:::: MENU ::::

TalkingData's Blog

现在开始,用数据说话。

锐眼洞察 | 智慧城市如何使用大数据(翻译)

Ideas

锐眼洞察 | 智慧城市如何使用大数据(翻译)

论文作者:Luis M.A.Bettencourt, Santa Fe Institute

译者:TalkingData副总裁 高铎、TalkingData数据科学家 叶杰生

本文禁止商用,转载请注明译者与来源!

译者注:个人在读书期间曾对智慧城市中计算复杂性下反馈控制和自组织理论的应用有过阅读,这是当时读书时一个教授的论文,在宏观上很有思考层面的启发意义,推荐阅读!

概要

当今,令人振奋人心的是,崭新的和扩展出来的数据源创造了让我们更加深入理解和更加高效管理好城市的可能性。本文里,我探索出了大数据在城市规划中的有效性,将其落地到规划程序中的常规计算问题。例如,通常情况下,新的数据源配合城市政策可以运用以下工程上的基本原则成为解决重要的古老城市问题新方案。同时,综合城市规划上,如果没有大量有效的数据使用,从计算上无法支撑起复杂的城市规划。这个规划和协调之间的困境和它在细节上的不可能性正随着对城市的认知加深和自组织的空间内嵌入社交网络从而逐步得以解决,并通过城市基础设施和服务实现。大数据在城市领域中的主要角色就是促进各个个体间相互的信息流动和学习机制。然而,在自组织过程中,城市以及服务的改进和扩大,都必须依靠一些主要原则。这为城市的运作和发展提供了必要的条件。这样的想法逐步发展成了城市科学理论的核心内容,正是有了该理论的指导,全球不同发展水平的数千个城市中,这些数据变得高可用性。数据和信息技术在城市规划院中的这三种使用,是城市政策和管理成功的必要支柱,这鼓励而不是扼杀了作为人类社会中城市的基本角色下的引擎发展和创新。

关键词:城市规划与政策,工程,反馈控制理论,计算复杂性,自组织,城市科学。

1. 引用大数据的新机遇

如何衡量一个城市?由填满天际线的高大建筑物?还是靠它的交通快速效率?或者,也许是Jane Jacobs称之为繁忙街道的“人行道芭蕾”?这些当然都是现代城市或大都市区中难忘的标志。但是对一个城市真正测量的复杂层度超过其他人造结构,更依赖需要日常工作去执行。另外,城市和主城区是由其为市民提供的创意的质量、激发的创新和创造的机会和城市外限制的不同而定义。(朱迪思-罗丹)(2013)[1]

今天的世界,信息和通信技术(ICT)[2,3]的兴起和城市化[4]的传播可以说是全球最重要的两个趋势。两者在之前历史上范围和程度的变化之剧烈都是史无前例的,也将彻底改变我们的生活方式并使之无法逆转的可能。如果按照目前的趋势继续发展,我们有理由相信在短短几十年之内世界各地的绝大多数人都将可能会住在城市环境中,信息技术将会如此他们的日常生活的一部分,嵌入到他们的住房、通讯、交通和运输其他城市服务。

因此,现在有一个显而易见的机会去使用这些技术来更好地理解城市主义作为一种生活方式[5,6],并改善和尝试解决许多在发达城市和发展中城市在城市发展中所面临的问题和挑战。[4,7]

尽管未来充满诱惑,在我看来,在城市领域中如何使用大数据去面对基本的机遇和挑战,还没有充分标准化。特别是,在城市领域中使用大数据总体战略应用的必要条件需要明确,它们的局限性也必须尽可能地被预期和掌握。在这个观点下,目前的主要目标是在当前跨学科的城市知识下如何处理这些问题。

首先,需要强调使用量化数据来更好地理解城市问题是非常重要的,而指导解决这些问题的技术方案其实并不新奇。在美国各州(特别是在纽约), 我们一直致力于建立详细的统计数据来宏观体现一个多世纪以来的城市问题。雅各布里斯有影响力的“另一半如何生活”[11]报告中使用了这些统计数据从而获得了更大的说服力。例如,纽约市住宅中遇难的人数。纽约-兰德研究所在20世纪70年代使用详细的城市统计[12],建模和计算为战时和企业管理制定资源配置,特别是纽约市的消防部门[13]。因此,今天的智能城市化运动[14-28]需要放在以下视角中:对比于过去,这些由现代数据和信息技术获取的成果有什么根本不同?假设它们只是旧思想和程序的延伸,只是得到了更大的范围和精度那该怎么办?

