Taxi’s zorgen voor slimme stadscreatie

Aangezien de wereld technologisch vooruit is gegaan, is het woord “slim” op alles toegepast, van smartphones tot slimme huizen. Alles is nu “slim”, inclusief steden. Een slimme stad gebruikt verschillende Internet of Things (IoT) -sensoren om gegevens rond de stad te verzamelen, die worden geanalyseerd om de middelen en diensten van de stad beter te laten draaien en beheren. Sommige toepassingen omvatten onder meer verkeersopstoppingen, geluidshinder en bestrijding van vervuiling.

Al deze toepassingen hebben gegevens nodig, en meer specifiek vereist nauwkeurig leren goede gegevens. Dit leidt tot een van de grootste problemen bij het ontwikkelen van slimme steden: steden zijn groot. Beijing is 1.600 vierkante mijl met een bevolking van meer dan 20 miljoen, terwijl New York City relatief 302 vierkante mijl is met meer dan acht miljoen. Om gegevens te verzamelen, moeten sensoren overal in de stad zijn, maar het is onmogelijk om ze overal in te zetten vanwege kosten, arbeid en beperkte toegang tot bepaalde gebieden.

Pei Zhang, universitair hoofddocent elektrotechniek en computertechniek aan de Carnegie Mellon University, wendde zich tot taxi’s als mobiel detectieplatform. Waarom? Een taxivloot heeft een lange operationele tijd, een grote ruimtelijke dekking en een groot potentieel voor gegevensverzameling.

“Het plaatsen van sensoren in een stad met een hoge dichtheid zou duur en moeilijk te onderhouden zijn, maar beheerde wagenparken zoals taxi’s zijn overal en gaan overal in een stad”, zei Zhang.

Ondanks het potentieel van een taxivloot, brengt het ook nieuwe uitdagingen met zich mee. Als sensoren zonder regels of voorschriften op taxi’s worden ingezet, zullen de gegevens waarschijnlijk fouten en onvolledige resultaten opleveren omdat taxi’s van nature niet naar elk deel van een stad rijden. In plaats daarvan zijn ze dicht bij populaire plaatsen gelegen. ‘Taxi’s zijn niet ontworpen om onderzoek te ondersteunen’, grapte Zhang.

Om betere gegevens te verkrijgen voor nauwkeurig leren, ontwikkelden Zhang en zijn collega’s een algoritme om het beste plan te creëren om taxichauffeurs te motiveren om naar minder populaire gebieden te rijden – om ze te activeren om gegevens te verzamelen via geldelijke prikkels. De onderzoekers benadrukten twee hoofddoelen voor gegevensverzameling: een groter percentage van het bestreken stadsgebied en een meer gelijkmatig verdeelde dekking. Om te bepalen welke taxi’s moeten worden geactiveerd voor de beste gegevens, heeft het algoritme verschillende factoren overwogen, waaronder de locatie van een bepaalde taxi, de mogelijke routes, de potentiële klanten en de noodzaak om de kosten te verlagen.

“In feite zou het algoritme de chauffeur vertellen: ‘volg mijn route, misschien vindt u meer klanten, maar als u dat niet doet, betalen we u het verschil’,” zei Zhang. “Voor ons krijgen we nieuwe gegevens langs het nieuwe pad en verbeteren we ons algemene begrip in de stad.”

Het activeringssysteem voor stadsbreed crowdsourcing van data heeft positieve resultaten opgeleverd. De onderzoekers zagen een verbetering van 40 procent in de kwaliteit van de detectiedekking en een stijging van 30 procent op de matchingratio’s van ritverzoeken, met slechts 10 procent van het basisbudget dat nodig was. Ze hebben samengewerkt met het Chinese Environmental Thinking en hebben momenteel 146 vestigingen in Shenzhen en 19 in Tianjin.

Als onderdeel van de samenwerking ontwikkelden ze een tool voor het in kaart brengen van vervuiling, het Atmospheric Monitoring System, dat een veelheid aan informatie over luchtverontreiniging op een bepaalde plaats bijhoudt. De tool verzamelt informatie van het weer naar 24-uurs grafieken van vervuiling door fijnstof (PM2.5), stikstofdioxide (NO2) en ozon (O3) in één platform.

“Naarmate steden slimmer worden, zal ons systeem stadsbestuurders of bewoners hoge resolutie en nauwkeurigheid bieden”, zegt Zhang. ‘Met een beter omgevingsbewustzijn kan een slimme stad beter reageren op haar bewoners.’