Microsoft Research: Urban computing/城市计算

最新推荐文章于 2024-08-19 16:43:37 发布
最新推荐文章于 2024-08-19 16:43:37 发布
阅读量3.6k 收藏 11
点赞数 3
分类专栏： 泛coding

Microsoft Research: Urban computing/城市计算

搬运自：https://www.microsoft.com/en-us/research/project/%E5%9F%8E%E5%B8%82%E8%AE%A1%E7%AE%97/

manager: Yu Zheng/ 郑宇

城市计算是一个交叉学科，是计算机科学以城市为背景，跟城市规划、交通、能源、环境、社会学和经济等学科融合的新兴领域。更具体的说，城市计算是一个通过不断获取、整合和分析城市中多种异构大数据来解决城市所面临的挑战（如环境恶化、交通拥堵、能耗增加、规划落后等）的过程。城市计算将无处不在的感知技术、高效的数据管理和分析算法，以及新颖的可视化技术相结合，致力于提高人们的生活品质、保护环境和促进城市运转效率。城市计算帮助我们理解各种城市现象的本质，甚至预测城市的未来[1][2]。                 （English Homepage）

[1] Yu Zheng, Licia Capra, Ouri Wolfson, Hai Yang. Urban Computing: concepts, methodologies, and applications. ACM Transaction on Intelligent Systems and Technology. 5(3), 2014

[2] 郑宇. 城市计算概述，武汉大学学报. 2015年1月，40卷第一期

[3] 演讲视频

[4] 轨迹数据挖掘综述： Yu Zheng. Trajectory Data Mining: An Overview. ACM Transaction on Intelligent Systems and Technology. 2015, vol. 6, issue 3. ) (A Tutorial)

[5] 跨域数据融合综述：Yu Zheng. Methodologies for Cross-Domain Data Fusion: An Overview. IEEE Transactions on Big Data, vol. 1, no. 1. 2015.  (A Tutorial)

“城市计算”也是微软研究院 郑宇博士 主持的一个研究项目。该项目从2008年初开始，通过分析和融合城市中的各种大数据，郑宇博士的团队实现了一系列关于智能交通、城市规划、环境和能源的实际案例。相关技术不仅被应用于微软的产品，并且还在多个城市服务于中国政府。

城市计算的框架

下图给出了城市计算的基本框架，包括城市感知及数据捕获、数据管理、城市数据分析、服务提供四个环节。与自然语言分析和图像处理等“单数据单任务”系统相比，城市计算是一个“多数据多任务”的系统。城市计算中的任务涵盖改进城市规划、缓解交通拥堵、保护自然环境、减少能源消耗等等。而在一个任务中又需要同时用到多种数据。比如，在城市规划的设计过程中，我们需要同时参考道路结构、兴趣点分布、交通流等多种数据源。

uc_framework_cn

新闻专访和媒体报道

典型案例

PPT下载和在线视频讲解

数据下载

[1] T-Drive Taxi Trajectroies: 北京市10,000辆出租车1星期的GPS轨迹数据.

[2] GeoLife Trajectory Dataset: 167名用户三年多（2007.4-2010.12）的GPS轨迹数据。数据采集于 GeoLife项目。

[3] Taxi request simulator: 根据出租车乘客上下车真实记录而产生的用户打车请求发生器，可以模拟整个城市里面人们的出行需求。

[4] Check-in data from Foursquare: 来自于FourSquare的社交媒体数据。每个check-in包括时间、地点和POI类别。

[5] Air quality data of Beijing and Shanghai: 北京和上海的空气质量数据(2013-2-8 to 2014-2-8).

[6] Traffic and geographical features of each road segments: 从出租车轨迹、路网和POI数据中提取的特征，可用于交通流量计算.

[7] Noise complaint data and geographical data of NYC: 311噪音数据以及从路网、POIs.

[8] 中国43个城市的空气质量、气象和天气预报数据。可用与空气质量细粒度分析和预报。

[9] 自行车租赁系统数据：包含每一辆车的借出和还回时间和站点ID，包括对应时间的天气信息。

[10] 多源数据的异常检测：包括纽约市的311数据、出租车数据和自行车的数据，并对应的隐含POI和路网信息，共物种数据源。

[11] 城市人流数据: 包括北京市每一平方公里范围内在半小时内的流入和流出出租车数量，以及纽约市各个自形成租赁点每小时的自行车的借出和还回数量.



