MARC

 008250123s2024        us                              c    eng  d
■001000017164469
■00520250211153006
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384043973
■035    ▼a(MiAaPQ)AAI31631390
■035    ▼a(MiAaPQ)umichrackham005714
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a628
■1001  ▼aSchmidt,  Jacquelyn  Q.
■24510▼aOvercoming  Barriers  to  Adoption  of  Smart  Stormwater  Technologies
■260    ▼a[Sl]▼bUniversity  of  Michigan▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a191  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-03,  Section:  B.
■500    ▼aAdvisor:  Kerkez,  Branko.
■5021  ▼aThesis  (Ph.D.)--University  of  Michigan,  2024.
■520    ▼aDigital  technologies  are  changing  the  way  cities  around  the  world  are  managed,  with  sensors,  algorithms,  and  robotics  improving  efficiency,  lowering  costs,  and  enabling  new  services  to  make  urban  life  safer  and  more  convenient.  In  water  management,  smart  stormwater  systems,  in  which  algorithms  leverage  real-time  sensor  data  to  optimally  control  stormwater  drainage  infrastructure,  are  widely  expected  to  revolutionize  the  industry.  These  advances  are  greatly  needed  as  climate  change  and  urbanization  strain  the  capacity  of  existing  infrastructure,  resulting  in  increased  rates  of  urban  flooding  and  sewer  overflows.  In  comparison  to  other  sectors,  however,  adoption  of  digital  technologies  in  stormwater  management  has  been  slow.  A  number  of  knowledge  gaps  underpin  the  barriers  to  adoption  of  smart  stormwater  technologies.  We  do  not  know  how  to  build  the  robust  data  pipelines  needed  to  support  digital  stormwater  technologies,  nor  do  we  understand  how  to  design  digital  technologies  that  are  accepted  and  trusted  by  stormwater  management  practitioners.  This  dissertation  addresses  these  fundamental  knowledge  gaps  by  examining  how  emerging  smart  stormwater  technologies  fit  into  -  or  are  at  odds  with  -  existing  water  management  workflows.  The  second  chapter  focuses  on  the  role  of  data  collection,  presenting  a  quality  assurance  and  control  (QAQC)  pipeline  for  large,  low-cost  wireless  water  sensor  networks.  This  improves  the  reliability  and  scalability  of  real-time  water  sensor  networks,  which  are  essential  to  enable  the  algorithms  that  underlie  smart  water  technologies.  The  third  chapter  addresses  the  challenge  of  creating  actionable  insights  from  continuous  streams  of  sensor  data.  An  automated  data  analysis  pipeline  is  introduced  for  a  novel  green  infrastructure  sensor,  which  segments  storm  events  and  calculates  the  rate  of  water  drawdown,  a  metric  of  how  well  the  green  infrastructure  is  performing.  The  fourth  chapter  examines  the  challenges  of  incorporating  smart  stormwater  technologies  into  existing  water  control  room  workflows.  A  user  study  of  water  operators  in  Detroit,  Michigan  (USA)  highlights  constraints  in  the  water  management  process  that  must  be  considered  when  designing  new  smart  stormwater  systems.  The  fifth  chapter  evaluates  the  accessibility  of  smart  water  technologies  to  all  stormwater  management  practitioners.  A  web  application  is  presented  which  allows  users  to  model  the  city-wide  stormwater  impacts  of  green  infrastructure  in  Detroit  using  the  US  EPA's  Stormwater  Management  Model  (EPA  SWMM),  a  valuable  but  technically  complex  engineering  tool  which  many  green  infrastructure  practitioners  have  not  traditionally  been  able  to  use.  The  discoveries  made  in  this  dissertation  seek  to  support  the  development  of  the  next-generation  smart  stormwater  technologies  that  are  better  positioned  to  achieve  widespread  adoption  in  practice.
■590    ▼aSchool  code:  0127.
■650  4▼aEnvironmental  engineering
■650  4▼aInformation  science
■650  4▼aComputer  engineering
■653    ▼aSmart  water  systems
■653    ▼aDigitization
■653    ▼aSmart  cities
■653    ▼aHuman-computer  interaction
■653    ▼aSmart  infrastructures
■653    ▼aUrban  flooding
■690    ▼a0543
■690    ▼a0775
■690    ▼a0723
■690    ▼a0464
■71020▼aUniversity  of  Michigan▼bCivil  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g86-03B.
■790    ▼a0127
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17164469▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books