智慧城市中上下文感知的智能交通管理系统框架

8930智慧城市中面向上下文感知的智能交通管理系统框架0Zeenat Rehena �0技术、政策与管理学院，代尔夫特理工大学，荷兰，Z.Rehena@tudelft.nl0技术、政策与管理学院，代尔夫特理工大学，荷兰，m.f.w.h.a.janssen@tudelft.nl0摘要0在过去的几年中，智慧城市的概念导致了为改善可持续性和生活水平提供创新服务的平台的开发和部署。这些平台整合了从设备和市民生成的数据收集的数据，然后利用大数据分析从数据中创建洞察力。这些平台可以创建上下文感知的智能交通管理系统（ITMS），然而，不同阶段涉及到的各种参与者阻碍了发展。在本文中，我们提出了一个框架，以支持基于实时信息的可持续交通管理系统，以提供更好的通勤、安全和旅行安全。该框架应该有助于整合各个参与者进行的活动。该框架的主要关键要素是数据集、交通管理分析、参与者和这些用户采取的行动。该框架有助于创建对所需活动的整体概述。通过这种方式，它可以用于改善交通流量的质量，增加资源的有效利用，市民的顺畅和安全通勤。0CCS概念0• 网络 → 网络服务；云计算；• 计算机系统组织 →嵌入式和物理系统；传感器和执行器；0关键词0智能交通管理系统；拥堵；大数据；上下文感知计算；智能交通；智能出行；智慧城市0ACM参考格式：Zeenat Rehena和MarijnJanssen。2018年。智慧城市中面向上下文感知的智能交通管理系统框架。在WWW'18 Companion: The 2018 Web ConferenceCompanion中，2018年4月23日至27日，法国里昂。ACM，美国纽约，6页。DOI: 10.1145/3184558.31915140� 阿利亚大学计算机科学与工程系助理教授，印度加尔各答。0本文以知识共享署名-非商业性-禁止演绎4.0国际许可协议发布。作者保留在其个人和公司网站上传播作品的权利，并附上适当的归属。WWW'18Companion，2018年4月23日至27日，法国里昂。©2018IW3C2（国际万维网会议委员会），根据创作共用CC BY 4.0许可证发布。ACM ISBN978-1-4503-5640-4/18/04。DOI: 10.1145/3184558.319151401 引言0城市化水平的不断提高和世界各地城市规模和数量的增长既带来了挑战，也带来了机遇。由于这种巨大的增长和技术的推动，传统的城市管理和维持城市生活方式的方法可以得到改进。在这一趋势下，许多不同层级的政府-地区、国家、国际，已经启动了数字和智慧城市计划[2]。这些举措有助于国家和国际健康、经济、基础设施、资源和交通，为市民提供高品质的舒适。智慧城市已经成为WSN、物联网和大数据分析领域最有前景、最重要和最具挑战性的应用之一，但也因为无法实现承诺而受到批评[4]。在智慧城市的各个应用领域中，智能交通管理系统对市民的日常生活有着重要的影响。现有交通基础设施的限制导致了严重的交通拥堵，进而增加了出行时间。即使在没有交通拥堵的情况下，智能交通服务也是必要的[3]。然而，可以利用数据来改善交通基础设施的利用率，而无需改变基础设施。在[1]和[8]中可以看到，例如，里约热内卢从30个机构汇集实时数据流，试图管理一个庞大而复杂的城市。这些仪表板被城市管理者和分析师用于监控系统或整个城市的运行方式。然而，世界上大多数其他大城市仍然面临交通拥堵、对事件响应时间延迟、在交通拥堵中浪费时间和金钱等问题。此外，交通拥堵最严重的后果之一是对紧急服务的运营产生影响，如医疗、消防、救援行动和警察等。这些服务需要紧急车辆的高效和及时响应。此外，随着人口的增长，现有道路尺寸没有按照相同的比例扩展。因此，在狭窄、拥挤的道路上，由于驾驶员或旅客希望快速通过以避免交通拥堵，车辆碰撞更加频繁。反过来，这影响了城市生活的社会方面。最后，由于现代城市生活方式要求缩短通勤时间、可靠准确的交通预测、早期发现道路瓶颈、停车管理等。现有的交通管理系统不能提供足够和准确的有关交通的道路信息，以控制和及时监测和管理交通系统。尽管有很多数据可用，但它们没有情境意识。因此，有必要确保数据可以被收集和使用0主题：AW4City 2018通过Web应用增强市民中心性WWW 2018，2018年4月23日至27日，法国里昂8940为了改善交通管理，提供更好的通勤、安全和旅行期间的安全性和保障，基于实时信息的绿色应用可以减少燃料消耗、减少气体排放。另一方面，上下文感知计算（CAC）允许应用程序从收集的原始数据中获取上下文的有意义信息，并为用户提供智能服务。