为了回答这些问题,我在城市政策和管理中的使用轻量级的工程概念框架下[29]整理了数据的使用方式。我将在下一节展示使我们能够确定如何有效使用数据和政策去解决大规模城市问题的必要条件,这样我将在证明,理论上现代信息和通信技术至少是应用于城市工程解决方案中全新的机会窗口。

当然,城市的问题总是以人为本,社会和经济问题在城市中,规划者称之为“恶劣的问题”[30],这个术语远远超出了城市范围,之前已经在货币政策分析方面取得了广泛的认可。出于某些具体的原因,这类问题预计不会产生工程上的解决方案[30],这个脱离了反馈控制理论的假设[29]。在第3节中我重新讨论了这个问题,根据计算复杂性理论[31]的“恶劣问题”来形式化详细的城市规划,而这在计算上是相当棘手的。这意味着需要对城市中的原始行为数据执行获取知识和预测的建模过程。而在面对大城市的数据上,不管可用数据的有多少,这是几乎不可能实现的基本过程。这澄清了城市的中心困境规划和政策:城市规划显然是解决长期问题所必需的跨越,例如在服务和基础设施方面,还有先验的详细评估的计划影响是不可能的。

而在第四部分我解决了这个困境,关键是社会自组织的性质以及城市的经济生活和总体量化理解的发展,如何跨越大的空间和时间尺度下在城市中像广阔的网络一样运行。同时,确定关键的一般动态理论认识到大多数个人的细节与描述与整个复杂的系统无关[32]。例如,即使人们改变他们的居住地点,工作和社交关系,一个城市的存在和功能也不会因此改变,在观测方面,这种城市理论的发展,使得世界各地许多城市的数据可用性都有所增加并尽可能从实验中获得。

接下来我将讨论如何将有限范围的工程解决方案与整合长远的观点所表达的城市社会自我组织的动力,由城市理论提供的知识和管理提供了,在适当的环境里同时允许它们在人类社会中发挥主要作用,并以开放式的方式继续在社会和经济上发展。

2. 城市大数据解决方案的性质

我们应该养成独自思考质疑真理的习惯,事实的情况恰恰是,文明通过大量重要的运动进步,我们可以在不考虑它们的情况下执行。 – 阿尔弗雷德怀特黑德,1911年[33]。

相对简单的解决方案,即使在看起来非常复杂的系统中通过精确的测量和提示启用,有时也可以运行出过去传统的政策或技术失败了的奇迹。

一个与管理城市没有直接关系的例子说明了这一点:汽车自动驾驶。我最近参加了在加利福尼亚州圣巴巴拉的Kavli理论研究所的一个物理研讨会,作为一个跨学科研究人员,参与讨论人工智能,算法及其与神经科学的关系等问题。来自加州理工学院的Richard Murray教授在一个特别令人难忘的演讲中表示:解释如何他的团队设计了一款2005年完成DARPA“大挑战”的自动驾驶汽车[34],现在正在城市道路上部署。理查德描述了用于确定周围物体和速度的多种传感器的一组数据,用于对地理位置进行定位认识道路及其边界,规划道路。我插话询问汽车是否从其经验中学到了什么,而我感到惊讶的是这种回应:加州理工学院的团队全部使用反馈原则“硬连线”控制理论。我抗议说,自动驾驶汽车所面临的最困难的问题当然是不计划路径,认识道路或测量周围的交通 – 但所有的人们在路上做的愚蠢的事情:“车不需要人的模型行为?这肯定是困难的一部分!”

答案令人惊讶的是,根本不需要!原因是人们一定会做出鲁莽的事情,他们这样做,从汽车的角度来看,才是真正的冰河速度:人类在秒钟的时间尺度上也难以表现出预测的性能,而电子器件和执行器却可以在毫秒上或更快的速度响应环境。在实践中,这允许汽车有足够的时间去采取非常基本的“硬连线”的回避行动,比如越过或者躲开,事实上,目前自动驾驶汽车有一个安全记录超过了人类[35,36]。

从这个故事的经验是,在使用相对简单的解决方案下,并不需要很多的技巧性工作就可以在特定条件下解决非常棘手的问题。关键是快速和足够精确的测量和足够简单的反应,换句话说,有时候如果你足够快,你不需要很聪明(唯快不破)。

