当前位置:首页 > 人工智能 >

“人+智能终端”,强大传感器的强大未来

2020-09-11 17:39:33

一天,你要从中关村背袋棉花运到上地,当然你特别想知道现在上地的天气。你知道查天气预报是不靠谱的——从没见到过天气预报里把中关村跟上地分开。作为一项秘密行动,你又不想打电话去问人。于是你拿出手机,打开一个“人联网”的app,点击地图上的“上地”,app说:“11:59分,上地天气晴朗,20人,可信度100%”。你长出一口气,背上棉花,走向上地。

这就是“人联网”的一个典型应用场景,“人联网”由广泛参与的户提交特定的本地性信息,存储在云端,由服务器经过处理后提供给需要这些信息的人。当然,现在并没有“人联网”这个app,“人联网”也只是一个应景的称谓,其专业性叫法是“参与感知”或者“参与式感知”。虎嗅网的这篇文章所提到的“反馈经济”和这篇文章介绍的“PlacedInsights”都涉及到“参与感知”。

什么是“参与式感知”?

传统传感网络的特点是信息由传感器产生、搜集,然后自动(可以是主动的也可以是被动的)上传至某个区域节点或中心节点。而“参与式感知”则更加注重“人”的参与,数据由用户创建、筛选或者控制,然后上传。也就是说“参与式感知”以人为主,用户出于个人或经济兴趣,有意识的响应感知需求,用户既是数据的提供者又是数据的消费者。这也与普通的“众包”有所区别,可以认为参与式感知是一种结合了传感数据的众包+移动互联+UGC模式。因为随着智能手机的普及,当前情况下用户用于共享数据的设备一般都是智能手机,而共享的途径则普遍是移动互联网。

目前“参与式感知”已应用于如下典型场景:环境与气候变化监测(例如UCLA的个人环境影响报告——PEIR项目,美国大气研究大学协作组织气候变化对植物生长影响的BudBurst项目)、交通与危险监测(例如CycleSense程序帮助骑车人合理规划骑行路线、避开危险路段)、健康跟踪(美国一些医疗机构开发的健康跟踪程序可帮助护理人员了解年长者行为模式的变化,有助于快速发现导致早期健康问题的原因并予以修正)、室内定位与导航(如谷歌室内地图的参与式构建方式)。

其中UCLA的PEIR项目因开展较早而影响力巨大,PEIR开发了碳足迹计算器,把用户上传的个人数据与地点、时间、行为以及区域性的空气质量、天气数据相结合,既可计算用户个人对于环境的影响(如碳排放),也可计算环境对用户个人的影响(暴露于特定物质——例如雾霾——的程度)。这帮助用户清晰认识到以下问题:“我对环境都做了什么?我的行为对环境影响到了什么程度?”

而目前正引起业界强烈兴趣的“Waze”则是另外一个典型案例,Waze在普通数字地图之上附注一层类似临时道路施工、交通事故、测速区这样的信息。这些信息由用户添加,因为贡献内容还能获得积分,所以用户们很乐意上传路况。而上传的路况又让Waze可以实时为用户指示一条当下最畅通的道路。


水溶性漆 http://www.chenyang.com/
聚能生活网