مدينة تستشعر كل شيء: كيف يمكن لإنترنت الأشياء أن يجعل الشوارع والمباني أكثر ذكاءً؟

تخيل أنك تقود سيارتك في شارع مزدحم، وفجأة تتغير مدة الإشارة المرورية أمامك لأن النظام اكتشف أن كثافة السيارات في الاتجاه المقابل انخفضت. في الوقت نفسه، مصابيح الشارع لا تعمل جميعها بالطاقة نفسها، بل يخفض بعضها شدة الإضاءة لأن الطريق شبه خالٍ. وفي مبنى قريب، يكتشف نظام التكييف أن جزءًا من المكاتب فارغ، فيخفض التبريد تلقائيًا. وفي موقف السيارات، يعرف النظام الأماكن المتاحة قبل أن تصل إليها.

هل هذه مجرد مجموعة أجهزة منفصلة؟

لا.

إذا كانت الأنظمة مصممة بشكل صحيح، فنحن أمام مدينة ذكية Smart City تعتمد على شبكة واسعة من المستشعرات والاتصالات والحوسبة والذكاء الاصطناعي لتحويل الأحداث التي تحدث في الشوارع والمباني والمرافق إلى بيانات، ثم تحويل البيانات إلى قرارات قابلة للتنفيذ.

مدينة تستشعر كل شيء كيف يمكن لإنترنت الأشياء أن يجعل الشوارع والمباني أكثر ذكاءً؟

وهنا تظهر القيمة الحقيقية لـ إنترنت الأشياء IoT.

فالمدينة لا تصبح ذكية لمجرد وضع كاميرات في الشوارع أو تركيب عدادات رقمية. المدينة تبدأ في اكتساب "الإحساس" عندما تستطيع معرفة ما يحدث في بيئتها، وفهمه، والاستجابة له، ثم التعلم من النتائج.

لكن كيف تحدث هذه العملية فعليًا؟

ماذا يرى المستشعر؟

أين تذهب البيانات؟

هل يجب إرسال كل شيء إلى السحابة؟

كيف يمكن للذكاء الاصطناعي أن يقرر تغيير إشارة مرور؟

وماذا يحدث إذا انقطع الاتصال؟

والأهم: كيف نمنع المدينة الذكية من التحول إلى مدينة تجمع بيانات هائلة دون أن تحقق فائدة حقيقية؟

المدينة التقليدية لا ترى كل ما يحدث فيها

في المدينة التقليدية، كثير من القرارات يعتمد على جداول ثابتة أو معلومات متأخرة.

إشارة المرور تعمل وفق برنامج زمني.

إنارة الشوارع تعمل وفق وقت محدد.

التكييف في المباني يعمل وفق إعدادات مسبقة.

مواقف السيارات تعرض أحيانًا معلومات محدودة.

صيانة بعض المعدات تتم وفق جدول زمني.

المشكلة أن المدينة الحقيقية لا تعمل وفق جدول ثابت.

عدد السيارات يتغير كل دقيقة.

درجات الحرارة تتغير.

الطرق قد تصبح مزدحمة بسبب حادث.

المبنى قد يكون ممتلئًا في وقت وفارغًا في وقت آخر.

استهلاك المياه والكهرباء يتغير حسب السلوك والطقس والوقت.

لذلك فإن النظام الذي يعتمد فقط على قواعد ثابتة قد لا يكون قادرًا على الاستجابة لكل هذه التغيرات.

وهنا يأتي دور الاستشعار المستمر.

كيف ترى المدينة نفسها؟

لكي تعرف المدينة ما يحدث، تحتاج إلى مصادر بيانات.

قد تكون هذه المصادر:

مستشعرات حرارة.

مستشعرات جودة الهواء.

عدادات كهرباء ومياه ذكية.

كاميرات وتحليلات فيديو.

مستشعرات مواقف السيارات.

مستشعرات حركة.

مستشعرات ضوضاء.

مستشعرات امتلاء حاويات النفايات.

مستشعرات اهتزاز في الجسور والمباني.

بيانات المركبات والنقل.

