欢迎来到赶蛙网! | 帮助中心 专业级it项目文档文库!
赶蛙网
首页 赶蛙网 > 资源分类 > PDF文档下载
 

3.以数据为中心的智慧城市研究综述

  • 资源ID:121069       资源大小:4.57MB        全文页数:27页
  • 资源格式: PDF        下载权限:游客/注册会员/VIP会员    下载费用:10积分 【人民币10元】
游客快捷下载 游客一键下载
会员登录下载
下载资源需要10积分 【人民币10元】

邮箱/手机:
温馨提示:
支付成功后,系统会根据您填写的邮箱或者手机号作为您下次登录的用户名和密码(如填写的是手机,那登陆用户名和密码就是手机号),方便下次登录下载和查询订单;
特别说明:
请自助下载,系统不会自动发送文件的哦;
支付方式(请点击选择右侧微信支付图标): 微信支付   
验证码:   换一换

      加入VIP,下载共享资源
 
友情提示
2、PDF文件下载后,可能会被浏览器默认打开,此种情况可以点击浏览器菜单,保存网页到桌面,既可以正常下载了。
3、本站不支持迅雷下载,请使用电脑自带的IE浏览器,或者360浏览器、谷歌浏览器下载即可。
4、本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰   

3.以数据为中心的智慧城市研究综述

专题智慧城市 _工上.-J一刖 舌 智慧城市是当今世界城市发展的新理念和新模式,是新一代信息技术创新应用与城市经济社会发 展深度融合的产物.智慧城市以物联网、云计算、移动互联网、大数据、遥感遥测、空间地理信息系统等新 一代信息技术为基础,以物联化和互联化的方式动态获取、感知、分析和整合城市各方面数据,促进城市 信息资源的网络化共享、集约化整合、协作化开发和高效化利用.发展智慧城市相关技术,能够促进现代 城市的交通、通信、教育、环境、能源、安全、管理、服务、文化、医疗、产业等各个行业的高效便捷运作,提 升城市运行管理领域的智能化和精细化管理水平,对推动我国城市发展向集约、智能、绿色、低碳的新型 发展模式演进具有非常重要的意义. 近年来,我国学者在智慧城市领域取得了不少研究成果,某些方面已达到国际前沿水平,一些重要 的科研成果已经得到了推广和应用.为进一步促进我国智慧城市领域的研究发展,计算机研究与发展 推出了智慧城市专题,从多个层面对智慧城市领域近期的研究热点和技术现状进行介绍.本专题得到了 国内智慧城市研究者的热情支持,共收到稿件37篇.经过同行专家的严格评审,最终收录研究稿件5 篇;此外还特别邀请了一篇关于智慧城市研究工作的综述,结合当前数据科学研究崛起的时代背景,对 以数据为中心的智慧城市研究工作进行了前沿综述.其中5篇研究论文覆盖了智慧城市技术体系的城 市感知、数据传输、数据活化、支撑服务与应用服务等5个层面,与国家863计划“智慧城市一期”项目 所提出的智慧城市技术体系架构向呼应,在一定程度上反映了当前我国智慧城市研究的总体布局与研 究关注. 城市感知层在智慧城市技术体系的总体框架中,城市感知层负责对城市环境中各方面的数据进行 感知和收集,对采集的信息进行处理和自动控制,并通过通信模块将数据定向汇聚到合适的位置.中国 地质大学的胡楚丽等作者贡献的论文“面向智慧城市应急响应的异构传感器集成共享方法”便是在城市 感知层开展的一项研究工作.该工作构建了城市异构传感器资源集成共享平台,从而实现了对城市异构 传感器资源的统一化描述,解决了城市数据感知过程中面临的传感资源管理难题,为智慧城市应急响应 所需的传感器资源共享与观测规划提供了有力支持. 数据传输层智慧城市技术体系的数据传输层采用物联网、传感网、新一代互联网等新型网络技术, 负责对智慧城市当中感知数据进行传递、路由和分发.暨南大学的黄书强等作者贡献的论文“智慧城 市中无线网络节点部署优化方案研究”,提出了一种数据传输层的技术方案.该方案将城市区域中的人 口流量特征引入到无线基础设施的部署规划当中,提出根据区域人流量的统计来确定AP节点的部署 位置和数量的优化方法.该工作对于城市数据传输基础设施的智慧化规划决策,有很强的指导和借鉴 意义. 数据活化层数据活化层是智慧城市技术体系的数据管理核心层,负责将海量的城市数据进行分类 和聚集,通过数据关联、数据演进和数据养护等技术,实现对数据的活化处理,向服务层提供活化数据支 持.