这是现代工程的逻辑,更确切地说是反馈控制理论[29]。如果我们知道系统的期望操作点(例如避免碰撞)和当我们通过反馈观察其状态变化时,有能力在系统上运行循环程序检测,我们就可以在一般条件下把它变成一个简单的问题,必要条件是能够衡量和识别潜在的问题,就像他们开始出现(汽车接近)并采取必要的纠正措施(越过或回避)方式,从而避免碰撞。关键问题是时间尺度:一切系统有问题发展的内在时间尺度,汽车在路上几秒钟的情况下,测量和反应周期避免了这样复杂的问题通过简单的手段必须在这个机会的窗口内完成反应动作。

我们现在更清楚地看到,为什么新一代大数据可能会提供极具创新的解决难题方案。现代电子相比大多数身体如此之快,无数生物和社会现象的重要政策问题正在落在这个机会之中,在这种情况下,模型的系统响应可以是非常简单粗暴的(他们通常可以线性化)[29]。因此,工程方法可以方便地绕过始终产生的复杂性在这些系统中更长时间或更大的空间尺度上,如需要发展人类行为模型。这样就可以在没有理论的情况下解决一个困难而重要的问题[37],这正是城市大数据的(潜在)奇迹。

大多数城市使用数据的城市管理和政策的例子都有这种共同点,无论是由人和组织或计算机实施算法。表1列出了我尝试过的重要城市问题的总结,它粗略地描绘了他们典型的时间和空间尺度以及他们的性质操作点或结果。

例如,考虑这些条件下的城市交通系统,如公交网络[38]。公共汽车应该优先考虑那些仅仅想搭乘一小段里程却等待了数分钟的乘客。测量每个车站之间的巴士时间,可能与巴士一起等待的乘客数量,给规划者一个反馈控制解决方案的基础:与巴士沟通,以执行所需的服务标准,快速更改服务单位的数量,这些参数会参考理想度量标准,按每人等待时间衡量而提供服务,这样服务质量将得到改善。这类策略可以由调度员直观地操作,也可以通过信息通信技术算法实现[38],获得必要的测量结果,反馈控制理论将为这些解决方案的开发提供了优化的框架。

可以设计类似的程序来进行供水或电力供应管理与公共交通系统整合[39,40]。交通管理,垃圾收集,基础设施维护(建筑,道路,管道等)也尽可能可以以类似的方式整合在一起。

1.jpg
表1.城市问题对应的时空尺度及其相关特征指标。结果指标将在表格的时间尺度上进行解释,周期每个是时间长为特征的社会经济问题形成的原因之一。

以前没有理论可以解释为什么会存在某些犯罪而形成顽固困难的社会问题,所以无法指导巡逻和其他执法战略作出反应遵循类似的原则。犯罪是实实在在发生的,其结果足够清晰。令人兴奋的是,在几个城市(特别是在洛杉矶)进行的新实验[41,42]揭露了理论。

最近的创新型企业[43-46]和政策策略[47]见解都能正确地预见到信息流动,这是这种问题协调解决办法的基础。从而,这些问题根本上是一个信息通信技术问题,通过简单的行动就能实现将系统状态改为最佳性能的策略。

但是其他城市问题(大部分是社会或经济角度下看到的城市问题),大型社会事件链条的结果是因为不同的角色因为他们的操作点不好或者是因为它们的动态是相当分散的,并且会在大的时间或空间中播放出来空间尺度,如表1所示。因此,它仍然难以使群众信服,也无法为公众问题(如经济发展、贫困或城市的可持续性等)制定工程解决方案,公共卫生问题往往处于中等复杂程度。

类似于犯罪、传染性疾病的特点是简单的指标和当地的影响过程中个人之间的社会联系。因此,遏制(根除)霍乱,采用霍乱接种疫苗,这类传染性疾病的方案代表了最大的成功的城市政策。但是,那些具备条件、发挥更长的时间、并可能有更多复杂而分散的社会因果关系,如慢性病甚至艾滋病毒/艾滋病等疾病证明,这些仍旧是困难的工作。

因此,性能指标的简单性表达为客观的量化数据。了解它们在时间和空间上的形成原因,这是成功的工程解决条件启发要始终牢记的关键的一点,然而,这些数据是相对于控制系统的性质而言,是政策制定者或者算法所决定的反馈时间。技术和科学的进化,我们可能希望实现阿尔弗雷德怀特黑德的格言在本节开头引用,通过增加自动化来取得棘手问题解决方案的进步。

