XiaoMi-AI文件搜索系统
World File Search System城市规模
ecseg：自动驾驶汽车的边缘云切换图像分割
摘要 - 由于较长的车辆到云通信延迟，因此存在的自动驾驶汽车尚未利用云计算来执行其深度学习的驾驶任务。同时，这些车辆通常配备了资源受限的边缘计算设备，这些设备可能无法实时执行计算密集的深度学习模型。商业移动网络的数据传输速度的提高阐明了将云计算用于自动驾驶的可行性。我们的城市规模的现实世界测量结果表明，车辆可以通过低数据传输延迟的第五代（5G）移动网络部分使用云计算。在本文中，我们介绍了ECSEG的设计和实现，ECSEG是一个边缘云的切换图像分割系统，该系统在边缘和云之间动态切换，以实现基于深度学习的语义分割模型，以实时了解车辆的视觉场景。由于各种因素之间的复杂相互依存关系，包括动态无线通道状况，车辆的运动和视觉场景变化，因此开关决策具有挑战性。为此，我们采用深度强化学习来学习最佳的切换政策。基于现实世界实验和痕量驱动模拟的广泛评估表明，与四种基线方法相比，ECSEG可以实现自动驾驶汽车的卓越图像分割精度。
区域、城市和地区能源总体规划的现行商业模式实践
摘要 大约 97% 的欧盟建筑存量不被认为是节能的，其中 75–85% 将在 2050 年仍在使用（Artola 等人，促进建筑改造：对欧洲有何潜力和价值？2016 年）。住宅建筑约占欧洲建筑最终能源消耗的三分之二。新建筑取代旧建筑或扩大总建筑存量的速度约为每年 1%。同样，目前欧盟现有建筑的翻新率约为每年翻新建筑存量的 1-2%。建筑层面的翻新策略需要从建筑节能升级和使用可再生能源来实现区域或城市规模的能源供应脱碳相结合的方式中衍生出来。 IEA EBC 附件 75 子任务 D2 侧重于在区域层面推广结合能源效率和可再生能源系统的成本效益型建筑改造，重点关注可以实现实施的商业模式。本文旨在概述可以针对不同类型的利益相关者来支持区域需求和/或节能建筑改造和/或可再生能源解决方案供应发展的商业模式原型。它以现有文献为基础，深入了解当前的分布式能源商业模式格局。此外，还确定了实施策略，重点是全面评估场地的预期能源和二氧化碳性能以及优化的基础设施投资路径。
城市细胞 - Infoscience
城市地区的快速增长以及对气候变化的担忧使得提高城市能源能力的能力至关重要。了解不同部门（部门）和城市地区（空间）内部的复杂相互作用在改善效率和可持续性方面起着至关重要的作用，这由于复杂的城市形态而极具挑战性。最先进的能源概念并不能详细考虑到能源基础设施在城市规模上保持的部门和空间耦合。在设计相互联系的城市能源基础设施时，这已成为一个重要的挑战。引入了城市细胞概念以解决这种瓶颈。引入了一种新型的计算模型，以创建相互联系的城市基础设施，包括能源，建筑和运输部门。在模块化单元中确定了分布式能源系统（包括可再生能源，能源和可分配来源）和最佳城市形态的最佳尺寸。一种游戏理论方法用于建模城市单元（模块化单元）之间的相互作用。研究表明，城市细胞概念可以将互连能源基础设施的净现值降低37％，同时将安装的可再生能源能力提高25％。这证明了城市细胞的利益以及考虑城市内不同部门和不同部分之间相互作用的重要性。城市细胞概念可用于展示城市内维持的复杂互动。
应对全球挑战的系统应用 - INCOSE