北京航空航天大学的陈真勇等作者贡献的论文“一种新的智慧城市数据共享和融合框架 SCLDF”从数据活化技术的角度出发,提出了一种智慧城市数据互联框架.SCLDF框架结合Linked 万方数据 238 计算机研究与发展2014,512 Data技术、数据活化思想和数据互联网The Internet of data,IOD思想,以及多媒体标注技术、描述技 术,文档标注技术等多种技术,实现了对智慧城市数据的共享和融合.该论文为智慧城市的数据管理和 组织提供了一种新的思路. 支撑服务层支撑服务层对底层的数据和活化服务将进一步的封装,为智慧城市上层应用的开发提 供复用和灵活部署的能力,其功能涵盖了云平台、可视化与仿真、公共数据引擎等平台与服务等.北京理 工大学的张运超等作者贡献的论文“基于移动增强现实的智慧城市导览”在支撑服务层上对智慧城市的 可视化支撑技术进行了研究.该论文提出了一种面向移动终端的增强现实城市导览方法,可以满足智慧 城市中用户个性化、多尺度、按需推送的智能导览需求,可以为多种行业应用提供共性服务支持. 应用服务层应用服务层位于智慧城市体系架构的最顶层,不同规模、不同发展类型的城市可以选 择、开发适合自身特点的不同智慧应用,行业特性较强.应用服务层的共性技术主要包括安全与标准两 个方面.哈尔滨工程大学的杨海陆等作者在论文“基于社区的移动互联网混合蠕虫双向反馈遏制系统” 中研究了智慧城市应用服务的安全性问题.论文设计了一种以远程遏制为主、以短程遏制为反馈的移动 互联网蠕虫遏制系统,论文提出的方法可以广泛地应用在多种基于移动互联网的城市应用当中,对于提 高智慧城市应用的安全性具有很大帮.助. 北京航空航天大学的王静远等作者贡献的“以数据为中心的智慧城市研究综述”一文,站在信息科 学的视角上,围绕数据为中心这一主题,对数据驱动的智慧城市及其相关研究工作进行了较为全面的综 述与介绍.文章顺应数据科学崛起的时代趋势,在信息技术所及的范围内,对“智慧城市”和“数据”两大 关键词相关的研究工作进行了尽可能全面的梳理.希望此文可以帮助读者对该前沿交叉领域的研究脉 络建立起快速的概要认识. 智慧城市研究的内涵和外延广泛而又丰富,而专题篇幅又有严格限制,我们对智慧城市优秀研究工 作的收录也难免挂一漏万,难以反映智慧城市研究工作的全貌,希望读者与各位投稿作者见谅.专辑的 组织和编辑也难免存在一些不足之处,欢迎智慧城市同行不吝批评指正.最后,祝愿我国智慧城市研究 工作更上新的台阶 熊 璋北京航空航天大学计算机学院 林 闯清华大学计算机系 单志广国家信息中心信息化研究部 2014年1月 万方数据 计算机研究与发展 DOIlO.7544/issnloOo一1239.2014.20131586 Journal of Computer Research and Development 512239259,2014 以数据为中心的智慧城市研究综述 王静远1 李 超1’2 熊 璋1 单志广3 1北京航空航天大学计算机学院 北京 100191 z北京航空航天大学深圳研究院数据活化智慧城市深圳市重点实验室 广东深圳 518057 3国家信息中心信息化研究部北京 100045 jywangbuaa.edu.cn Survey of DataCentric Smart City Wang Jingyuanl,Li Cha01仙,Xiong Zhan91,and Shan Zhiguan93 1ScooZ o,Comp越£Pr SciP九cP n押d E行gin已Pri竹g,BPin”g Lki删rs£iy,Be巧ing 100191 2DnfnⅥfnziz口fio竹/Sm丑r£Ci£y KPy Ln60,‘n£ory, RgsFc£rc工挖sti£“£P o厂BPi矗Ⅱ竹g Lkiuersi£y i竹SP挖zP以, G“凸竹gdo行g, S矗g赡z已行518057 3J竹,0rmn£io挖ResP口rfDPp以rf埘P行£,S£n£P J玎如rm口fio九CP押抛r,BP巧i订g 100045 Abstract Motivated by sustainable development requirements of global enVironment and modern cities,the concept of the Smart City has been introduced as a strategic device of future urbanization on a 910bal scale. On the other hand,modern cities have built up deveIoped information infrastructure and gathered massive city running data,and therefore