據麥姆斯咨詢報道，研究人員已設計出集成聲音和運動傳感器的物聯網（IoT）網絡，用以估算公共空間利用率。這些想法可以應用于其它物聯網傳感器網絡。《智慧城市中傳感器與公共空間利用率監測的融合》（Sensor Fusion for Public Space Utilization Monitoring in a Smart City）是物聯網產品設計人員、開發人員和實施人員的最佳讀物。它通過設計系統來測量城市的空間利用率，權衡傳感器選擇和校準、電源選擇、網絡設計、數據清理和規范化、以及數據處理等各個因素。該方法可以推廣到任何物聯網網絡的設計。

該論文堪稱為關于如何構建物聯網的完美案例研究。新加坡科技與設計大學的Billy Pik Lik Lau、Nipun Wijerathne和Chau Yuen以及澳大利亞科廷大學的Benny Kai Kiat Ng指出論文中最有意思的一點的是，他們如何與傳感器匹配，獲取正確分辨率的數據來估計空間利用率，并建立一個測試平臺，最大限度地減少大范圍實施的問題。為了測量空間利用率（一個空間在多個時間間隔內的人口數量），他們選擇了聲音和運動傳感器以及兩者的融合。該論文所使用的方法可適用于其它類型的傳感器。

聲音傳感器與視頻傳感器

聲音傳感器相比視頻傳感器，更多地被用來檢測活動。這似乎違反直覺，但僅僅是因為人類的感官更具視覺支配力。攝像頭在從成本上計算是昂貴的，并且處理數據量的增加需要在網絡中使用更昂貴和更強大的計算機。在大規模部署中，這會增加成本，但不會提高測量的準確性。更多的計算能力會增加耗電量，超出太陽能電池的供電能力和成本。而視頻數據的云處理需要大量的網絡帶寬和存儲空間，增加了成本。

最后，由于隱私問題，部署攝像機需要許可，這將在研究所在地新加坡部署時構成問題。可再生廣域傳感器網絡（RWSN）解決了硬件連接電源和需要更換電池的問題。可再生能源設計對于測試聲音和運動傳感器的使用是不必要的，因為這個有限的七節點網絡中的硬件連接電源或電池不會很昂貴。需要大規模部署該傳感器網絡可能是選擇可再生能源的原因。可再生廣域傳感器網絡采用低功耗的XBee模塊（IEEE 802.15.4），將XBee接收器與Raspberry Pi（樹莓派）連接，把數據回傳至云存儲。研究人員使用Xbee中繼器，構建了無線網狀網絡來增加覆蓋范圍。

該網絡由太陽能電池板和電池存儲供電，兩者的尺寸都包含在內，所以物聯網系統設計師可以根據不同的太陽光束來調整太陽能電池板和電池的尺寸以適應當地情況。據麥姆斯咨詢介紹，不同的環境監測傳感器節點包括氣壓計、溫度計、光度計、電阻式雨量傳感器、紫外線（UV）指數傳感器、濕度傳感器、運動和噪聲傳感器。這些節點在物聯網網絡中，可以提供校準數據來消除如雨水造成的聲音讀數干擾等環境條件的影響。低價的熱釋電紅外（PIR）傳感器，也被稱為無源紅外傳感器，被用來檢測運動。而低價的模擬聲音傳感器，基本上是MEMS麥克風，被用來錄制聲音。

PIR傳感器在白天特別是下午會有很多錯誤數據輸出。為了消除這些錯誤，校準模塊可以用于數據預處理。現場地面實況測量的誤報與明亮的日光相關，校準模塊能計算誤報的概率并進行調整，然后把數據進行正態統計。

應用機器學習以消除誤差

環境條件如降雨等的環境誤差，可以通過使用無監督的機器學習方法，使得研究人員能夠利用群集找到聲音數據的相似模式來消除。群集簡單地分類如降雨的聲音等相似的數據集，然后可以從數據中刪除。同樣，背景噪音也可以被消除。

來自PIR和聲音傳感器的標準化和校準數據使用研究人員選擇的算法進行融合，以預估整個測試區域的七個節點的空間利用率。該預估是基于現場觀察經驗和七個節點的融合數據的比較。該論文闡述了構建低成本精確物聯網系統的硬件、通信、傳感器和數據處理設計的考慮因素。它還解釋了消除由PIR運動傳感器捕獲的數據中的誤報，如何描述來自人類活動的噪聲特征，消除諸如降雨和背景噪聲之類的環境誤差以準確地估計單個節點和整體測試平臺的利用率等挑戰。物聯網網絡需要具備大規模實施、以及證明經濟或社會回報可抵消設計和開發成本的潛力。

設計和開發需要一個多學科團隊，并具備一些專業技能，尤其是統計學和機器學習等子領域的傳感器工程和高等數學知識。數學技能可用在校準數據和背景噪音消除；傳感工程技能可以用在低成本獲取正確分辨率數據。認真建設物聯網傳感器網絡的企業們可能需要聘用具備傳感器和數學技能的專業人士。