2014年4月23日

探討 IOT 物聯網 - 02 估算與資料融合

  今天,有很多APP可以讓我們隨時隨地看到台北市的交通狀態,上班族除了固定上班路線外,早上起床手機打開看一下路況,自己也就能決定今天要搭甚麼交通工具、甚麼時間出發可以準時上班。對APP開發者而言,他們就是透過 Data.Taipei臺北市政府公開資料平台http://data.taipei.gov.tw),提供 Web API,透過這組API,我們可以查詢到路況、公車、停車位、和U-Bike...等即時資訊,其中公車動態資訊就包含路線、去返程、預估抵達時間,每三十秒更新一次。對應的程式可以讀取XML,判斷資料後,套在地圖上,或是以簡單的視覺呈現在使用者介面上。



 如果是把這個功能放在家裡的鬧鐘裡,也許可以自動微調整鬧鐘時間,例如今天路況特別多,"估算" 車程耗時長,那鬧鐘就提前十分鐘響,鬧鈴音樂撥放後,語音合成講一下路況資訊。那主人就可以很清楚了解狀況。

  那麼交通資訊怎麼自動上傳到公開資料平台呢?
  如果幾年前的話,也許需要派駐人員在路邊屬車流量,定期回報。而現在有太多方法可以 "估算" 了,例如:
  • 微波雷達車輛偵測器,架設在路口制高點,利用都卜勒原理,可以同時監控各個方位的車流方向和數量。
  • 感應線圈,埋在馬路上,線圈通電基本上有一個電感量,汽車通過時,電感值產生變化,即可判斷車流量,那如果埋兩個連續的線圈,就可以估計車速。
  • 影像監視,在馬路架設攝影機,藉由電腦視覺,辨識車輛數目與移動方向和速度。
  • 高速公路上的ETC,用RFID的方式辨識汽車經過量,兩個ETC判讀點之間可以很準確算出特定汽車的平均速度。
  • GPS 追蹤,公車上架設GPS,透過3G網路定期回報座標,後台即可算出其速度,再估算路況。
  • 民眾的智慧型手機,回報GPS方位到Google Map,後臺可以估算整體路況,並在Google Map上顯現。 
台北市交通控制中心的車輛監測器

  這邊出現很多 "估算"字眼 ,英文叫 Estimation,因為每一種感測器Sensor,都會有誤差,通常沒辦法達到百分之一百的準確度,所以只能估算。要達到很準確的估算其實是不容易的,這中間需要有感測器的數學模型、演算法推導、與實際修正等資料融合技術,沒有溝通的話很容易造成使用者的誤解,這也就是大家在台灣ETC的案例中,看到的缺陷。


沒有留言:

張貼留言