XiaoMi-AI文件搜索系统
World File Search SystemCiti
可持续智能城市的人工智能元件：技术，应用，挑战和未来方向
摘要：快速的城市化加剧了对可持续解决方案的需求，以应对城市基础设施，气候变化和资源限制的挑战。这项研究表明，人工智能（AI）启用的元评估为发展可持续的智能城市提供了变革潜力。AI技术，例如机器学习，深度学习，生成AI（GAI）和大型语言模型（LLMS），增强了Metaverse在数据分析，城市决策和个性化用户体验中的能力。该研究进一步研究了这些高级AI模型如何促进关键的元元技术，例如大数据分析，自然语言处理（NLP），计算机视觉，数字双胞胎，物联网（IoT），Edge AI和5G/6G网络。在各种智能城市领域（环境，流动性，能源，健康，治理和经济）以及新加坡，首尔和里斯本等虚拟城市的现实用例中的应用，表明AI在智能城市的元城市中的有效性。 但是，智能城市中启用AI的元元，提出了与数据获取和管理，隐私，安全性，互操作性，可扩展性和道德考虑因素有关的挑战。 讨论了这些挑战的社会和技术含义，突出了对强大的数据治理框架和AI伦理准则的需求。 未来的指示强调推进AI模型架构和算法，增强隐私和安全措施，促进道德AI实践，解决绩效措施并促进利益相关者的协作。在各种智能城市领域（环境，流动性，能源，健康，治理和经济）以及新加坡，首尔和里斯本等虚拟城市的现实用例中的应用，表明AI在智能城市的元城市中的有效性。但是，智能城市中启用AI的元元，提出了与数据获取和管理，隐私，安全性，互操作性，可扩展性和道德考虑因素有关的挑战。讨论了这些挑战的社会和技术含义，突出了对强大的数据治理框架和AI伦理准则的需求。未来的指示强调推进AI模型架构和算法，增强隐私和安全措施，促进道德AI实践，解决绩效措施并促进利益相关者的协作。通过应对这些挑战，可以利用启用AI支持的元元的全部潜力，以增强智能城市的可持续性，适应性和宜居性。
在物联网网络中的优先服务的数学优化方法用于能源受限的智能城市
摘要智能城市的发展受到物联网（IoT）技术进步的积极影响。此外，由于新型应用程序的需求，已经出现了新的服务水平，因此必须根据每项服务的技术要求来管理这些新的服务级别，以便有效地将信息从Origin Iot设备路由到基础站。然而，目前的全球能源危机要求技术系统从能耗效率，碳足迹降低和可持续性方面提高意识。从这个意义上讲，我们提出了一个数学优化模型，该模型能够在IoT网络中路由不同的服务，考虑到所提供的服务的优先级不同，同时减少了具有优先级的服务网络的能源消耗。换句话说，该提案旨在延长关键能源城市基础设施中物联网网络的生命周期，以确保网络提供的服务中最高的质量。最后，考虑到不同类型的服务和网络大小，我们的建议在不同的物联网网络方案中进行了评估。关键字：数学优化模型，关键服务，能源消耗，智能城市，物联网网络。
花旗绿色与社会债券报告 - 2024 年 12 月
联邦低收入住房税收抵免计划 1 是帮助资助新住房建设以及翻新和保护现有出租房屋的重要工具。花旗社区资本是花旗集团的社区贷款和投资集团，在提供这些活动所需的建设和永久债务以及低收入住房税收抵免权益方面处于全国领先地位，与营利性和非营利性经济适用房开发商、住房管理局以及州和地方政府合作。根据《经济适用住房融资》杂志的年度调查，花旗集团在 2023 年连续第 14 年成为美国最大的经济适用住房贷款机构，为 34 个州、地区和哥伦比亚特区的 225 多个项目提供融资，这些项目将为老年人、退伍军人、残疾人、曾经无家可归的人以及低收入和中等收入的租户提供服务。
支持公民科学中的人与机器共同学习：重力间谍的教训
我们探讨了公民科学中人类和机器学习之间的双向关系。从理论上讲，该研究借鉴了近端开发区（ZPD）概念，这使我们能够描述人类学习的AI增强，人类对机器学习的增强以及如何设计任务以促进共学习。该研究采用了设计科学方法来探索重力间谍公民科学项目的设计，部署和评估。这些发现突出了共同学习的挑战和机遇，人类和机器都会为彼此的学习和能力做出贡献。这项研究在文献中涉及共同学习的出发点，并开发了一个设计项目的框架，其中人类和机器相互增强了彼此的学习。这项研究通过强调ZPD支持正在进行的志愿者学习，并使机器学习与不断发展的数据保持一致，从而为现有文献做出了贡献。该方法为项目可扩展性，参与者参与和自动化考虑提供了潜在的好处，同时承认教程，社区访问和专家参与支持学习的重要性。
