作者：陈晓红
作者单位：湖南工商大学
引用：Xiaohong CHEN. The development trend and practical innovation of smart cities under the integration of new technologies[J]. Frontiers of Engineering Management, 2019, 6(4): 485-502.
文章链接：
http://journal.hep.com.cn/fem/article/2019/2095-7513/25699
https://link.springer.com/article/10.1007%2Fs42524-019-0057-9
导语
在大数据、物联网、人工智能、区块链、虚拟现实等数字新技术融合的背景下，智慧城市迎来了跨越性的发展。新技术融合下的智慧城市在政务、交通、环保、能源、医疗、物流等方面都取得了一系列实践创新与典型案例，并由此产生了显著的社会、经济和生态效益。但不容忽视的是，智慧城市的建设过程中仍然面临着一些问题，针对智慧城市建设中存在的问题，进行了深入地思考，提出了相对应的对策建议。
引言
2008 年，IBM 公司提出“智慧地球战略”，提出为促使地球更智慧，应该建立一个物联化( instrumented)、互联化( interconnected ) 、智慧化( intelligent) 的世界，战略本质为数据的感知、传达、处理。自此，为应对城镇化发展过程中带来的人口增长、环境污染、交通拥堵等各类“城市病”，促进城市健康、安全和可持续发展，建设智慧城市已成为全球城市发展的共同诉求和大势所趋。
全球数百个城市在“数字城市”基础上推进建设“智慧城市”。美国的亚特兰大、波士顿、拉斯维加斯、洛杉矶、旧金山、西雅图、费城、奥斯汀、克利夫兰、马里恩、匹兹堡、密尔沃基等城市都在建设无线网络，Dusseldorf、Gyor、Jerusalem、Monaco、Westminster、新加坡、日本U-Japan 和韩国的首尔、仁川、釜山等6个城市U-city 以及马来西亚的吉隆坡、澳大利亚的Sydney 在积极建设无线数字城市。我国工信部公布首批68个国家信息消费试点城市名单，包括京津沪在内的大部分省市省会在列。工信部强调“工业化、信息化”两化融合。目前我国100%的副省级城市、89%的地级城市、47%的县级城市，总计超过500个城市在政府工作报告或“十三五”规划中明确提出或正在建设智慧城市。
随着信息通信技术等新技术的广泛运用，云计算、大数据、物联网、区块链、人工智能、移动互联网等新一代信息技术融合发展，最大化地有效运作城市，实现信息化、互联网化、智能化、智慧化，促进可持续性发展，促进城市规划、建设、管理和服务智慧化的新理念和新模式，为智慧城市建设提供了全新机遇。
一、新技术融合下的智慧城市发展趋势
（一)智慧城市“2N41”概念架构
智慧城市是以数字化、网络化和智能化的信息技术设施为基础，以社会、环境、管理为核心要素，以泛在、绿色、惠民为主要特征的现代化城市。新技术融合下的智慧城市的概念结构为“2N41”的概念架构: 其中“2”是指“智慧城市”建设的硬设施和软环境，硬设施包括遍布各处的各类感知设备、云计算基础设施、移动终端以及各类便民信息服务终端等，软环境为政策法规、标准规范、工作机制和保障措施、创新人才培养等; “N”是指多个行业和领域智慧应用，包括交通、人口、农业、环保、民生等，各地区根据实际情况开展; “4”是指“智慧城市”的4个目标，即市民生活幸福、城市科学管理、企业创新发展、社会运行和谐; “1”是指通过“智慧城市”建设，达到城市运行最佳状态，通过加强物联网、云计算、视频监控等技术手段在城市运行中的应用，实现智慧城市运行监测和智能安保应急，提高政府精准管理能力，使城市运行更加安全高效。建立智能信号控制系统，在街道路口安装传感网络，自动监测车流量和车速，实现交通信号灯根据车流状况自动优化调整，提高道路交通的自适应能力利用物联网、新一代移动通信等信息技术，加强对食品药品、重大危险源、危险化学品的全过程动态监控。如图1所示。
图1. 智慧城市“2N41”概念架构
（二）智慧城市模型框架
智慧城市的核心目标层是服务于人，系统应用层是城市系统，投入支撑层是通过物联网和云平台所实现的数据流。自上而下、国家主导、企业参与模式，是数字城市的本质; 数据的沉淀、自下而上、企业驱动模式，是智慧城市的实现路径。
新型智慧城市一体化建设总体框架如图2所示。其中感知层是以物联网技术为基础，主要承担数据感知和信息收集的使命。平台层主要是通过在载体网络上构件的各种信息平台，对信息进行分析处理。应用层是整个智慧城市技术框架的终端，主要是面向企业、个人以及公共的服务应用。智慧城市需要建立“防御、监测、打击、治理、评估”五位一体的网络安全保障体系，构建满足新型智慧城市建设需求的标准规范体系。
