Gartner：物联网将终结一轮又一轮的雾霾

　　告诉你们一个坏消息，全国都进入了吸霾模式。

　　且看下面这张绿色呼吸网站实时发布的雾霾监测指数(12月12日13点)，不仅北京进入“糟”模式，吸霾群众的心情糟糕透了，实际上，根据最近一个月的雾霾监测显示，在全国监测的361个城市中，三分之一的城市都呈现了雾霾轻度、中度污染的情况，朋友圈各地的吸霾群众也都在心有戚戚焉不停地刷屏。　　

　　再告诉你们一个好消息，许多城市已经开始使用物联网来让城市更加智能。

　　Gartner最近发布的报告显示，IOT是当前许多城市正在使用的技术，主要应用在运输和拥塞问题，特别是围绕环境、气候变化等方面稳定度问题。

　　雾霾雾霾奈若何?

　　其实，当雾霾笼罩，我们已经没那么恐慌了，这也是缘于大家对雾霾的认知逐渐理性，懂得雾霾产生的原因无外乎那么几点：工厂排污、施工扬尘、汽车尾气等等。但治霾是需要逐步演进的，可以针对污染区域工厂停工、车辆限号，但现在的手段还过于粗放，暴力治霾影响着公民出行和生活。

　　当前，使用空气监测设备是一个良好的开端，知道各地区监测情况，许多城市已经开始使用该数据，让城市治理有的放矢。但Gartner表示，是时候到下一个层次。　　

　　比如车辆限行可以更加智能化，依托丰富的数据可以做出更好的规划，指导需要减少多少出行汽车数量，指导新能源汽车车辆用户优先出行。

　　还可以更合理的规划共享骑行、公共交通电气化，需要建设多少基础设施支持电动车和内燃机，需要在哪些地方收拥塞费等等，所有的这些例子都是利用物联网收集信息，大数据进行处理来驱动城市雾霾治理的，甚至可以调节如何产生较少的温室气体排放量和天然气能量，同时改善了车辆的噪声水平。

　　下一个，是更环保和更具包容性的城市

　　Gartner预测，许多智能城市将改变他们的关键绩效指标(KPI)，以便满足这些目标。但最重要的是，如何利用物联网和传感器收集的数据做出更好的规划决策?这就需要会利用物联网、数据和分析数据的专业的数据科学家，来负责这些项目，更需要一些专业大数据解决方案提供商来支撑。

　　Gartner还预测，到2017年，智能城市中被连接的设备使用将达到约380万，其中约58%的设备被用来在建筑和商业交通领域。到2020年，IoT传感器和连接装置将跃升至1.39亿之多。

　　所以接下来要讨论的问题是，这么多设备，如何保证它们有效地监测建筑物和交通情况、天气情况?　　

　　不得不提的一个技术就是PHM，故障预测与健康管理(Prognosticsand Health Management)，它包括两层含义：一是故障预测，即预先诊断部件或系统完成其功能的状态，确定部件正常工作的时间长度;二是健康管理，即根据诊断/预测信息、可用资源和使用需求对维修活动做出适当决策的能力。

　　PHM技术具有高大上的背景，它作为实现武器装备基于状态的维修(CBM)、自主式保障、感知与响应后勤等新思想、新方案的关键技术，受到美英等军事强国的高度重视和推广应用。如今，PHM技术作为一个方法论，已广泛应用于机械结构产品中，比如核电站设备、制动装置、发动机、传动装置等。因而，PHM系统正在成为航空航天、舰船、能源，以及汽车制造、交通设备等系统设计和使用中的一个重要组成部分。

　　在雾霾治理设备管理中，同样是PHM的用武之地。

　　值得注意的是，在PHM应用中，关键点是建模这一块，百分点一直有很强大的建模团队，从业务难点角度出发来建模。百分点“智慧之盾”中采用PHM技术，通过物联网+大数据的方式，可以帮助城市设备智能治理的目标。

　　健康度建模：实时计算和监测健康度，是提高设备资产利用率和发现异常设备的重要途径。百分点针对设备运行数据进行建模，将所有监控数据降维整合为“健康度曲线”这样的1维数据展现 ;针对一个维度数据进行实时分析，使评估更加简单，且新手维修员也会更容易入手，将运用城市治理监测的设备管理好。　　

　　多级预警：百分点将预警等级分为3级：中度预警、重度预警、故障预警;以健康度为基础，三种预警以两种规则来进行定义，分别是“次数”和“相隔时间”，以此来检测持续异常报警和周期性瞬间预警;　　

　　异常定位：面对高复杂度、高频度的大规模数据，百分点以深度神经网络为重要原型的异常预测模型发挥了重要作用，并建立整合了深度强化学习、深度神经网络和超球模型的预测模型，可以对每个时间点设备异常状态进行预测和模拟，及时提醒设备状态偏离。　　

　　超球模型计算异常状态点　　

　　深度强化学习模型计算异常状态点

　　同时，整合了地理信息和卫星遥感影像数据，实现PHM大数据与地理信息大数据的紧密结合。　　

　　我们相信，未来，大数据时代要求政府更多的向社会开放数据。只有基于大量的数据，未来整个城市设计、交通规划以及空气质量的调节，完全可以依靠大数据来决策。

　　比如在建筑节能中，在积累了大量的数据信息之后，按照时间和地点维度，在庞杂的信息中进行大数据分析，发现潜在的规律和价值;比如在城市规划中，整合地理信息、气候因素等多层面的海量信息来综合指导决策。

　　总结来说，这些都需要在数据共享基础上进行数据拉通，再通过对这些信息进行大数据分析，得出城市规划方法论，为城市治理决策提供参照依据。