上下文可以是网络连接性、资源可访问性、用户配置文件、位置、活动、交通状况、噪音等。类似于大数据，上下文感知系统生成大量的数据，需要大而高效的存储空间。这些大量的数据需要数据分析来推断场景的知识。在上下文感知的交通管理系统中，传感器在车辆、交通交叉口、火车站等地安装，连续地发送数据。所有这些数据以道路的相关条件（拥堵、车辆速度、车辆类型、到达时间）定义上下文。需要从这个数据流中提取准确的值，以提供准确的公交到达时间、道路拥堵预测等上下文感知服务。因此，将CAC纳入智能交通管理系统中，可以实现对交通管理系统的实时监控的重要一步。在这项工作中，我们提出了一个上下文感知智能交通管理系统的框架，以解决上述挑战。该框架可用于采用任何多个参与者发挥作用的智能交通管理系统的应用。该框架有助于处理来自各种来源的大量数据。我们还讨论了本工作中解决的挑战。本文的其余部分组织如下。第2节描述了本工作的研究方法。第3节给出了一个简要的案例研究，以了解背景并归纳分析本研究工作的挑战。第4节给出了详细的文献综述。第5节描述了上下文感知智能交通管理系统的提出的概念框架。第6节演示了提出的框架的说明和评估。最后，在第7节中总结我们的论文。02 研究方法0由于我们的目标是开发一个框架，而文献有限，因此我们采用归纳法。我们在工作中采用了设计科学研究方法过程模型[17]。设计科学的步骤包括：1）动机，2）问题识别，3）构件设计，4）说明和评估。图1描述了用于创建本研究中的构件的逐步过程。在我们的研究中，将开发的构件是ITMS框架。基于我们对挑战的第一印象，我们调查了印度一个大城市的案例。我们通过归纳法确定了交通管理系统的各种挑战，并基于此展开了深入的文献综述。在收集了知识和背景细节之后，我们提出了一个基于实践和理论的智能交通管理系统（ITMS）框架。最后，描述了一个案例的示例，以展示我们的框架的附加价值。0图1：研究方法。03 CASE STUDY3.1 背景0印度是继中国之后世界上第二大人口国。目前，印度32%的人口居住在城市。随着城市化的增长，这个数字正在迅速增加，预计到2030年，将有近一半的人口居住在城市中[13]。随着这个庞大的人口，车辆数量也在同时增加以满足市民的需求。在印度的大都市中，交通拥堵是一个值得关注的问题之一。目前的街道容量控制无法解决这类问题。每年，印度因道路拥堵而损失6000亿卢比，包括燃料消耗。此外，还有其他一些问题，如旅行时间增加、高速公路上的事故增加、医疗、警察和救援服务等紧急服务也会延迟。图2显示了德里高峰时段的街道情景。智能交通管理系统可以减少交通拥堵，减少通勤时间，为车辆提供更好的速度，避免拥堵，并选择替代路线等，以改善城市生活方式。03.2 挑战0智能交通管理系统的主要目标是减少交通拥堵和与之相关的其他问题。为了提供这样的服务，应该在细粒度上确定现有系统的潜在挑战。开发这样的系统面临着许多参与者的挑战，包括：0（1）异构数据集：实际上需要哪些相关数据来提供和解释道路上的交通状况。数据的质量如何？0Track: AW4City 2018 Enhancing Citizen  Centricity with Web Applications WWW 2018, April 23-27, 2018, Lyon, FranceTrack: AW4City 2018 Enhancing Citizen Centricity with Web Applications WWW 2018, April 23-27, 2018, Lyon, France8950（2）从不同来源和各方收集数据：负责从异构来源收集此类数据。（3）数据处理：如何对这些收集到的数据进行整合，以提供单一的范式。某些数据可能在不同的时间和环境下收集，并且整合可能并不直接。（4）数据管理：如何实时处理来自大量不同来源的异构数据。（5）数据用户：不同类型的用户有不同的需求。数据需要以不同的方式进行处理和可视化，以适应目标受众。0图2：高峰时段的街道拥堵[7]。04 相关工作0随着人口增加和城市化的增加，对良好交通的需求也在增加。因此，道路上的车辆数量也日益增加。在最近的过去，许多研究人员在智能交通管理系统的不同应用方面进行了大量工作。文献中还发现了几项调查，讨论了智慧城市中大数据的不同方面和挑战。在[6]中，作者对交通管理系统的不同阶段使用的不同技术进行了调查。他们还讨论了智能汽车的潜在用途以及社交媒体对交通拥堵的检测和缓解的影响。在[12]中，作者处理了交通堵塞问题。他们使用不同的策略来进行交通管理，如视频信息分析、红外传感器、感应圆识别、远程传感器系统等。在[5]中，作者关注的是要及时获取数据的各种因素，通过使用VSNs矢量距离路由算法进行车辆跟踪系统。