算是个笔记吧，当前热点可以算
城市计算尝试采集城市运行的数据，借助人工智能（AI）、大数据等手段对这些数据加以管理和分析，以掌握城市运行状态，提升城市运行效率。近年来，AI极大地推动了城市计算的发展。本文就城市计算的四个关键问题进行了阐述、并提供了新的研究思路：即如何破解高价值知识提炼、如何实现巨系统规模级别的预测、如何建立数据与现象之间的因果关系、如何破解智慧决策的最后一公里。
城市计算的首要任务是对知识的整合和获取，现有的城市数据来自大规模的传感器，如何把原始数据转化为对城市建设和治理直接可用的高价值知识，。解决城市系统的知识发现问题，迁移学习与强化学习是两个强有力的手段，前者将已知的知识迁移到未知领域，后者在知识的获取中融入环境因素，使其符合城市运行场景。
城市计算的核心是对城市运行状态进行建模，尽管基于数据驱动的建模方式可以一定程度上提升建模的能力，但是其效果仍需进一步提升。与此同时, 基于多元时间序列数据的智能分析可以更有效地建模城市巨系统，因为它会综合考虑城市中各个序列的关联来提升建模效果。
城市计算的重要任务是对城市运行状态的成因进行分析，然而让我们不免担心AI所预测结果的可靠性。因此，综合考虑因果分析会有效提升城市计算结果的可信度，使人们不仅知道城市运行的状态，更明白造成这种状态的原因。
最后，城市计算的终极任务是要为城市的发展和治理做出决策，如建设规划、交通控制、能源调度、应急处理等。要达到城市计算的终极目标还有相当长的路要走。智能化的决策优化是通往城市计算终极目标的有效手段，数据驱动的决策模型会使得决策更加快速可信。
网友评论