摘要。生物自然系统在 38 亿年的时间里进化，其运行条件、限制和边界适用于地球上所有生物，包括人类。如果我们观察自然系统，例如古老的森林，我们会发现数十亿动植物物种中没有浪费、没有污染，也没有类似“失业”危机的情况。目前，人类正在努力解决污染、浪费、地方性贫困、失业和迫在眉睫的生态灾难等问题。看来这些都是意想不到的后果，表明人类系统远非完美，与地球的生态健康不一致。来自生物自然的证据表明，自然系统是经过时间考验的解决方案之一，我们可以从中学习，并且可以提供很多可以让我们的世界变得更好的想法。但是，我们如何将自然界中运作良好的系统和过程转化为可用的解决方案呢？大自然中的一切都可以并且应该被模仿吗？这就是仿生学发挥作用的地方。本次演讲介绍了“仿生学”——一种基于系统的多学科方法，它帮助我们将自然视为不仅仅是原材料的来源，而且是创意和解决方案/先进技术的来源。仿生学现在已经提供了一种向大自然学习的正式结构和方法。仿生学适用于各个领域和各个规模，无论是从自然界的零废物制造、自组织、自修复、自组装到模仿森林生态系统的城市规模系统/智能城市。演讲还将包括演讲者（在印度）举办的研讨会上的一些基于仿生学的项目和设计探索的例子和案例研究。
剑桥市中心热网 DPD Stage.pdf
v) 背景 热网能够为城市提供供暖和热水。建筑物中的供暖和热水约占英国温室气体排放量的三分之一。燃气锅炉目前占英国供暖市场的 80% 以上。政府预测，到 2050 年，英国至少 18% 的建筑存量将连接到热网。1 议会于 2019 年宣布气候紧急状态。议会的《2021-26 年气候变化战略》分享了剑桥到 2030 年实现净零碳排放的愿景。议会的战略列出了六个关键目标，说明如何应对气候变化的原因和后果，包括减少市议会建筑物的碳排放以及减少剑桥住宅和建筑物的能源消耗和碳排放。初步研究结果表明，在剑桥市中心建立 100% 可再生和零碳热网是可行的，这将为市中心提供环保的供暖和热水。随着时间的推移，这可以扩展到整个剑桥，创建一个城市规模的热网。剑桥市中心热网创造了一个独特的机会，将协作系统思维和清洁技术创新结合在一起，其整体影响远远大于各部分的总和。它可以向国际观众展示剑桥的经济、环境和社会可持续性，为如何将一座历史名城改造成真正可持续的低碳城市中心提供实际示范。剑桥具备成功热网的要素：
影响智慧城市公共交通服务采用人工智能聊天机器人意向的因素
摘要：世界各地的城市规模都在扩大。这给公共交通基础设施带来了负担，并造成了许多问题，例如过度拥挤、服务延误和通勤者不满。包括印度在内的各国政府当局正在采用智慧城市概念来克服这些问题。智慧城市的特点是广泛使用新兴技术来管理各种公民服务。因此，本文的研究人员研究了智慧城市公民对人工智能 (AI) 驱动的 Chabot 的采用意愿，以提供随时随地的自动化公共交通信息服务。这些服务可以包括查找路线和时间表、购买车票、登记投诉或收集通勤者的反馈。该研究采用了扩展的 UTAUT 模型来衡量采用意向。使用结构化问卷进行初步调查，并使用结构方程建模技术分析数据。本研究的结果表明，绩效期望、努力期望、社会影响、便利条件、拟人化和信任直接影响聊天机器人的采用意愿。本研究提出的聊天机器人解决方案具有社会意义，可以吸引更多公民使用公共交通工具而不是私家车，从而减少交通拥堵、旅行延误和气候污染。这项研究还为公共交通官员和政策制定者在设计或升级印度等发展中国家的公共交通信息系统时提供了重要见解。这项研究对文献做出了新的贡献，因为它从经验上验证了在印度这样的大型发展中国家使用人工智能聊天机器人进行公共交通的意图。
可再生能源在单户住宅社区能源需求中的使用潜力，构成能源集群——案例研究
摘要 . 全球变暖和空气污染方面的全球政策都提出了几项主要指导方针，其中主要目标似乎是同时使用可再生能源 (RES) 和限制化石燃料的能源生产。如今，可再生能源在最终能源消费中的使用量持续增长已成为许多国家发展的明显组成部分。再加上对提高建筑能源效率的不懈追求，我们预测，在不久的将来，人们应该会期待发展出构成能源集群的先进城市规模区域。能源集群 (EC) 范式使我们能够定义能源灵活性社区。本文介绍了对可能使用 RES 的单户住宅模型社区的能源分析结果。构成 EC 的社区是根据波兰家庭部门的统计研究来定义的。分析区域包括波兰的代表性单户住宅，其特点是不同的建造时期、建筑形状和几何形状以及建筑围护结构参数。在分析过程中，作者使用 TEAC（由作者开发的计算机工具）对定义的 EC 进行了详细检查。 TEAC 基于通过 Energy Plus 软件和人工神经网络 (ANN) 的使用获得的能源模拟结果。人工智能 (AI) 用于预测建筑物的能源需求。在可能的可再生能源中，对太阳能和风能的使用进行了详细分析。结果，我们获得了每小时能源需求的空间和时间分布、可再生能源产出、有关温室气体排放的生态分析以及社区拟议现代化的盈利能力分析。