在[11]中，Kammoun, H.M.等人提出了一种混合方法，利用自适应车辆导航系统分析道路交通网络。通过根据蚂蚁群行为和分层模糊系统提出替代路径建议，智能地调整交通流量。在[19]中还发现了另一种解决方案，作者试图利用Kruskal算法通过将交通交叉口映射到节点和交通流量作为链接来建议最佳路径0通过使用谷歌地图对重量进行加权。最佳路径选择基于各种参数，如交通率、车辆速度、最短路径等。Nafi, N.S.等人[15]提出了一种基于IEEE802.11p的车辆到基础设施通信系统的系统，用于预测道路交叉口未来的交通强度。根据这个预测，车辆被重新路由以减少交通拥堵并最小化个体的旅行时间。在[10]中，作者建议使用RSU（路边单元）和手机来检测特定区域的交通拥堵。手机和RSU通过车辆自组织网络进行无线通信。他们还建议，当车辆接近拥堵路线时，用户可以通过手机应用程序或交通信号附近的显示屏得到通知。在[16]中，作者提出了一种自动车牌识别算法。这里使用视频摄像机来捕捉所有进出车辆的图像。在[14]中，作者提出了一个以智能交通灯为重点的认知交通管理系统。这些智能交通灯的动态定时是基于从汽车和道路传感器获得的数据分析的结论，以及来自社交网络、民意调查结果和其他用户数据的替代来源。在[18]中，Petrovska和Stevanovic提出使用图像处理来确定交通密度。他们使用智能手机应用程序在各个位置显示交通拥堵的信息。为此，他们使用谷歌的API与谷歌地图的交通图层进行接口交互。然后，使用颜色代码显示区域的交通密度，每种颜色代码表示非常拥堵到无拥堵。上述所有工作都有特定的应用来解决ITMS的一个问题。这些包括交通堵塞、交通密度、到目的地的替代路径、车牌识别、减少道路交通拥堵等。这些工作没有关注同时处理不同类别用户的道路情况的框架。不同的数据来源来自道路上的不同对象。因此，有各种各样的数据来源产生各种各样的数据，需要清楚地进行识别。这些大量的数据需要收集、处理，然后以有意义的上下文形式呈现给不同的目标用户。因此，在实施智能交通管理解决方案方面存在差距。因此，这些挑战在本工作中得出结论，并以与交通数据采集、聚合、处理和支持公民的主要阶段相关的术语呈现。在下一节中，我们将提出一个上下文感知智能交通管理系统的框架。这项研究工作的独特之处在于它是一个概念性的框架和蓝图，用于展望传统交通管理系统的未来。任何政府、私营等行业的参与者都可以采用这个框架来可视化基础设施。05 提出的概念框架0在本节中，我们提出了一个上下文感知智能交通管理系统（ITMS）的框架。如图所示的框架Track: AW4City 2018 Enhancing Citizen Centricity with Web Applications WWW 2018, April 23-27, 2018, Lyon, France8960图3：上下文感知智能交通管理系统的框架。0图3中的框架有四个主要组件，即（1）数据集，（2）交通管理分析（TMA），（3）参与者和（4）行动，以将收集到的道路交通信息传递给预期的最终用户。TMA可以被视为一个CAC，它从异构的数据源收集道路交通信息。数据源包括数百万个传感器、闭路电视、人等。这些数据被馈送、聚合并存储在数据库中。在处理真实数据后，生成有意义的上下文，用户可以根据自己的需求提取。下面将对这四个组件和TMA进行解释。ITMS的分层架构如图4所示。05.1 组件05.1.1数据集。准确地确定需要哪些数据来表示更好的智能交通管理系统非常重要。这些输入的原始数据实际上是从数百万个安装在车辆或街道交叉口上的传感器收集的。此外，像物联网这样的先进基础设施也有助于从道路上获取当前数据。然后将这些数据馈送到云端。在云端对这些原始数据进行预处理和处理，以建立上下文。05.1.2交通管理分析。这是我们提出的框架的核心组件。它由四个模块组成，用于执行上下文感知ITMS的所有主要活动。可以将其视为系统的大脑。上下文感知生命周期描述了上下文如何在上下文感知TMA中移动，从数据获取和收集开始，提取为有意义的上下文，以满足有意义的应用目的。下一小节将详细介绍这一点。05.1.3参与者。在我们提出的系统中，参与者既是内部组件也是外部组件。它们被分为四个子参与者或用户，即管理员、交通控制员、交通服务提供商和市民或驾驶员。他们可以访问信息。0关于交通系统的信息根据用户的需求进行个性化推送。例如，市民只关心旅行过程中没有延误且经济实惠的行程。05.1.4行动。这些基本上是交通管理系统的结果。不同的用户可能采取不同的行动。这更像是一种政策和管理程序。