XiaoMi-AI文件搜索系统
World File Search SystemCities
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。
请求提案 - 气候变化中的城市-NWO
中国和荷兰之间有悠久的科学合作历史。荷兰研究委员会（NWO），通过梅里安基金会和国家自然科学基金会（NSFC）旨在进一步刺激两国之间的长期研究合作。通过资助联合研究，他们打算加强其共同研究的国际地位和全球影响。资金是为中国和荷兰研究小组和利益相关者合作伙伴的跨学科和跨学科财团提供的，用于具有社会和科学影响的高质量研究。中国合作 - 荷兰计划（NSFC）是中国与荷兰之间双边研究合作的几种工具之一。
组织者
在这方面，日本国际合作社一直支持旅游部官员的能力建设，以数字方式收集和管理数据，并协助SRPA建立智能城市财团，以增强社区，公共部门，私营部门，私营部门和学术界之间的伙伴关系。马来西亚的乔霍尔·巴鲁（Johor Bahru），马来西亚城市天文台已于2024年重新命名为马来西亚分析中心（IMAC）。iMac被设想为一个数据中心，可以整理，更新，分析，管理和传播数据。ISKANDAR区域发展局（IRDA）已完成iMac的框架文件，其中包括业务计划，数据格局审查以及数据管理以及数据管理和政策，并获得了联合国发展计划的资助。通过美国贸易和开发局（USTDA）的资助，完成了iMac核心系统的系统体系结构框架和平台要求的开发。正在进行开发iMac系统和购买相关硬件和软件的招标过程。吉隆坡，马来西亚吉隆坡市政厅/ Dewan Bandaraya吉隆坡（DBKL）认识到有必要建立一个集成的分析系统，以在城市一级管理和分析城市问题。因此，DBKL一直将G-Asset扩展为使用一组地理信息系统（GIS）数据的地理空间数据的一站式平台，到吉隆坡城市天文台（KLUO）作为
ISO/IEC/JTC智能和可持续城市和社区ISO/IEC/JTC智能和可持续城市和社区
目前，智能城市域中大约有125个标准化可交付成果，这些可覆盖：词汇，指标，管理系统和操作模型；基础设施，流动性和运输，信息技术，系统和灾害风险减少。这些已在迄今为止的几个ISO和IEC技术结构中开发：ISO/TC 268（包括SC和WGS）； IEC系统智能城市电学方面的系统委员会（包括其WGS）；并通过智能城市上的ISO/IEC JTC 1 11工作组。
DIR 和 DPS 制定 TikTok 政策；城市必须采用本地
上次会议上，德克萨斯州立法机构通过了 SB 1893 ，禁止在政府设备上使用 TikTok 和某些其他社交媒体应用程序和服务。该法案特别要求城市和其他政治分支机构采取一项政策：（1）禁止在政府机构拥有或租赁的任何设备上安装 TikTok 或其他适用应用程序；（2）要求从这些设备中删除适用应用程序。虽然该法案在 2023 年州长签署后立即生效，但直到信息资源部 (DIR) 和公共安全部 (DPS) 联合制定了供政府机构制定自己的地方政策时使用的示范政策后，城市采用上述政策的要求才适用。 DIR/DPS 模型政策于 2024 年 9 月 16 日最近发布。DIR 指南规定，包括城市在内的政府实体必须在 2024 年 11 月 20 日之前采用 SB 1893 要求的当地政策。需要注意的是，为遵守 SB 1893 而采用的城市政策不必与 DIR/DPS 模型政策一模一样，但预计 DIR/DPS 模型政策将用于制定城市政策。法律规定，并且模型政策反映了城市采用的政策可能允许在必要的范围内安装和使用涵盖的应用程序：(1) 提供执法；或 (2) 制定或实施信息安全措施。鼓励尚未采用与 TikTok 和其他涵盖的社交媒体应用程序相关的当地政策的城市查看 DIR/DPS 模型政策，并咨询当地律师，以确保在 2024 年 11 月 20 日截止日期之前采用当地政策。
信德省紧急住房重建项目
OSFG Rubina Shaheen，PFP2的主要采购专家PFP2，PPFD Gohar Tadevosyan，高级社会发展专家，人与社会发展部门办公室，部门集团Fang Wang，PFFM2高级财务管理官，PPFD Yuxuan Zhao，PPFD Yuxuan Zhao，PPFD Yuxuan Zhao，PPFD Yuxuan Investment Investment Investment官员，基础式领域专业人士2.农业，食品，自然和农村发展部门办公室； SG-WUD高级水弹性专家Tanya Huizer在准备任何国家计划或策略，为任何项目提供资金或对本文档中特定地区或地理区域的任何指定或参考的任何指定或参考，亚洲开发银行不打算对任何领土或地区的其他地位或其他地区的其他地位判断。
cee智能城市移动索引 - 塔林
布拉格拥有世界上最有效，最可靠和负担得起的公共交通系统之一。与其他成长的城市一样，我们必须探索新技术带来的机会，公共基础设施的“智能化”以及新的创新运输方式的出现。布拉格对智能移动性的技术进步开放，并通过“智能布拉格”平台积极寻求新的解决方案。我们渴望利用新技术来实现智能和可持续的城市流动性，并乐于与科技公司合作并运行试点项目，以证明新产品和服务的可行性和经济利益。我们专注于数据收集和分析工作，以支持知情的，基于证据的决策。我们特别注意增强我们的MAAS移动应用程序并改善有关公共交通和主动流动性的信息。”