3. 计划者的问题

为了足够详细地描述这一个“恶劣的问题”,人们必须完善一个详尽的解决方案,能够提前清点所有的可能。原因是每个问题都要求额外的信息,这取决于(研究员)对问题的理解和那时的解决方案。因此,为了提前解决问题,所有信息、所有可能的解决方案的知识是必需的。–Rittel和Webber,1973 [30]。

在前一节中描述的场景中,在城市绘制了一个定义明确的路径数据与几十年的城市理论和实践相悖。在很多城市的物质和基础设施方面搭配的工程实践中,许多社会经济问题实际上是“恶劣的问题”[30]。长远来看,城市的上层需求和底层建筑不匹配问题是永远的纠结。

“恶劣的问题”最初是由两个城市规划者,Rittel和Webber,1973 [30]。“恶劣问题”的本质特点是不能解决的。我将重新阐述现代的一些论点,形成我所称的“规划师的问题”。计划者的问题有两个明确的方面:

i)知识问题

ii)计算问题

知识问题是指计划者的信息(最终是数据)需要在理解系统(这里指城市)的当前状态下进行映射。采纳信息交流技术能让坐在“情况室”的策划者获得更详细的关于城市基础设施、服务和社会生活各个方面的信息,虽然仍存在质疑,但这并非不可能。抛开隐私问题,可以想象的是,在大城市中一个人的生命和物质基础设施可以在数百万个地方以良好的时间速度充分感知下,能产生大量但可能可控的信息流量技术标准。

这样,知识问题就不是一个容易被看透的问题。然而,计算问题在本文开头的引文中已经提到部分,是指执行计划的实际任务的计算复杂性评估所有可能情景所需的步骤数量的条款并选择尽可能最好的行动。这个问题类似于玩复杂的游戏,像国际象棋,有数以百万计的棋子,每个都遵循不同的互动规则影响其他人,在数量庞大的局面上反对数以百万计的对手。那么,观察者可以评估一个城市的每个可能情景的详尽方法是因为它涉及对不可能的巨大空间的考虑,就并不惊奇了。

我以定理的形式将这个陈述正式化,并提供数学的细节附录(见论文附录)中的证明简图。考虑一个城市可能性组合的结果是最好的详细的城市规划的创造和选择在一个人口规模为N的城市需要一个涉及O[P(N)]步的计算其中δ~1/6,P0是一个常数,与N无关。对于一个有百万人口的城市来说,,是一个真正的天文数字,2.png,比所有的原子都大得多宇宙。因此,计划者的问题实际上是不可能解决的。3.jpg

我想强调的是,附录中给出的草图证明:依赖于“规划师的问题”可以作为最佳的空间和社会的选择使城市指标资产最大化的城市配置。其他更有限条件下的概念化问题可能具有较低的计算复杂性,但不能保证找到最好的计划。在这种情况下,规划必须依靠启发式算法,得不到绝对的最优性。

鉴于这些警告,我之前已经表明,城市规划中除了最小的城镇之外,在计算上是不可能的。这表示使用复杂的模型[39,53]在城市规划和管理中有其局限性,无论数据量多少,都不能被穷尽地映射給决策者。那么我们应该如何考虑城市在这些限制下的规划呢?城市中大数据的作用是什么?

4. 自组织,信息和城市科学的作用

如果地球上的一些团体继续混淆或革命自己经济发展时期,我们可以绝对确定未来城市的一些事情。城市不会像今天的城市那样更小,更简单,更专业。相反,他们会比今天更复杂,更全面,更多元化,更多新旧事物杂乱无章。 – Jane Jacobs,1970 [54]

“计划者问题”的答案一部分来自经济学、社会科学,和(中央)规划者面临类似的,这是有限条件下计划经济的困境市场。获取运行一个城市所需的详细信息,在计划经济方面是人和组织必须依据的根本。更重要的是,能够做出决定和行动需要和了解信息及有处理能力的人在一起工作。因此,自组织是城市规划的关键,不取决于在“情况室”下计划者发表的看法,而是在无数人可能传达出来的信息决策上做出的整合和协调。

从这个意义上说,城市一直是信息和通信技术的主要创造者和使用者,从日报、邮政邮件、到电报或电报(蜂窝)电话[57]。那么,出现新的信息通信技术是不足为奇的,这主要是为了城市的进一步发展,而不是与以前技术竞争。其实这是信息通信技术在特定领域问题的应用,是城市普遍问题的解决[58]:也就是说,通过信息共享在人与机构的整合与协调庞大的社会网络,可以给个人、代理人和整个社会带来好处。

