On the scaling of functional spaces, from smart cities to cloud computing
时空的研究及其在理解功能系统中的作用在信息科学中很少受到关注。最近的工作，在城市和生物系统的普遍规模的起源，提供了一个有趣的洞察空间的功能使用，其可测量的影响。城市是大型的信息系统，与其他技术基础设施有许多相似之处，因此研究结果间接地揭示了智能普及基础设施和使用它们的社区的预期行为的规模。使用承诺理论，我推导并扩展了城市的缩放定律，以揭示可能外推到技术系统的东西。从承诺模型，我提出了一个解释，在原来的工作中的一些异常指数，并讨论了什么变化可能是由于技术进步的预期。
2016-02-19 cs.CY physics.soc-ph
Open data ecosystems: what models to co-create service innovations in smart cities?
本文通过文献综述探讨智慧城市开放数据生态系统中激励利益相关者共同创造服务的模型，并以里斯本城市运营中心为案例，分析市政平台如何协调异构数据与协同创新。
2023-11-29 cs.CY
Exploring The Relationship Between Road Infrastructure and Crimes in Memphis, Tennessee
田纳西州的孟菲斯是美国犯罪率最高的城市之一。在这项工作中，我们探索道路基础设施，特别是坑洞和犯罪之间的关系。坑洞和犯罪数据是从2020年至2022年期间的孟菲斯数据中心收集的。犯罪数据报告孟菲斯地区的各种犯罪，其中包含犯罪的地点，时间和类型。坑洞数据是Open 311数据的一部分，其中包含不同基础设施项目的信息，包括项目的位置以及项目的开始和结束日期。我们专注于有关坑洞维修的基础设施项目。
2022-12-10 cs.CY
Critical Transit Infrastructure in Smart Cities and Urban Air Quality: A Multi-City Seasonal Comparison of Ridership and PM2.5
University of Nevada, Las Vegas（内华达大学拉斯维加斯分校）
本文通过多城市季节性数据比较，研究公共交通通勤量与PM2.5的关系，揭示不同城市和季节的结构性差异，并提出整合交通与环境监测的智能城市框架。
2026-04-03 cs.CY physics.soc-ph
City-Scale Intelligent Systems and Platforms
截至2014年，地球上54%的人口居住在城市地区，并且正在稳步增长，预计到2050年将达到66%。城市地区从数万人的小城市到1 000万人以上的特大城市不等。目前，全球约有12%的人口居住在28个特大城市，预计到2030年至少有40个。在这样的规模下，城市基础设施，如道路、建筑和公用事业网络将覆盖新英格兰那样大的地区。这种稳定的城市化和由此产生的基础设施扩张，加上老化的城市基础设施的更新，代表着未来几十年数十万亿美元的新城市基础设施投资。这些投资必须平衡各种因素，包括对清洁空气和水的影响、能源和维护成本以及城市居民的生产力和健康。此外，这些不断发展的城市地区的成本效益管理和可持续性将是我们社会面临的最关键挑战之一，激发了科学和数据驱动的城市设计，改造和运营的概念，即“智慧城市”。
2017-05-04 cs.CY
Multi-Layered Diagnostics for Smart Cities
智慧城市利用技术来改善交通模式、能源分配、空气质量等。智慧城市的要素还可以通过将IT技术集成到市民互动的许多方面来增加市民的便利性，例如简化对许多城市服务的访问。医疗、教育、文化、购物等领域都可以融入智慧城市的核心，打造让市民生活更便利的基础设施。美国有实际部署案例，欧洲、新加坡和韩国。在这种环境下，我们需要提前考虑网络安全并准备对策，因为智能城市中的网络攻击可能威胁到公民的生命。在本文中，我们从多层次的角度研究了智慧城市的安全威胁，针对构成智慧城市的代表性元素。还描述了攻击场景和威胁对策的摘要。
2021-07-20 cs.CY
A Trust Model for Data Sharing in Smart Cities
物联网（IoT）中的设备和现有基础设施生成的数据应该在应用程序之间共享。然而，物联网中的数据共享只有在多个参与者贡献他们的数据时才能充分发挥其潜力，例如当人们能够使用智能手机传感器时。我们认为，从感知数据到可操作的知识，每一步都需要信任机制来促进数据交换，例如数据感知信任，可信的数据采掘，以及与信任相关的策略推理。缺乏信任可能会影响智慧城市中共享数据的接受程度。在本研究中，我们重点关注数据使用透明度和问责制，并提出了智慧城市中数据共享的信任模型，包括基于信任的数据共享的系统架构、数据语义和抽象模型以及增强透明度的机制。数据使用的问责制。我们应用语义技术和可废止推理与信任数据使用策略。我们基于空气污染监测用例构建了一个原型，并利用它来评估我们解决方案的性能。
