Microsoft Research: Urban computing/城市计算
Microsoft Research: Urban computing/城市计算
搬运自：https://www.microsoft.com/en-us/research/project/%E5%9F%8E%E5%B8%82%E8%AE%A1%E7%AE%97/
manager: Yu Zheng/ 郑宇
城市计算是一个交叉学科，是计算机科学以城市为背景，跟城市规划、交通、能源、环境、社会学和经济等学科融合的新兴领域。更具体的说，城市计算是一个通过不断获取、整合和分析城市中多种异构大数据来解决城市所面临的挑战（如环境恶化、交通拥堵、能耗增加、规划落后等）的过程。城市计算将无处不在的感知技术、高效的数据管理和分析算法，以及新颖的可视化技术相结合，致力于提高人们的生活品质、保护环境和促进城市运转效率。城市计算帮助我们理解各种城市现象的本质，甚至预测城市的未来[1][2]。 （English Homepage）
[1] Yu Zheng, Licia Capra, Ouri Wolfson, Hai Yang. Urban Computing: concepts, methodologies, and applications. ACM Transaction on Intelligent Systems and Technology. 5(3), 2014
[2] 郑宇. 城市计算概述，武汉大学学报. 2015年1月，40卷第一期
[3] 演讲视频
- 2017年4月：CCF ADL 1小时报告 [视频讲解：深度学习在深空数据上的探索]（用CCF会员号登陆后免费观看）
- 2017年3月清华演讲：城市计算：用大数据和AI驱动智能城市（视频和ppt）
- 2015年香港浸会大学：1小时视频（video）介绍城市计算的数据融合问题 。
[4] 轨迹数据挖掘综述： Yu Zheng. Trajectory Data Mining: An Overview. ACM Transaction on Intelligent Systems and Technology. 2015, vol. 6, issue 3. ) (A Tutorial)
[5] 跨域数据融合综述：Yu Zheng. Methodologies for Cross-Domain Data Fusion: An Overview. IEEE Transactions on Big Data, vol. 1, no. 1. 2015. (A Tutorial)
“城市计算”也是微软研究院 郑宇博士 主持的一个研究项目。该项目从2008年初开始，通过分析和融合城市中的各种大数据，郑宇博士的团队实现了一系列关于智能交通、城市规划、环境和能源的实际案例。相关技术不仅被应用于微软的产品，并且还在多个城市服务于中国政府。
城市计算的框架
下图给出了城市计算的基本框架，包括城市感知及数据捕获、数据管理、城市数据分析、服务提供四个环节。与自然语言分析和图像处理等“单数据单任务”系统相比，城市计算是一个“多数据多任务”的系统。城市计算中的任务涵盖改进城市规划、缓解交通拥堵、保护自然环境、减少能源消耗等等。而在一个任务中又需要同时用到多种数据。比如，在城市规划的设计过程中，我们需要同时参考道路结构、兴趣点分布、交通流等多种数据源。
新闻专访和媒体报道
- 搜狐科技：人工智能如何管好大数据时代下的大城市，2017.5.1
- 大数据文摘：专访微软郑宇博士：这个时代不缺数据，缺的是不够开放的思维，2017.4.19
- 澎湃网：人流量千变万化难以预测，但微软通过大数据和人工智能做到了，2017.2.13
- 机器之心：专访 | 微软亚洲研究院郑宇：用人工智能进行城市人流预测, 2017.2.10
- 澎湃网：用大数据预测雾霾，微软是如何做到的？2017.1.2
- 郑宇博士当选为美国计算机学会杰出科学家(网易新闻)(搜狐新闻)。 2016.12.4
- China Daily: Microsoft, IBM eye Technology to forecast air pollution in China. 2016.1.19
- 中国科技报：环境从治理走向智理, 2016.1.11
- 中国环境报：预测雾霾，大数据能帮什么忙？，2015.12.14
- 新华网： 微软郑宇：大数据解决城市中的大挑战。2015.1.13
- 美国《财富》：评选郑宇为中国40位40岁以下的商界精英。2014.9.20
- 和讯网：微软郑宇：可利用大数据的分析解决城市问题。2014.4.19
- MIT科技评论：大数据如何解决北京的问题。2014.8.31
- 美国《时代》周刊：世界现代创新者代表之一：郑宇。2013.11
- 凤凰网（专访）. 微软郑宇：大数据可预测空气污染 人人都是移动传感器. 2013.11.29
- 福布斯：郑宇：大数据如何改善城市交通。2013.8.23
- MIT科技评论：郑宇入选2013全球35位35岁以下杰出创新者（TR35）.2013.8
典型案例
PPT下载和在线视频讲解
- 2017年4月：CCF ADL 1小时报告 [视频讲解：深度学习在深空数据上的探索]
- 2017年3月29日Tutorial at DASFFA2017：Urban Computing: Enabling Intelligent Cities with AI and Big Data （80分钟）
- 2017年3月清华1小时演讲：城市计算：用大数据和AI驱动智能城市（视屏和讲解）(PPT)
- 2017年2小时分享：多源数据融合和时空数据分析（讲解）
- 2017年45分钟城市计算keynote speech：用大数据驱动城市智能
- 2016年CNCC：AlphaGo中的人工智能技术及其在时空数据中的应用
- 2016年城市计算-规划篇（60分钟）
- 2016年城市大数据平台 （30分钟）
- 2016年城市计算在交通领域应用(60分钟)
- 2016年城市计算概述（90分钟）
- 2015年城市计算概述（150分钟）
- 2015年 城市计算-环境篇（70分钟）
- 2015年 城市计算应对空气污染（60分钟）
- 2015年数博会20分钟发言ppt
- 清华大数据课程 城市计算 6节课讲义
- 半小时报告 ppt -2014
- 1小时报告ppt -2014
数据下载
[1] T-Drive Taxi Trajectroies: 北京市10,000辆出租车1星期的GPS轨迹数据.
[2] GeoLife Trajectory Dataset: 167名用户三年多（2007.4-2010.12）的GPS轨迹数据。数据采集于 GeoLife项目。
[3] Taxi request simulator: 根据出租车乘客上下车真实记录而产生的用户打车请求发生器，可以模拟整个城市里面人们的出行需求。
[4] Check-in data from Foursquare: 来自于FourSquare的社交媒体数据。每个check-in包括时间、地点和POI类别。
[5] Air quality data of Beijing and Shanghai: 北京和上海的空气质量数据(2013-2-8 to 2014-2-8).
[6] Traffic and geographical features of each road segments: 从出租车轨迹、路网和POI数据中提取的特征，可用于交通流量计算.
[7] Noise complaint data and geographical data of NYC: 311噪音数据以及从路网、POIs.
[8] 中国43个城市的空气质量、气象和天气预报数据。可用与空气质量细粒度分析和预报。
[9] 自行车租赁系统数据：包含每一辆车的借出和还回时间和站点ID，包括对应时间的天气信息。
[10] 多源数据的异常检测：包括纽约市的311数据、出租车数据和自行车的数据，并对应的隐含POI和路网信息，共物种数据源。
[11] 城市人流数据: 包括北京市每一平方公里范围内在半小时内的流入和流出出租车数量，以及纽约市各个自形成租赁点每小时的自行车的借出和还回数量.