这从根本上使我们有了另一个关于城市大数据使用的观点不同于前面章节的工程框架。一个重要的功能信息和通信技术正在为实现新的更好的方式人们要社交。在这方面,大数据和相关技术只能扮演一个角色对社会动态的支持作用,而不是规定性的。数据和技术不能创造或解决城市问题,因为它们使人们和社会组织能够自我解决得更好。信息和通信技术的这一作用已经在智能文献中讨论过城市[19,21,25,26]。尤其重要的是可能更快捷地访问贫穷社区的公民,让被排斥的人参与经济建设,特别是在发展中的城市和国家[59]。

答案的第二部分源自于自下而上的自组织对于一个运转良好的城市来说显然还不够。许多发展中的城市,例如孟买[60],同样,作为一种表现的新形式或新情况,暴民也是自组织的产物。一般的城市工作在更大规模上界定城市的属性和限制必须发挥作用,这样所有城市共同的特征是城市理论的重点。

科学理论与具体实际问题的细节无关,这是适用于许多问题实例的一般原则。鉴于如何不同的城市相互之间有多少变化,可以在多大程度上科学化城市理论是可能的还是有用的?

为了说明这一点,此处举出科学和工程的另一个伟大的胜利:发射火箭到月亮。阿波罗11号任务可能不是完全不可思议的在没有力学和重力法则的知识的情况下被拉下来。可以想象通过判断是否使用反馈来控制火箭推进器宇宙飞船离开地球,以适当的速度接近月球不会崩溃等等。但是,这当然不是发生了什么事情:这样的解决方案将是非常困难的当时的工程和计算条款,尤其是因为时间的推移规模和大量的能源,以提升。相反,我们发射基于他们的火箭物理理论规定的一般性质,地球和地球的质量航天器,行星的旋转,起飞所需的速度等。这套计算给出了从地球发射任何航天器和放置的一般策略他们在理想的轨道位置。

以下这个通用的解决方案是一个详细但更有限的工程原理和自组织来细调解决方案的细节问题,例如考虑到特定航天器速度的月球着陆条件在那一刻,它与地面的距离,操作人员过去的行动等等。

因此,理论可以大大减少工程问题的规模,并在很多方面案例使得解决方这样,城市理论就成为了任何一个城市作为一个整体来工作的一般参数,作为一个由社会介导的自下而上的自组织过程网络具有一定的一般属性,并由基础设施和服务支持遵循一般性能指标[58],这些过程的细节必须是在任何情况下酌情进行衡量和管理。

城市理论的现状正在快速演变,并开始接近跨学科的城市科学。新的、更大的数据,使比较定量全球数千个城市的分析一直是确定总体的关键城市的属性及其由于一般的发展条件而变化当地的历史[58,61,62]。我们现在有一个定量框架,城市的一般结构作为广阔的社会网络,对它们的一般性质基础设施网络和土地利用[58]。这样我们揭开了在复杂的城市系统[6,58,63]中,什么样的基础设施,能源和资源利用等能使城市能够最佳地发挥作用独特的开放式社会系统,达成社会经济发展和创新人类社会。

5. 讨论

重塑城市的最后一项重大技术进步是汽车(有些可能认为这是电梯)。在这两种例子中,这些技术都重塑了物理层面生活在城市里 – 一个人能走多远,或者一个建筑物能爬多高。但是城市如何运作的基本原理保持不变。这些信息有什么不同?个人电脑,手机和互联网迎来的时代,是它的能力重塑城市的社会组织,赋予日常公民知识以及积极参与城市政策,规划和管理的工具。 – Christian Madera,2010 [66]

今天发达的城市,是历史上社会和技术复杂系统前所未有的多样性水平、时间与功能的整合。这种日益增长的个人专业化和相互依存性使得大城市变得非常重多样性,关键依赖于精细的时空一体化和更快捷更可靠的信息流,这些过程是城市发展的核心所有人类社会的经济和文化引擎。

像现在的东京这样拥有3500万人口的城市,急需非常高效的交通、可靠的能源和供水,良好的社会服务,包括非常低的冲突事件。当今世界上许多发展中的城市地区将不得不复制和改进这些指标,如果他们履行承诺成为世界城市,使数百万人的共同生活和发展成为可能。