are ready to face the coming of the Smart City concept,techn0109ies and applications. An important peculiarity of Smart City is that the technology svstem is datacentric. The data science and technologies,such as big data,data Vitalization,and data mining, play pivotal roles in Smart City related technologies. In this paper, we proVide a comprehensive survey of the most recent research activities in datacentric Smart City. The surVey is from an informatics perspective and all summarized Smart City works are based on data science and technologies. This paper first summarizes the variety and analyze the feature of urban data that are used in existing Smart City researches and apphcations. Then,the stateoftheart progresses in the research of datacentric Smart City are surveyed from two aspects research actiVities and research sDecialties. The research activities are introduced from system architectures, smart transportatlon, urban computing,and human mobility. The research specialties are introduced from core technologies and theory, interdisciplinary, the datacentric, and the regional feature. Finally, the paper raises some directjons for future works. Key words Smart City;urban computing;big data;data Vitalization;research adVance 摘要在城市信息化浪潮与数据科学崛起的共同推动下,智慧城市开始在全球范围内成为未来城市发 展的新理念与新实践.大数据、数据活化、数据挖掘等数据管理、应用与分析技术在智慧城市建设当中 具有核心作用.站在信息科学的视角之上,围绕以数据为中心这一主题,对当前智慧城市研究工作的最 新动态进行了综述.梳理了当前智慧城市相关研究中广泛采用的城市数据类型及其特点,并从相关研究 工作和技术与研究特点两个大的方面对该领域的研究工作现状进行了介绍.其中相关研究涵盖了技术 体系研究、数据驱动的智能交通、城市计算技术和城市人类活动的统计力学等方面.而技术与研究特点 收稿日期201312一03;修回日期201312 20 基金项目国家‘‘八六三’’高技术研究发展计划基金项目2011AA010502;国家自然科学基金项目61272350,61202426,61370122 通信作者熊 璋xiongzbuaa.edu.cn 万方数据 240 计算机研究与发展 2014,512 的介绍包括核心技术与理论,以及领域研究的学科交叉、城市数据为中心、区域特性等方面.最后对该研 究领域未来可能的发展方向进行了总结和展望. 关键词智慧城市;城市计算;大数据;数据活化;研究进展 中图法分类号TP39 在信息技术革命的推动下,以计算机、网络通信 等信息通信技术为动力的信息化浪潮席卷全球.经过 近10年的信息化与数字化建设,现代城市的运行方 式与城市居民的生活环境已经发生了根本性的改变. 城市的经济、文化、交通、娱乐等方面都已经和信息 化的数字空间紧密融合,网络空间cyberspace成 为城市居民生活的组成部分.