图2. 新型智慧城市一体化建设总体框架
（三）智慧城市发展趋势
1、智慧城市发展总体趋势
目前来看，智慧城市发展总体趋势表现为: 一是信息不可或缺。移动互联提供了绝佳渠道，连接了人与人之间的信息交流，收集、传递和分享，使其成为生活中至关重要的一部分。二是移动互联融入生活。移动互联改变了人们的生活习惯、社交方式、关系网络，目前被应用到消费者现实生活中的每个角落，形成一个真正的全民“移动生活形态”的时代。三是智能化成为主流。数字化、智能化已经渗透到各行各业，并逐渐成为当今文化形态的中心，呈现出新一轮的文化生态。四是新兴信息技术引领时代变革。大数据、云计算、区块链、人工智能、物联网等信息技术的发展决定了智慧城市解决方案的质量，技术的持续进步将有助于城市各项活动的不断改造与持续优化。五是互联网融合思维。互联网思维重点在于用户思维、大数据思维、跨界思维、平台思维、创新思维等，是对传统价值链的重新审视，需要实现各行各业的融合创新与应用创新。六是形成多维结构。新技术融合下的智慧城市将通过组合“一中心、四平台、多技术、多应用、统一链”的方式推动城市发展。其中，“一中心”是指基于城市的各维度大数据中心。“四平台”是指智慧政务综合信息服务平台、智慧城管综合信息服务平台、智慧民生综合信息服务平台和智慧经济综合信息服务平台。“多技术”是指云计算、移动互联网、物联网、人工智能等相关信息技术。“多应用”是指包含了各类的智慧应用。“统一链”是指基于区块链的可信智慧城市信息生态，如图3所示。
图3. 智慧城市发展总体趋势图
2、新技术融合对智慧城市发展的影响
融合云计算、大数据、物联网、区块链、人工智能、移动互联网等新一代信息技术，以数据为核心，整合数据采集、分析挖掘、决策服务，形成一体化的创新与智慧模式。基于“智能应用(IS)，整合协同(IC)，互联赋能(CE)，持续演进(SE)”的战略思想，让智慧城市管理、监测、应急、执法和决策更加精准有效。新一代信息技术的融合创新应用为智慧城市建设提供全方位支持: 物联网实时采集城市各项数据; 移动互联网实现信息流和业务流的高度融合; 区块链为采集数据提供共享、验证、溯源机制，区块链和智能合约技术为大数据平台提供数据共享机制，区块链还能为大数据提供安全机制，提供数据的验证与溯源; 人工智能为采集提供智慧感知能力，人工智能助力智慧城市挖掘数据中深层次信息，促使形成以数据为驱动的城市运营和服务机制; 大数据挖掘与分析是城市管理与决策的基础; 数据中心的云化建设，提升数据中心海量数据的支撑能力; 云计算实现资源按需分配、按量计费，促进资源规模化、分工专业化、网络业务创新。
二、智慧城市主要领域的实践创新
智慧城市，既是人的聚集，也是产业的聚集、数字经济的载体。云计算、大数据、人工智能、区块链等新一代信息技术深度应用，新技术层出不穷、快速融合，使得构建智慧城市由可能变为现实。《中国“互联网+”指数报告( 2018) 》指出，2017年中国数字经济体量为26.7万亿元，较去年同期的22.77万亿元增长17.2%，显著高于同期GDP6.9%的增速，蓬勃的数字经济与开放的信息市场推动了智慧城市各领域的创新应用。新一代信息技术推动的智慧城市创新，主要涵盖智慧政务、智慧交通、智慧能源、智慧医疗、智慧物流、智慧环保等众多领域。
（一）智慧政务
1、政府服务现状与痛点
习近平总书记指出，要推进国家治理体系和治理能力现代化，也就是要依靠现代信息技术推动政府管理理念和社会治理模式进步，使政府服务科学化、便民化、智慧化。目前，各地政府都在积极推动智慧政务，取得了一些落地应用，但是其发展还存在以下几个问题: 一是信息化质量和业务协同效率不高，数据不连通。各级地方政府和部门采用的标准各不相同，业务内容单调重复，各应用系统单独规划，每个系统往往采用了不同的数据格式，运行在不同的平台，给彼此之间的数据交换、协同应用带来了障碍。二是运营成本高。记录和存储物联网的信息都会汇总到中央服务器，而目前数以亿计的节点将产生大量的数据，且未来这些信息将越来越多，这将导致数据中心不堪重负，难以进行计算和有效存储，运营成本极高。三是数据安全使用难度大。城市数字化进程中身份服务面临隐私泄露、身份欺诈以及碎片化等问题，给用户、设备和系统均带来极大的挑战。
2、新技术融合给政府服务带来的改变
新技术融合给政府服务带来的主要改变可以概括为以下几个方面: 一是促进城市基础设施等的互联互通。整合隐含的开放性容许不同项目间的数据流通，实现不同系统如道路、仓储、停车场等基础设施的互联互通。二是促进不同部门数据的集成共享。智慧城市改善底层数据及业务流程的一些共享层面的问题，包括数据的流通、提升数据质量、数据安全及数据隐私等。三是提升智慧城市运行效率。综合运用大数据、人工智能等智能决策技术，提升政府部门决策的科学性和有效性，促进资源的合理分配，降低智慧城市运行成本，从而提升城市运行效率。
3、智慧政务典型实践分析