至此已经表明,信息日益丰富,通信技术与人类的行为同步节奏,从根本上说是新的工程解决方案,可以解决重要的古老城市问题。因此,新的传感、通信和计算技术将发挥作用在实现新的城市规模效率和城市社会经济增长方面发挥重要作用。在这个意义上,我们应该期待城市发展,服务和基础设施应该变得日益工程化,从不可见成为可预测和自动化。怎样在这种情况下保持对基础设施和服务故障的适应能力是一个重要的公开问题。重要的是,这样的解决方案应该总是理解为短期的、范围有限的,因为从长远来看它们必须继续成为促进社会经济发展的可能。

世界上最有活力和最有吸引力的城市并不是公交车无可挑剔准时运行,尽管它们不是社会发展或经济增长根本来源,改善基础设施和城市服务对城市来说是也是绝对必要的。城市更基本的功能,依靠社会自我组织的过程和一般条件的实现使城市能够有效运作,成为多层次的开放式演进网络,是更基本的城市特征,在这个范围内发挥着个体作用到整个城市,从几秒到几个世纪,创造和解决了计划者的问题。有鉴于此,通过信息和通讯的新用途,使城市变得更加智能化的关键通信技术,与以往没有太大的不同。大数据为城市居民创造更多的机会而不是更少:那么大城市大数据的主要用途就是继续创造更多人知识,而不是取代它。

致谢

在圣达菲研究所2013年9月19日至21日,我十分荣幸参与探讨“究竟大数据能带领我们理解城市到哪个地步”这个论题工作组,依此提出了本文。这项研究部分由洛克菲勒支持基金会、詹姆斯·S·麦克多奈尔基金会(批准号:220020195)、约翰邓普顿基金(批准号:15705)、陆军研究办公室(项目批准号。W911NF1210097)、比尔和梅琳达·盖茨基金会(赠款OPP1076282)和由布莱恩J.和B.六月基金会Zwan所提供。

References

1    J. Rodin in the foreword to B. Katz, J. Bradley, The Metropolitan Revolution: How Cities and Metros Are Fixing Our Broken Politics and Fragile Economy. (Brookings Institution Press, Washington DC, 2013).

2    M. Hilbert, P. López, The World’s Technological Capacity to Store, Communicate, and Compute Information, Science 332: 60–65 (2011).

3    V. Mayer-Schonberger, K. Cukier, Big Data: A Revolution That Will Transform How We Live, Work, and Think (Eamon Dolan/Houghton Mifflin Harcourt, New York NY, 2013)

4    UN-Habitat, Planning Sustainable Cities — Global Report on Human Settlements 2009. Available http://www.unhabitat.org/conte … D5607

5    L. Wirth, Urbanism as a Way of Life, The American Journal of Sociology, 44: 1-24(1938).

6    L.M.A. Bettencourt, The Kind of Problem a City is, in D. Offenhuber and C. Ratti.(eds) Die Stadt Entschlusseln: Wie Echtzeitdaten Den Urbanismus Verandern: Wie Echtzeitdaten den Urbanismus verändern. (Birkhauser, Heidelberg, 2013). Available (in english) http://www.santafe.edu/media/w … 8.pdf

7    UN-HABITAT, The Challenge of Slums: Global Report on Human Settlements (2003).

8    J. Polonetsky, O. Tene, Privacy and Big Data: Making Ends Meet, 66 Stanford Law Review 2. Available http://www.stanfordlawreview.o … -data

9    d. boyd, K. Crawford, Critical Questions for Big Data, Information, Communication and Society 15: 662-679 (2012).

10    McKensey Global Institute, Big data: The next frontier for innovation, competition,and productivity (2011). Available http://www.mckinsey.com/insigh … ation

11    J. Riis, How the Other Half Lives: Studies among the Tenements of New York(Kessinger Publishing, 2004). Originally published in 1890. Available http://www.authentichistory.co … .html

12    P. L. Szanton, Analysis and Urban Government: Experience of the New York CityRand Institute, Policy Sciences 3: 153-161 (1972).

13    J. Flood, The Fires: How a Computer Formula, Big Ideas, and the Best of Intentions Burned Down New York City and Determined the Future of Cities (Riverhead Books,New York, NY, 2011)

14    D.V. Gibson, G. Kozmetsky, R. W. Smilor (eds.), The Technopolis Phenomenon: Smart Cities, Fast Systems, Global Networks. (Rowman & Littlefield, New York NY,1992).

15    M. Castells, The Informational City: Information Technology, Economic Restructuring, and the Urban-Regional Process (Blackwell, Oxford, UK, 1989).