完善的信息基础设施 以及丰富的数字化应用成为现代数字化城市的基本 特征之一.丰硕的城市信息化建设成果在为人类生 活带来极大便利的同时,也为现代城市形态的进一 步演进奠定了技术与数据的基础. 进入21世纪,以大数据、数据活化为代表的数 据科学与技术开始受到人们的广泛关注.以数据为 中心的研究方法与技术理念在信息、生物、能源、医 药、社会学等不同的学科领域都得到了广泛应用与 认可,并促成了大量科研成果的诞生.以信息技术为 支撑的数据分析与研究方法正深刻地改变着传统科 学探索的工作方式,成为人类科技发展与知识获取 的一种新兴模式. 在城市信息化浪潮与数据科学崛起的共同推动 下,智慧城市在全球范围内成为下一代城市化发展 的新理念和新实践.智慧城市是一种以新一代信息 技术为基础,通过对城市各部分数据进行动态监测、 分析、整合和利用,实现对城市生活环境的透彻感 知、城市资源的全面调控、城市中各个部分协调配 合、城市方方面面便捷运作、人和城市之间和谐共赢 等目标的新型城市形态.世界各国尤其是欧、美、日、 韩等发达国家和地区都在积极开展相关的理论研究 与技术探索,发掘城市的数据资源,研发城市智慧应 用系统,开展相应的城市试点.在我国,从中央到地 方也都在积极探讨发展和建设智慧城市. 在智慧城市建设的过程中,数据科学与技术发 挥着不可替代的重要作用.为了使信息领域的科研 人员尽快了解数据科学在智慧城市领域中的最新应 用与研究进展,本文对以数据为中心的智慧城市技 术研究现状进行了综述和分析,首先对现有智慧城 市研究所采用的城市数据类型与特性进行了归纳和 梳理,然后从技术体系、相关研究、核心技术与理论 3个方面对现有工作进行了综述介绍,并在此基础 上对现有工作的特点进行了总结,最后对未来可能 的研究方向进行了展望. 智慧城市是一个多学科交叉、多领域融合的综 合性学科,相关工作涉及的内涵和外延都非常广.本 文将综述视角放在信息科学领域,内容紧密围绕以 数据为中心这一主题,分析相关研究工作的整体结 构与脉络.对于非信息学科视角、数据研究以外的相 关工作,由于篇幅问题,不作太多涉及. 1 城市数据 1.1城市数据类型 在信息城市与数字城市的建设过程中,城市的 信息基础设施在提供信息服务功能的同时,也积累 了海量的城市动态数据,这些数据种类繁多,难以尽 述.在这里,我们对在现有智慧城市研究工作中较为 常用的城市数据类型进行简要的介绍. 1地图与兴趣点数据 街道与建筑是城市的基本构架,地图数据是对 城市构架进行描述的基本方式,而兴趣点point of interest,POI数据则是介绍城市各功能单元的基 本信息.因此,城市地图和兴趣点数据是进行以数据 为中心的智慧城市研究的最基本原料,也是在对其 他类型城市数据进行融合时的空间锚点数据. 2GPS数据 安装有GPS接收芯片的移动设备可以收集城 市中人、车等流动物体活动信息.例如目前应用比较 广泛的浮动车技术[1 3就是将出租车、公交车等公共 交通工具上安装GPS设备,将其作为传感器对于城 市的交通情况进行采样.安装有GPS接收芯片的智 能手机也可以当作个人行为轨迹的收集设备.但是 由于隐私、安全等诸多问题,手机GPS数据很难大 规模收集应用,目前只能依靠志愿者进行小范围收 集和研究. 3客流数据 城市中市民采用不同交通工具进行日常通勤的 数据称为客流数据.出租车的客流数据可以使用浮 动车GPS数据配合出租车计费表的乘客状态获得. 万方数据 王静远等以数据为中心的智慧城市研究综述 241 公交车与地铁的客流数据则可以使用市政交通一卡 通的刷卡记录进行收集.客流数据包含的城市活动 信息非常丰富,可以被用于城区功能分析、人口流动 监测、城市交通系统评估、多交通工具人类行为研 究、城市交通经济学研究等领域. 4手机数据 手机是人们日常生活必不可少的通讯工具,其 所能提供的数据类型很多,包括通讯录、通话记录、 GPS定位信息、与基站间的信令记录、上网记录和 APP使用记录等.这些数据可以反映城市中居民活 动的兴趣偏好、活动范围、规模频率、社交关系等内 容,因此具有非常巨大的应用潜力. 5LBS位置服务数据 LBS10cation based service位置服务是移动 互联网时代一种新兴的网络服务方式,通过LBS应 用所收集到的数据具有明确的地理位置坐标并兼具 传统web服务的语义特性.LBS数据是对PI数 据的一种深度的描述和补充,与地图和POI等简单 的城市地理数据相比,LBS数据包含有大量的语义 信息,可以帮助人们更加深刻地理解城市运行动态. 6视频监控数据 视频监控技术已经被广泛地应用在交通管理、 社区安保、室内安防、娱乐通讯等城市生活的各个方 面.