بيانات الطقس.

كل مصدر يقدم جزءًا من الصورة.

لكن لا يوجد مستشعر يستطيع وحده أن يقول:

"الشارع يحتاج إلى تغيير خطة المرور."

المستشعر يقدم قياسًا.

النظام الأكبر هو الذي يضع القياس في سياقه.

من المستشعر إلى القرار: الرحلة الكاملة

يمكن تصور بنية المدينة الذكية على شكل سلسلة:

Sensor → Connectivity → Edge → Platform → AI/Analytics → Decision → Actuator

المستشعر يجمع البيانات.

شبكة الاتصال تنقلها.

طبقة Edge قد تعالجها بالقرب من المصدر.

منصة البيانات تجمع البيانات من مصادر مختلفة.

أنظمة التحليل والذكاء الاصطناعي تبحث عن الأنماط.

محرك القرار يحدد الإجراء.

ثم تأتي طبقة التنفيذ لتغيير شيء في العالم الحقيقي.

مثلًا، إذا اكتشف النظام ازدحامًا غير طبيعي عند تقاطع، فقد يتم تعديل توقيت الإشارات.

هنا تحولت البيانات إلى فعل.

لماذا تحتاج المدينة إلى Edge Computing؟

تخيل مدينة تحتوي على آلاف الكاميرات والمستشعرات.

لو تم إرسال كل فيديو وكل قراءة وكل حدث إلى مركز بيانات بعيد، فستصبح كمية البيانات هائلة.

ليس هذا فقط.

بعض القرارات تحتاج إلى سرعة.

إذا كانت إشارة مرور تحتاج إلى الاستجابة لتغير مفاجئ في حركة السيارات، فمن الأفضل أن تتم بعض عمليات التحليل بالقرب من التقاطع بدل إرسال كل شيء إلى السحابة وانتظار النتيجة.

وهنا يأتي Edge Computing.

يمكن وضع وحدة معالجة بالقرب من مجموعة من المستشعرات أو عند التقاطع أو داخل منشأة محلية.

هذه الوحدة تستطيع معالجة البيانات الأولية، واكتشاف الأحداث المهمة، ثم إرسال النتائج أو البيانات المختارة إلى السحابة.

وهذا يتوافق مع فكرة المعالجة الموزعة التي أصبحت مهمة في تطبيقات المدن الذكية ذات البيانات الكثيفة وزمن الاستجابة المنخفض. (ScienceDirect)

التقاطع المروري يمكن أن يصبح عقدة ذكاء

تخيل تقاطعًا يحتوي على كاميرات ومستشعرات ورادار ووحدة Edge.

الكاميرات لا تحتاج بالضرورة إلى إرسال الفيديو الخام بالكامل إلى مركز بيانات بعيد.

يمكن لوحدة Edge تنفيذ تحليل محلي لاكتشاف:

عدد السيارات.

اتجاه الحركة.

طول الطابور.

وجود مشاة.

وجود مركبة متوقفة بطريقة غير طبيعية.

ثم تتحول هذه البيانات إلى معلومات قابلة للاستخدام.

إذا لاحظ النظام أن أحد الاتجاهات أصبح مزدحمًا بشكل غير معتاد، يمكن لمحرك التحكم تقييم الوضع وإعادة توزيع وقت الإشارة.

وبذلك يصبح التقاطع نفسه Intelligent Node داخل شبكة المدينة.

الفكرة هنا ليست أن كل إشارة مرور "تفكر" بشكل مستقل، بل أن جزءًا من القدرة على التحليل والقرار ينتقل إلى مكان قريب من الحدث.

لكن لا يجب أن يتخذ الذكاء الاصطناعي كل القرارات وحده

هذه نقطة شديدة الأهمية.

وجود الذكاء الاصطناعي لا يعني إعطاءه صلاحية التحكم الكامل في البنية التحتية.

في الأنظمة الحساسة، من الأفضل تحديد مستويات للقرار.

هناك قرارات يمكن للنظام تنفيذها تلقائيًا.

وقرارات تحتاج إلى موافقة.

