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。

Next: 探討 IOT 物聯網 - 03 開放資料