智能城市公共空间利用监测传感器融合（PDF）只是对IoT产品设计师，开发人员和实施者的最佳读数。通过设计一个系统来测量城市空间利用的系统 - 传感器选择和校准，电源选择，网络设计，数据清洁和归一化以及数据处理的权衡。该方法可以广泛地设计任何物联网网络。本文的纸张不仅仅是一个关于如何构建物联网网络的完美案例研究。
Billy Pik Lik Lau，Nipun Wijerathne和Singapore Technolign大学Chau Yuen的最有趣的方面是他们与Curtin Universe的Benny Kai Kiat NG是如何匹配传感器以获得正确的解决方案估算空间利用率并构建测试床，最大限度地减少了广泛的实现问题。为了测量空间利用率，含义如何填充空间超过多个时间间隔，它们选择了声音和运动传感器和两个融合。本文应用的方法可以适用于其他传感器类型。
声音传感器与视频传感器
选择声音传感器在视频传感器上选择以检测活动。这可能看起来是反直观的，但只是因为被视为人类的感官更具视力占主导地位。相机是计算昂贵的，并且增加的处理需要更昂贵，更强大的计算机在网络中。在大规模的部署中，这将增加成本而不会提高测量的准确性。更多的计算能力将增加所消耗的功耗，超过可持续和低维护太阳能电池供电的功率。视频数据的云处理需要大量的网络带宽和存储，增加成本。最后，由于隐私问题，部署摄像机需要允许的允许，这将在新加坡进行的部署中提出了问题。
可再生广域传感器网络（RWSN）消除了硬连线电源和电池更换。无法测试可再生电源设计，以测试使用声音和运动传感器的使用，因为这个有限的七节点网络中的硬连线电源或电池电量不昂贵。以尺度部署此传感器网络可能是可再生选择的原因。
RWSN使用低功耗Xbee发射机模块（IEEE 802.15.4）来将传感器与raspbery pi互连到xbee接收器，以向云存储重新回复数据。研究人员使用Xbee继电器建立了一个无线网状网络以增加覆盖范围。网络由太阳能电池板和电池存储器供电。包括两种两种规模，因此不同速度的IOT系统设计师具有不同量的阳光，可以调整太阳能电池板和电池的大小以匹配局部条件。
在网络中包含环境监测传感器节点，包括气压计，温度计，光强度，电阻雨，超紫（UV）指数，湿度，运动和噪声传感器，以提供校准数据以消除环境条件的影响，如雨水干扰声音读数。
使用廉价的热电红外线（PIR）传感器，也称为被动红外传感器，用于检测运动。和廉价的模拟声音传感器，基本上是麦克风，用于记录声音。
PIR传感器在白天报告了许多误报，特别是在下午。要删除这些错误，写入校准模块以预处理数据。现场地面真理测量与明亮的日光相关联。相关模块计算误报的概率并调整它。然后在统计上标准化数据。
应用机器学习删除错误
使用无监督的机器学习方法消除了诸如雨等环境条件的环境误差，使研究人员能够使用聚类找到声音数据的类似模式。群集只是类别类似的数据集，例如雨的声音，然后可以从数据中删除。类似地，可以消除背景噪声。
来自PIR和声音传感器的标准化和校准数据使用研究人员选择的算法融合，以估算整个测试平台区域的七个节点的空间利用率。估计基于经验现场观察和融合数据与七个节点的比较。
本文解释了构建低成本准确的物联网系统的硬件，通信，传感器和数据处理设计考虑因素。它还解释了从PIR运动传感器捕获的数据中消除误报的挑战以及如何表征来自人类活动的噪声签名，同时消除诸如雨和背景噪声之类的环境误差，以准确估计各个兴趣点的利用作为一个整体测试。
IOT网络需要扩展的潜力非常大，可用于证明对经济或社会回报的设计和开发成本合理。设计和开发需要多学科团队和一些专业技能，特别是在统计和机器学习子场的传感器工程和高级数学中。需要数学技能来校准数据并在这种情况下消除背景噪声。需要传感器工程技能以低成本以正确的分辨率获取数据。企业，认真地了解物联网传感器网络可能需要雇用以获得传感器和数学技能。