وقرارات يجب أن تبقى تحت إشراف بشري.

مثلًا، تعديل مدة إشارة مرور ضمن حدود آمنة قد يكون قرارًا آليًا.

أما تغيير خطة مرورية واسعة بسبب حدث استثنائي فقد يحتاج إلى مراجعة مركز التحكم.

وهذا يشبه مبدأ Human-in-the-Loop المستخدم في الأنظمة التي تكون فيها عواقب القرار كبيرة.

المبنى الذكي لا يبدأ من التكييف

عندما نقول "مبنى ذكي"، يفكر كثيرون مباشرة في التكييف أو الإضاءة.

لكن المبنى يمكن أن يصبح منظومة استشعار متكاملة.

يمكنه معرفة:

عدد الأشخاص في المناطق المختلفة.

درجة الحرارة.

الرطوبة.

جودة الهواء.

استهلاك الكهرباء.

استهلاك المياه.

حالة المصاعد.

حالة أنظمة التكييف.

حالة بعض المعدات.

مستوى الإضاءة.

وقد تستخدم أنظمة IoT في المباني بيانات أجهزة الاستشعار وشبكات الاتصال وأنظمة التشغيل لتوفير إدارة قائمة على البيانات بدل الاعتماد فقط على إعدادات ثابتة. (ScienceDirect)

كيف يتخذ المبنى قرار التكييف؟

لنفترض أن لدينا غرفة اجتماعات.

النظام يعرف أن الغرفة فارغة.

درجة الحرارة مناسبة.

الوقت خارج ساعات الاستخدام.

بدل تشغيل التكييف بكامل قدرته، يمكن للنظام إبقاء الغرفة في وضع اقتصادي.

ثم يكتشف مستشعر الإشغال وصول مجموعة من الأشخاص.

ترتفع الحاجة إلى التبريد.

النظام يستجيب.

لكن يمكنه أيضًا النظر إلى درجة الحرارة الخارجية وحالة بقية المبنى وجدول التشغيل.

هنا لا يعمل التكييف وفق قاعدة:

"شغّل الساعة 8."

بل وفق حالة المبنى.

وهذا هو الفرق بين Automation بسيطة وبين منظومة تعتمد على البيانات.

المدينة الذكية تحتاج إلى شبكة من الشبكات

لا يوجد اتصال لاسلكي واحد مناسب لكل أجهزة المدينة.

بعض الأجهزة تحتاج إلى Wi-Fi.

أخرى تحتاج إلى شبكات خلوية.

بعض المستشعرات منخفضة الطاقة قد تستخدم تقنيات LPWAN.

وقد توجد شبكات خاصة في بعض البيئات.

وقد تستخدم المباني بروتوكولات وتقنيات مختلفة.

المهم أن طبقة الاتصال يجب أن تكون قادرة على نقل البيانات من الأجهزة إلى منصات المعالجة بطريقة موثوقة وقابلة للتوسع.

وفي بعض البنى الحديثة يمكن أن تلعب 5G دورًا مهمًا في التطبيقات التي تحتاج إلى كثافة اتصال أو زمن استجابة أو موثوقية مناسبة، إلى جانب الألياف والشبكات المحلية وغيرها.

الألياف الضوئية ما زالت في قلب المدينة الذكية

قد يبدو الحديث عن المدينة الذكية وكأنه يعني أجهزة لاسلكية في كل مكان.

لكن البنية التحتية السلكية تظل مهمة جدًا.

الألياف الضوئية توفر سعات نقل ضخمة ويمكن أن تشكل العمود الفقري الذي يربط مراكز البيانات والمواقع والمباني ومرافق المدينة.

بمعنى آخر، قد تتصل كاميرا لاسلكيًا أو خلويًا، لكن البيانات في النهاية قد تمر عبر بنية ألياف قوية نحو مراكز المعالجة.

ولهذا فإن المدينة الذكية ليست "لاسلكية بالكامل".

إنها مزيج من Fiber + Cellular + Wi-Fi + IoT Networks + Edge + Cloud.