管理员处于最高层。他们可以决策并采取行动，以实施这些政策，改善市民的城市生活方式并为更好的基础设施需求提供资金。交通控制员控制道路上的实时交通。交通服务提供商通过电视、广播、网站向市民提供关于城市当前情况的建议和信息。0图4：ITMS的分层架构。05.2 上下文感知TMA0上下文感知系统可以定义为"系统不断监测环境并提供适当的建议给用户，以便他们采取行动"8970图5：实际评估的过程场景。0向用户提供建议，以便他们采取行动"[20，第34页]。因此，在我们提出的框架中，TMA可以被视为上下文感知的TMA，可以如下所示。它由四个不同的模块组成，分别是（1）数据获取或数据收集，（2）数据分类和存储，（3）数据处理和决策，以及（4）基于Web和移动应用。05.2.1数据采集或数据收集模块-从多样化的来源获取。有许多不同的系统和来源收集了大量的细粒度数据，它们之间没有任何集成。在一定的时间间隔内，收集到了大量异构数据，这些数据没有标准格式。这使得任务更具挑战性。此外，测量和收集数据集中的个体数据也被视为挑战。例如，识别车辆类别或为每辆车提供唯一的标识号码对于该模块也是必要的。ITMS中的这个模块提供了数据收集的准确性、及时性和成本效益机制，并提供了道路拥堵增加背后的实际原因的解释。为了实现这一点，无线传感器网络、蜂窝网络、移动感知等感知技术具有潜在的解决方案。05.2.2数据分类和存储-存储在数据库中。ITMS处理大量的数据。数据来自异构的来源。因此，需要对数据进行标准分类表示。因此，ITMS应提供复杂的机制来融合、聚合和利用数据，因为数据来自不同的来源具有不同的数据类型。此外，由于不同系统之间缺乏集成，数据相关性是另一个挑战。因此，关系型数据库管理系统可能不是合适的解决方案。应考虑使用NoSQL或其他非结构化数据库[9]来存储数据。05.2.3数据处理和决策制定-从上下文数据中推断。数据处理和做出适当的决策0基于处理后的数据进行推断是另一个重要的任务。在对数据进行利用之后，需要以适当的上下文含义进行推断，以展示真实的交通状况，否则可能会产生错误的信息。因此，有必要将许多不同的数据汇聚为单一的交通状况。此外，数据的重要性，即哪些数据对交通更重要或不重要，也是提供更好的通勤服务给市民的一个挑战。此外，建议避免交通拥堵的替代路线、停车区域的可用性、平均旅行时间是改善道路上整体交通效率的非常重要的决策应用。05.2.4基于Web和移动应用程序-通知参与者。之前已经提到，不同的用户在城市周围旅行时有不同的需求。高效可靠的基于Web和移动应用程序可以提供更新的交通状况。例如，道路上发生事故时，警察、救援人员、医疗队同时得到通知，并可能到达事故地点以提供最佳的处理。这也提高了快速响应时间。此外，市民可以在开始旅行之前计算他们的旅行成本和时间。06 框架的示意图和评估0在本节中，描述了ITMS提出的框架的示意图。图5显示了道路交通监控用于评估过程。根据我们的框架，通过安装的传感器、闭路电视摄像头、车载设备以及基础设施的帮助，可以收集和存储在道路上生成的数据集到数据库中。这在图中标记为箭头线的1处显示出来。在聚合和处理整个相关上下文之后，处理后的上下文数据被发送到交通控制器、交通服务提供商和历史数据库中，分别标记为2、4和7。交通控制器根据上下文控制和管理道路交通，图中标记为3。相关的上下文数据还控制交通路口的交通信号灯和显示面板。道路上的事故等事件也由驾驶员或旅行者直接向交通控制器报告。图中标记为5。交通服务提供商对数据使用一些预测算法，然后向市民建议和预测道路上的交通状况和事故。他们可以使用Web应用程序、电视和广播、移动应用程序，例如向市民发送紧急短信。最后，所有聚合和处理的上下文数据被发送到历史数据库进行未来分析。未来的分析可以帮助预测城市特定区域的交通模式，并可用于制定进一步的交通管理系统政策。表1描述了交通管理系统的各种挑战，以及提出的上下文感知ITMS如何克服这些挑战。07 结论0提高交通拥堵效率是一个重要的社会问题和一个具有挑战性的研究领域，因为这些系统监控的是复杂和关键的基础设施。问题0Track: AW4City 2018 Enhancing Citizen  Centricity with Web Applications WWW 2018, April 23-27, 2018, Lyon, France8980表1：挑战评估0挑战框架对克服挑战的贡献0异构数据集在道路环境中部署无线传感器节点，车载传感器设备，安装在路边的强大摄像头捕获了大量用于智能交通管理系统的数据。0数据收集在提出的框架中，数据采集和数据收集模块负责顺利收集数据。