2016-03-24 cs.CY
Infrastructure Ombudsman: Mining Future Failure Concerns from Structural Disaster Response
Rochester Institute of Technology（罗切斯特理工学院）；Maulana Abul Kalam Azad University of Technology（毛拉纳·阿卜勒·卡拉姆·阿扎德技术大学）
本文提出基础设施监察官方法，通过自动检测Reddit和YouTube上涉及预期性基础设施故障隐患的帖子，并构建包含2,662个实例的首创数据集，以辅助预防和减轻潜在的结构性故障。
2024-02-22 cs.CL cs.CY cs.LG
Sensing as a Service Model for Smart Cities Supported by Internet of Things
世界人口正在迅速增长。城镇和城市容纳了世界一半的人口，从而对城市生活的各个方面造成了巨大的压力。众所周知，城市集中了大量的资源和设施。这样的环境吸引了农村地区的人们。然而，前所未有的吸引力现在已经成为城市治理和政治的压倒性问题。高效城市管理的巨大压力引发了政府和私营部门企业的各种智慧城市倡议，投资于信息和通信技术，为日益严重的问题找到可持续的解决方案。物联网（IoT）在过去十年中也受到了极大的关注。物联网设想将数十亿个传感器连接到互联网，并期望将它们用于智能城市的高效资源管理。如今，基础设施、平台和软件应用程序都是使用云技术作为服务提供的。在本文中，我们将探讨传感即服务的概念，以及它如何与物联网相适应。我们的目标是从技术、经济和社会的角度研究传感作为服务模式的概念，并确定主要的开放性挑战和问题。
2013-07-31 cs.CY
Connectivity for AI enabled cities -- A field survey based study of emerging economies
本文聚焦新兴经济体AI赋能城市的连接性挑战，结合尼泊尔加德满都实地调研案例，指出需建设先进电信网络填补基础设施与投资缺口，以弥合数字鸿沟、释放AI城市变革潜力。
2025-01-16 cs.CY
Smart City Governance in Developing Countries: A Systematic Literature Review
广泛使用数字技术的智慧城市被吹捧为解决发展中国家许多城市面临的人口压力的可能解决方案，并可能有助于满足对服务和基础设施不断增长的需求。然而，基础设施维护所涉及的高昂财务成本、非正规经济的巨大规模以及各种治理挑战正在削弱政府对智慧城市的理想主义。本文探讨了发展中国家智慧城市发展的现状，包括理解智慧城市发展背后的概念、动机和独特驱动因素（以及障碍）。从两个学术数据库中识别的3928篇社会科学文献的初始池中进行系统性文献综述，共识别出56项研究。采用专题综合和专题分析对数据进行了分析。该报告发现，发展中国家的技术支持型智慧城市只有在同时进行社会经济、人力、法律和监管改革的情况下才能实现。各国政府需要加紧努力，满足公民的基本基础设施需求，增加收入，建立明确的监管框架以减轻所涉及的技术风险，发展人力资本，确保数字包容性，并促进环境可持续性。需要建立一个支持性的生态系统，鼓励公民参与，培育初创企业，促进公私合作伙伴关系，以实现他们的智慧城市愿景。
2020-01-28 cs.CY econ.GN q-fin.EC
Experimental economics for web mining
本文提供了一个研究基础设施，这使得实验经济学的数据有效地用于分析网络数据的一步。我们相信，在实验数据中发现的人类行为的不确定性也会出现在现实世界的网络数据中。从实验数据的格式建议，这使得它的公开数据的出版物。一旦标准化的实验数据集在线可用，Web挖掘可以从这些数据中获益。此外，从网络数据分析中产生的因果关系的顺序问题可以激发新的实验设置。
2014-12-15 cs.CE cs.CY
The Quantified City: Sensing Dynamics in Urban Setting