مواقف السيارات تتحول إلى نظام استشعار

لنأخذ مثالًا عمليًا آخر.

في موقف سيارات تقليدي، قد يدخل السائق ويبحث عن مكان.

في نظام ذكي، يمكن أن تكون هناك كاميرات أو مستشعرات تحدد الأماكن المتاحة.

لكن مجرد اكتشاف المكان ليس نهاية القصة.

يجب نقل الحالة إلى نظام مركزي أو Edge.

ثم يتم تحديث لوحة إلكترونية أو تطبيق.

ويمكن للنظام تحليل أوقات الذروة.

معرفة المناطق الأكثر استخدامًا.

التنبؤ بالطلب.

وتوجيه السائقين.

وقد أظهرت بنى تجريبية حديثة لمواقف السيارات الذكية كيف يمكن توزيع المعالجة بين Edge وطبقات وسيطة والسحابة، بحيث يتم تنفيذ المعالجة السريعة قرب الكاميرات بينما تتولى السحابة التخزين والتحليلات الأوسع. (Nature)

النفايات يمكن أن تصبح نظامًا يعتمد على البيانات

حتى حاويات النفايات يمكن أن تدخل عالم IoT.

يمكن تركيب مستشعر يقيس مستوى الامتلاء.

عندما تصل الحاوية إلى حد معين، يتم إرسال حالة إلى نظام إدارة النفايات.

لكن الذكاء الحقيقي يبدأ عند دمج هذه البيانات مع:

الموقع.

الوقت.

حركة المركبات.

عدد الحاويات.

سعة الشاحنات.

الطرق.

حالات المرور.

يمكن للنظام عندها تحسين مسارات الجمع بدل إرسال الشاحنات إلى جميع المواقع وفق جدول ثابت.

وهنا نرى فكرة مهمة:

الذكاء لا يأتي من المستشعر وحده، بل من ربط البيانات ببعضها.

إنارة الشوارع يمكن أن تصبح أكثر ديناميكية

الإنارة التقليدية تعمل وفق جدول.

لكن المدينة الذكية يمكن أن تستخدم مستشعرات للحركة والإضاءة والظروف المحيطة.

إذا كان الطريق خاليًا، يمكن تقليل شدة الإضاءة ضمن الحدود المقررة.

وعند اكتشاف حركة، يمكن رفعها.

لكن يجب أن تكون هذه القرارات مقيدة بقواعد السلامة والمعايير التشغيلية.

الهدف ليس إطفاء الشوارع لتوفير الطاقة.

الهدف هو إدارة الطاقة بذكاء دون الإخلال بالسلامة.

جودة الهواء: عندما تتحول المدينة إلى شبكة قياس بيئي

يمكن توزيع مستشعرات لجمع بيانات عن جودة الهواء.

لكن وضع المستشعرات وحده لا يكفي.

يجب معرفة:

أين توجد المستشعرات؟

متى تم القياس؟

هل المستشعر معاير؟

هل توجد قراءات شاذة؟

هل تغيرت الظروف الجوية؟

هل هناك نمط مرتبط بالمرور أو النشاط الصناعي؟

يمكن للأنظمة التحليلية مقارنة البيانات مكانيًا وزمنيًا.

وقد تستخدم نماذج إحصائية أو تعلم آلي لاكتشاف الأنماط غير الطبيعية.

لكن جودة البيانات نفسها تصبح قضية أساسية.

المشكلة التي لا يتحدث عنها كثيرون: المستشعر قد يكون مخطئًا

تخيل أن مستشعرًا يرسل قراءة غير صحيحة.

إذا وثق النظام بها، فقد يتخذ قرارًا خاطئًا.

لذلك لا يجب التعامل مع كل قراءة باعتبارها حقيقة مطلقة.

يمكن استخدام تقنيات مثل:

Data Validation

Outlier Detection

Sensor Fusion

Calibration

إذا أعطى مستشعر حرارة قراءة 80 درجة بينما كل المستشعرات القريبة تشير إلى 25 درجة، فهناك احتمال أن القراءة غير طبيعية.

النظام الجيد لا يصدق البيانات بشكل أعمى.

