1、以数据为中心的智慧城市研究综述 王静远 李超 熊璋 单志广 北京航空航天大学计算机学院 北京航空航天大学深圳研究院数据活化(智慧城市)深圳市重点实验室 国家信息中心信息化研究部 摘 要： 在城市信息化浪潮与数据科学崛起的共同推动下,智慧城市开始在全球范围内成为未来城市发展的新理念与新实践.大数据、数据活化、数据挖掘等数据管理、应用与分析技术在智慧城市建设当中具有核心作用.站在信息科学的视角之上,围绕以数据为中心这一主题,对当前智慧城市研究工作的最新动态进行了综述.梳理了当前智慧城市相关研究中广泛采用的城市数据类型及其特点,并从相关研究工作和技术与研究特点两个大的方面对该领域的研究工作现状进行了
2、介绍.其中相关研究涵盖了技术体系研究、数据驱动的智能交通、城市计算技术和城市人类活动的统计力学等方面.而技术与研究特点的介绍包括核心技术与理论,以及领域研究的学科交叉、城市数据为中心、区域特性等方面.最后对该研究领域未来可能的发展方向进行了总结和展望.关键词： 智慧城市; 城市计算; 大数据; 数据活化; 研究进展; 作者简介：王静远 作者简介：熊璋 作者简介：Xiong Zhang,born in 1956.Professor at the School of Computer Science and Engineering,Beihang University,China.His main
3、 research interests include the Smart City,data vitalization and large- scale computer application systems.作者简介：Shan Zhiguang,born in 1974.Professor of the Informatization Research Department at State Information Center,China.Senior member of China Computer Federation.His main research interests inc
4、lude computer networks,strategic planning and top design of informatization,e-government,and Smart City.收稿日期：2013-12-03基金：国家“八六三”高技术研究发展计划基金项目(2011AA010502)Survey of Data-Centric Smart CityWang Jingyuan Li Chao Xiong Zhang Shan Zhiguang School of Computer Science and Engineering,Beihang Universtiy;
5、Information Research Department,State Information Center; Abstract： Motivated by sustainable development requirements of global environment and modern cities,the concept of the Smart City has been introduced as a strategic device of future urbanization on aglobal scale.On the other hand,modern citie
6、s have built up developed information infrastructure and gathered massive city running data,and therefore are ready to face the coming of the Smart City concept,technologies and applications.An important peculiarity of Smart City is that the technology system is data-centric.The data science and tec
7、hnologies,such as big data,data vitalization,and data mining,play pivotal roles in Smart City related technologies.In this paper,we provide a comprehensive survey of the most recent research activities in data-centric Smart City.The survey is from an informatics perspective and all summarized Smart
