在技术的宏大世界中，众所周知，传感器几乎可以做任何事情。更准确地说，每个参数都有一个传感器可供测量。
将传感器连接到众包车辆可以提供廉价而准确的方法来监控空气污染、道路质量以及城市健康的其他方面。它们提供的细粒度诊断信息可以帮助城市管理者监控城市的健康状况。研究人员可以将各种类型的空气传感器连接到站立的灯柱、标志、建筑物和其他静态结构上，以24/7全天候测量空气中的无数元素。但是为了使所谓的驾驶感应实际上有用，配备传感器的车辆需要具有大的“感应能力”，也就是说，它需要在给定的参考期间覆盖城市的大部分区域。
城市交通网络
最近，已经提出了一种“驱动”模式，其中传感器部署在第三方车辆上，从而以低成本实现广泛覆盖。关于驾驶感应的研究主要集中在传感器工程上，但一个关键问题仍未得到探索：需要多少辆车来充分扫描城市？
传感器专家网7月3日消息，近日，麻省理工学院的研究人员通过分析出租车队的传感能力来解决这个问题。出租车在城市中很多，是传感器的天然主机。研究人员使用球池模型与简单的出租车运动模型，分析确定一天内出租车队所感知的城市街道网络的比例。
麻省理工学院的研究人员分析了九个主要城市
麻省理工学院的研究人员分析了三大洲九个主要城市的交通数据，以了解出租车在一个典型的日子里所覆盖的自治市镇街道的哪一部分。他们发现一些出租车可以覆盖大量的地面，但要全面覆盖一个城市还需要更多。
麻省理工学院的研究人员发现，10辆出租车通常在一天内覆盖曼哈顿三分之一的街道，一天内需要约30辆出租车才能覆盖曼哈顿的一半。然而，由于出租车有汇合路线，一天需要超过1,000辆出租车才能覆盖曼哈顿的85％。
简而言之，研究人员发现“传统的传统部署需要权衡。例如，建筑物上的传感器可以提供一致的日常数据，但其范围非常有限。将传感器放在车辆上是一种解决方案。但是哪辆车？有固定路线的公共汽车覆盖有限的地面。有公司在马萨诸塞州剑桥市的垃圾车上安装了固定传感器等等，但即便如此，他们也没有像出租车那样收集太多的数据。”
研究人员发现，虽然出租车的运动结合了随机性和规律性（乘客的目的地是随机的，但是它们的路线是确定性的），出租车车队的传播属性是不寻常的; 与随机游走形成鲜明对比的是，研究人员研发的出租车模型的静止密度符合Zipf定律，与经验出租车数据一致。研究人员的结果可以直接用于智能城市设计师和其他城市决策者。这一发现似乎具有普遍性，表明其适用于超出此处分析的城市。
麻省理工学院团队的研究使用来自各个城市和私营部门研究工作的数据来更好地了解出租车覆盖模式。