视频监控设备所采集的海量视频数据记录着城 市中居民生活的分分秒秒,在数字空间中形成了对 物理城市的虚拟“映像”.充分利用这些视频数据可 以从某种程度再现城市生活的历史,具有巨大的理 论研究与应用价值. 7环境与气象数据 气象数据很早便受到城市科学研究的充分关 注,近些年,随着人们对于环境与健康问题的日渐重 视,以空气质量为代表的城市环境数据也开始成为 人们关注的焦点.城市的环境与气象数据的一个重 要的特点是其地理与时间采样密度低.如何实现细 粒度、高精度的环境与天气数据收集和分析是该应 用类数据的一个重要挑战. 8社会活动数据 城市社会活动数据包括城市中的人口户籍、金 融物价、医疗卫生、能源消耗等各种社会动态数据. 社会活动数据是深入理解和分析城市社会化行为的 必备原料.由于城市社会活动数据行业性较强,容易 受到行业条块分割的影响,往往彼此分割孤立.打破 行业条块分割、实现多源异构城市数据的融合,是深 度利用城市社会活动数据所面临的首要任务. 1.2城市数据的特性 1大数据特性 城市是人类活动最为密集的区域,海量的人类 活动与社会运行数据不可避免地在城市当中爆发. 以北京为例,每天有超过千万的市民出行,每天我们 的交通卡产生5 000万条刷卡记录,有900万的车辆 在运营,每天仅出租车GPS数据就会产生8 ooO万 条左右,同时有近万个交通固定检测器在采集车的 瞬时车速,有近亿万条的手机通讯数据,还有千亿级 的交通影视影像数据.城市数据种类繁多variety, 规模庞大voIume,对数据的输入和处理速度要求 也很高velocity.城市数据包含的信息与知识极为 丰富,对于推动人类认识的扩展与科学技术的进步 有着巨大的价值,同时由于数据稀疏性的影响,城市 数据的价值密度也很低veracity.综上可以看出, 城市数据完全符合大数据big data所具有的4V 特性[2].城市数据可谓是大数据概念范畴当中的一 个极具代表性的典型样本. 2时空多维特性 以地图为基础的空间结构是城市数据的一种基 本组织方式,而城市快节奏的生活方式也使碍城市 数据对于时间维度的变化非常敏感.因此,时空多维 特性成为城市数据的另一个重要特点.在空间上,根 据城市地理规模的不同,城市数据具有不同尺度的 空间跨度.在时间上,根据产生的时间不同,城市数 据具有时问相关的变化和分布.因此在进行城市数 据分析和应用时,一方面需要考虑时间和空间两个 维度的数据演化特性,另一方面还需要充分利用时 问和空间不同维度之间的数据关联关系.这对城市 数据的利用技术提出了很高的要求, 3多尺度与多粒度 研究和利用城市数据除了要考虑时间和空间等 多个维度之外,还需要考虑数据尺度和数据粒度对 于数据特性的影响.在规模的尺度上,城市可以分为 小型城市、中型城市、大型城市、超大型城市等;在地 理尺度上,对于城市数据的描述可以小到几个街区 或大到数千平方公里;在时间尺度上,城市数据的覆 盖时间可以短到一些事件的监控,长到上百年的城 市变迁.在地理采样粒度上,可以像遥感测绘数据一 样精确到数米,也可以向气象环境数据一样以区县、 地区、甚至省市为单位;在时间粒度上,更是根据数 据采样设备的时钟、存储与传输能力、计算速度等因 素产生不同的时间粒度.在时空多维度的条件下,高 效处理多尺度与多粒度的海量数据,是有效利用城 市数据所必须解决的核心技术问题之一. 万方数据 242 计算机研究与发展2014,512 4多元与异构 如前文所述,城市数据具有非常多的类型与来 源,即数据的多元性.这些不同来源的城市数据无论 是从结构上、组织方式上、维度尺度与粒度上都会存 在巨大差异,即数据的异构性.智慧城市的应用需求 要求我们必须将这些多元异构数据进行有机的融 合,通过挖掘活化数据之间的相关性与相互作用方 式来获取新知识.如何在一个统一的构架上分析异 构性极强的多元数据,是学术界和工业界在进行智 慧城市探索方面所面临的一项共同挑战. 从本节的介绍可以看出现有工作对于城市数据 的应用类型还非常有限.城市作为人类生活活动最 为密集的场所,所产生的数据类型和数量都是难以 尽数的,仅就现有的研究工作来看,我们对于城市数 据的开发还远远不足,城市这座数据宝库中积累了 无尽的数据资源,等待着科研人员进行深入的开发. 2 相关研究 2.1技术体系研究 智慧城市技术体系研究作为对整个智慧城市技 术研究工作的顶层设计,对于指导领域技术的发展 方向、明确研究工作的内涵与外延、优化现有研究资 源的配置与分布等均具有非常重要的意义. 早期的智慧城市技术体系研究由IBM公司的 研究人员发起,文献[3]对IBM的smarter CitiesTM 技术功能进行了详细的介绍,其提出的智慧城市功 能范围更多的是以服务和基础设施为中心,对于数 据的重要性没有作过多的强调.