随着大数据、人工智能技术和城市化的快速发展，智慧城市管理已经迈入大数据时代。围绕城市管理相关领域积累了海量数据，如何有效地从这些大数据中进行深度挖掘、智能学习并获取有用知识已成为当前智慧城市发展亟待解决的关键问题。本书针对城市大数据发展现状，梳理总结了我国城市大数据智能创新应用方面成果，涵盖了大数据处理的关键技术和城市计算研究的核心模型与算法，涉及城市大数据感知及增强、空气质量预测、交通流预测、人流量预测、出租车路径推荐、租房推荐、救护车部署、外卖配送优化和地铁停站时间调度等应用领域，力图展现我国城市大数据分析与智能处理的zui新研究进展。

无

计算机\人工智能

随着大数据、人工智能技术和城市化的快速发展，智慧城市管理已经迈入大数据时代。围绕城市管理相关领域积累了海量数据，如何有效地从这些大数据中进行深度挖掘、智能学习并获取有用知识已成为当前智慧城市发展亟待解决的关键问题。本书针对城市大数据的发展现状，梳理总结了我国城市大数据智能创新应用方面的成果，涵盖了大数据处理的关键技术和城市计算研究的核心模型与算法，涉及城市大数据感知及增强、空气质量预测、交通流预测、人流量预测、出租车路径推荐、租房推荐、救护车部署、外卖配送优化和地铁停站时间调度等应用领域，力图展现我国城市大数据分析与智能处理的最新研究进展。
本书特色
着眼于城市大数据智能化场景，从数据感知和数据增强等角度，提出了基于移动群体的感知技术、时空数据替补技术等，专注解决城市大数据智能应用所面临的数据质量挑战。
面向多个城市智能应用场景，如空气质量、交通流预测等，提出多种深度预测的模型与算法，促进城市大数据智能自动发现有价值的规律和知识，使数据与知识联合驱动智慧城市进行高效的、智能的管理决策成为可能。
基于城市时空大数据中存在的时空关联、动态突变和不确定性等特点，利用深度学习和强化学习等技术，为应对多模态时空融合和时空动态演化等问题与挑战，提供多种有效方案，为智慧城市的发展和大数据智能应用的成功提供了有力支持。