8、City works are based on data science and technologies.This paper first summarizes the variety and analyze the feature of urban data that are used in existing Smart City researches and applications.Then,the state-of-the-art progresses in the research of data-centric Smart City are surveyed from two a
9、spects:research activities and research specialties.The research activities are introduced from system architectures,smart transportation,urban computing,and human mobility.The research specialties are introduced from core technologies and theory,interdisciplinary,the data-centric,and the regional f
10、eature.Finally,the paper raises some directions for future works.Keyword： Smart City; urban computing; big data; data vitalization; research advance; Received： 2013-12-03在信息技术革命的推动下,以计算机、网络通信等信息通信技术为动力的信息化浪潮席卷全球.经过近 10 年的信息化与数字化建设,现代城市的运行方式与城市居民的生活环境已经发生了根本性的改变.城市的经济、文化、交通、娱乐等方面都已经和信息化的数字空间紧密融合,网络空间
11、(cyberspace)成为城市居民生活的组成部分.完善的信息基础设施以及丰富的数字化应用成为现代数字化城市的基本特征之一.丰硕的城市信息化建设成果在为人类生活带来极大便利的同时,也为现代城市形态的进一步演进奠定了技术与数据的基础.进入 21 世纪,以大数据、数据活化为代表的数据科学与技术开始受到人们的广泛关注.以数据为中心的研究方法与技术理念在信息、生物、能源、医药、社会学等不同的学科领域都得到了广泛应用与认可,并促成了大量科研成果的诞生.以信息技术为支撑的数据分析与研究方法正深刻地改变着传统科学探索的工作方式,成为人类科技发展与知识获取的一种新兴模式.在城市信息化浪潮与数据科学崛起的共同推
12、动下,智慧城市在全球范围内成为下一代城市化发展的新理念和新实践.智慧城市是一种以新一代信息技术为基础,通过对城市各部分数据进行动态监测、分析、整合和利用,实现对城市生活环境的透彻感知、城市资源的全面调控、城市中各个部分协调配合、城市方方面面便捷运作、人和城市之间和谐共赢等目标的新型城市形态.世界各国尤其是欧、美、日、韩等发达国家和地区都在积极开展相关的理论研究与技术探索,发掘城市的数据资源,研发城市智慧应用系统,开展相应的城市试点.在我国,从中央到地方也都在积极探讨发展和建设智慧城市.在智慧城市建设的过程中,数据科学与技术发挥着不可替代的重要作用.为了使信息领域的科研人员尽快了解数据科学在智慧
13、城市领域中的最新应用与研究进展,本文对以数据为中心的智慧城市技术研究现状进行了综述和分析,首先对现有智慧城市研究所采用的城市数据类型与特性进行了归纳和梳理,然后从技术体系、相关研究、核心技术与理论 3 个方面对现有工作进行了综述介绍,并在此基础上对现有工作的特点进行了总结,最后对未来可能的研究方向进行了展望.智慧城市是一个多学科交叉、多领域融合的综合性学科,相关工作涉及的内涵和外延都非常广.本文将综述视角放在信息科学领域,内容紧密围绕以数据为中心这一主题,分析相关研究工作的整体结构与脉络.对于非信息学科视角、数据研究以外的相关工作,由于篇幅问题,不作太多涉及.1 城市数据1.1 城市数据类型在