在公民科学中使用人工智能是否有助于志愿者的学习？鸟类学的一项实验研究
最古老、规模最大的生物多样性相关公民科学 (CS) 项目之一是康奈尔鸟类学实验室开发的 eBird (https://ebird.org/home)。它为观鸟者提供了一个移动应用程序，用于记录他们何时、何地以及如何看到或听到鸟类的清单。康奈尔实验室还开发了一款移动应用程序 Merlin，它使用深度卷积神经网络帮助用户从照片、声音（转换为声谱图）或描述中自动识别鸟类物种。这项研究调查了机器学习 (ML) 分类模型的使用如何影响新手观鸟者的学习。我们的参与者（没有鸟类学背景的计算机科学专业学生）被随机分成三组：一组使用 eBird 应用程序并自己识别鸟类物种；一组使用 Merlin 应用程序，它使用 ML 自动从照片或声音中识别鸟类；还有一个对照组。在参与项目之前和之后，对参与者的鸟类知识进行了测试，以了解使用 ML 分类模型如何影响他们的学习。我们还在后测后采访了选定的参与者，以了解他们做了什么以及结果可能由什么解释。我们的结果表明，即使是参与 CS 项目的新手参与者，即使时间很短，也会显著提高他们对附近熟悉鸟类的知识水平，并且 eBird 用户在知识后测中的表现优于 Merlin 用户。虽然人工智能可能会提高志愿者的生产力和保留率，但也有可能降低他们的学习效率。需要对不同的参与者资料和项目设计进行进一步研究，以了解如何在人工智能辅助的 CS 项目中优化志愿者的生产力、保留率和学习。
GLOBE Observer：利用人工智能驱动的公民科学推进地球系统知识的案例研究
公民科学和人工智能 (AI) 相互补充，充分利用了人类和机器的优势。公民科学生成数 TB 的原始数字、文本和图像数据，对这些数据的分析需要自动化技术才能有效地进行处理。相反，AI 计算机视觉技术在训练过程中可能需要数以万计的图像，而公民科学项目非常适合提供大型数据库。在此，我们描述了 AI 工具如何应用于 GLOBE Observer 公民科学数据生态系统，其中图像识别算法支持数据提取过程、保护用户隐私并提高数据保真度。GLOBE 公民科学数据已用于开发自动数据分类程序，从而实现蚊子幼虫和土地覆盖标签的信息发现。这些进步使 GLOBE 公民科学家数据可用于环境和健康研究，以及 GeoAI 一般领域工作的机器学习科学家。
人工智能与公民科学的未来
人工智能 (AI) 和公民科学 (CS) 是解决与规模和复杂性相关的数据挑战的两种方法。CS 的定义本身就依赖于通常由一群非专业人士组成的分布式团队的共同努力，以依赖人类智能的方式解决问题。随着人工智能能力日益增强或补充人类智能（如果不是复制它），人们越来越努力地去理解人工智能在 CS 中可以发挥的作用，反之亦然。在这种日益增长的兴趣背景下，这个特别的集合，人工智能和公民科学的未来，说明了 CS 从业者将人工智能融入其工作的多种方式，并指出了当前的局限性。本着这种精神，我们的社论简要介绍了特别集合的论文，以展示和评估人工智能在 CS 中的一些用途；然后，我们根据关键挑战对这些用途进行背景化；最后总结了未来以创新和道德的方式将人工智能与 CS 结合使用的方向。
CitiWest 8 地块分区申请 - 20525 和 20541
位置图 从地理上看，该街区的特点是东西走向的悬崖，将上方的“Mossey Estates”高原区域与下方的 Grade Crescent 前铁路路基分隔开来。该地块包括一些陡坡（见下文的危险区域），因为从 46A Avenue 向北到 Grade Crescent，坡度下降了大约 20 米。这些大地块大多是老房子，建筑占地面积有限，植被面积大，树冠覆盖率高。这些物业目前空置，因为位于其上的房屋已于 2021 年拆除。这些物业位于 Uplands 街区内，由 Uplands 小学（750 米/约 10 分钟步行路程）和 HD Stafford 中学（500 米/<10 分钟步行路程）提供服务。10-