世界正在经历一个极端增长和城市化的时期;城市在21世纪成为神经中心，创造经济机会和文化价值，使城市呈指数级增长。随着城市人口的快速增长，城市基础设施正面临着重大问题，从城市系统规模的需要到大规模维持公民服务的服务质量。了解城市的动态对于明智的战略城市规划至关重要。本文展示了QuantifiedCity，一个旨在理解城市中发生的复杂动态的系统。通常，这些动态涉及人类、服务和基础设施，并在不同的空间中观察到：物理（基于物联网）传感和人类（基于社会）传感。该系统努力解决的主要挑战与数据集成和融合有关，以实现有效和语义相关的数据分组。这是通过将时空空间视为城市中生成的任何数据的块函数来实现的。我们的系统由三层组成，分别用于数据采集、数据分析和数据可视化;每一层都嵌入了各种模块，以更好地实现其目的（例如，数据抓取、数据清理、主题建模、情感分析、命名实体识别、事件检测、时间序列分析等）最终用户可以通过三个主要维度浏览动态：位置、时间和事件。对于每个维度，系统呈现一组以地图为中心的小部件，这些小部件总结了底层的相关动态。本文强调了对这样一个整体平台的需求，确定了“量化城市”概念的优势，并通过一个真实的场景展示了一个工作演示。
2017-01-16 cs.CY cs.SI
Legacy Procurement Practices Shape How U.S. Cities Govern AI: Understanding Government Employees' Practices, Challenges, and Needs
Carnegie Mellon University（卡内基梅隆大学）；University of Pittsburgh（匹兹堡大学）；TechBetter
本研究通过访谈美国7城19名AI采购人员，揭示遗留公共采购制度如何决定AI购买与权力分配，并指出改革未充分解决的挑战。
2025-05-13 cs.AI cs.CY cs.HC
Market-Oriented Information Trading in Internet of Things (IoT) for Smart Cities
物联网（IoT）技术是智慧城市实施中信息传输和集成的基础设施，以实现有效的细粒度城市管理，高效运营，提高市民的生活质量。智慧城市物联网系统通常涉及大量和各种信息流通。信息生命周期还涉及许多参与方、利益相关者和实体，如个人、企业和政府机构，他们有自己的目标，需要适当地激励。因此，最近的研究将智能城市物联网系统建模为市场，市场参与者将信息视为商品。在这项工作中，我们首先提出了一个通用的以信息为中心的系统架构来分析智能城市物联网系统。然后，我们讨论了物联网市场导向方法的特点，包括市场激励，物联网服务模式，信息新鲜度和社会影响。系统设计的变化和相关的工作也进行了审查。最后，我们优化智能城市物联网系统中的信息交易，考虑社会领域中的直接和间接网络外部性。
2018-06-14 cs.CY cs.DC
To Assess the Impact of Smart Cities on Urbanization Patterns in the United States
本文结合城市复杂性理论与混合方法调查美国智慧城市建设，发现技术、政策、环境和社会经济因素显著影响城市化模式，可为城市战略规划提供依据。
2025-03-14 cs.CY cs.ET
From Counting Stations to City-Wide Estimates: Data-Driven Bicycle Volume Extrapolation
本研究利用机器学习（XGBoost）和多种公共数据源，将稀疏计数站的自行车流量外推至柏林全市，并发现短期样本计数可显著降低预测误差。
2024-08-01 cs.CY stat.AP
Transportation Scenario Planning with Graph Neural Networks
Universidade Federal de Pernambuco（伯南布哥联邦大学）；University of Illinois at Chicago（伊利诺伊大学芝加哥分校）；Southeast University（东南大学）
提供高效的人员流动服务和基础设施是世界上大多数大中型城市的主要关注点之一。因此，正确理解通勤流的动态是更好地规划城市地区的必要条件。在这方面，一项重要的任务是研究假设情景，在其中评估未来可能发生的变化。例如，住宅单位或交通方式的增加将如何改变往返该地区的通勤流量？在本文中，我们建议利用GMEL，最近推出的图神经网络模型，考虑到不同的土地利用和基础设施的情况下，评估通勤流量的变化。我们验证了我们的方法的实用性，通过在巴西的两个大城市的真实案例研究。
2021-10-25 cs.AI cs.CY cs.LG
Weak Signals in the Mobility Landscape: Car Sharing in Ten European Cities
IIT-CNR（意大利国家研究委员会信息技术研究所）