14、信息城市与数字城市的建设过程中,城市的信息基础设施在提供信息服务功能的同时,也积累了海量的城市动态数据,这些数据种类繁多,难以尽述.在这里,我们对在现有智慧城市研究工作中较为常用的城市数据类型进行简要的介绍.1)地图与兴趣点数据街道与建筑是城市的基本构架,地图数据是对城市构架进行描述的基本方式,而兴趣点(point ofinterest,POI)数据则是介绍城市各功能单元的基本信息.因此,城市地图和兴趣点数据是进行以数据为中心的智慧城市研究的最基本原料,也是在对其他类型城市数据进行融合时的空间锚点数据.2)GPS 数据安装有 GPS 接收芯片的移动设备可以收集城市中人、车等流动物体活动信息.例
15、如目前应用比较广泛的浮动车技术就是将出租车、公交车等公共交通工具上安装 GPS 设备,将其作为传感器对于城市的交通情况进行采样.安装有 GPS 接收芯片的智能手机也可以当作个人行为轨迹的收集设备.但是由于隐私、安全等诸多问题,手机 GPS 数据很难大规模收集应用,目前只能依靠志愿者进行小范围收集和研究.3)客流数据城市中市民采用不同交通工具进行日常通勤的数据称为客流数据.出租车的客流数据可以使用浮动车 GPS 数据配合出租车计费表的乘客状态获得.公交车与地铁的客流数据则可以使用市政交通一卡通的刷卡记录进行收集.客流数据包含的城市活动信息非常丰富,可以被用于城区功能分析、人口流动监测、城市交通系
16、统评估、多交通工具人类行为研究、城市交通经济学研究等领域.4)手机数据手机是人们日常生活必不可少的通讯工具,其所能提供的数据类型很多,包括:通讯录、通话记录、GPS 定位信息、与基站间的信令记录、上网记录和 APP 使用记录等.这些数据可以反映城市中居民活动的兴趣偏好、活动范围、规模频率、社交关系等内容,因此具有非常巨大的应用潜力.5)LBS 位置服务数据LBS(location based service)位置服务是移动互联网时代一种新兴的网络服务方式,通过 LBS 应用所收集到的数据具有明确的地理位置坐标并兼具传统 Web 服务的语义特性.LBS 数据是对 POI 数据的一种深度的描述和补
17、充,与地图和 POI等简单的城市地理数据相比,LBS 数据包含有大量的语义信息,可以帮助人们更加深刻地理解城市运行动态.6)视频监控数据视频监控技术已经被广泛地应用在交通管理、社区安保、室内安防、娱乐通讯等城市生活的各个方面.视频监控设备所采集的海量视频数据记录着城市中居民生活的分分秒秒,在数字空间中形成了对物理城市的虚拟“映像”.充分利用这些视频数据可以从某种程度再现城市生活的历史,具有巨大的理论研究与应用价值.7)环境与气象数据气象数据很早便受到城市科学研究的充分关注,近些年,随着人们对于环境与健康问题的日渐重视,以空气质量为代表的城市环境数据也开始成为人们关注的焦点.城市的环境与气象数据
18、的一个重要的特点是其地理与时间采样密度低.如何实现细粒度、高精度的环境与天气数据收集和分析是该应用类数据的一个重要挑战.8)社会活动数据城市社会活动数据包括城市中的人口户籍、金融物价、医疗卫生、能源消耗等各种社会动态数据.社会活动数据是深入理解和分析城市社会化行为的必备原料.由于城市社会活动数据行业性较强,容易受到行业条块分割的影响,往往彼此分割孤立.打破行业条块分割、实现多源异构城市数据的融合,是深度利用城市社会活动数据所面临的首要任务.1.2 城市数据的特性1)大数据特性城市是人类活动最为密集的区域,海量的人类活动与社会运行数据不可避免地在城市当中爆发.以北京为例,每天有超过千万的市民出行
19、,每天我们的交通卡产生5 000 万条刷卡记录,有 900 万的车辆在运营,每天仅出租车 GPS 数据就会产生 8 000 万条左右,同时有近万个交通固定检测器在采集车的瞬时车速,有近亿万条的手机通讯数据,还有千亿级的交通影视影像数据.城市数据种类繁多(variety),规模庞大(volume),对数据的输入和处理速度要求也很高(velocity).城市数据包含的信息与知识极为丰富,对于推动人类认识的扩展与科学技术的进步有着巨大的价值,同时由于数据稀疏性的影响,城市数据的价值密度也很低(veracity).综上可以看出,城市数据完全符合大数据(big data)所具有的 4V 特性.城市数据可
20、谓是大数据概念范畴当中的一个极具代表性的典型样本.2)时空多维特性以地图为基础的空间结构是城市数据的一种基本组织方式,而城市快节奏的生活方式也使得城市数据对于时间维度的变化非常敏感.因此,时空多维特性成为城市数据的另一个重要特点.在空间上,根据城市地理规模的不同,城市数据具有不同尺度的空间跨度.在时间上,根据产生的时间不同,城市数据具有时间相关的变化和分布.因此在进行城市数据分析和应用时,一方面需要考虑时间和空间两个维度的数据演化特性,另一方面还需要充分利用时间和空间不同维度之间的数据关联关系.这对城市数据的利用技术提出了很高的要求.3)多尺度与多粒度研究和利用城市数据除了要考虑时间和空间等多