there2belief
关注
专栏目录
Awesome Public Datasets
学-> 思->用
06-12 2416
Awesome Public Datasets … image:: https://cdn.rawgit.com/sindresorhus/awesome/d7305f38d29fed78fa85652e3a63e154dd8e8829/media/badge.svg :alt: Awesome :target: https://github.com/sindresorhus/awesome … ...
可穿戴式计算机 Wearable computer
qq_44945010的博客
04-21 1019
可穿戴式计算机 Wearable computer
泛读论文：urban computing 城市计算合集，持续更新
汪汪汪的博客
11-21 2026
Detecting Vehicle Illegal Parking Events using Sharing Bikes’ Trajectories KDD 2018 郑宇组的论文 首先说了这个工作很有意义，并且有数据可以做这个事情，然后定义问题分析难点最后讲述自己的解决方案，并且已部署上线。其中预处理部分非常值得学习，违章检测是基于分布的思想也值得借鉴。 OUTLINE 轨迹数据预处理 ...
读书笔记一——Urban Computing with Taxicabs
qq_23387055的博客
08-26 649
目的：通过出租车的轨迹挑选有缺陷的城市规划 侧重方面：1）Traffic modeling 2）Flaw detection 3)Real evaluation OVERVIEW(概述)： 1）Taxi Trajectory(出租车轨迹): Tr      是一群按照时间排序的GPS点序列，每个点都由三个部分组成：1、空间坐标集2、时间3、乘车状态，例如  2) Region(区域):r...
2024年技术自媒体经验分享 —— 开始尝试认真做 CSDN 的一年后的复盘_csdn变现可行吗
最新发布
2401_86022387的博客
08-19 1508
一次偶然，从朋友那里得到一份“java高分面试指南”，里面涵盖了25个分类的面试题以及详细的解析：JavaOOP、Java集合/泛型、Java中的IO与NIO、Java反射、Java序列化、Java注解、多线程&并发、JVM、Mysql、Redis、Memcached、MongoDB、Spring、Spring Boot、Spring Cloud、RabbitMQ、Dubbo 、MyBatis 、ZooKeeper 、数据结构、算法、Elasticsearch 、Kafka 、微服务、Linux。
CCF期刊阅读18.1--城市计算和智能
bigbugss的博客
12-04 788
导语 城市计算是用大数据和人工智能来实实在在的解决城市面临的各种具体问题。在人工智能呼声越来越高的同事，应该是如何选择发展道路。 强人工智能vs弱人工智能 强人工智能是基于逻辑和推导的，但发展缓慢，没有形成理论体系；弱人工智能是基于计算的智能，是伴随着摩尔定律的发展，计算，存储等发展起来的。如何将算法和场景更好地结合，商业化，还有很多要做。 城市计算和智能 城市化导致的人口大量聚集，带来了交通，...
城市计算PPT
10-31
亚洲微软研究院郑宇在西安电子科技大学的授课内容，其中讲述了城市规划与大数据的关系
综述--2014--城市计算:概念、方法和应用--全文翻译
weixin_41937620的博客
04-09 2892
Urban Computing: Concepts, Methodologies, and Applications YU ZHENG, Microsoft Research LICIA CAPRA, University College London OURI WOLFSON, University of Illinois at Chicago HAI YANG, Hong Kong University of Science and Technology DOI: http://dx.doi.org
AI深度、机器学习数据集资源汇总
weixin_44462965的博客
11-27 3962
AI深度、机器学习数据集资源汇总！
TCP/IP PORT NUMBERS 2890后的端口（继续一）
热门推荐
zly22169846的专栏
10-29 6万+
 #      Justine Higgins cspclmulti      2890/tcp   CSPCLMULTIcspclmulti      2890/udp   CSPCLMULTI#      Yoneda Terumasa cinegrfx-elmd   2891/tcp   CINEGRFX-ELMD License Managercinegrfx-elmd   2891/ud
关于微软研究院（谢幸、郑宇研究员主导的）“智能城市”“智能生活”研究的一个归纳
yumengkk的专栏
04-29 1万+
微软亚洲研究院基于GPS数据展开的研究工作，取得了另学术界瞩目的成就。从2008年开始每年都在顶级的计算机类会议上有文章发出，掀起了研究GPS数据智能化处理的热潮。        他们的工作由谢幸研究员和郑宇研究员主导。实验数据采集主要有两个工程： 1、Geolife工程使用的，170多个志愿者4年左右的GPS轨迹； 2、北京市2万多出租车约3个月的行驶轨迹。 参见：http://rese
云计算
04-13
[HiC2011]Urban computing(郑宇).pdf [HiC2011]TILERA Many-Core Processors for Cloud Applications(Ran Gu).pdf 博文链接：https://hansha2.iteye.com/blog/1717420
城市计算概述（郑宇）
KKAI_C
