XiaoMi-AI文件搜索系统
World File Search SystemCities
2022 年世界城市报告：展望城市的未来
本报告采用各国政府提供的官方数据和全球城市观测站收集的附加信息编制而成。请各城市和国家更新与其相关的数据。必须认识到，数据因定义和来源不同而有所差异。尽管联合国人居署会尽最大可能核查所提供的数据，但信息准确性的责任在于数据的原始提供者。本报告所含信息不提供任何明示或暗示的担保，包括但不限于适销性、适用于特定用途和非侵权担保。联合国人居署明确不对此类数据的准确性或完整性作出任何担保或陈述。在任何情况下，联合国人居署均不对因使用本报告而发生或遭受的任何损失、损害、责任或费用负责，包括但不限于与此相关的任何过失、错误、遗漏。用户自行承担使用本报告的风险。在任何情况下，包括但不限于疏忽，联合国人居署或其附属机构均不对任何直接、间接、偶然、特殊或结果性损害承担责任，即使联合国人居署已被告知有此类损害的可能性。
核心城市和苏格兰城市部署欧盟后续资金......
简介 ekosgen 受核心城市集团和苏格兰城市的委托，审查核心城市如何使用结构基金来支持经济发展，以便为核心城市发展英国共享繁荣基金 (UK SPF)（结构基金的后续基金）提供参考。本执行摘要简要概述了调查结果并列出了针对核心城市的建议。虽然权力下放政府的治理和财务安排有所不同（并且已经为苏格兰城市准备了一份单独的报告），但这里列出的原则和建议可以在权力下放国家采用（视其具体情况而定），以确保共享繁荣基金在整个英国实现相同的总体成果。
可持续城市和社会
本文介绍了一种考虑家庭能源管理系统 (HEMS) 和其他消费者的本地能源社区内的联营交易模型。提出了一种透明的市场清算机制，以激励积极的产消者在本地能源社区基于规则的联营市场内交易他们的剩余能源。基于价格的需求响应计划 (PBDRP) 被认为可以提高消费者改变消费的意愿。数学优化问题是一个标准的混合整数线性规划 (MILP) 问题，可以快速评估拥有大量消费者的真实能源社区的交易市场。这允许在模型中的不同客户端之间制定新颖的能源交易策略，并在本地能源社区层面整合联营能源交易模型。能源社区的目标函数是在满足所有参与者需求的同时尽量减少他们的总账单。已经评估了两种不同的场景，即独立和集成操作模式，以显示不同最终用户之间协调的影响。结果表明，通过合作，本地能源社区市场的最终用户可以减少总电费。独立运行情况下成本降低 16.63%，集成情况下成本降低 21.38%。与 HEMS 独立运行相比，协调情况下主动消费者的收入有所增加。
气候变化与城市
还要特别感谢科学指导委员会 (SSC) 成员在城市与气候变化科学会议期间和会后所做的奉献和贡献：Shobhakar Dhakal（联合主席）、Seth Schultz（联合主席）、Diana Ürge-Vorsatz（联合主席）、Xuemei Bai、Aliyu Barau、Helen Cleugh、David Dodman、Richard Dawson、Boram Lee、Lykke Leonardsen、Valerie Masson-Delmotte、Megan L. Melamed、Gian C. Delgado Ramos、Roberto Sanchez Rodriguez、Debra Roberts、Cynthia Rosenzweig、Karen Seto、William Solecki 和 Maryke van Staden。我们还要感谢 Matthew Chapman、M'Lisa Colbert、Sarah Connors、Marlies Craig、Joanne Douwes、Jessica Espey、Jae Mee Lee、Robin Matthews、Sean O'Donoghue、Anne-Helene Prieur-Richard 和 Brenna Walsh 在会议前、会议期间和会议后为会议记录汇编提供的支持。
人工智能驱动的智慧城市
人工智能驱动的智慧城市 1 智慧城市 智慧城市 (SC) 是一个城市区域，它使用信息和通信技术框架来创建互联的可持续环境，旨在满足不同类别的城市需求并提高公民的生活质量 [1 ]。其中包括用于提供更好市政服务的不同类别的技术，例如医疗保健、人口老龄化、交通管理、公共安全、供水、警务等。在智慧城市中，传统网络和服务通过使用数字解决方案变得更加高效，从而造福其居民和企业 [1]。智慧城市的一个特殊特点是提供不同类别的服务，为此，它使用物联网 (IoT) 框架，最近还使用人工智能 (AI)。如今，智慧城市有几种类别的定义，即学术、工业和机构 [2, 3]。这些定义本质上不同，可以根据可持续性进行分类，同时考虑环境、经济和社会维度中的一个或多个组合。此外，可持续导向和非可持续导向的定义有三类。这些类别是学术、工业和机构定义。这些定义与具体实施相结合，取决于特定地理区域以及特定地点的政治局势等。