在过去的十年中，许多城市推出了庞大(且成本高昂)的“智慧城市”计划。在这种转变的早期，重点是数据的收集和集中。然而，近年来出现了一种新模式——“在边缘”执行的去中心化数据处理。随着边缘计算变得越来越普遍，为各地城市政府和行业工作的数据工程师越来越擅长为现有系统配备物联网和边缘处理功能，以及使用人工智能和机器学习来提取可操作的见解。
然而，在智慧城市中利用边缘计算的力量时，仍然存在另一个挑战：在设计阶段将边缘能力构建到城市系统中。这样做需要城市规划者了解去中心化边缘计算的工作方式。
在本文中，我们将探讨边缘计算对于在智慧城市工作的城市规划者的潜在优势，他们在实现这些优势时将面临的一些挑战，然后展望智慧城市的未来。
智慧城市边缘计算
人们很容易就能找到边缘计算正在彻底改变城市运作方式的例子。事实上，智慧城市计划是边缘计算市场的主要驱动力之一，预计到 2024 年该市场将增长到 90 亿美元。
迄今为止，智慧城市中最突出和最常见的边缘计算部署是交通管理。这应该不足为奇：现代车辆收集大量数据，并使用边缘云基础设施自行处理其中大部分数据。某些城市甚至走得更远，正在寻求应用边缘处理来管理供水系统，甚至医疗保健系统。
不过，所有这些应用的共同点是，它们都在现有遗留系统之上构建数据收集和边缘处理功能。因此，许多城市不得不进行广泛且昂贵的设施改造过程，以利用这些新技术。
挑战
当然，如果边缘处理从一开始就内置到市政系统中，这些应用可以变得更容易。换句话说，如果城市规划者的工作方式是在早期阶段将智慧城市基础设施构建到他们的设计中。不幸的是，目前，这种情况仍然存在一些障碍。
与整个智慧城市的概念一样，其中一个挑战是隐私问题。多年来，隐私问题一直困扰着智慧城市的想法，并非没有原因：一些城市似乎决心在其所有系统中构建数据收集功能，英国警方已被发现未经授权访问此类数据。将数据收集功能构建到每个城市系统中只会加剧这些担忧，即使 AI 可用于提高边缘安全性。
其次，是敏捷性的问题。城市规划者习惯于在与网络工程师工作的时间尺度完全不同的时间尺度上工作：新的道路系统可能设计为持续数十年，而物联网系统的寿命将以年为单位。因此，城市规划者不仅需要在他们的设计中构建边缘能力，而且还需要使其具有足够的适应性，以便他们能够在很长一段时间内提供价值。
让平凡变得有趣
综上所述，如果边缘计算能力可以融入我们城市的结构，这可能会彻底改变我们与它们互动的方式。
我们以自动驾驶汽车为例。目前，智慧城市工程师在很大程度上仅限于使用车辆本身收集的数据，因此对这些车辆与其他市政系统交互的方式了解有限。真正智慧城市的承诺是将这些数据与在整个城市服务范围内收集的信息进行对话。例如，在发生严重车祸时，监控关键路口的边缘计算网络可以处理车辆数据，向当地服务发出事故警报，并自动重新规划交通路线。
然而，要实现这种“智能”水平，需要改变城市规划者的思维方式。目前，城市工程师倾向于专注于大型、昂贵、华丽的项目，而忘记了与城市实际运作相关的平凡细节：在这一类别中可以找到垃圾收集、供水网络和污染监测系统.
未来
尽管存在所有这些困难，但有迹象表明智慧城市城市规划的承诺正在实现。例如，在 2017 年 3 月，Sidewalk Toronto 项目不仅旨在将边缘计算基础设施构建到城市结构中，而且还提供了可以随着城市的发展而调整和改变同一系统的能力。尽管该项目受到与许多智慧城市计划相同的隐私问题的困扰，但因其将城市发展过程与智慧城市部署相结合的方式而受到称赞。
像这样的项目向我们表明，城市规划不需要与智慧城市计划分开，而是可以成为其中不可或缺的一部分。他们还指出，看待城市规划的传统方式——作为缓解现代城市产生的问题的一种方式——可能有点过时了。最后，它们提供了一个很好的例子，说明各种工程师如何在未来更加有效地实施边缘模型。