21、个维度之外,还需要考虑数据尺度和数据粒度对于数据特性的影响.在规模的尺度上,城市可以分为小型城市、中型城市、大型城市、超大型城市等;在地理尺度上,对于城市数据的描述可以小到几个街区或大到数千平方公里;在时间尺度上,城市数据的覆盖时间可以短到一些事件的监控,长到上百年的城市变迁.在地理采样粒度上,可以像遥感测绘数据一样精确到数米,也可以向气象环境数据一样以区县、地区、甚至省市为单位;在时间粒度上,更是根据数据采样设备的时钟、存储与传输能力、计算速度等因素产生不同的时间粒度.在时空多维度的条件下,高效处理多尺度与多粒度的海量数据,是有效利用城市数据所必须解决的核心技术问题之一.4)多元与异构如前文
22、所述,城市数据具有非常多的类型与来源,即数据的多元性.这些不同来源的城市数据无论是从结构上、组织方式上、维度尺度与粒度上都会存在巨大差异,即数据的异构性.智慧城市的应用需求要求我们必须将这些多元异构数据进行有机的融合,通过挖掘活化数据之间的相关性与相互作用方式来获取新知识.如何在一个统一的构架上分析异构性极强的多元数据,是学术界和工业界在进行智慧城市探索方面所面临的一项共同挑战.从本节的介绍可以看出现有工作对于城市数据的应用类型还非常有限.城市作为人类生活活动最为密集的场所,所产生的数据类型和数量都是难以尽数的,仅就现有的研究工作来看,我们对于城市数据的开发还远远不足,城市这座数据宝库中积累了
23、无尽的数据资源,等待着科研人员进行深入的开发.2 相关研究2.1 技术体系研究智慧城市技术体系研究作为对整个智慧城市技术研究工作的顶层设计,对于指导领域技术的发展方向、明确研究工作的内涵与外延、优化现有研究资源的配置与分布等均具有非常重要的意义.早期的智慧城市技术体系研究由 IBM 公司的研究人员发起,文献3对 IBM 的Smarter Cities 技术功能进行了详细的介绍,其提出的智慧城市功能范围更多的是以服务和基础设施为中心,对于数据的重要性没有作过多的强调.文献4从整合的角度对智慧城市框架系统的框架进行了理解,提出了一种智慧城市的初步框架.该框架认为智慧城市要从政策、组织和技术 3 个
24、角度将政府、居民社区、经济、基础设施、自然环境相整合,对于技术细节没有作过多的讨论.文献5对一些早期的智慧城市技术框架进行了总结,认为智慧城市的根本要素包括人、机构和技术 3 个方面,在技术方面又可以细分为数字城市、智能城市、无线城市、信息城市等.这些智慧城市技术体系的研究工作更多是围绕城市建设的基本要素展开,对于一些数据科学与技术在城市中扮演的角色没有作过多讨论.近些年,学术界开始逐步关注到数据科学对于智慧城市技术的重要性,并提出了一些相应的技术体系.如图 1 所示,浙江大学的潘纲教授在 2013 年IEEE Communication Magazine的 Smart Cities 专题中阐
25、述了基于轨迹数据分析与挖掘的智慧城市技术体系框架.Fig.1 Framework of trace mining for smart cities.图 1 基于轨迹挖掘的智慧城市技术体系框架 下载原图该框架将基于轨迹数据的智慧城市技术体系分为轨迹感知(trace)、知识发现(knowledge)和具体应用(applications)3 个层次.该框架从概略的层面上系统描述了以数据为中心的智慧城市技术的整体技术路线.微软亚洲研究院的郑宇团队在 2013CCF 通讯城市计算专题中提出了一种“四层反馈”结构的城市计算技术体系框架,如图 2 所示:Fig.2 MSRA urban computing
26、technical framework.图 2 微软亚洲研究院城市计算技术框架 下载原图该技术体系将城市计算的技术框架细分为“城市感知与数据捕获”、“城市数据管理”、“城市数据分析”、“服务提供”等 4 个层次.该框架的一个特色在于其引入了“服务提供”层对于真实物理世界的反馈回路,更加完善地考虑了智慧城市技术对于城市生活的影响.在科技部 863 计划“智慧城市(一期)”项目的支持下,863 计划智慧城市项目(一期)总体组提出了“六横两纵”的智慧城市技术框架,如图 3 所示.该框架将智慧城市技术体系按照依赖关系划分为“城市感知层”、“数据传输层”、“数据活化层”、“支撑服务层”、“应用服务层”以