普罗维登斯综合计划
•流动性•艺术和文化资源•人民和公共场所•社区服务和设施•土地使用普罗维登斯计划和开发部草案，代表该市的全面计划，由社区参与强大，由普罗维登斯市市议会，市议会和罗德岛州范围规划的广泛的公众审查和批准过程。综合计划对于其广泛的内容和影响都是独一无二的。综合计划没有解决单个主题区域或单个社区或走廊，而是着眼于数十年来的增长和变化，从整体上讲，整体上的主题都在整个城市规模上。该计划的核心是土地使用章，也对普罗维登斯的分区条例具有法律约束力，该条例规定了允许哪种新开发类型的地方。土地使用章旨在回答“这里以及普罗维登斯应该如何发展？”土地使用，结合其他章节的愿景和策略，告知普罗维登斯将来的外观和感觉。每章都包含一个总体目标，介绍性的叙述以及具有支持策略的一组目标。在计划结束时是附录，其中包括数据的汇编和地图，概述了普罗维登斯最近几十年的变化以及实施矩阵，该矩阵定义了时间范围和主要参与者，以实现每一章中的策略。
使用计算机视觉和机器学习
摘要：预测城市规模的碳排放（CES）对于对各种紧急环境问题（包括全球变暖）的影响至关重要。但是，先前的研究忽略了微观街道环境的影响，这可能会导致偏见的预测。为了填补这一空白，我们开发了一个有效的机器学习（ML）框架，以基于单个数据源，Street View Images（SVI）（SVI）预测邻里级别的住宅CE，该框架在全球范围内公开可用。具体来说，使用语义分段从SVI分类了30多个街道元素，以描述微级街道环境，其视觉特征可以表明重大影响住宅CES的主要社会经济活动。部署了十倍的交叉验证来训练ML模型，以预测1公里网格水平的住宅CE。我们首先发现，随机森林（R 2 = 0.8）的表现优于许多传统模型，证实视觉特征在解释CES时不可忽略。第二，更多的建筑物，墙壁和围栏视图表示更高的CE。第三，树木和草的存在与CES成反比。我们的发现证明使用SVI作为单个数据源以有效预测邻里级别的住宅CE的可行性。该框架适用于各种城市形式的大型地区，向城市规划者提供可持续的城市形式战略，以实现碳中性目标，尤其是对于新城镇的发展。
社论：人工智能驱动的方法论和...
地震灾害迄今已造成巨大的人员伤亡和经济损失，威胁着人类社会经济发展。目前，人工智能（AI）是学术研究和工程实践的前沿和核心问题之一。人工智能是指开发具有类似人类智能的机器和软件的计算机科学分支。近年来，人工智能技术发展迅速，已广泛应用于多个工程学科。在不同的人工智能技术中，机器学习（ML）、模式识别（PR）和深度学习（DL）最近引起了广泛关注，并正在成为一类新的强大的智能方法，用于地震和结构工程，并被证明是有效的，正如最近的研究表明的那样。未来，随着计算能力的提高和数据的积累，人工智能驱动技术的可行性和必要性预计将快速增长。“人工智能驱动的地震与结构工程方法与应用”研究主题旨在收集人工智能与各个科学领域相结合的前沿研究成果，例如地震地面运动研究、结构和城市规模的地震风险、结构工程中的计算方法、结构系统识别和损伤检测、地震作用下的结构控制、结构健康监测等。出于这些动机，经过详细的同行评审过程，本研究主题选出了四篇论文并发表。这些论文可以分为两类。其中三篇采用卷积神经网络（CNN）获取时间序列数据的高维特征，建立时间序列输入与震动后果/类型之间的映射规则。另一篇论文使用人工智能作为替代模型来降低基于物理的建模的计算成本。有趣的是，这两个类别涵盖了人工智能在相关学科中最广泛的应用领域。