智慧城市数据分析:挑战与前景

人工智能、传感器技术和无线通信的迅猛发展推动了通过分布式传感器的普适感知。这些传感器构成各种网络领域,引领我们走向医疗、交通、环境及其他相关分支/网络中的智能系统。智能系统之间的协作交互将终端用户设备彼此连接,从而实现称为智慧城市的新集成实体。本研究的目的是提供智慧城市中数据分析的全面综述。在本文中,我们旨在关注智慧城市的一个重要分支,即智能交通,及其对智慧城市决策过程的积极广泛影响。智能交通中的智能决策系统提供诸多优势,例如通过提供实时有用信息和关键知识来节省能源、疏导城市交通,更重要的是减少空气污染。由于各种高维因素和参数并非频繁收集,及时在智慧城市中做出决策具有挑战性。在本文中,我们首先阐述智慧城市当前的挑战,并概述这些挑战的潜在解决方案。然后,我们提出这些解决方案的框架,称为通用智慧城市决策,包含数据捕获、数据分析和决策三个主要部分,以优化智慧城市内的智能交通。借助该框架,我们详述了已应用于智慧城市的大数据、机器学习和深度学习算法的基本概念,并讨论这些算法在智慧城市智能交通决策中的作用。