16    M. Batty, The Computable City. In: Fourth International Conference on Computers in Urban Planning and Urban Management, Melbourne,Australia, July 11-14 (1995).Available http://www.acturban.org/bienni … y.htm

17    S. Graham (ed.), The Cybercities Reader. (Routlege, London, 2004).

18    W. J. Mitchell, Me++: the cyborg self and the networked city, (The MIT Press,Cambridge MA, 2004)

19    H. Partridge, Developing a human perspective to the digital divide in the Smart City(2004). Available http://eprints.qut.edu.au/1299 … r.pdf

20    R. Giffinger, et al., Smart Cities Ranking of European Medium-Sized Cities.Centre of Regional Science, Vienna University of Technology, Vienna, Austria (2007). Available http://www.smart-cities.eu/

21    J. M. Shapiro, Smart cities: quality of life, productivity, and the growth effects of human capital, The Review of Economics and Statistics 88: 324-335 (2008).

22    S. H. Lee, J. H. Han, Y.T. Leem, T. Yigitcanlar, Towards ubiquitous city: concept,planning, and experiences in the Republic of Korea. In: T. Yigitcanlar, K. Velibeyoglu, S.Baum (eds.) Knowledge-Based Urban Development: Planning and Applications in the Information Era, pp. 148–170. (Information Science Reference, Hershey, 2008).

23    A. Caragliu, C. Del Bo, P. Nijkamp, Smart Cities in Europe. VU University Amsterdam, Faculty of Economics, Business Administration and Econometrics (Research Memoranda 0048, Amsterdam, The Netherlands, 2009).

24    C. Harrison, B. Eckman, R. Hamilton, P. Hartswick, J. Kalagnanam, J. Paraszczak, P. Williams, Foundations for Smarter Cities, IBM J. Res. Develop. 54: 1-16 (2010).

25    N. Taewoo, T. Pardo, Conceptualizing Smart City with Dimensions of Technology,People, and Institutions, The Proceedings of the 12th Annual International Conference on Digital Government Research (2011). Available http://dl.acm.org/citation.cfm?id=2037602

26    M. Batty, K.W. Axhausen, F. Giannotti, A. Pozdnoukhov, A. Bazzani, M.Wachowicz, G. Ouzounis, and Y. Portugali, Smart cities of the future, The European Physical Journal Special Topics 214: 481–518. (2012).

27    S. Roche, N. Nabian, K. Kloeckl, C. Ratti, Are ‘Smart Cities’ Smart Enough? In: Global Geospatial Conference. Global Spatial Data Infrastructure Association (2012). Available http://www.gsdi.org/gsdiconf/gsdi13/papers/182.pdf

28    R. Papa, C. Gargiulo, A. Galderisi, Towards an Urban Planner’s Perspective on Smart City, TeMA 1: 5-17 (2013).

29    K. J. Åström, R. M. Murray, Feedback Systems: An Introduction for Scientists and Engineers (Princeton University Press, Princeton NJ, 2008). Available http://www.cds.caltech.edu/~mu … _Page

30    H.W.J. Rittel, M. M. Webber, Dilemmas in a General Theory of Planning, Policy Sciences 4: 155-169 (1973).

31    C. More and S. Mertens, The Nature of Computation (Oxford University Press, New York NY, 2011)

32    P. W. Anderson, More is Different, Science 177: 393-396 (1972).

33    Alfred N. Whitehead An Introduction to Mathematics (Williams & Norgate, London, 1911).

34    Team Caltech at the DARPA Grand Challenges: http://archive.darpa.mil/grand … h.pdf

35    Google driverless car: http://en.wikipedia.org/wiki/Googledriverlesscar

36    M. M. Moore, B. Lu, Autonomous Vehicles for Personal Transport: A Technology Assessment (June 2, 2011). Available http://ssrn.com/abstract=1865047 or http://dx.doi.org/10.2139/ssrn.1865047

37    C. Anderson, The End of Theory: The Data Deluge Makes the Scientific Method Obsolete, Wired 06.23.08 http://www.wired.com/science/d … heory

38    J.S.J. Ren , W. Wang , S. S. Liao, Optimal Control Theory in Intelligent Transportation Systems Research – A Review, arXiv:1304.3778 [cs.SY]

39    C. Harrison, Roads to Smarter Cities (2013). Available upon request from the author.

40    MASDAR City. http://www.masdarcity.ae/en/

41    M.B. Short, M.R. D’Orsogna, P.J. Brantingham, and G.E. Tita, Measuring and modeling repeat and near-repeat burglary effects, Journal Quantitative Criminology 25: 325-339 (2009).