文献[4]从整合的角 度对智慧城市框架系统的框架进行了理解,提出了 一种智慧城市的初步框架.该框架认为智慧城市要 从政策、组织和技术3个角度将政府、居民社区、经 济、基础设施、自然环境相整合,对于技术细节没有 作过多的讨论.文献[5]对一些早期的智慧城市技术 框架进行了总结,认为智慧城市的根本要素包括人、 机构和技术3个方面,在技术方面又可以细分为数 字城市、智能城市、无线城市、信息城市等.这些智慧 城市技术体系的研究工作更多是围绕城市建设的基 本要素展开,对于一些数据科学与技术在城市中扮 演的角色没有作过多讨论. 近些年,学术界开始逐步关注到数据科学对于 智慧城市技术的重要性,并提出了一些相应的技术 体系.如图1所示,浙江大学的潘纲教授在2013年 IEEE Communication Magazine的Smart Cities 专题中阐述了基于轨迹数据分析与挖掘的智慧城市 技术体系框架‘6I. 匦匦巫固臣叵匦叵三固臣圃 t s。胁gG PS’GsM,w㈣,鼬ootn删。 夭国阿■口目_ Fig. 1 Framework of trace mining for smart cities[引. 图1 基于轨迹挖掘的智慧城市技术体系框架嘲 该框架将基于轨迹数据的智慧城市技术体系分 为轨迹感知trace、知识发现knowledge和具体 应用applications3个层次.该框架从概略的层面 上系统描述了以数据为中心的智慧城市技术的整体 技术路线. 微软亚洲研究院的郑宇团队在2013CCF通 讯城市计算专题中提出了一种“四层反馈”结构的 城市计算技术体系框架[7书],如图2所示 Appllcatlons and serVlces 卜 f Urban data analysis t Urban data management t ●●●●●0 9 9 Human Tra陌c Air Weather Social Energy Map POI Mobmty Quaty Me出a t City sensmg and data captunng l 1 ’ ‘ 童泞薯篡黔、~ Fig. 2 MSRA urban computing technical framework[7。. 图2微软亚洲研究院城市计算技术框架旺 ~,小 住 乩 卅 Ⅳ M m a罕一罕一 t困一一 万方数据 王静远等以数据为巾心的智慧城市研究综述 该技术体系将城市计算的技术框架细分为“城 市感知与数据捕获”、“城市数据管理”、“城市数据分 析”、“服务提供”等4个层次.该框架的一个特色在 于其引入了“服务提供”层对于真实物理世界的反馈 回路,更加完善地考虑了智慧城市技术对于城市生 活的影响. 在科技部863计划“智慧城市一期”项目的支 持下,863计划智慧城市项目一期总体组提出了 “六横两纵”的智慧城市技术框架u’,如图3所示.该 框架将智慧城市技术体系按照依赖关系划分为“城 市感知层”、“数据传输层”、“数据活化层”、“支撑 服务层”、“应用服务层”以及“行业应用层”等6个 横向的层次,即“六横”;同时还引入了贯穿6个层次 的两大保障体系“标准与评估体系”以及“安全保障 体系”,即“两纵”.该技术框架的一大特色在于其十 分具体地细化了各个层次所应包含的技术集合以及 其之问的相互依赖关系,为智慧城市技术的整体发 展提供了详细的布局性指导.我国未来智慧城市的 技术体系建设很有可能将会参照该体系进行丰富和 完善. . 行业应用层 纠能突’1、rff 眦代n息臌务甲订 }I奎槲纵’1.忐’J淆删I艇备1’fi 专用技术 K,急l瞄防服务}’i, ,“奠个帷务。I’i} 泓缸ii饿l眦州的琏≯博剐取f暇务-卜i F n_k山务批‘≯、卜卉 野f J JpjL宁服务’r台 综合王{城件n’,火蹙肫臀叶,台 I叫络龃许I£’J甲ii ㈣叫qp打垃拊q、陂椰蜒是暇靠 傩数抛‘ljij{牝’,乏拧 L缗竹涟班蕾、rff 标 孥用技术 中,、地胜音的”怂烛-M‘,Uj£, 蛐ll】忙髓.