WSNs，M2M，V2V，V2I是利用该模块功能的主要基础技术。0数据处理和决策数据处理和决策模块处理来自各种来源的大量数据。它最初使用清洗和验证技术来识别正确和准确的数据。在生成新的上下文知识之后，需要使用多种预测和决策算法来做出适当的决策。0数据管理该框架还能够管理大量收集到的数据。对于异构数据，分类和存储模块有助于管理这些数据。0不同的参与者该框架还关注不同用户或参与者的数据需求，并且需要对其进行不同的处理和可视化以适应目标受众。0道路交通问题可以通过改善现有的道路基础设施或使用当前道路数据与现有基础设施的智能交通管理系统来解决。后者应该是一个好选择，因为它需要相对较少的外部资源和资金投入，但这说起来容易做起来难。在本文中，我们提出了一个ITMS框架，强调了主要挑战，包括1）异构数据集，2）数据收集，3）数据处理，4）数据管理和5）数据用户。ITMS主要由数据集、交通管理分析、参与者或用户以及解决上述挑战的行动四个关键要素组成，并通过一个示例进行了解释。该框架可用于对上下文数据进行决策、提供关于城市交通流量的建议和预测，以及面向系统的预期用户。通过这种方式，它可以用于了解各种参与者在使用大数据进行ITMS方面的角色是什么或可以是什么。0致谢0我们非常感谢http://www.glink-edu.eu/（gLink项目）为本研究工作提供资金支持。0参考文献0[1] B.G. D. Amaral, R. Nasser, M. A. Casanova, and H. Lopes. 2016. BusesinRio: Busesas Mobile Traffic Sensors: Managing the Bus GPS Data in the City of Rio de Janeiro.In 2016 17th IEEE International Conference on Mobile Data Management (MDM),Vol. 1. 369–372. https://doi.org/10.1109/MDM.2016.66 [2] L. Anthopoulos. 2017.Smart utopia VS smart reality: Learning by experience from 10 smart city cases.Cities 63 (2017), 128 – 148. https://doi.org/10.1016/j. cities.2016.10.005 [3] L.Anthopoulos. 2017. Understanding Smart Cities: A Tool for Smart Government oran Industrial Trick? Vol. 22. Springer International Publishing, Business Media NewYork. https://doi.org/10.1007/978-3-319-57015-0 [4] L. Anthopoulos, M. Janssen,and V. Weerakkody. 2016. A Unified Smart City Model USCM for Smart CityConceptualization and Benchmarking. Int. J. Electron. Gov. Res. 12, 2 (April 2016),77–93. https://doi.org/10.4018/IJEGR.2016040105 [5] A. Bazzi, M. B. Masini, A.Zanella, and G. Pasoloni. 2013. Vehicle-to-vehicle and vehicle-to-roadsidemulti-hope communications for vehicular sensor networks: Simulations and fieldtrial. In 2013 IEEE International Conference on Communica- tion workshops (ICC).515–520.0[6] S. Djahel, R. Doolan, G. M. Muntean, and J. Murphy. 2015.基于通信的智慧城市交通管理系统的视角：挑战和创新方法. IEEE通信调查教程 17, 1(2015), 125–151. [7] https://s4.scoopwhoop.com/anj/ggn/be9bf10e-2f8e-436e-a467361bc0ee3ce5.jpg. [n. d.]