بل يتحقق منها.

Sensor Fusion: عندما تتحدث المستشعرات معًا

أحيانًا يكون المستشعر الواحد غير كافٍ.

لنفترض أن نظام المرور يريد معرفة وجود سيارة.

يمكن استخدام الكاميرا وحدها.

لكن يمكن دمج بيانات الكاميرا مع الرادار أو مستشعرات أخرى.

عندما تتفق مصادر مختلفة، ترتفع الثقة في النتيجة.

هذه الفكرة تسمى Sensor Fusion.

وهي مهمة جدًا عندما تكون القرارات حساسة أو عندما توجد ظروف قد تؤثر على أحد أنواع الاستشعار.

ماذا تفعل السحابة في المدينة الذكية؟

بعد أن عالجنا بعض البيانات محليًا، لا تزال السحابة مهمة جدًا.

يمكن استخدامها لتخزين البيانات التاريخية.

وتجميع البيانات من مناطق مختلفة.

وتحليل الأنماط طويلة المدى.

وتدريب نماذج الذكاء الاصطناعي.

وإدارة آلاف الأجهزة.

وتقديم لوحات التحكم.

وتبادل البيانات بين الخدمات.

لذلك يمكن تصور البنية بهذا الشكل:

الأجهزة تجمع.

Edge يعالج بسرعة.

المنصة تجمع وتنسق.

السحابة تحلل على نطاق واسع.

الأنظمة التشغيلية تنفذ القرار.

وهذا نموذج أكثر واقعية من فكرة أن كل شيء يجب أن يحدث في مكان واحد.

المدينة تحتاج إلى منصة بيانات مشتركة

تخيل أن نظام المرور لا يعرف شيئًا عن نظام الطقس.

ونظام الطاقة لا يعرف شيئًا عن حالة المباني.

ونظام النقل لا يستطيع الوصول إلى معلومات الحوادث.

هنا تصبح الأنظمة عبارة عن جزر منفصلة.

أما المدينة الذكية الحقيقية فتحتاج إلى طبقة تكامل تسمح بتبادل البيانات وفق قواعد واضحة.

يمكن أن تتكامل بيانات:

المرور.

الطقس.

الطاقة.

النقل.

المباني.

المياه.

السلامة.

الخدمات العامة.

لكن التكامل لا يعني إعطاء كل نظام صلاحية الوصول إلى كل شيء.

وهنا تظهر أهمية الحوكمة وإدارة الصلاحيات.

الخصوصية: هل المدينة الذكية تعرف أكثر مما ينبغي؟

هذه واحدة من أصعب قضايا المدن الذكية.

إذا كانت الكاميرات والمستشعرات موجودة في كل مكان، فمن الممكن جمع كميات هائلة من البيانات عن حركة الأشخاص والمركبات.

لذلك يجب أن يبدأ التصميم من سؤال:

هل نحتاج إلى معرفة هوية الشخص أصلًا؟

في بعض التطبيقات، يكفي معرفة عدد الأشخاص أو كثافة الحركة.

إذا كان الهدف هو حساب عدد المركبات، فقد لا تكون هناك حاجة للاحتفاظ بهوية الأشخاص.

وهنا يمكن استخدام مبادئ مثل Data Minimization.

أي جمع أقل قدر من البيانات الضرورية لتحقيق الغرض.

Edge AI يمكن أن يساعد في تقليل البيانات الحساسة

تخيل كاميرا عند مدخل منشأة.

إذا كان المطلوب معرفة عدد الأشخاص الموجودين فقط، يمكن للنظام إجراء التحليل محليًا وإرسال:

"عدد الأشخاص: 17"

بدل إرسال الفيديو الخام بالكامل إلى السحابة.

هذا لا يحل كل قضايا الخصوصية، لكنه يمكن أن يقلل كمية البيانات الحساسة التي تغادر الموقع.

وهنا يلتقي Edge Computing مع Privacy by Design.

الأمن السيبراني يصبح قضية مدينة كاملة

كل جهاز جديد هو نقطة اتصال محتملة.