27、及“行业应用层”等 6 个横向的层次,即“六横”;同时还引入了贯穿 6 个层次的两大保障体系:“标准与评估体系”以及“安全保障体系”,即“两纵”.该技术框架的一大特色在于其十分具体地细化了各个层次所应包含的技术集合以及其之间的相互依赖关系,为智慧城市技术的整体发展提供了详细的布局性指导.我国未来智慧城市的技术体系建设很有可能将会参照该体系进行丰富和完善.Fig.3 The general Smart City technical framework of the China“863”project.图 3 中国“863 计划”智慧城市项目总体技术体系架构 下载原图综合看来,上述几种智慧城市的技
28、术体系框架均有一个共同的特性,即以数据的获取与管理技术作为底层的支撑,以数据挖掘、处理和分析技术作为整个框架的核心构成,在此基础之上对城市用户提供多样化的服务应用.换言之,未来智慧城市的技术的发展方必将是以数据为中心,在这一点上学术界已经从顶层设计的角度达成了基本共识.2.2 数据驱动的智能交通城市交通系统是城市中信息化程度较高的部分,浮动车、一卡通、微波线圈、摄像头等交通传感与信息化设备可以有意或无意地将城市中交通参与者的交通行为记录下来,从而为数据驱动的科学研究提供研究样本.同时,由于城市交通领域自身的数据富集优势,又使得以数据为中心的智慧城市技术能够率先在智能交通领域中发挥重要作用,我们
29、称这类技术为数据驱动的智能交通技术.以数据为驱动的智能交通技术研究中所采用的城市数据主要包括地图与 POI 数据、GPS 数据、客流数据、道路微波测量数据等,并通过多种手段对采集到的数据进行分析和理解,实现感知城市的交通运行状况,为市民提供交通引导、导航、推荐等智能服务.数据驱动的智能交通技术可以被细分为支撑层面和应用层面两个层次的研究.支撑层面的研究工作集中在全城交通的感知与分析方面,其目的是感知城市的总体交通状况、分析全市交通的统计行为特征,建立分析模型,为具体的智能交通应用提供数据分析与交通状态评估支撑.例如,基于城市交通监控数据的实时路况报告作为一种成熟的技术已经得到非常广泛的应用,对
30、于城市中具有特殊特性路段的检测和查询、平均通勤时间评估、交通异常与事故的检测等研究可以极大地提高城市道路交通的管理效率.另外,通过对于 GPS 数据的深入挖掘和分析,可以进一步理解城市中交通运行的具体模式,提供交通流量的评估、预测和管理等应用服务.应用层面的研究则集中在城市交通管理与运行的各项服务应用中.基于 GPS 的路径导航服务是最为典型的应用之一,丰富详尽的地图数据配合实时的路况分析结果可以为用户提供非常优质的行驶路径导航服务.包含有人类行为信息车辆 GPS数据则可以提供汽车司机的驾驶知识来进一步优化导航路径的选择,微软亚洲研究院开发的 T-Driver 车辆导航系统就采用了这样的设计理
31、念.T-Driver 系统统计了北京市城区出租车的 GPS 行驶数据,然后将不同地标之间驾驶技术最娴熟的出租车司机的驾驶路径用图的方式组织起来,就形成了一张包含了出租车司机驾驶知识的地标图.用该地标图来进行路径导航,可以有效地提高车辆在拥堵时段的行驶效率.该研究的主要特色在于将数据统计中获得的人类智慧应用到传统的信息化交通服务中,将车辆导航应用由传统的“以计算为中心”变为“以数据为中心”,所采用的核心技术也由传统的规划技术变为以数据为驱动的统计技术,其意义非常深刻.另一类被广泛研究的应用是出租车与乘客之间的推荐服务.该类研究最重要的任务就是理解出租车与乘客的行为模式以及两者之间的交互关系.法国
32、电信研究院的 Zhang 等人通过对 5 350 辆出租车驾驶行为的研究,分析比较了不同出租车寻客策略的有效性.文献29-30对如何通过优化出租车的载客策略来提高出租车司机收入进行了深入研究.北京航空航天大学的 Xu 等人通过对北京 1 200 辆出租车的乘客数据分析,研究了优化的乘客打车策略,并基于该研究开发了名为TaxiWaiter 的打车辅助系统.T-Finder 系统则同时考虑了出租车与乘客两个方面的需求,通过对街道打车概率的统计和分析来进行出租车寻客路线和乘客打车路线的推荐.路径导航(行车路线推荐)、出租车寻客路线推荐和乘客打车地点推荐都属于有资源约束的分配推荐问题,其本质是一个带约
33、束的多方博弈,现有的研究工作提供的均是局部优化的解决方案.博弈论的相关知识告诉我们,分布式的局部最优并不能保证带来最终的全局最优解.如果所有的出租车均按照推荐的行驶路线到乘客较多的地点争夺乘客,那么一方面会导致这些地点成为较难寻找顾客的地点,另一方面还会导致其他地点的乘客由于缺乏出租车而打不到车.解决该问题的一个途径是采用集中调度的手段实现全局的车辆负载均衡,这种方案虽有较好的理论性能,但是实现起来非常困难.另一个途径是在推荐算法的设计上引入博弈惩罚机制,以多轮博弈的方式实现分布式的全局最优.相关的理论与应用研究还需要进一步深入探讨.出租车行驶的异常轨迹检测也是学术界非常关心的问题.如何区分出
