《城市计算概述》阅读笔记

1 城市计算的概念和框架
1.1 定义
是计算机科学中以城市为背景，与城市规划、交通、能源、环境、社会学和经济等学科融合的新兴领域。算是一个交叉学科。
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的过程。
1.2 城市计算的框架
包括城市感知、数据捕获、城市数据管理、城市数据分析、服务提供4个环节。
是一个“多数据、多任务”的系统。
在一个任务中需要同时用到多种数据。

框架：
城市感知和数据获取（参与感知、群体感知和移动感知计算）
→城市数据管理（时空索引、流数据、轨迹数据和图数据管理、异构数据索引）
→城市数据分析（数据挖掘、模式识别、机器学习和可视化）
→服务提供
1.3 城市计算的核心问题
1.城市感知（计算）：数据→有效数据
①其产生的数据更为自由无序、间接隐晦。
②数据的产生时间也变得难以预测和不可控，数据的空间分布也会随着人群的移动而变得很不均匀。这必然会导致数据的缺失和稀疏。
③不能期望所有的用户都参与到感知过程中来贡献数据，因此，能拿到的数据仅仅只是数据全集中的一个样本，这个样本可能会跟数据全集存在偏差。
2.海量异构数据的管理。
城市产生的数据属性差别很大。
尤其是在一个应用中使用多种数据时，只有提前建立起不同数据之间的关联，才能让后面的分析和挖掘过程变得高效、可行。
3.异构数据的协同计算。
①如何从不同的数据源中获取相互增强的知识
②在保证知识提取深度的同时，如何提高对大数据的分析效率
③数据维度的增加也容易导致数据稀疏性问题
4.虚实结合的混合式系统。
对不同数据源的同步、存储和更新对系统的设计和搭建提出了更大的挑战。
1.4 城市计算的应用分类
城市计算主要涉及（但不限于）的７类应用：城市规划、智能交通、城市环境、城市能耗、城市经济、社交和娱乐、城市安全。每个类别可再细分为子类。
2 城市计算的典型应用
2.1 城市规划
2.2 智能交通
2.3 环境
2.3.1 城市空气
2.3.2 城市噪音
2.4 能源消耗相关应用
2.5 社交和娱乐
2.6 经济
2.7 城市安全和应急响应
3 城市计算的主要技术
3.1 传感器技术
1.传感器网络技术，实现现有专业传感器之间的互联互通，完成数据的快速收集。
2.主动参与式感知技术。用户主动分享自己获取的数据来共同完成一个复杂的任务。
3.被动群体感知。城市里各种发达的信息基础设施为城市计算提供了良好的感知平台。
3.2 数据管理技术
1.流数据管理技术。由于大量的传感器数据都以流的形式输入，高效的流数据库技术是城市计算数据管理层的基石。
2.轨迹管 理技术（即带有时间戳并按时间排序的点序列）。
3.图数据管理技术。
4.时空索引技术。有效的索引可以大大提高数据提取的效率。由于空间和时间是城市计算中最常用的两个数据维度，各种空间索引和时空索引技术都常常被使用。更重要的是利用时空索引技术将不同种类的数据关联和组织起来，为之后的高效数据挖掘和分析做好准备。
3.3 数据挖掘技术
3.3.1 从异构数据中学习到相互增强的知识
实现这个目标通常有三种方法。
1.分别从不同的数据中提取特征，然后简单地将这些特征直接拼接并归一化到一个特征向量里，输入到机器学习的模型中。由于不区分不同数据的特性，实践证明这种方法并不是最有效的。
2.在计算模型的不同阶段先后使用不同数据。
3.将不同的数据分别输入到同一个计算模型的不同部分。
3.3.2 应对数据的稀疏性
大数据与数据的稀疏性并不矛盾。
1.采用矩阵（或张量）分解算法和协同过滤。
2.使用半监督学习算法或转移学习算法。
3.基于相似性的聚类算法。
3.4 优化技术
3.5 混合数据的可视化技术
可视化以直观的方式帮助我们理解获取的知识和模式。