.png){kind=icon}
返回
Context-Specific Urban Optimisations Through Data-Driven Classification: A Perspective on Methods and Applications
.png){kind=icon}
OA
AI
DOI：10.3390/land14081505.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
城市环境正日益受到快速城市化和气候变化的挑战，需要既能适应又能敏感于地方背景的战略响应。类型学分类提供了一种结构化方法来理解多样的城市背景，使支持气候中和与宜居性的针对性干预成为可能。尽管全球压力被共享，但其影响在城市间差异显著，突显了需要以情境感知的城市分析来指导有效转型的必要性。本文提出了一种关于基于开源数据的计算框架和工作流程的方法论视角，旨在支持不同城市背景下城市环境的分类与优化；它探讨了该框架的潜力和局限性，基于对相关文献和可用数据集的回顾。我们提出一个包含四个主要步骤的工作流程：(1) 根据可量化特征对城市环境进行分类，(2) 识别按城市类型区分的关键绩效指标（KPIs），(3) 根据底层的类型学分类提出优化城市环境的干预措施，以及(4) 在模拟环境中验证所提出的解决方案。该框架优先考虑由公共机构提供的开源数据源，以及开放科学和公民科学倡议。提出更简化的数据整合，以促进与主要类型学分类一致的城市环境的分类与评估。
Keyword:
open data
climate change
decision making
urban attributes
classification
期刊
IF:
3.2
论文数:
1.3W
被引数:
2.5W
机构
暂无机构信息
引用论文
A review of benefits and challenges in growing street trees in paved urban environments在铺砌的城市环境中种植行道树的好处和挑战的回顾
PREAI
分享收藏Towards resilient place emphasizing urban form: An assessment framework in urban design走向强调城市形态的弹性场所: 城市设计的评估框架
OAAI
OAAI分享收藏A framework for urban land use classification by integrating the spatial context of points of interest and graph convolutional neural network method集成兴趣点空间上下文和图卷积神经网络方法的城市土地利用分类框架
PREAI
分享收藏Classifying urban land use by integrating remote sensing and social media data整合遥感和社交媒体数据的城市土地利用分类
PREAI
分享收藏Accuracy Assessment of the Building Height Copernicus Data Layer: A Case Study of Bratislava, Slovakia.png)
LANDOAAI
LANDIF3.2
OAAI分享收藏
查看更多内容