مستشعر ضعيف الحماية قد يصبح بوابة إلى شبكة أكبر.

كاميرا قد تكون نقطة اختراق.

بوابة Edge قد تكون هدفًا.

خادم مركزي قد يكون هدفًا.

لذلك يجب تصميم الأمن على طبقات.

يجب أن يمتلك كل جهاز هوية مناسبة.

ويجب تشفير الاتصالات الحساسة.

ويجب تقسيم الشبكات.

ولا ينبغي إعطاء المستشعر صلاحيات أكثر من حاجته.

ويجب تحديث البرامج باستمرار.

ويجب مراقبة السلوك غير الطبيعي للأجهزة.

مبدأ Least Privilege مهم هنا مرة أخرى: الجهاز أو النظام يجب أن يمتلك أقل صلاحية يحتاج إليها فقط.

ماذا يحدث إذا اختُرق مستشعر واحد؟

التصميم السيئ يقول:

"إنه مجرد مستشعر."

التصميم الجيد يقول:

"ماذا يستطيع هذا المستشعر الوصول إليه إذا تم اختراقه؟"

إذا كان المستشعر يستطيع الوصول إلى شبكة أنظمة حساسة بالكامل، فالمشكلة كبيرة.

أما إذا كان معزولًا، وصلاحياته محدودة، والاتصالات مراقبة، فإن أثر الاختراق يمكن تقليله.

وهذا هو مفهوم Network Segmentation.

لا تجعل كل أجزاء المدينة الرقمية في شبكة واحدة مفتوحة.

التوأم الرقمي يمكن أن يعطي المدينة ذاكرة

يمكن استخدام مفهوم Digital Twin لبناء تمثيل رقمي لمبنى أو شبكة طرق أو نظام بنية تحتية.

لكن التوأم الرقمي لا يعني مجرد نموذج ثلاثي الأبعاد.

قيمته تظهر عندما يرتبط بالبيانات الحية.

تخيل أن لديك نموذجًا رقميًا لمنطقة في المدينة.

يستقبل:

حركة المرور.

الطقس.

استهلاك الطاقة.

بيانات المباني.

حالة المرافق.

يمكن استخدام هذا النموذج لفهم الوضع الحالي وتجربة سيناريوهات مختلفة قبل تنفيذ بعض القرارات في العالم الحقيقي.

وهذا يمكن أن يساعد في التخطيط والصيانة وإدارة الأصول.

المدينة الذكية تحتاج إلى الذكاء الاصطناعي، لكن ليس في كل مكان

يمكن استخدام الذكاء الاصطناعي في:

التنبؤ بالازدحام.

اكتشاف الأعطال.

تحليل الصور.

التنبؤ باستهلاك الطاقة.

اكتشاف الأنماط غير الطبيعية.

تحسين مسارات النقل.

التنبؤ بالطلب.

لكن لا ينبغي وضع نموذج AI في كل جهاز لمجرد أن التقنية متاحة.

إذا كانت قاعدة بسيطة كافية، فقد يكون النظام القائم على القواعد أفضل.

إذا كان القرار يحتاج إلى تحليل آلاف المتغيرات، هنا يصبح الذكاء الاصطناعي أكثر فائدة.

المدينة لا تحتاج إلى المزيد من البيانات بقدر حاجتها إلى بيانات أفضل

يمكن أن تمتلك مدينة ملايين القراءات يوميًا ولا تستفيد منها.

لماذا؟

لأن البيانات قد تكون:

مكررة.

غير دقيقة.

غير متزامنة.

ناقصة.

غير موحدة.

أو غير مرتبطة بسياقها.

لذلك فإن Data Quality قد تكون أهم من عدد المستشعرات.

المشروع الناجح لا يسأل:

"كم مستشعرًا سنركب؟"

بل يسأل:

"ما القرار الذي نريد تحسينه، وما البيانات اللازمة لهذا القرار؟"

كيف تبدأ مدينة صغيرة مشروع IoT دون بناء منظومة ضخمة؟

لا تحتاج إلى تحويل المدينة بأكملها إلى مختبر منذ اليوم الأول.

