在過去的十年中，許多城市都發起了龐大(且價格昂貴)的“智慧城市”計劃。在這一轉變的最初幾年，重點都是是數據的收集和集中化處理。但是，近年來出現了一種新模式，即在“邊緣”執行分散數據處理。

隨著邊緣計算變得越來越普遍，無論是對應智慧城市和行業應用，數據工程都師變得更加擅長為現有系統配備IoT和邊緣處理功能，并使用AI和ML提取可行的見解。

但是，在智能城市中利用邊緣計算的功能時，仍然存在另一個挑戰：在設計階段將邊緣功能構建到城市系統中。為此，城市規劃人員必須了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于在智慧城市中工作的城市規劃人員的潛在優勢，以及在實現這些優勢方面將面臨的一些挑戰，并展望智慧城市的未來。

智慧城市的邊緣計算

如今，我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。實際上，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年邊緣計算市場將增長到90億美元。

[[332219]]

迄今為止，邊緣計算在智慧城市中最突出、最普遍的部署應用是交通管理。這也不足為奇：現代車輛收集大量數據，并使用邊緣云基礎架構自行處理其中的許多數據。其他城市則走得更遠，并正在尋求應用邊緣處理來管理水系統，甚至醫療系統。

但是，所有這些應用的共同點在于，它們是在現有遺留系統之上構建數據收集和邊緣處理功能。結果，許多城市不得不進行廣泛而昂貴的設備改造過程，以利用這些新技術。

挑戰

當然，如果從一開始就將邊緣處理內置到市政系統中，則可以使這些應用更加容易。換句話說，如果城市規劃人員能夠在早期階段將智慧城市基礎設施納入其設計中。不幸的是，目前，這種情況仍然存在一些障礙。

與整體智慧城市的概念共同面臨的挑戰之一就是隱私。

隱私問題困擾智慧城市的愿景已有十年之久，然而，這并非沒有道理：一些城市似乎決心在其所有系統中構建數據收集功能，并且警察無權訪問此類數據。即使可以使用AI來提高邊緣安全性，在每個城市系統中構建數據收集功能也只會加劇這些問題。

其次，存在靈活性問題。城市規劃人員習慣于與網絡工程師一起使用完全不同的時間尺度：新的道路系統可能設計成可持續數十年，而物聯網系統的壽命則以年為單位。因此，不僅需要城市規劃師將邊緣能力納入其設計中，而且還需要使它們具有足夠的適應性，以便他們可以長期提供價值。

讓平凡的事情變得令人興奮

綜上所述，如果可以將邊緣計算功能整合到我們城市的結構中，這可能會徹底改變我們與城市互動的方式。

以自動駕駛汽車為例。目前，智慧城市的工程師在很大程度上只能使用車輛本身收集的數據，因此對這些車輛與其他市政系統的交互方式的了解有限。真正智慧城市的承諾是將這些數據與整個城市服務范圍內收集的信息進行整合分析。例如，在發生嚴重車禍的情況下，監視關鍵路口的邊緣計算網絡可以處理車輛數據，針對事故向本地服務發出警報并自動重新安排交通流量。

但是，要達到這種“智能”水平，就需要改變城市規劃者的觀念。目前，城市工程師傾向于集中精力于大型、昂貴、炫目的項目，而忘記了與城市實際運行方式有關的基礎細節：如垃圾收集、供水網絡和污染監測系統。

面向未來

盡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項目不僅旨在將邊緣計算基礎設施構建到城市結構中，而且還提供了隨著城市的發展而適應和改變同一系統的功能。盡管目前該項目因許多智慧城市計劃中同樣存在的隱私問題而被迫中止，但它以城市開發流程與智慧城市部署相結合的方式而受到贊譽。

這樣的項目向我們表明，城市規劃不需要與智慧城市計劃分開，而可以成為其中不可分割的一部分。同時，也反映出傳統的審視城市規劃的方法也許已經過時了。最后，還提供了一個很好的例子，說明各種工程師在2020年應該如何有效實施邊緣模型。