1 城市計(jì)算的概念和框架

1.1 城市計(jì)算的定義

城市計(jì)算是一個(gè)通過(guò)不斷獲取、整合和分析城市中多種異構(gòu)大數(shù)據(jù)來(lái)解決城市所面臨的挑戰(zhàn)（如環(huán)境惡化、交通擁堵、能耗增加、規(guī)劃落后等）的過(guò)程。

1.2 城市計(jì)算的框架

基本框架包括 城市感知和數(shù)據(jù)獲取——城市數(shù)據(jù)管理——城市數(shù)據(jù)分析——服務(wù)提供 四個(gè)環(huán)節(jié)
城市計(jì)算是一個(gè)多數(shù)據(jù)多任務(wù)的系統(tǒng)。

1.3 城市計(jì)算的核心問(wèn)題

1）城市感知（計(jì)算）。利用城市中現(xiàn)有的資源不斷自動(dòng)感知城市的韻律。人作為傳感器參與到城市感知過(guò)程（亦稱為群體感知）。城市感知不再只是感知的過(guò)程，也包含能夠從復(fù)雜、隱晦、缺失和非均勻分布的數(shù)據(jù)中獲取有效知識(shí)的計(jì)算環(huán)節(jié)。
2）海量異構(gòu)數(shù)據(jù)的管理。如何管理和整合大規(guī)模的異構(gòu)數(shù)據(jù)是一大難題。尤其是在一個(gè)應(yīng)用中使用多種數(shù)據(jù)時(shí)，只有提前建立起不同數(shù)據(jù)之間的關(guān)聯(lián)，才能讓后面的分析和挖掘過(guò)程變得高效、可行。
3）異構(gòu)數(shù)據(jù)的協(xié)同計(jì)算
傳統(tǒng)的機(jī)器學(xué)習(xí)往往只能基于單一數(shù)據(jù)。在城市計(jì)算的很多應(yīng)用中效果并不理想。在保證知識(shí)提取深度的同時(shí)，如何提高對(duì)大數(shù)據(jù)的分析效率，以滿足城市計(jì)算中眾多實(shí)時(shí)性要求較高的應(yīng)用也是一個(gè)難題。數(shù)據(jù)維度的增加也容易導(dǎo)致數(shù)據(jù)稀疏性問(wèn)題。
4）虛實(shí)結(jié)合的混合式模式。比如云加端模式。

1.4 城市計(jì)算的應(yīng)用分類

城市計(jì)算主要涉及但不限于的7類應(yīng)用：城市規(guī)劃、智能交通、城市環(huán)境、城市能耗、城市經(jīng)濟(jì)、社交和娛樂(lè)、城市安全。

2 城市計(jì)算的主要技術(shù)

2.1 傳感器技術(shù)

1）傳感器網(wǎng)絡(luò)技術(shù)，實(shí)現(xiàn)現(xiàn)有專業(yè)傳感器之間的互聯(lián)互通，完成數(shù)據(jù)的快速收集。
2）主動(dòng)參與式感知技術(shù)。用戶主動(dòng)分享自己獲取的數(shù)據(jù)來(lái)共同完成一個(gè)復(fù)雜的任務(wù)。
3）被動(dòng)群體感知。利用非專門為城市計(jì)算設(shè)立的基礎(chǔ)設(shè)施收集用戶在使用時(shí)產(chǎn)生的數(shù)據(jù)，將這些數(shù)據(jù)融合到一起就能很好地反映城市的規(guī)律。特點(diǎn)是，被動(dòng)式群體感知中的用戶并不知道自己的數(shù)據(jù)將作何使用，甚至不知道自己在產(chǎn)生數(shù)據(jù)。

2.2 數(shù)據(jù)管理技術(shù)

1）流數(shù)據(jù)管理技術(shù)。大量的傳感器數(shù)據(jù)都以流的形式輸入。
2）軌跡管理技術(shù)。交通流、人的移動(dòng)、以及帶位置標(biāo)簽的社交媒體都可以表示為軌跡數(shù)據(jù)（即帶有時(shí)間戳并按時(shí)間排序的點(diǎn)序列）。常用的對(duì)軌跡的處理技術(shù)包括：地圖匹配算法、軌跡壓縮、軌跡搜索、軌跡頻繁模式挖掘等。
3）圖數(shù)據(jù)管理技術(shù)。社交網(wǎng)絡(luò)中人的關(guān)系、不同地區(qū)之間的人口流動(dòng)、道路上的交通流等都可表達(dá)為圖模型。城市計(jì)算中常用帶有時(shí)空屬性的圖模型，即每個(gè)節(jié)點(diǎn)都有空間坐標(biāo)信息，圖中邊和點(diǎn)的屬性（甚至圖結(jié)構(gòu)）會(huì)隨時(shí)間而變化。
4）時(shí)空索引技術(shù)。有效的索引可以大大提高數(shù)據(jù)提取的效率，利用時(shí)空索引技術(shù)將不同種類的數(shù)據(jù)（如文本、車流量）關(guān)聯(lián)和組織起來(lái)，為之后的高效數(shù)據(jù)挖掘和分析做好準(zhǔn)備。

3.3 數(shù)據(jù)挖掘技術(shù)

選擇可以應(yīng)用到城市計(jì)算中的模式發(fā)現(xiàn)、統(tǒng)計(jì)學(xué)習(xí)和人工智能方法等需要重點(diǎn)考慮以下兩個(gè)因素。
1）從異構(gòu)數(shù)據(jù)中學(xué)習(xí)到相互增強(qiáng)的知識(shí)
方法一：分別從不同的數(shù)據(jù)中提取特征，然后簡(jiǎn)單地將這些特征直接拼接并歸一化到一個(gè)特征向量里，輸入到機(jī)器學(xué)習(xí)模型。但由于不區(qū)分不同數(shù)據(jù)的特性，實(shí)踐證明這種方法并不是最有效的。
方法二：在計(jì)算模型的不同階段先后使用不同數(shù)據(jù)。
方法三：將不同的數(shù)據(jù)分別輸入到同一個(gè)計(jì)算模型的不同部分。
2）應(yīng)對(duì)數(shù)據(jù)的稀疏性
應(yīng)對(duì)數(shù)據(jù)的稀疏性通常可采用以下三種方法：
①采用矩陣（或張量）分解算法和協(xié)同過(guò)濾，數(shù)據(jù)融合方法的一種。

②使用半監(jiān)督學(xué)習(xí)算法或轉(zhuǎn)移學(xué)習(xí)算法。半監(jiān)督學(xué)習(xí)算法從具有不同分布的其他數(shù)據(jù)源中獲取知識(shí)，從而解決一個(gè)機(jī)器學(xué)習(xí)任務(wù)中訓(xùn)練樣本不足的問(wèn)題。
③基于相似性的聚類算法。

3.4 優(yōu)化技術(shù)

時(shí)空搜索技術(shù)和路勁優(yōu)化相結(jié)合、線性規(guī)劃、動(dòng)態(tài)優(yōu)化

3.5 混合數(shù)據(jù)的可視化技術(shù)

可視化以直觀的方式幫助我們理解獲取的知識(shí)和模式。與單一數(shù)據(jù)不同，城市計(jì)算中的可視化技術(shù)需要同時(shí)考慮多個(gè)維度，其中，空間和時(shí)間是兩個(gè)至關(guān)重要的維度。

總結(jié)

以上是生活随笔為你收集整理的paper笔记 | 城市计算概述（郑宇）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。