汽车共享是智能交通基础设施的支柱之一，因为它有望减少我们城市的交通拥堵，停车需求和污染。从需求建模的角度来看，汽车共享在城市景观中是一个微弱的信号：只有一小部分人口使用它，因此很难用家庭旅行日记等传统技术进行可靠的研究。在这项工作中，我们脱离了这些传统的方法，我们利用基于网络的数字记录，为主要的活跃的汽车共享运营商之一，在10个欧洲城市的车辆可用性。我们讨论了哪些社会人口和城市活动指标与汽车共享需求的变化相关，哪些预测方法（在相关文献中最流行的）更适合预测皮卡和下车事件，以及如何使用有关车辆可用性的时空信息来推断客户如何使用城市中的不同区域。最后，我们提出了一个直接应用程序的数据集的分析，旨在确定在汽车共享运营区域内的维修设施。
2021-09-20 cs.CY cs.LG
A Study on Indoor Noise Levels in a Set of School Buildings in Greece utilizing an IoT infrastructure
本研究利用安装在希腊5所学校建筑内的物联网基础设施监测室内噪声水平，旨在更准确地反映师生日常环境，并为健康风险与听觉舒适度提供见解。
2023-09-06 cs.CY cs.DC
Design for the Right to the Smart City in More-than-Human Worlds
环境问题通过监测和优化网络基础设施流程，推动了对可持续智慧城市的兴趣。与此同时，人们对这些干预措施和服务是为谁服务以及谁受益感到关切。对城市生活感兴趣的HCI研究人员和设计师已经开始呼吁通过抵抗和政治行动来挑战国家和企业的主张，使城市空间民主化。本文旨在通过利用环境人文学中关于人类世界的概念，增加HCI中越来越多的批判性和公民主导的智慧城市文献，作为一种方式，将HCI中对智慧城市的理解从例外和以人为中心转变为更具包容性的理解，包括为其他人和其他物种设计。我们通过一个案例研究来说明，该案例涉及与城市农业社区共同设计物联网，创造更具环境和社会公正的智能城市的可能性。
2018-03-28 cs.CY cs.HC
Death by AI: Where Assured Autonomy in Smart Cities Meets the End-to-End Argument
智慧城市涉及数字化的关键基础设施系统。越来越多的智慧城市网络物理系统正在实现自动化。自动化的范围从基本的逻辑门到复杂的人工智能（AI），使完全自主的系统。由于现代社会对智能城市中的自主系统的依赖，它们以安全的方式运行至关重要;否则，这些系统可能会造成相当大的身体伤害甚至死亡。由于智慧城市可能涉及数千个在人口稠密地区协同运行的自主系统，因此需要安全保证。由于开发人员、制造商、运营商和用户的不同，一致地管理这种自主系统的安全性面临着很多挑战。提出了一种新的网络和自治系统的相关网络功能的样本，旨在为自治系统的安全性提供一个基线。这是通过为独立于互联网的自治系统建立定制设计的网络来实现的，并且可以通过主动联网来处理某些功能，从而实现安全性。这样的网络设计位于端到端原则的边缘，考虑到自治系统的安全性受到威胁，这是有道理的，正如本文所指出的。如果没有所提出的可扩展的自主系统安全策略，智慧城市中确保自主性的目标仍将难以实现。
2020-02-13 cs.CR cs.CY cs.NI
predictSLUMS: A new model for identifying and predicting informal settlements and slums in cities from street intersections using machine learning
University College London（伦敦大学学院）
识别城市内当前和未来的非正规区域仍然是发展中国家政策制定者和政府面临的一个关键问题。在城市中确定这些区域的划界过程需要大量资源。虽然有各种研究根据卫星图像分类，依靠监督或无监督的机器学习方法来确定非正规住区，但这些模型要么需要多个输入数据才能发挥作用，要么需要在精度方面进一步发展。在本文中，我们介绍了一种新的方法来识别和预测非正式定居点，只使用街道交叉口的数据，无论城市形态的变化，楼层数，用于建设或街道宽度的材料。通过这种最小的输入数据，我们试图为规划者和决策者提供一个实用的工具，可以帮助确定城市中的非正式区域。该模型的算法是基于空间统计和机器学习方法，使用多项式逻辑回归（MNL）和人工神经网络（ANN）。拟议的模式依赖于根据两个普遍存在的特征来定义非正规住区，即这些地区往往被相对于当地范围内的正规地区较小的细分住房所填充，以及这些住区边界内缺乏服务和基础设施，需要相对较大的地段。我们应用该模型在埃及和印度的五个主要城市的空间结构，其中存在非正式。这些城市是埃及的大开罗、亚历山大、赫尔格达和明亚，以及印度的孟买。预测SLUMS模型在识别和预测同一城市内的非正式性方面表现出很高的有效性和准确性，该模型是在类似背景下训练的。
2018-08-14 cs.CY cs.LG stat.ML