可持续城市和社会
由于气候变化，全球人口将暴露于更多的热发作。为了确保必须开发出可观的未来，必须开发尖端的工具，以预测热量的健康影响并限制其疾病。但是，当前的研究主要集中在一个城市/地区的一个健康结果上，因此提供了有限的知识，以提高社会对极端热量的韧性。在这项研究中，引入了机器学习（ML）框架，以预测同时多个地区的热与热有关的健康结果，并使用魁北克省（加拿大）作为案例研究。考虑并比较了五个ML模型，包括惩罚回归，基于整体树的模型和深层神经网络。模型经过培训，可以使用各个地区的各种气象，区域和时间预测因子来预测这些健康结果。我们的结果表明，深度学习模型是最有希望的，大多数研究的健康结果中，样本外R 2> 60％。但是，基于整体树的方法在某些健康状况方面也具有最佳性能，并且对天气变量和热浪更敏感。通过引入基于ML的新型工具来预测几个地区的热风险，这项研究可以指导气候变化适应，并帮助城市和社会变得更加健康，有弹性和可持续性。
机器学习驱动的行人认可和行为预测，以增强智能城市的公共安全
Rutgers University，New Brunswick，New Jersey，USA ys820@rutgers.edu *作者应与之交谈。 摘要：该研究介绍了智能城市基础设施内行人认可和行为预测技术的开发和实施，重点是增强交通管理和公共安全。 通过整合传感器，LiDAR和相机的实时数据，该系统利用高级机器学习模型，包括长期短期内存（LSTM）和变压器体系结构，以预测具有93％精度的行人运动。 预测模型被部署在模拟的城市环境中，导致车辆空闲时间降低了20％，平均车辆速度增加了15％，从而优化了交通流量。 此外，车辆到所有设施（V2X）通信和5G技术的整合启用了车辆，行人和交通控制系统之间的实时互动。 该系统有效地减少了30％的临近事件，并在有害行人的情况下为车辆提供了1.8秒的平均反应时间。 此外，该模型还确定了87％的潜在行人危害，从而大大改善了公共安全。 尽管有这些进步，但仍存在大规模部署中的数据隐私问题和硬件限制之类的挑战。 未来的研究将着重于通过多模态数据融合和实时学习算法的发展克服这些挑战，从而使智能城市更加适应性和高效。 关键字：行人识别；行为预测；智能城市基础设施；实时流量管理； V2X通信。Rutgers University，New Brunswick，New Jersey，USA ys820@rutgers.edu *作者应与之交谈。摘要：该研究介绍了智能城市基础设施内行人认可和行为预测技术的开发和实施，重点是增强交通管理和公共安全。通过整合传感器，LiDAR和相机的实时数据，该系统利用高级机器学习模型，包括长期短期内存（LSTM）和变压器体系结构，以预测具有93％精度的行人运动。预测模型被部署在模拟的城市环境中，导致车辆空闲时间降低了20％，平均车辆速度增加了15％，从而优化了交通流量。此外，车辆到所有设施（V2X）通信和5G技术的整合启用了车辆，行人和交通控制系统之间的实时互动。该系统有效地减少了30％的临近事件，并在有害行人的情况下为车辆提供了1.8秒的平均反应时间。此外，该模型还确定了87％的潜在行人危害，从而大大改善了公共安全。尽管有这些进步，但仍存在大规模部署中的数据隐私问题和硬件限制之类的挑战。未来的研究将着重于通过多模态数据融合和实时学习算法的发展克服这些挑战，从而使智能城市更加适应性和高效。关键字：行人识别；行为预测；智能城市基础设施；实时流量管理； V2X通信。被引用为：Sun，Y。，＆Ortiz，J.（2024）。机器学习驱动的行人识别和行为预测，以增强智能城市的公共安全。人工智能与信息杂志，1，51-57。取自https://woodyinternational.com/index.php/jaii/article/article/view/51 1。随着智能城市的快速发展，先进技术和数据分析的整合正在重塑城市基础设施，旨在优化资源利用，改善公共安全并增强交通管理（Silva等，2018）。智能城市发展中的主要挑战在于对行人行为的准确认识和预测，这对于交通法规和公共安全至关重要（Aldeer等，2023）。传统监测系统虽然能够检测到行人的存在，但通常无法准确预测动态环境中的复杂行为，从而限制了它们在实时决策中的有效性（Zhong等，2024）。随着城市人口的增长，通过预测技术确保公共场所的安全性和效率成为必要。Yao等。（2022）强调采用先进的数据分析和机器学习技术来克服这些局限性的重要性。现有系统主要集中于静态检测，在预测人类行为方面提供了有限的能力，从而导致紧急响应和次优的交通管理延迟（Gu等，2024）。预测行人行为的能力不仅可以优化交通流量，而且通过防止潜在危害来增强公共安全。随着深度学习算法的兴起，特别是卷积神经网络（CNN）和像LSTM这样的复发模型，行人识别变得更加精确和有效，因为这些模型可以实时处理复杂的多维数据（Liu等，2024）。此外，最近的研究表明，将行人行为预测与城市基础设施（例如智能交通信号灯和自动驾驶汽车系统）相结合，大大降低了事故并提高了城市运营的整体效率。Yao等。（2022）强调将行人检测与预测分析相结合可以预见并防止高风险地区的事故，例如繁忙的十字路口或公共事件。这种主动的方法标志着与传统的反应系统的转变，提供了对现代城市环境必不可少的实时预测。此外，进步