（1）平安智慧政务的实践分析。中国平安集团利用“科技+ 数据+ 场景+ 服务”的综合优势，打造平安智慧政务一体化平台，整合城市规划、协同办公、分析决策、业务平台四大模块，全面助力提升政府智能化水平。面向政府提供可视化城市管理及大数据分析应用服务，包括辅助城市运营管理、指挥调度及监管可视化平台、专题数据分析、大数据舆情监控及风险预警等一系列服务功能。平安智慧政务解决方案包括三大平台、两大体系，如图4 所示。
（2）基于"云计算+大数据+人工智能"的城市数据大脑的实践分析。2016 年10 月，在云栖大会上，杭州向全球宣布启动城市数据大脑建设。根据《杭州市城市数据大脑规划》，除交通领域外，城市大脑还将深入医疗、平安、城管、旅游、环保等行业系统，建设智慧亚运，打造“移动办事之城”。该城市数据大脑是全国首个搭建在阿里云上、省市县三级采用一体化模式建设的网上政务服务平台。基于开放数据的智慧城市建设的实践分析，数据是城市的一种基础设施，政府数据是一种公共基础设施。城市即平台，政府即平台。截至2018 年上半年，我国已陆续上线46 个符合政府数据开放基本特征的地级市及以上平台，借助数字平台推动新型城市级数据经济的发展，进而促进城市建设的可持续性和包容性。其运营过程，如图5 所示。
（3）基于"大数据+ 物联网"等技术的智慧政务的实践分析。目前，新加坡已经建立起一个“以市民为中心”，市民、企业、政府合作的电子政府体系，市民和企业可随时随地参与到各项政府机构事务中。其建设先后过程为: 首先，以推进新加坡政府机构办公自动化为重点，引导、带动全社会信息化水平的提高。接着，实施“国家信息技术计划”，建成连接23个政府主要部门的计算机网络，逐步推进政府跨部门的行政业务流程实现自动化与集成化。然后，建立包含广泛公共服务的网络体系，推行融合政府资源的电子服务。最后，设计电子政务的主体框架和各个层面的具体应用，为用户提供最广泛的公共事务网上服务。
（二）智慧交通
1、交通行业现状与痛点
交通行业的现状不足体现在以下几个方面: 一是交通供需矛盾日益突出，交通拥堵。尽管近年来中国道路交通设施及管理设施有较大改观，但依然跟不上机动车增长速度。大多数城市路网结构不合理，道路系统不健全，交通管理设施缺乏。各地建立的交通控制中心，大多只是实现了监视功能，远没有发挥控制功能。二是交通污染、交通事故频发。交通事故频发、交通污染与噪声等问题，不仅给出行者造成时间上的延误、经济上的损失，降低城市交通效率进而影响经济运行效率，而且给整个社会造成了资源浪费、环境污染等一系列问题。三是停车难。老旧居住区在设计时未能充分考虑机动化发展的需求，新建小区对居民停车需求估计不足，老公共建筑公共停车位严重不足，新建公共建筑的地下停车库利用又不到位。另外，停车的信息化处理尚处于起步阶段，路内停车管理模式还不完善。
2、新技术融合给交通行业带来的改变
新技术融合给交通行业带来的主要改变可以概括为以下几个方面: 一是利用物联网搭建高度共享的智慧交通管控平台。利用物联网技术可以全面感知交通运输基础设施、交通运载工具的建设状况，通过动态数据采集分析、拥堵点精准治理、交通指挥统一调度，监控整个交通的运行情况。二是大数据+ 人工智能提高数据运用效率。利用大数据和人工智能结合，则可以充分挖掘和利用信息数据的价值，盘活现有数据，在此基础上进行应用、评价、决策，服务于交通部门的管理与决策。三是云计算+区块链实现数据存储安全及共享。云计算为各类交通数据的存储提供了新模式，结合区块链技术保证数据的安全真实性，打破“信息孤岛”，彻底实现信息资源共享、系统互联互通。
3、智慧交通典型实践分析
（1）百度地图智慧信号灯研判平台的实践分析。百度地图为北京市交管局定制了国内首个城市灯控路口路况监测平台，实现信号灯路口拥堵分钟级发现、实时报警、主动处理，优化城市道路使用效率。百度地图智慧交通信号先后过程为: 首先，监控评价，利用互联网的地图大数据，实现全面监控和信控路口通行能力的量化评价。然后，双向互通，平台直接与交警信号控制系统打通，将平台分析的实时结果，作为信号配对的参数实时影响信号灯的运行。最后是智慧信号灯，引入人工智能技术，实现局部最优到全局最优，能在运行过程中自动发现问题，并实时调控，实现全面的智慧控制。
（2）腾讯“互联网+ ”赋能智慧交通的实践分析。腾讯基于腾讯地图、微信、QQ 等移动大数据，有效掌握路面交通人流的实时情况，并基于机器学习对人流分布进行实时智能预测，从而形成智慧交通体系，形成一系列的社交热点图、城市热力图、城市街景、实时路况等，再者构建交通旅游大数据，可以处理旅客的出行分析、区域的热点分析、旅客住留时间统计，行为轨迹分析等，并且进行交通拥堵瓶颈分析，通过监测道路实时拥堵情况，结合道路摄像头，引入人工智能技术，可以预测异常拥堵的发生、识别挖掘拥堵的原因，为交警及时处理提供技术支持。