يمكن البدء بحالة استخدام واحدة.

مثلًا:

مواقف السيارات.

أو إنارة الشوارع.

أو مراقبة استهلاك الطاقة في مبنى.

أو إدارة النفايات.

ثم تحديد:

ما المشكلة؟

ما البيانات المطلوبة؟

أين ستوضع المستشعرات؟

ما الشبكة المناسبة؟

هل نحتاج إلى Edge؟

أين ستخزن البيانات؟

من سيصل إليها؟

ما القرار الذي سيتم اتخاذه؟

كيف نقيس نجاح المشروع؟

بعد نجاح النموذج الأولي، يمكن توسيعه.

هذه الطريقة أفضل من شراء أجهزة كثيرة ثم محاولة إيجاد مشكلة لها.

مثال عملي: بناء نظام موقف سيارات ذكي

لنفترض أنك تريد بناء نظام لموقف سيارات.

الخطوة الأولى هي تحديد المطلوب:

معرفة الأماكن الشاغرة في الوقت الحقيقي.

الخطوة الثانية هي اختيار وسيلة الاستشعار.

يمكن استخدام مستشعرات مخصصة أو كاميرات وفق البيئة.

الخطوة الثالثة هي وضع وحدة Edge لمعالجة البيانات إذا كانت الكاميرات تنتج حجمًا كبيرًا من الفيديو.

الخطوة الرابعة هي إرسال حالة الأماكن إلى منصة مركزية.

الخطوة الخامسة هي عرض المعلومات على لوحة إلكترونية أو تطبيق.

الخطوة السادسة هي الاحتفاظ بالبيانات التاريخية لمعرفة أوقات الذروة.

الخطوة السابعة هي تأمين الأجهزة والاتصالات.

الخطوة الثامنة هي مراقبة دقة المستشعرات واكتشاف القراءات غير الطبيعية.

هنا أصبح لدينا مشروع IoT حقيقي، وليس مجرد "موقف متصل بالإنترنت".

ماذا سيحدث عندما تتصل المدن ببعضها؟

المرحلة التالية أكثر تعقيدًا.

ماذا لو أصبحت أنظمة النقل والطاقة والمباني والمياه مترابطة؟

قد تستطيع منظومة الطاقة معرفة الأحمال المتوقعة من المباني.

وقد يستطيع نظام النقل معرفة الأحداث التي ستؤثر على حركة السيارات.

وقد تستخدم المباني بيانات الطقس لتعديل استهلاكها.

وقد تتعاون الأنظمة بدل العمل منفردة.

لكن هذا يحتاج إلى بنية بيانات وحوكمة قوية جدًا.

لأن زيادة التكامل تعني أيضًا زيادة أثر أي خطأ أو اختراق.

المدينة الذكية ليست مدينة آلية بالكامل

من الأخطاء الشائعة تصور المدينة الذكية كمدينة تتحكم فيها الخوارزميات في كل شيء.

هذا ليس بالضرورة الهدف.

الهدف الأفضل هو أن تساعد التقنية الإنسان على اتخاذ قرارات أفضل وأسرع.

قد يتولى النظام جمع البيانات والتحليل والتنبيه.

وقد يتولى الإنسان القرار النهائي في الحالات الحساسة.

وقد تعمل بعض الأنظمة بشكل آلي ضمن حدود محددة.

المعيار الحقيقي ليس مقدار الأتمتة.

بل مدى تحسين الخدمة مع الحفاظ على السلامة والخصوصية والموثوقية.

السعودية والمدن الذكية: لماذا IoT مهم؟

في المملكة توجد بيئات حضرية ومشروعات ضخمة تجعل تقنيات المدن الذكية ذات أهمية كبيرة.

المدن الجديدة والمناطق الحضرية واسعة النطاق يمكن أن تستفيد من مراقبة الطاقة والمياه والنقل والمباني.

كما أن الطقس ودرجات الحرارة المرتفعة في بعض الفترات يجعل تحسين إدارة الطاقة والتكييف تحديًا مهمًا.

