智慧城市公共空间利用监测的传感器融合(pdf)是物联网产品设计者、开发者和实现者的最佳读物。它通过设计一个系统来衡量一个城市的空间利用——在传感器的选择和校准，电源的选择，网络的设计，数据清洗和标准化，和数据处理的权衡。该方法可以推广到任何物联网网络的设计中。这篇论文是一个关于如何建立物联网网络的完美案例研究。
最有趣的方面的论文通过比利实物支付莱克阀门Lau,他Wijerathne,桥袁和新加坡大学的技术和设计和科廷大学的本尼凯吉·Ng是他们如何匹配在正确的分辨率传感器获取的数据来估计空间利用率和建立了一个测试床,减少广泛的实现问题。为了测量空间利用率，即在多个时间间隔内如何填充空间，他们选择了声音和运动传感器，并将两者结合起来。本文所采用的方法也适用于其他类型的传感器。
声音传感器和视频传感器
声音传感器的选择超过了视频传感器来检测活动。这似乎与直觉相反，但这只是因为有视力的人的感官在视觉上更占优势。照相机在计算上是昂贵的，并且增加的处理将需要在网络中更昂贵和更强大的计算机。在大规模部署中，这将在不提高测量精度的情况下增加成本。更多的计算能力将增加消耗的电量，超过可持续的、低维护的太阳能电池提供的电量。而视频数据的云处理需要大量的网络带宽和存储空间，增加了成本。最后，由于隐私问题，部署摄像头需要获得许可，这将对在新加坡进行研究的部署造成问题。
可再生广域传感器网络(RWSN)消除了硬线电源和电池更换。可再生能源的设计对于测试声音和运动传感器的使用是不必要的，因为在这个有限的7节点网络中，硬线电源或电池电源并不昂贵。大规模部署该传感器网络可能是可再生选择的原因。
RWSN使用低功耗的XBee发送模块(IEEE 802.15.4)将传感器与一个带有树莓派(Raspberry Pi)的XBee接收器互连，将数据回传到云存储。利用Xbee中继，研究人员建立了一个无线网状网络来增加覆盖率。该网络由太阳能电池板和电池储存供电。两者的尺寸都包括在内，所以一个物联网系统的设计者可以在不同的时点，用不同的阳光量来调整太阳能电池板和电池的尺寸，以适应当地的条件。
环境监测传感器节点，包括气压计、温度计、光强、电阻雨、紫外线指数、湿度、运动和噪音传感器，为网络提供校正数据，以消除环境条件的影响，例如雨对声音读数的干扰。
廉价的热释电红外(PIR)传感器，也被称为被动红外传感器，用于探测运动。廉价的模拟声音传感器，主要是麦克风，被用来记录声音。
PIR传感器在白天报告了许多误报，特别是在下午。为了消除这些误差，编写了校准模块对数据进行预处理。现场地面真值测量将假阳性与明亮的日光相关。相关模块计算误报概率并进行调整。然后将数据进行统计标准化。
应用机器学习来消除错误
通过使用无监督机器学习方法，研究人员可以通过聚类找到声音数据的相似模式，从而消除了雨等环境条件下的环境误差。聚类只是简单地将类似的数据集(如雨声)进行分类，然后可以从数据中删除这些数据集。同样，可以消除背景噪声。
来自PIR和声音传感器的归一化和校准数据通过研究人员选择的算法进行融合，以估计整个试验台区域的七个节点的空间利用率。估计是基于经验的现场观察和来自七个节点的融合数据的比较。
本文阐述了构建一个低成本、精确的物联网系统的硬件、通信、传感器和数据处理设计考虑。这也解释了消除误报的挑战,PIR运动传感器所捕获的数据和从人类活动如何描述噪声的签名,同时消除环境错误,例如雨水和背景噪声准确估计利用个人的兴趣点和整个试验台。
物联网网络需要具备巨大的规模潜力，以证明设计和开发成本与经济或社会回报之间的合理性。设计和开发需要一个多学科的团队和一些专业技能，特别是在传感器工程和统计和机器学习的子领域的高等数学。在这种情况下，校准数据和消除背景噪声需要数学技能。传感器工程技术需要以低成本获得正确分辨率的数据。对于那些热衷于构建物联网传感器网络的企业来说，可能需要雇佣一些人来获取传感器和数学技能。