. ([n. d.]). [8]http://urbact.eu/steering-real-time-city-through-urban-big-data-and-city-dashboards 0. [n. d.]. ([n. d.]). [9] H. Hu, Y. Wen, T. S. Chua, and X. Li. 2014.面向大数据分析的可扩展系统：技术教程. IEEE Access 2 (2014), 652–687. https://doi.org/10.1109/ACCESS.2014.2332453 [10] C. Jayapal and S. S. Roy. 2016.使用VANET进行道路交通拥堵管理. 在2016年人机交互进展国际会议上 (HMI). 1–7. [11] H.M. Kammoun, I. Kallel, A. M. Alimi, and J. Casillas. 2011.通过蚂蚁分层模糊系统改善道路交通管理. 在2011年IEEE计算智能车辆和交通系统(CIVTS)会议论文集中. 38–45. https://doi.org/10.1109/CIVTS.2011.5949535 [12] F.Knorr, D. Baselt, M. Schreckenberg, and M. Mauve. 2012. 通过VANET减少交通堵塞.IEEE交通技术杂志 61, 8 (2012年10月), 3490–3498.https://doi.org/10.1109/TVT.2012.2209690 [13] Sanjeev Kumar and Anand Prakash.2016. 大数据和分析在智慧城市中的作用. 科学与研究国际期刊 5, 2 (2016年2月). [14] S.Misbahuddin, J. A. Zubairi, A. Saggaf, J. Basuni, S. A-Wadany, and A. Al-Sofi. 2015.基于物联网的智慧城市动态道路交通管理. 在2015年高容量光网络和新兴技术国际会议(HONET)上. 1–5. [15] N. S. Nafi, R. H. Khan, J. Y. Khan, and M. Gregory. 2014.基于车载自组织网络的预测性道路交通管理系统. 在2014年澳大利亚电信网络和应用会议(ATNAC)上. 135–140. https://doi.org/10.1109/ATNAC.2014.7020887 [16] H. N. Patel,K. Desai, and T. Panchal. 2015. 一种基于角点特征的视频自动车牌检测算法.在2015年信息处理国际会议 (ICIP)上. 301–306. [17] Ken Peffers, Tuure Tuunanen,Marcus Rothenberger, and Samir Chatterjee. 2007. 信息系统研究的设计科学研究方法.管理信息系统杂志 24, 3 (2007年12月), 45–77. https://doi.org/10.2753/MIS0742-1222240302 [18] N. Petrovska and A. Stevanovic. 2015.交通拥堵分析可视化工具. 在2015年IEEE第18届智能交通系统国际会议上. 1489–1494.https://doi.org/10.1109/ITSC.2015.243 [19] V. Shashikiran, T. T. S. Kumar, N. S.Kumar, V. Venkateswaran, and S. Balaji. 2011. 基于Krushkal算法的动态道路交通管理.在2011年信息技术最新趋势国际会议 (ICRTIT)上. 200–204.https://doi.org/10.1109/ICRTIT.2011.5972263 [20] Kalyan P. Subbu and AthanasiosV. Vasilakos. 2017. 上下文感知计算的大数据：观点和挑战. 大数据研究 10 (2017), 33 –43. https://doi.org/10.1016/j.bdr.2017.10.0020Track: AW4City 2018 Enhancing Citizen Centricity with Web Applications WWW 2018, April 23-27, 2018, Lyon, France