联合国环境规划署 2018 年的调查表明，到 2050 年，全球 66% 的人口将居住在城市 [2]。其结果是城市环境显著扩张，同时也需要创造新的环境。这意味着城市迫切需要应对增长和居民生计方面的挑战。这进一步意味着迫切需要开发 SC 服务。为了实现这一目标，欧洲智慧城市和社区创新伙伴关系 (EIP-SCC) 发布了一份文件，建议采取适当步骤来开发和实施智慧城市 [4]。欧洲多个部门参与了该文件的撰写，这些部门在不同领域拥有专业知识，例如研究机构、企业、非政府组织。建议实施的七个步骤是设想、决定和承诺、计划、执行、检查、行动、复制和扩大 [4]。另一个重要因素是考虑企业和地方政府之间的开放合作以及上下游行业的数据共享合作。为了更好地理解这些问题，有人提出了一个通用框架，例如基于企业架构 (EA) 的智慧城市参考架构 (SCRA) [6]。许多 SCRA 模型都可以在日本提出的 ArchiMate 分析工具中统一建模 [6]。在这种情况下，最重要的目标之一是实现 SCRA 之间的全球合作。基本上，创建特定的基础设施来执行和提供多个领域的预期 SC 服务，例如更好的环境、更好的经济、流动性、人员、更好的生活质量和更好的治理。为此考虑了各种组件，例如人工智能 (AI)、物联网 (IoT) 设备、通信网络、大都市基础设施、公共服务、数据分析组件、更好的经济等。目标是监控城市中不同类别的现有资源，并在此基础上调整和提供预期的服务，以及提高服务性能和生活质量，同时降低成本和资源消耗 [2, 3, 4]。这背后的共同点是提供正确的功能和预期的客户体验。
城市基于自然的解决方案
该目录是由全球在世界银行的全球减少灾难和恢复设施开发和资助的基于自然的城市弹性解决方案的广泛而深入的技术目录的摘要。1这个删节版本的目的是提高人们对基于自然的解决方案（仍然是市场上新的解决方案）可以融入城市环境中的普遍认识。该目录针对市政当局和私营部门，以帮助确定实施基于城市自然解决方案的机会和可能的项目。该目录中的各种解决方案都通过来自世界各地的案例研究进行了说明，包括那些城市能够利用私人财务来扩展城市项目的城市项目的案例研究。
城市和气候行动
该报告是由政府提供的官方数据以及联合国合作伙伴收集的其他信息。城市和国家被邀请更新与他们相关的数据。必须确认数据根据定义和来源有所不同。虽然UN-Habitat尽其所能检查提供的数据，但信息准确性的责任在于数据的原始提供商。本报告中包含的信息无明示或暗示的任何形式的保证，包括但不限于适销性，适合特定目的和不侵权的保证。un-habitat特别对任何此类数据的准确性或完整性都没有任何保证或陈述。在任何情况下，任何损失，损害，责任或费用或遭受的任何损失，损害，责任或费用均不承担任何责任，而这些损失，损害，责任或费用据称是由于使用本报告而造成的，包括但不限于任何错误，遗漏的错误，对此的遗漏。此报告的使用情况是用户的唯一风险。在任何情况下，包括但不限于疏忽大意，即使已告知不居住地，也应对任何直接，间接，偶然，特殊或结果损害均承担任何直接，间接，偶然，特殊或结果损害的责任。
城市中的零碳建筑
由德国联邦住房，城市发展和建筑部（BMWSB）开发的可持续建筑质量密封件（QNG：Quantätssiegelnachhaltigesgebäude），促进了对可持续性的统一理解，并在同一时间为补贴提供了合法的基础。质量密封的基本要求是建筑物的生态，社会文化和经济质量方面符合一般和特殊要求的证明。QNG以两种质量水平授予高于平均水平的质量（QNG加），并且具有高于平均水平的质量（QNG-Premium），并具有认证的条件，并具有可持续结构的注册评估系统，其中包括建筑物WLC中温室气体排放的要求。它为住宅建筑物设定了WLC的基准，以分别实现QNG-Plus和QNG高知识。
可持续城市和社会
微电网成本管理是一个很大的困难，因为微电网产生的能量通常来自各种可再生和不可再生的来源。此外，为了满足解放能源市场的要求和安全的负载需求，微电网与国家电网之间的联系始终是首选。出于所有这些原因，为了最大程度地减少运营费用，必须设计一个智能能源管理单元以调节微电网内部的各种能源资源。在这项研究中，提出了用于多源微电网操作和成本管理的明智的单位想法。提议的单元利用改进的人工兔优化算法（IAROA），该算法用于根据当前的负载需求，能源价格和发电能力来优化运营成本。另外，使用Honey Badger算法（HBA）和鲸鱼优化算法（WOA）实现了获得的结果结果之间的比较。结果证明了SMG中需求管理系统提出的方法的适用性和可行性。应用HBA后的价格为6244.5783（ID）。但是，在应用鲸鱼优化算法后，发现成本为4283.9755（ID），在应用人造兔子优化算法后，发现成本1227.4482（id）。通过将所提出的方法与常规方法进行比较，鲸鱼优化算法每天节省了31.396％，而拟议的人工兔子的Optimization算法每天节省了80.3437％。从获得的结果中提出的算法得出了出色的性能。