42    J. Rubin, Stopping crime before it starts, Los Angeles Times August 21, 2010. Available http://articles.latimes.com/20 … 427-1

43    IBM Global Business Services, A Vision of Smarter Cities: How Cities Can Lead the Way into a Prosperous and Sustainable Future, (IBM Institute for Business Value,Somers, NY, 2009)

44    Cisco’s smart city framework (2012):http://www.cisco.com/web/about … k.pdf

45    Siemens’ Smart City in Vienna: Model Project Aspern (2013). http://www.siemens.com/innovat … 1.htm

46    Smart Cities Council: http://smartcitiescouncil.com

47    European Union’s Report of the Meeting of Advisory group ICT Infrastructure for energy-efficient buildings and neighborhoods for carbon-neutral cities (2011) http://ec.europa.eu/informatio … t.pdf

48    D. J. Dwyer (Ed.), Asian Urbanization, a Hong Kong Casebook. (Hong Kong University Press, Hong Kong, 1971).

49    W. Fernandez, Our Homes: 50 Years Of Housing A Nation (Housing and Development Board, Singapore, 2011).

50    S. B. Johnson, The Ghost Map: The Story of London’s Most Terrifying Epidemic – and How it Changed Science, Cities and the Modern World (Riverhead Books, New York NY, 2007)

51    N. Johnson, G. Zhao, E. Hunsader, H. Qi, N. Johnson, J. Meng, B. Tivnan, Abrupt rise of new machine ecology beyond human response time, Nature Scientific Reports 3, Article number: 2627 (2013).

52    Historical Internet Traffic Rates: http://en.wikipedia.org/wiki/Internet_traffic 17 53 Y. Portugali, Complexity, Cognition and the City (Springer, Heidelberg, 2011)

53    J. Jacobs, The economy of cities (Vintage, New York, NY, 1970).

54    F. Hayek, The Use of Knowledge in Society, American Economic Review. 35: 519- 530 (1945).

55    P. Krugman, Development, Geography, and Economic Theory (Ohlin Lectures) (MIT Press, Cambridge MA, 1997).

56    P. Hall, Cities in Civilization (Pantheon Books, New York NY, 1998)

57    L. M. A. Bettencourt, The Origin of Scaling in Cities, Science 340: 1438-1441 (2013).

58    C. Andris, L.M.A. Bettencourt, Development, Information and Social Connectivity in Côte d’Ivoire, Santa Fe institute Working Paper Paper #: 13-06-023. Available http://www.santafe.edu/media/w … 3.pdf

59    S. Mehta, Maximum City: Bombay Lost and Found (Vintage, New York NY, 2005).

60    L. M. A Bettencourt, J. Lobo, D. Helbing, C. Kühnert, G. B. West, Growth, Innovation, Scaling, and the Pace of Life in Cities. Proc. Natl. Acad. Sci. U.S.A. 104, 7301-7306 (2007).

61    L.M.A. Bettencourt, J. Lobo, D. Strumsky, G.B. West, Urban Scaling and Its Deviations: Revealing the Structure of Wealth, Innovation and Crime across Cities. PLoS ONE 5(11): e13541 (2010). 63 J. Jacobs, The Death and Life of Great American Cities (Random House, New York, 1961).

62    R. J. Sampson, J. D. Morenoff, T. Gannon-Rowley, Assessing “Neighborhood Effects”: Social Processes and New Directions in Research, Annual Review Sociology 28:443–478 (2002).

63    E. L. Glaeser, H. D. Kallal, J. A. Scheinkman and A. Shleifer, Growth in Cities, Journal of Political Economy 100: 1126-1152 (1992).

64    C. Madera “The Future of Cities in the Internet Era” , Next City (2010). Available http://nextcity.org/daily/entr … t-era

65    J. M. Harris, J. L. Hirst, M. J. Mossinghoff, Combinatorics and Graph Theory (Springer, New York NY, 2008). 18

66    M. Schläpfer, et al. The Scaling of Human Interactions with City Size. Available http://arxiv.org/abs/1210.5215

K. J. Arrow, A Difficulty in the Concept of Social Welfare, Journal of Political Economy 58: 328–346 (1950).

Leave a comment

随时欢迎您 联系我们