联浪}Y惟Ik蕞投术 以八勾-I心ffJW怂j墟『h允JL{叠i嚣 ,j,竦f二u.tll£入’-”拗f二心Ⅲ蛆 垭f』*胛∽跛{lI舒m‘J£拧1Hr 曲北京航空航天大学深圳研究院数据活化智慧城市深圳 市重点实验室 广东深圳 518057, 单志广,Shan Zhiguang国家信息中心信息化研究部 北京100045 刊名 计算机研究与发展 英文刊名 Journal of Computer Research and Development 年,卷期 2014,512 参考文献130条 1.Wikipedia Floating car data 2013 2.Wikipedia Big data 2013 3.Harrison C;Eckman B;Hamilton R Foundations for smarter cities 20104 4.Chourabi H;Nam T;Walker S Understanding smart citiesAn integrative framework 2012 5.Nam T;Pardo T A Conceptualizing smart city with dimensions of technology,people,and institutions 2011 6.Pan Gang;Qi Guande;Zhang Wangsheng Trace analysis and mining for smart citiesIssues,methods,and applications 20136 7.郑宇 城市计算 20138 8.郑宇 城市计算与大数据 20138 9.863计划“智慧城市一期”项目组 智慧城市技术白皮书2012 10.Liu Liang;Andris Clio;Ratti Carlo Uncovering cabdrivers behavior patterns from their digital traces 20106 11.Calabrese F;Colonna M;Lovisolo P Real-time urban monitoring using cell phonesA case study in Rome 20111 12.Barria Javier A;Thajchayapong Suttipong Detection and classification of traffic anomalies using microscopic traffic variables 20113 13.北京市交通委委员会 实时路况查询 2013 14.Ghnemann A;Schafer R-P;Thiessenhusen K-U Monitoring traffic and emissions by floating car data,ITSWP-04-07 2004 15.Kanoulas E;Du Yang;Xia Tian Finding fastest paths on a road network with speed patterns 2006 16.Pfoser D;Brakatsoulas S;Brosch P Dynamic travel time provision for road networks 2008 17.Zheng Yu;Chen Yukun;Li Quannan Understanding transportation modes based on GPS data for web applications 20101 18.Zheng Yu;Li Quannan;Chen Yukun Understanding mobility based on GPS data 2008 19.Zheng Yu;Liu Like;Wang Longhao Learning transportation mode from raw GPS data for geographic applications on the web 2008 20.Fabritiis C;Ragona R;Valenti G Traffic estimation and prediction based on real time floating car data 2008 21.Li Xiaolong;Pan Gang;Wu Zhaohui Prediction of urban human mobility using large-scale taxi traces and its applications 20121 22.Castro Pablo S;Zhang Daqing;Li Shijian Urban traffic modelling and prediction using large scale taxi GPS traces 2012 23.Gonzalez Hector;Han Jiawei;Li Xiaolei Adaptive fastest