01、传感器基础设施的部署费用负担面临的挑战

智慧城市利用传感器收集信息，利用大数据和人工智能技术分析信息，提高生活质量。这些数据包括实时交通信息、空气质量、城市健康数据等。而传感器基础设施是一项沉重的投资和主要负担。例如，城市必须考虑如何供电（电线、太阳能或电池）以及由哪个城市部门和预算负责安装和维护。很多城市已经把很大一部分预算花在了地下电缆、隧道和互联网连接等传统基础设施上。用于传感器等新基础设施的资金是有限的，项目可能需要数年时间才能部署。更重要的是，安装传感器本身并不是目的，它是一项长期投资，需要时间来影响城市居民的生活。

如何克服：

智慧城市的规划者应该从一开始就考虑基础设施所带来的挑战。规划智慧城市基础设施，并从智慧城市组织和政府项目中筹集专项资金可能是一个良好的开端。

此外，在许多情况下，城市开始使用现有的基础设施收集数据，如公共汽车票务系统、现有闭路电视和原有的交通监控系统。对于资金或资源有限的城市，这是一种可行的替代方案。

02、强大的互联互通需求挑战

智慧城市需要为居民和游客提供强大的互联互通资源，以支持经济发展和互联城市服务。然而，即便是在西方的大城市，实现良好的互联互通也绝非易事。其中包括三个要素：

①运营商需要为城市不同区域提供足够的覆盖和容量。

②场地所有者和企业需要主机连接设备或运行自有设备。

③市政府需要与运营商和私营企业合作，以确保覆盖整个城市。

在密集的城市环境中，射频信号常常受到建筑物和某些建筑材料的阻碍。环保建筑的某些特定要求有时会与射频覆盖需求相冲突。城市需要节能、可扩展并有效的解决方案，支持移动用户的需求，以及物联网和机器对机器(M2M)数据传输的连接性要求。

如何克服：

智能数字分布式天线系统(idDAS)提供了一种技术途径。这种方法是一种网络拓扑结构，支持智慧城市中的多个连接需求。数字DAS具有性价比高和节能高效的特点，几乎可以在任何城市环境中提供良好的覆盖率。DAS还能够支持5G技术，为城市下一代移动连接做好准备。

03、智慧城市中云计算安全问题

面临的挑战：

智慧城市必须依靠云计算技术来承载数据和运营服务，与利益相关者共享数据，为居民提供广泛的访问。与此同时，城市服务管理着大量高度敏感的数据，其中很多都涉及隐私和法规问题，不适合存储在公有云上。大多数城市采用混合云策略，有些系统托管在本地或私有云架构中，有些则托管在公有云上。但这也带来了运营和安全方面的挑战，考虑到城市可用的IT资源有限，这些挑战很难应对。

如何克服：

2019年，美国“智慧城市和社区挑战”组织发布了一份蓝图，可以帮助智慧城市和社区采用安全的云架构，基于混合云概念保护个人身份信息(PII)并支持保密性。该蓝图可以帮助智慧城市采用协调云服务机制，包括用于灾难时的恢复和云备份。它是基于美国国家标准与技术研究院(NIST)的网络安全框架，并包含帮助城市限制数据保密性、完整性和可用性风险的步骤。遵循该蓝图可以帮助城市采用更实用、安全的云架构。该建议包括针对数据风险的三级分类方案，帮助构建混合云或多云体系结构。这三个层次是：红色，表示PII等高度敏感的数据；黄色，表示可以更广泛共享的数据；绿色，表示可以公开共享的低敏感性数据。

基于数据分类，智慧城市负责人可以根据法律和监管要求、安全政策、数据存储和收集实践等指标，来保护隐私和安全。

04、高效的数据处理和分析

智慧城市需要有效收集和分析日益增长的物联网数据。数据有多种格式，从日志数据到环境传感器读数，再到监控视频记录等。智慧城市只有在处理其数据并持续不断地从数据中提取见解(通常是实时的)的情况下才有效。这需要强大的基础设施，可以存储数据并以自动化的方式执行所需的分析。因此，最大的挑战之一是确定数据优先级。例如，在数万小时的摄像数据中，智慧城市如何才能实时决定哪些分析和见解至关重要？或者哪一部分传感器数据可以产生可操作的见解来改善城市服务等？如果没有自动的数据优先排序机制，就没法实施有意义的分析并且合理使用和操作数据。

智慧城市须建设基于机器学习和人工智能的基础设施，能够自动对数据流进行优先排序，并将重点放在重要的数据上，从而让城市官员注意到相关的见解和分析。例如，人工智能系统可以识别城市一天中某些特殊时段的空气质量，通过深入研究这些数据来确定污染源，城市可以采取行动来改善空气质量。