基于创新生态系统建构的社区更新——NICE2035未来生活原型街区的实践

介绍并分析了如何从社区支持型创新角度出发,在同济大学设计创意学院所在的老旧社区里,打造一个面向未来生活方式的,由实验室、初创企业、众创空间和实验生活场景组成的创新街区的路径和策略.在此基础上思考如何利用社区更新,为社区和校区的联动创造场所,进而推动社区成为城市创新的策源地.     

隐私保护:智慧城市建设的新模式——基于东莞市东城区智慧城市建设的研究

随着智慧城市建设的推进,引起了各种各样的隐私保护问题。文献分析显示,智慧城市中隐私类型的认识并没有统一;对东莞市东城区的调研结果显示,智慧城市建设实践中的隐私保护包括身份隐私、查询隐私、住址隐私、踪迹隐私和所有者隐私 5 个维度,城市中的 11 项智慧服务存在不同类型的隐私风险,分别适合采用不同的智慧城市解决方案。并从智慧城市的隐私保护角度提出了一个新的智慧城市建设模式,可为城市管理者提供决策参考。     

第四范式：基于机器学习的荷兰智慧城市宜居性预测模型研究

本研究系统地调查了"第四次工业革命"背景下大数据爆炸给传统研究范式带来的挑战和机遇。以荷兰智慧城市宜居性预测模型为例,引入数据密集型的"第四范式"新研究方法。首先从传统研究范式和宜居性研究现状出发,收集与人居环境宜居性相关的变量和可用的多源数据集。然后执行必要的数据清理、数据工程、数据特征提取方面的工作流程,使收集到的原始数据能够满足机器学习的基本要求。随后在机器学习的反复实验中,选用监督式机器学习关于多级目标预测的2个通用算法:多类别决策丛林和多类别决策森林,经过比选和优化得到最优算法。然后,将这种最优算法部署到云计算环境中生成智能预测工具箱,以监测和预先干预荷兰人居环境的宜居性。研究表明,与传统研究范式相比,尖端的人工智能技术和基于"第四范式"开发的新兴机器学习算法确实在知识发现、定量分析、知识快速更新和预测研究中具备独特优势。该范式在处理未来智慧城市中更大量、多样、精准、快速的研究数据集时将更加高效并更具创新前景。     

日常生活视角下居住型历史街区的空间变动研究——基于典型年份POI数据的追踪调查

日常生活空间作为原住民生活世界的基本构成,是居住型历史街区的重要组成部分。日常生活空间的变动直接影响居住型历史街区生活真实性保护与传承。以苏州平江历史街区为例,通过典型年份的POI数据追踪调查,对历史街区日常生活空间分异进行可视化分析。根据不同属性的POI数据变动特征,分析历史街区日常生活空间变动总体特征。研究发现,平江历史街区原住民的日常居住、消费与休闲空间分别出现空心化、边缘化及碎片化的特征趋势。基于居住型历史街区生活真实性保护目标,对历史街区过度商业化及日常生活的异化进行了反思。