34、租车司机为躲避拥堵而进行的适当绕行和恶意的“宰客”绕行是该类问题要解决的核心问题.法国国立电信学院设计提出的 iBAT?iBOAT 算法可以有效地对绕行出租车进行在线识别或是轨迹识别,其分析结果显示,偏爱绕路的司机所对应的月收入并不比不绕路司机的平均值高,一些司机想通过恶意绕行来增加收入往往只是一种心理安慰行为,这对于设计合理的出租车收费政策、避免司机恶意绕行有着非常重要的价值.以数据为驱动的智能交通技术还可以在优化城市公共交通系统方面发挥巨大的作用.B-Planner 系统使用出租车 GPS 数据所提供的城市通勤需求信息,重新设计了杭州市夜间公交车的行车路线,满足了不同时段人们对公交线路的不
35、同需求.T-Share 出租车拼车系统通过综合考虑打车人的位置、目的地以及出租车的行驶路径等因素,对出租车的拼车路线进行了合理规划,在充分利用出租车自由灵活特性的同时提高了搭载乘客的通勤效率.Flexi 则使用 GPS 数据设计了一种灵活性介于公交车和出租车之间的小型绿色公交系统.随着轨道交通系统在各个城市的发展,乘坐地铁出行成为城市居民越来越多的选择,针对地铁轨道交通的智慧城市交通数据研究也受到越来越多的重视.北京航空航天大学使用北京地铁系统的客流数据,对北京市轨道交通的负载流量进行了预测分析,其研究成果对于保障轨道交用运营安全、提高轨道交通运营效率有着非常重要的意义.Capra 等人对伦敦
36、地铁系统(tube)的客流拥堵模式进行了系统的分析,并以此为依据提出了避免地铁拥堵的技术方案.除此之外,综合利用多种交通工具的客流数据,还可以实现对用户全出行路径的系统规划与通勤时间估计,以此为基础开发的城市交通公共服务系统,对于优化城市的整体通勤效率、改善市民的出行交通体验等都有着非常巨大的帮助.从上述工作可以看出,科研人员们在数据驱动的智能交通领域均取得了丰硕的研究成果.值得注意的是,现有的系统与成果大多是依靠浮动车 GPS、一卡通、微波探测线圈等结构化较好的数据源.对于包含丰富语义信息但结构化程度低、信息维度高的城市交通视频监控数据,现有研究使用的还非常少.有关监控视频的应用研究依然停留
37、在视频处理、语义提取、事件理解等阶段,在智慧城市技术体系中扮演着数据准备的角色,尚不足以完全支撑以知识发现为目标的集成应用.这一方面是因为高维视频语义分析理解难度大,相关技术尚不成熟;另一方面也是因为视频数据的体量过大,很难按照城市的规模进行协同组织与处理.解决城市交通监控视频上述两个方面的挑战,将会是以数据为中心的智慧城市研究在智能交通领域所要面临的一项重要任务.2.3 城市计算技术城市计算是计算机科学以城市为背景,与城市规划、交通、能源、环境、社会学和经济学等学科融合的新兴领域,城市计算技术从城市的全局着眼,通过整合、分析和应用跨行业、跨领域的城市数据,来设计更加高效的城市服务与应用系统,
38、并希望通过这些技术的应用来实现“人环境城市”三者的和谐发展.城市计算技术的核心是数据挖掘、分析与应用技术,以数据为中心的城市计算技术是构建智慧城市所必不可少的一项支撑技术.在本节,我们从城市动态特性研究、城市功能识别与规划、附加行业应用等 3 个方面,介绍在城市计算领域围绕城市数据应用所取得的一些最新研究进展.2.3.1 城市动态特征的检测与分析如图 4 所示,在地理结构上一座城市可以近似地看作一个基于经纬度坐标系的二维平面空间,通过城市传感设施所获得的城市数据则可以看作对于二维城市平面空间的动态特性的时间采样.这样,按照经纬度地理位组织起来的城市数据采集设备就形成了一个随着时间变化的二维时变
39、信号源.信号源的采样对象是城市的内在动态特性,城市的人口、交通、经济、环境等各种深层次的动态行为都会在该信号源上有所体现,不同的数据收集方式相当于采用了不同类型的传感器,任何一种城市数据都是城市的内在动态特性在某一特殊传感信号空间上的映射.例如,使用安装有 GPS 设备的出租车与公交车辆收集到的浮动车数据,可以被理解为使用浮动车作为传感器对于整个城市的动态特性进行采样,所收集到的 GPS 位置信息实际上是城市深层动态特性在浮动车 GPS 信号空间上映射.尽管浮动车的GPS 数据直接表现出来的是车辆的位置、速度分布等道路交通信息,但事实上整个城市的市民生活方式、经济文化分布、城市地理结构等深层次的城市特性都会在 GPS 信号空间上有所反映.如果我们能够综合有效地利用信号分析、统计学习、数据挖掘等技术对浮动车 GPS 数据等城市感知数据进行挖掘,就可以有效地检测发现城市动态特性的内在模式和运行规律,从而改善和优化城市环境,实现城市发展与运行的智慧化.