（3）滴滴智慧交通大脑的实践分析。2018 年，滴滴出行与交通部共同推出了智能城市交通管理解决方案“滴滴智慧交通大脑”，已被中国20 多个城市采用。通过AI 和云计算技术实现实时数据流，集成了滴滴强大的匿名流量数据以及来自当地政府和业务合作伙伴的数据资源，以此用于交通流量测量、智能交通信号、交通拥堵分析、安全驾驶分析、智慧信号灯、交通引导系统、潮汐车道和公交调度系统等。
（三）智慧环保
1、环保行业现状与痛点
环保行业的现状和不足体现在以下几个方面:一是环境潜在风险评价欠缺。现有环境监测系统不能精准阐明环境质量现状及其变化趋势，更无法精准评价环境潜在的风险。二是篡改、伪造环境监测数据时有发生。数据质量是环境监测工作的生命线，环保数据的真实性、综合性、长期性是环境监测最基本的要求。三是环境公益腐败现象普遍。环境公益机构接受的捐款难以追踪资金流向，官僚、腐败和低效率在慈善领域中普遍存在。四是环境监测数据信息孤岛现象明显。当前我国环保部门的应用系统由于大多是独立建设，在数据共享、业务协同方面缺乏统筹规划，导致重复建设、“信息孤岛”现象普遍。
2、新技术融合给环保行业带来的改变
新技术融合给环保行业带来的主要改变可以概括为以下几个方面: 一是基于物联网的生态环境全方位监测网络为智慧环保奠定基础。利用传感技术、视频监控技术、射频识别技术、全球定位技术进行各种数据和时间的实时测量、采集、事件收集、数据抓取和识别。二是区块链促进环保大数据的集成与共享。使用区块链跟踪生产过程中的“三废”和碳排放情况，可以防止公司和政府背弃其环境承诺或误报其进展，减少欺诈和数据伪造现象发生。区块链以其可信任性、安全性和不可篡改性，为环保大数据开放共享提供了有力保障。三是大数据驱动的智能决策技术促进生态环境综合决策科学化与监管精准化。针对环境数据的特征，结合大数据等技术，可以实现环保大数据的集成与高效管理，为政府、企业的环境监测与管理提供全面的决策支持，如区域环境质量的实时预警预报、环境政策效果的定量评估与优化、企业节能减排措施等。
3、智慧环保领域的研究成果
（1）城市群区域空气污染智慧协同治理。本研究团队从湖南省环境监测中心站采集了2013—2016年长株潭城市群23个监测点PM2.5、SO2、NOX、PM 10、O3等多项污染物约1000万条实时浓度监测数据和PM2.5组分析数据，结合由国家气象数据中心采集的同期地面气象观测数据、交通流量数据等400余万条多元异构数据，运用大数据分析技术与方法，以长株潭城市群为典型案例系统开展了城市群区域大气污染特征分析、PM2.5污染主要来源解析、城市群环境政策的空气质量改善效果模拟仿真、城市群区域大气环境污染实时预警系统构建、城市群区域空气污染总量控制策略研究等一系列研究。运用ArcGIS 地理信息系统，采用克里金插值算法、分歧系数法分析长株潭城市群PM2.5污染时空分布特征。采用美国环保署EPA PMF 5.0软件和受体模型，解析得到城市群区域PM2.5污染的主要来源因素及其贡献率。引入浓度权重轨迹分析法( CWT) 计算潜在源区气流轨迹权重浓度，进而反映不同空间轨迹的污染程度，进行区域PM2.5空间溯源分析，如图6所示。在此基础上，引入“总量控制区域”三维气象场( 空间维+ 时间维+ 要素维) 参数，搭建了“本土化”的WＲF － CMAQ空气质量模拟仿真平台，对长株潭区域不同的节能减排和环境污染治理政策控制情景下空气质量改善效果进行模拟仿真。
（2）湘江流域水环境的智慧管理。本研究团队多年致力于湘江流域环境治理研究，近年来更是借助智能水质自动监测和处理技术，采集分析了近10亿条湘江流域环境相关大数据，利用多源数据融合、环境评价、污染预测、决策支持等技术，构建了环境大数据分析应用的成套解决方案，包括基于D-S 理论的多源数据融合模型、基于证据推理和前景随机占优的水质综合评价方法、基于改进灰色神经网络的流域水质预测方法等。针对我国现有评价指标单一性、结果不精确性和同一类别水质的不可比性问题，创新提出了基于证据推理和前景随机占优准则的水质综合评价方法，实现了同一水质类别水体之间的优劣比较和全天候水质实时综合评估。在此基础上，基于环境大数据动态分析了湘江流域水质变化规律与主要污染源，预测了“十三五”期间水污染变化趋势，如图7所示，为流域精准治理政策提供了重要决策参考。
4、智慧环保典型实践分析
（1)环境监测“大气110”平台的实践分析。国家环境保护污染源监控工程技术中心使用“云链”技术开发“大气110”平台，融合应用区块链、物联网和大数据技术，专注于大气监测、生态大数据分析等公共服务，实现通过定位系统实时展示当地的空气状况、污染地图、污染排名、污染对比等信息。“大气110”平台具有多元化的数据源、丰富的数据产品，可以满足环保部门、科研院所、普通大众、企业、社会组织等的环保数据需求。