وفي المناطق التي تشهد حركة كبيرة للمركبات، يمكن أن تساعد البيانات اللحظية في تحسين فهم حركة المرور.

وتزداد أهمية البنية التحتية للاتصال والحوسبة عندما نتحدث عن آلاف أو ملايين نقاط الاستشعار.

وفي مصر أيضًا، تُطرح المدن الذكية ضمن توجهات تعتمد على شبكات المستشعرات وربطها بإدارة المرافق والخدمات، مع دور للألياف الضوئية والشبكات الحديثة في نقل البيانات. (SIS)

ما الذي سيأتي بعد المدينة الذكية؟

الخطوة التالية ليست مجرد إضافة مستشعرات جديدة.

بل الانتقال من:

Sensing

إلى:

Understanding

ثم:

Prediction

ثم:

Decision

ثم:

Autonomous Action

وهذا يعني أن المدينة قد لا تكتفي بمعرفة أن الطريق مزدحم.

بل تتوقع الازدحام قبل حدوثه.

ولا تكتفي بمعرفة أن آلة في منشأة تحتاج إلى صيانة.

بل تتوقع احتمالية العطل.

ولا تكتفي بقياس استهلاك الطاقة.

بل تتوقع الطلب وتعيد توزيع الموارد وفق القيود المتاحة.

وهنا يصبح AIoT، أي دمج الذكاء الاصطناعي مع إنترنت الأشياء، أحد الاتجاهات المهمة في تطوير الأنظمة الحضرية القائمة على البيانات.

لكن هذا التطور يجب أن يصاحبه تصميم مسؤول، لأن الأنظمة التي تتخذ قرارات في العالم الحقيقي تحتاج إلى آليات مراقبة وتحقق وتراجع.

الخلاصة: المدينة الذكية ليست مدينة تجمع البيانات

يمكن أن تضع مستشعرًا في كل شارع، وكاميرا في كل مبنى، وعدادًا ذكيًا في كل منزل، ومع ذلك لا تحصل على مدينة ذكية.

لأن الذكاء لا يأتي من كمية الأجهزة.

إنه يأتي من قدرة المدينة على تحويل البيانات إلى معرفة، والمعرفة إلى قرار، والقرار إلى تحسين حقيقي في الخدمة.

المستشعر يرى.

الشبكة تنقل.

Edge يعالج بسرعة.

السحابة تجمع وتحلل على نطاق واسع.

الذكاء الاصطناعي يبحث عن الأنماط.

نظام القرار يحدد الإجراء.

والمشغل أو النظام التنفيذي ينفذ.

ثم تعود البيانات مرة أخرى لتخبرنا: هل نجح القرار أم لا؟

هذه هي الحلقة التي تجعل المدينة أكثر قدرة على الاستجابة.

والمدن المستقبلية لن تكون بالضرورة مدنًا تحتوي على أكبر عدد من الأجهزة.

بل مدنًا تعرف ماذا تقيس، ومتى تقيس، وأين تعالج البيانات، ومتى تتخذ القرار، وما الذي يجب ألا تجمعه أصلًا.

وهنا تكمن المفارقة.

كلما أصبحت المدينة أكثر ذكاءً، يجب أن تصبح أكثر دقة في استخدام البيانات، وليس أكثر جشعًا في جمعها.

لأن مستقبل المدن الذكية لن يُبنى بعدد المستشعرات فقط، وإنما بالقدرة على إنشاء منظومة متوازنة تجمع بين IoT وEdge Computing والذكاء الاصطناعي والشبكات والسحابة والأمن السيبراني والحوكمة.

وعندما تعمل هذه العناصر معًا، يتحول الشارع من مساحة جامدة إلى بيئة تستشعر ما يحدث حولها، والمبنى من هيكل ثابت إلى نظام يتفاعل مع مستخدميه، والبنية التحتية من معدات تنتظر العطل إلى منظومة تستطيع اكتشاف الإشارات المبكرة للمشكلة.

عندها فقط تبدأ المدينة في الاستشعار بدل الانتظار، والتوقع بدل رد الفعل.