据麦姆斯咨询报道，研究人员已设计出集成声音和运动传感器的物联网（IoT）网络，用以估算公共空间利用率。这些想法可以应用于其它物联网传感器网络。

《智慧城市中传感器与公共空间利用率监测的融合》（Sensor Fusion for Public Space Utilization Monitoring in a Smart City）是物联网产品设计人员、开发人员和实施人员的最佳读物。它通过设计系统来测量城市的空间利用率，权衡传感器选择和校准、电源选择、网络设计、数据清理和规范化、以及数据处理等各个因素。该方法可以推广到任何物联网网络的设计。该论文堪称为关于如何构建物联网的完美案例研究。

新加坡科技与设计大学的Billy Pik Lik Lau、Nipun Wijerathne和Chau Yuen以及澳大利亚科廷大学的Benny Kai Kiat Ng指出论文中最有意思的一点的是，他们如何与传感器匹配，获取正确分辨率的数据来估计空间利用率，并建立一个测试平台，最大限度地减少大范围实施的问题。为了测量空间利用率（一个空间在多个时间间隔内的人口数量），他们选择了声音和运动传感器以及两者的融合。该论文所使用的方法可适用于其它类型的传感器。

声音传感器与视频传感器

声音传感器相比视频传感器，更多地被用来检测活动。这似乎违反直觉，但仅仅是因为人类的感官更具视觉支配力。摄像头在从成本上计算是昂贵的，并且处理数据量的增加需要在网络中使用更昂贵和更强大的计算机。在大规模部署中，这会增加成本，但不会提高测量的准确性。更多的计算能力会增加耗电量，超出太阳能电池的供电能力和成本。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，部署摄像机需要许可，这将在研究所在地新加坡部署时构成问题。

可再生广域传感器网络（RWSN）解决了硬件连接电源和需要更换电池的问题。可再生能源设计对于测试声音和运动传感器的使用是不必要的，因为这个有限的七节点网络中的硬件连接电源或电池不会很昂贵。需要大规模部署该传感器网络可能是选择可再生能源的原因。

可再生广域传感器网络采用低功耗的XBee模块（IEEE 802.15.4），将XBee接收器与Raspberry Pi（树莓派）连接，把数据回传至云存储。研究人员使用Xbee中继器，构建了无线网状网络来增加覆盖范围。该网络由太阳能电池板和电池存储供电，两者的尺寸都包含在内，所以物联网系统设计师可以根据不同的太阳光束来调整太阳能电池板和电池的尺寸以适应当地情况。

据麦姆斯咨询介绍，不同的环境监测传感器节点包括气压计、温度计、光度计、电阻式雨量传感器、紫外线（UV）指数传感器、湿度传感器、运动和噪声传感器。这些节点在物联网网络中，可以提供校准数据来消除如雨水造成的声音读数干扰等环境条件的影响。

低价的热释电红外（PIR）传感器，也被称为无源红外传感器，被用来检测运动。而低价的模拟声音传感器，基本上是MEMS麦克风，被用来录制声音。

PIR传感器在白天特别是下午会有很多错误数据输出。为了消除这些错误，校准模块可以用于数据预处理。现场地面实况测量的误报与明亮的日光相关，校准模块能计算误报的概率并进行调整，然后把数据进行正态统计。

应用机器学习以消除误差

环境条件如降雨等的环境误差，可以通过使用无监督的机器学习方法，使得研究人员能够利用群集找到声音数据的相似模式来消除。群集简单地分类如降雨的声音等相似的数据集，然后可以从数据中删除。同样，背景噪音也可被消除。

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进行融合，以预估整个测试区域的七个节点的空间利用率。该预估是基于现场观察经验和七个节点的融合数据的比较。

该论文阐述了构建低成本精确物联网系统的硬件、通信、传感器和数据处理设计的考虑因素。它还解释了消除由PIR运动传感器捕获的数据中的误报，如何描述来自人类活动的噪声特征，消除诸如降雨和背景噪声之类的环境误差以准确地估计单个节点和整体测试平台的利用率等挑战。

物联网网络需要具备大规模实施、以及证明经济或社会回报可抵消设计和开发成本的潜力。设计和开发需要一个多学科团队，并具备一些专业技能，尤其是统计学和机器学习等子领域的传感器工程和高等数学知识。数学技能可用在校准数据和背景噪音消除；传感工程技能可以用在低成本获取正确分辨率数据。认真建设物联网传感器网络的企业们可能需要聘用具备传感器和数学技能的专业人士。