(2)金正环保污废水处理新模式的实践分析。国内领先的环保行业特种膜生产与新生水回用上市公司金正环保携手NW Blockchain Limited 公司推出NewBchain 项目，使用区块链、物联网和大数据技术革新目前污水处理行业商业模式和运营模式，面向全球打造创新性区块链污废水处理分布式经济业务生态。无论是项目创造者、参与者，还是消费者，都可以参与NewBchain，以投身到环境保护和污水治理中，并通过NewBchain获得消费、交易，管理自己的各种权益。通过这种方式，使得NewBchain每一环的参与者都得到激励，从而促进NewBchain 及水污染环境治理保护的发展。
(四）智慧能源
1、能源电力行业现状与痛点
能源电力行业的现状和不足体现在以下几个方面: 一是能源损耗大。建设大量输配电基础设施的成本和送电的损耗巨大，中心化电站和终端消费者之间的电力传输损耗占比9% 以上。二是稳定性、可靠性低。现有电网等基础设施存在由于可靠性问题而导致大量人口断电的风险，维护中心化电网的安全运行也需要相当的成本。三是负载平衡问题。传统中心化电网的用电负载存在明显的峰谷效应，对发电、输电、配电、储电等环节都提出了很高的要求。中心化的供电体系需要为负载平衡付出很多额外的努力。四是能源交易问题。我国已有很多分布式的可再生能源，但面临一些消纳和高效发展问题。例如安装了太阳能的用户多余的发电无法转让给其他用户，造成能源浪费。
2、新技术融合给能源电力行业带来的改变
新技术融合给能源电力行业带来的主要改变可以概括为以下几个方面: 一是减少损耗，更加安全高效。智慧城市融合物联网、大数据技术，构建去中心化的实时能源市场连接本地生产者和消费者，减少长程传输需求。以自产能源为基础、以电网调节为补充的去中心化用电模式，不仅更加绿色环保，而且有更高的安全可靠性。二是去中心化的能源交易模式为整个电网的负载平衡提供了更多解决方案。电网方面可以通过经济激励的方式( 如净量电价机制) 调动不同消费者自产能源的总量，从而更好地实现负载平衡。三是推动电力行业变革。智慧城市会驱动更多分布式电网基础设施。电网越是分布式的，就越是能更可靠、高效地匹配能源供需，包括但不限于发送实时报价信息和减少昂贵的输配电基础设施开支。
3、智慧能源典型实践分析
（1）华为油气数字生产解决方案的实践分析。
基于油气生产物联网，可以实时监控生产设施运行效率，通过大数据分析提供产量及最终采收率，优化生产管理方式与组织结构，提高工作效率、降低劳动强度，实现节能降耗与科学决策，最终助力实现油气的全面数字化和石油公司的数字化转型。
（2）崇明智能电网综合示范工程的实践分析。
崇明智能电网综合示范工程作为首批55 个“互联网+”智慧能源示范项目，该工程构建了可再生能源利用的三层能源架构。首先在输电层面，通过“风燃打捆”技术，实现了海上、陆上风电和大型燃机电厂等绿色清洁能源的协调控制。其次在配电层面，通过智能配电网建设，实现了风、光、生物质能和大型储能等分布式电源的友好接入和就地消纳。最后在用电层面，通过构建灵活可靠的智能用电系统，实现工业、商业、环岛电动汽车供能体系、生态农业、现代城镇家庭等客户与电网的友好互动，实现了可再生能源的高效利用。
（五）智慧医疗
1、医疗行业现状与痛点
近年来，为解决“看病难、看病贵”难题，各级政府与医疗机构大力提倡医疗信息化与分级诊疗，如电子健康记录和电子病历( EHＲ/EMＲ) 、其他医疗IT 系统( HIT) 或基础设施。尽管有这些数字化项目，目前实践中仍存在三大问题: 一是数据分散，真实性无法保障。不同医疗机构、不同的信息系统形成数据孤岛，难以实现以居民为中心的统一视图。二是数据不完整。如对高血压、糖尿病等常见慢性病病人和高危人群的膳食、行为习惯、心理健康等多方面管理和干预的日常健康数据都尚未被数字化，或是零散地分布在智能终端、可穿戴设备厂商的系统中。三是数据共享难。缺乏数据安全保障、隐私保护及数据所有权等规范机制，个人和数据拥有者不愿主动开放共享。
2、新技术融合给医疗行业带来的改变
新技术融合给医疗行业带来的主要改变可以概括为以下几个方面: 一是区块链的去中心化及时间戳，加强医疗信息系统的纠错和容错能力，实现数据防伪溯源; 运用其智能合约，有效保护病人隐私。如通过代码的开源和非开源结合联盟链、公有链、私有链的选择维护用户数据安全，并生成基于区块链的电子病历、检验报告等。二是人工智能和大数据的结合，有助于推动精准医学。人工智能方法能够预判人体从健康走向疾病的过程，了解我们的身体为什么会对不同的药物、病毒和环境做出反应，协助患者提前防范和医生诊断。三是云计算+物联网为后续医疗服务做好大数据支持。通过物联网不断从视频和音频设备实现对病患生理数据的监控与收集，结合云计算强大的数据存储、处理能力，能够为护理人员提供准确、及时、有效的数据信息。
3、智慧医疗典型实践分析