09-18 917
城市计算（1）
paper笔记 | 城市计算概述（郑宇）
econe_wei的博客
09-09 2384
1 城市计算的概念和框架 1.1 城市计算的定义 城市计算是一个通过不断获取、整合和分析城市中多种异构大数据来解决城市所面临的挑战（如环境恶化、交通拥堵、能耗增加、规划落后等）的过程。 1.2 城市计算的框架 基本框架包括 城市感知和数据获取——城市数据管理——城市数据分析——服务提供 四个环节 城市计算是一个多数据多任务的系统。 1.3 城市计算的核心问题 1）城市感知（计算）。利用城市中...
郑宇：城市计算让生活更智能
weixin_39466925的博客
12-23 976
下面是我自己手动整理的郑宇在郑总创客星球主办节目《未来简说》演讲（2017/9/4），原视频链接：https://mp.weixin.qq.com/s?__biz=MzAwMTA3MzM4Nw==&mid=2649441664&idx=1&sn=538f9edb96216dfeaf97a57cd226d6cf&chksm=82c0ac04b5b725126f5826...
城市计算
hnjzsyjyj的专栏
10-10 365
【权威网站】 https://www.msra.cn/zh-cn/research/urban-computing https://www.microsoft.com/en-us/research/project/%E5%9F%8E%E5%B8%82%E8%AE%A1%E7%AE%97/ http://urban-computing.com/yuzheng http://urban-computing.com/index.htm http://urban-computing.com/index-4
城市计算：给我们生活的城市装上了智能引擎
weixin_30871701的博客
04-01 123
什么是城市计算： 城市计算是一个获取、集成和分析城市空间中不同来源(如传感器、设备、车辆、建筑物和人)产生的大量异构数据的过程，以解决城市面临的主要问题(如空气污染、能源消耗增加和交通拥堵)。简单来说，就是用数据分析来解决城市问题。 城市计算框架： 从图中可以看出，该框架以数据为核心，从数据分析的角度，形成了面向城市的从数据感知及获取，数据管理，数据分析到服务提供的全流程城市计算...
无线传感器网络与自组织网络的研究现状
hnhbdss的专栏
11-27 8634
A Survey on Wireless Sensor Network and Ad Hoc Network盛敏,田野,李建东 摘 要：传感器网络综合了传感器技术、嵌入式计算技术、分布式信息处理技术和无线通信技术，是计算机科学技术的一个新的研究领域；自组织网络是一种移动、多 跳、自律式系统，两者均具有十分广阔的应用前景。文章对传感器网络和自组织网络的概念、特征和发展动态等问题进行了介绍，重点分析了
JUST技术：如何通过轨迹相似性度量方法，发现新冠易感人群 | 技术前沿
李瑞远-时空数据
09-21 1589
2020年初，一场突如其来的新冠疫情，使得公共卫生安全问题受到了全社会的广泛关注。与此同时，如何及时掌握人与人之间的病毒传播路径，及时发现确诊人员的密切接触者，成为了各地政府疫情防控最迫切的需求。 JUST基于大规模轨迹数据，针对易感人群难以发现的问题，开发并提供了关联人群查询功能，通过对轨迹进行匹配挖掘，能够快速找出与确诊人员行动轨迹在时空维度有过“接触”的人群。其中，实现该功能的很重要的一项工作就是：如何衡量两条轨迹的相似性。下文将简要介绍一些常见的轨迹相似性度量方法。 轨迹作为一种时空数据[.
Compiling the CUDA compiler identification source file "CMakeCUDACompilerId.cu" failed. Compiler: C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v12.1/bin/nvcc.exe
07-25
根据引用\[1\]中的信息，编译CUDA编译器标识源文件"CMakeCUDACompilerId.cu"失败。根据引用\[2\]，CUDA的路径设置为C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.2。根据引用\[3\]，在CUDA 11.6.props文件的第12行后添加路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6。根据您提供的问题，编译器路径为C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v12.1/bin/nvcc.exe。 根据这些信息，可能的原因是您的CUDA版本与CMake配置文件中指定的版本不匹配。您可以尝试更新CMake配置文件中的CUDA路径，将其设置为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1，以与您的CUDA版本相匹配。这样，CMake将能够找到正确的编译器并成功编译CUDA编译器标识源文件。 #### 引用[.reference_title] - *1* *3* [CMake编译CUDA项目报错](https://blog.csdn.net/qq_26157437/article/details/129834852)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [nvcc fatal : Cannot find compiler 'cl.exe' in PATH](https://blog.csdn.net/qq_40993412/article/details/81454531)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值