path computation on a road networka traffic mining approach 2007 24.Ziebart Brian D;Maas Andrew L;Dey Anind K Navigate like a cabbieProbabilistic reasoning from observed context aware behavior 2008 25.Yuan Jing;Zheng Yu;Xie Xing Driving with knowledge from the physical world 2011 26.Yuan Jing;Zheng Yu;Xie Xing T-driveEnhancing driving directions with taxi drivers intelligence 20131 27.Zheng Kai;Zheng Yu;Yuan Nicholas Jing On Discovery of Gathering Patterns from Trajectories 2013 28.Li Bin;Zhang Daqing;Sun Lin Hunting or waitingdiscovering passenger-finding strategies from a large-scale real- world taxi dataset 2011 29.Sun Lin;Zhang Daqing;Chen Chao Real time anomalous trajectory detection and analysis 20133 30.Ge Yong;Liu Chuanren;Xiong Hui A taxi business intelligence system 2011 31.Zheng Xudong;Liang Xiao;Xu Ke Where to wait for a taxi 2012 32.Yuan Jing;Zheng Yu;Zhang Liuhang Where to find my next passenger 2011 33.Yuan Nicholas Jing;Xie Xing;Zheng Yu T-FinderA recommender system for finding passengers and vacant taxis 20121 34.Harsanyi John C;Selten R A General Theory of Equilibrium Selection in Games,volume 1 1988 35.Chen Chao;Zhang Daqing;Samuel Pablo Real-time detection of anomalous taxi trajectories from GPS Traces 2012 36.Chen Chao;Zhang Daqing;Castro Pablo S IBOATIsolation based online anomalous trajectory detection 20132 37.Zhang Daqing;Li Nan;Zhou Zhihua IBATDetecting anomalous taxi trajectories from GPS traces 2011 38.张大庆;陈超;杨丁奇 从数字脚印到城市计算 20138 39.Chen Chao;Zhang Daqing;Zhou Zhihua B-plannerNight bus route planning using large-scale taxi GPS traces 2013 40.Ma Shuo;Zheng Yu;Wolfson O T-ShareA large-scale dynamic taxi ridesharing service 2013 41.Ba

注意事项

本文(3.以数据为中心的智慧城市研究综述)为本站会员(大山深处)主动上传,赶蛙网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知赶蛙网(发送邮件至27307385@qq.com或直接QQ联系客服),我们立即给予删除!

温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。




copyright@ 2018-2028 赶蛙网版权所有
 ICP备案编号:蜀ICP备19008733号-2

1
收起
展开