（1）杭州“互联网+ 智慧医疗”的实践分析。比如微信、APP “一键”诊救，缩短挂号候诊时间。杭州所有市属医院、县医院、社区卫生服务机构在诊疗过程中，线上的“智慧医疗”和线下的医疗服务进行有效连接，前者包括挂号、候诊、取报告和取药、医患互动等，后者包括问诊、检验、诊断、治疗。再者出院“床边”解决，减少付费“长龙”。杭州市属医院在办理患者出院过程中，提供楼层结算服务、推车床边服务、自助机服务、市民卡护士站结算，以及医生诊间功能多面化。通过智慧医疗系统，实现诊间结算、诊间检查预约、跨省转诊预约等功能。
（2）“宜健通”腾讯健康管家的实践分析。2018 年7 月31 日，宜昌市卫计委携手腾讯建立“宜健通”健康管家，提供从产检的实时智能提醒、记录胎儿发育数据，到儿童期的智能健康服务，再到成人后的健康自我管理，以及中老年人慢性病精准照顾的全生命周期医疗健康服务。此外，“宜健通”可以借助人工智能和大数据能力，分析潜在的疾病可能，提前预警疾病风险。当有就医需求， 宜健通”则提供一站式医疗服务，包括智能分诊、预约挂号、线上缴费、检验检查结果查询等。
（3）"人工智能+云计算"构建染色体智能分析云平台的实践分析。2018 年10 月29 日， 由光琇－ 自兴智能医疗联合实验室共同研发的人类染色体智能分析云平台—AICKS ( 爱氪思) 正式实现产品落地，其具备准( 自动识别准确率97%、报告准确率100%) 、快( 分析速度快、零基础人员培训周期短、上手快) 、低( 劳动强度低、综合成本低) 、云( 基于云平台，让AI 服务为全球附能) 等显著优势。在染色体核型分析这个领域，人类医生往往需要至少3 年至5 年的培训周期，而由“光琇－ 自兴智能医疗联合实验室”研发的人类染色体图像智能处理系统AICKS—学习了资深医生的大量经验，操作员只需经过2 个月的短期培训即可上手。在大大提高人类工作效率的同时，能有效解决医疗资源不足和配置不合理的问题，推动中国分级诊疗的落地。
（六）智慧物流
1、物流行业现状与痛点
物流行业的现状和不足体现在以下几个方面:一是传统物流业存在着信息不对称、数据共享困难。物流企业之间由于信息、资源、数据等多种元素的缺乏共享，各种资源未被充分利用，在一定程度上降低了全社会物流的流通效率。二是用户需求存在多样性、不确定性等特点。三是传统物流仓储成本高、效率低。传统的物流行业仓储依据拣货表单指示进行拣货作业。人视觉上的误差，一方面很容易造成拣货的错误，而且依单作搜寻，拣货速度与效率极其低。另一方面，从业人员需对储存环境与商品属性有一定的认知，需要的培训时间较长，耗费的人力、物资巨大。
2、新技术融合给物流行业带来的改变
新技术融合给物流行业带来的主要改变可以概括为以下几个方面: 一是利用区块链搭建高度共享的智慧物流平台。区块链技术能够极大促进互联网物流信息平台建设，提升平台安全性、保密性，建立平台社会公信力，解决现代货运物流平台中的交易信任问题，还可以帮助物流行业降低成本、提高效率。二是基于大数据实现物流个性化服务。在大数据时代背景下，通过打造物流数据应用平台，建立数据库，使用数据挖掘等技术筛选有效客户信息，并将信息共享给商务企业、仓储企业、第三方物流服务商等，使整个供应链能够根据信息对客户需求做出快速反应，更有针对性地开展个性化服务。三是运用人工智能创造现代仓储的智慧中枢。丰富的数据感知、人工智能算法决策和机器人系统组成了无人仓眼睛、大脑和四肢，面对大量货品的流动，进行有条不紊地冷静调配和操作，实现仓储设施与货物的实时跟踪、网络化管理以及库存信息的高度共享。
3、智慧物流典型实践分析
（1）智链通“智慧物流共享云平台”的实践分析。2018 年4 月，广州智链通科技有限公司创建全国“一站式物流共享智慧云平台”—智链通“智慧物流共享云平台”，开启区块链+ 智慧物流3. 0 时代。通过区块链的“流向可见”，加强货物运输、仓储的数据化管理，提高搬运、运输、装卸、仓储的效率。通过大数据环形计算提高快递物流行业中结算业务的处理速度。结合大数据+ 物联网有效解决物品追溯防伪问题，充分保证信息安全以及寄件人、收件人的隐私。
（2）"亚马逊－智慧物流体系"的实践分析。亚马逊在业内率先使用了大数据，利用人工智能和云技术开展仓储物流的管理，创新推出了预测性调拨、跨区域配送、跨国境配送等服务，并由此建立了全球跨境云仓。在亚马逊运营中心，亚马逊智能运营系统通过数据分析和算法优化“指挥”着成千上万台Kiva 机器人协同作业。在物流的计划和准备方面，亚马逊智能供应链系统则基于历史销售数据进行运算和分析，可以自动预测、自动采购、自动补货、自动分仓，自动根据客户需求调整库存精准发货，从而对海量商品库存进行自动化、精准化管理。
（3）"阿里菜鸟－智能物流数据协同平台"的实践分析。菜鸟作为物流数据协同平台，运用物流云平台、智能算法、大数据算法预测实现智能分仓、智能分单、智能布货、智能路由规划: 通过超级机器人仓群，大数据算法帮助商家合理备货，提供避免拥堵调控措施; 用数据连接各家物流企业，打通线上线下的供应链渠道; 采用多元化末端配送; 帮助商家实现一盘货运作，在全球化的趋势下，向世界提供中国的物流方案。
三、智慧城市建设面临的问题和对策
