوانند از دادههای موجود برای کشف راههای جدید برای بهبود تجربه شهری استفاده کنند. یک نمونه از این تحلیل بیش از 150 میلیون سفر تاکسی توسط MIT، GE، و آئودی در سال 2014 بود. این پروژه نشان داد که در صورت استفاده از خدمات تاکسی، تعداد کل سفرهای تاکسی به راحتی میتواند به 40٪ کاهش یابد. این یافتهها و دیگران بینش کلیدی را در مسیرهای بسیار مؤثر برای به حداقل رساندن ترافیک و افزایش بهرهوری شهر فراهم میکنند. علاوه بر این، ازآنجاییکه به شدت بر اطلاعات واقعی متمرکز هستند، برخلاف نظریه عمومی شهری، ممکن است موفقیت بیشتری در انتظار آنهاست.
ادامه دارد...