（一）智慧城市建设面临的问题——全球智慧城市建设差强人意
在智慧城市战略指数满分为100分的情况下，87个城市的平均分为37 分，只有19个城市得分超过50分。亚洲城市中，首尔排名第8，中国香港排名第11，如图8所示。
图4.平安智慧政务解决方案
图5.基于开放数据的智慧城市建设的运营过程
图6. 区域PM 2. 5潜在源区空间溯源分析
图7.湘江流经主要城市的重金属含量时间变化趋势
图8.智慧城市战略指数
1、智慧城市建设顶层设计不足
智慧城市是一项宏大的社会系统工程，如何在智慧城市建设中做到统筹考虑、共享协同，顶层设计和建设规划是关键。智慧城市建设顶层设计不足主要涵盖两个方面: 国家层面、地方层面。其中国家层面不足包括政出多门，缺乏战略性、系统性。从2012 年出台第一个《国家智慧城市试点暂行管理办法》到2017 年底《促进新一代人工智能产业发展三年行动计划( 2018—2020) 》，近20 项国家层面的智慧城市发展相关政策，涉及国务院、中央网信办、国家发改委、工信部、交通运输部、国家旅游局、国家标准委、国家测绘地理信息局等多个部门。现有政策关注领域多，战略性、系统性不足，大多针对智慧城市建设单一领域，缺乏宏观性。各部门针对各自领域( 如交通、旅游、人工智能、电子政务等) 的智慧项目建设提供了指导意见，但缺乏在全国层面就城市系统建设战略的科学顶层设计。地方层面在制度设计上则在社会参与、评价体系、延续性和科学性等几个方面仍存在不足: 现在大多数智慧城市建设，特别是顶层设计中往往忽略这种非政府主导的智慧城市建设。智慧城市建设是全面的城市升级改造工程，需要合理界定政府和市场的角色分工，深入构筑“政府+ 企业”商业模式，在做顶层设计中必须设计好智慧城市建设评价指标和政府各部门支持考核指标。智慧城市不是一蹴而就，而是一个动态建设、不断更新的建设工程，所以顶层设计就存在一个阶段性特性，在顶层设计中就必须对城市的智慧化科研活动进行规划。
现在许多城市顶层设计都是由某一机构编写完成，难免存在偏向自己擅长领域，而弱化城市特色和城市智慧化需要。与此同时，顶层规划和设计的科学与否缺乏足够支持。顶层设计中应当建立科学论证与行政审批相结合的决策机制，充分发挥专家的作用，强化专家评审的实质性和责任性，赋予科技更多的话语权。
2、智慧城市涉及的大数据不共享
数据共享是智慧城市的核心问题，不解决数据共享问题，就意味着智慧城市将走向失败。目前，智慧城市陷入僵局: 或者数据无法共享，或者共享的都是用处不大的死数据，离当初的“数据共享、业务协同”的理想相去甚远。主要体现在以下几个方面: 一是管理数据独立，开放意愿弱。城市有20 多个政府管理部门，各个部门所涉及的数据相对独立，且每个部门对于数据开放的意识、意愿、利益也有区别。二是信息系统不互通、数据格式不统一。各个部门之间的信息系统并不互通，数据存储、流通标准也不相同，解决方案繁杂。三是数据共享与隐私保护难统一。目前阻止数据共享的主要原因之一是隐私保护等方面的需求。
3、智慧城市缺乏标准化引领
标准不统一导致系统不兼容、难集成，这将大大限制智慧城市建设及应用。智慧城市建设涉及面广，导致智慧城市建设需要梳理甚至统一已有标准，统筹规划制定新标准。主要体现在两个方面:涉及面广，新标准短时间难以覆盖。由于智慧城市建设涉及行业广泛，包括制造、信息、生物等，涉及技术成熟度不同，包括成熟的、发展的、新兴的各种技术，建设目标和应用广泛多样，以及缺少统筹规划与顶层设计，标准难统一。标准不统一导致系统不兼容、难集成，如同一个路口的摄像头与红绿灯系统都无法互通，使得实时交通流量自动调节无从谈起。
4、智慧城市建设中的资源环境问题突出
智慧城市建设中的资源环境问题突出，主要包括以下三个方面: 一是城市矿产。我国600 多座大中型城市中，有2 /3 的城市陷入垃圾的包围中，有1 /4 的城市面临垃圾“无处可放”的窘境，而我国城市垃圾产量已超过4 亿吨。二是资源短缺。水、土地等资源的短缺限制了城市的发展，全球约有20%的人无法获得安全的饮用水，40%的人缺乏基本卫生设施。我国人均水资源拥有量2300 吨，为全球人均拥有量的1 /4。我国人均土地面积仅为0. 777 公顷，为世界人均土地资源量的1 /3。三是雾霾污染。美国雾霾治理花了60 年，日本花了30年，英国伦敦花了30 年。雾霾治理将成为我国智慧城市建设的长期任务。
5、智慧城市技术存在瓶颈
智慧城市的技术瓶颈表现在以下几个方面: 一是传感器技术瓶颈。如何推出更小、更强、更便宜的传感器? 智慧城市发展首要是大量布置各种传感器，既要微型化，同时要拥有相当的处理能力，还需要能耗低，然而这样小型高性能的传感器目前只能用于尖端的领域，尚无法大规模应用。二是通信网络技术瓶颈。智慧城市中很多的应用都将是无人干预的自动操作，其与人的通信行为有很大的不同。从规模上来看，可能要面对上千万乃至上亿的海量节点，规模将远超过原有的通信规模。三是平台处理技术的瓶颈。如何及时处理海量感知信息，是智慧城市发展面临的另一个技术瓶颈。随着智慧城市建设的深化，需要综合运用云计算等技术推进平台处理技术不断发展，解决海量数据的存储、归类、处理、检索需求才能打破这种局限。四是安全性技术瓶颈。如何应对更为复杂的物联网安全问题? 目前阶段，信息的安全问题其实并未引起足够的重视，安全问题是智慧城市发展中需要解决的关键问题之一。网络通信领域的长短板制约智慧城市的应用升级，如图9 所示。虽然中国网信领域总体水平位居世界第二位，但发展依然严重受制于美国。
6、智慧城市缺乏经济而成熟的解决方案
一方面，现有的解决方案系统兼容性不好，且成熟度不高，导致智慧城市建设成本高、效率低、体验有限。另一方面，缺少科学有效的智慧城市建设总体构架以及适用于不同类型城市所使用的运行模式。
7、智慧城市缺乏深度应用
当前，大多应用还停留在基础设施建设层面，面向城市应急指挥、管理决策、公众民生等方面的应用较为缺乏。根据相关部门对现有智慧城市做的定量评价工作，按满分100 分算，中国所有地级以上城市平均分只有58 分，70% 的城市都处在智慧城市建设的起步区和准备区。因此，中国目前仍没有一个标杆智慧城市。
（二）智慧城市建设问题对策
1、分层次制定政策规划、因地制宜设计建设方案
针对当前智慧城市建设顶层设计不足的问题，确定国家层面和地方层面不同的规划设计任务。其中国家层面的任务为: 确定智慧城市建设的国家战略，规划设计智慧城市建设总体目标、原则、标准等宏观策略。从宏观角度考量各个领域( 如交通、旅游、人工智能、电子政务等) 间的相互作用及影响，统筹设计智慧城市建设，构建智慧城市建设整体系统性的设计架构。地方层面的任务为: 建立权威的领导机构和统一的协调机制，在国家政策规划的基础上，根据每个城市特点，在摸清家底的基础上，开展针对性顶层设计与建设方案，综合制定社会目标、经济目标和民生目标。智慧城市建设是“一把手”工程，在做好顶层设计和整体规划的基础上，建立智慧城市运用中心和运营脑，组织实施，监督管理。
2、通过行政与技术手段加强数据共享
通过行政手段共享政务数据，解决政府管理部门公共数据的共享、融合; 通过技术手段解决敏感数据与私有数据的共享问题。主要体现为: 以法规突破公共数据共享壁垒。对于政务信息资源，“要以公开为常态，不公开为例外”，加大对公共数据的公开、共享与使用。对敏感数据进行脱敏处理。公安数据等敏感数据不宜对外开放，但在智慧城市中数据分析不具体针对个体信息，所以可通过数据脱敏有效防止个人数据、商业数据、安全数据等敏感数据的外泄，降低数据风险。利用区块链分离数据拥有权与使用权。数据的拥有权与使用权往往绑定在一起，成为数据共享的壁垒，如何在保护数据拥有者权利的基础上，盘活各数据仓库中的数字资产，让数据能够流通使用起来，成为智慧城市面临的问题。目前使用区块链和智能合约实现拥有权与使用权的分离。
3、设计标准总体框架，分阶段推进标准制定
智慧城市建设离不开标准化支持，智慧城市标准体系是城市变革的需要，亟需制定与更新相关技术与产业标准以指导新兴产业的规范运行与不同产业的跨界融合。标准化支持主要体现在以下几个方面: 一是建立我国智慧城市标准化总体推进组织和机制。尽快建立适于智慧城市建设特点的国家智慧城市标准化工作推进组织和机制，完善适于标准工作特点的协调、联络、沟通机制，发挥各有关利益方的积极性。二是以目标为引领，设计标准总体框架。以科学化、实用化、合理化为主旨，设计标准总体框架，满足智慧城市建设与管理的需要，确保智慧城市信息系统的建设有标准可遵循。三是注重既有标准的选择，分阶段推进标准的制定。智慧城市标准体系建设既是对已有标准的整合，也是对新兴产业技术以及管理标准的研究制定。要注重标准的成熟性和稳定性，分阶段制定标准。四是注重系统集成、行业交叉融合的相关标准。智慧城市是技术交叉与融合的载体，需尽快制定行业间相关标准，从技术上保障智慧城市的可持续建设，以实现智慧城市各功能信息系统的集成。
4、创新技术推动城市化进程
创新技术推动城市化进程。一方面大力推动感知技术的发展。推动传感器和无线传感网技术不断向着高性能、低能耗、微型化、低成本方向发展，为实现各种智慧城市应用提供丰富的想象空间，扩大智慧城市应用的范围。完善网络拓扑控制技术、多跳可靠数据交互技术、信道资源调度技术、物理层技术、协同计算与处理技术、分布式信息感知技术等。另一方面推动网络能力的增强。需要对通信网络的适应性进行研究，在现有网络的基础上，研究和开发适应和满足智慧城市通信特征的网络能力改进，以及与之相适应的通信网络运维体系。重点研发网络层业务特性管理机制、网络资源分配机制、网络性能优化机制、灵活的QOS 体系、灵活的网络安全能力、移动性管理机制等内容。
5、绿色先行，实现向绿色智慧城市的转变
要实现绿色智慧城市的转变，可以从以下几个方面着手: 秉持红线思维，建立城市绿色发展制度体系。以法律为保障，加强过程的制度管控，加强城市空气、水和土壤环境治理和资源能源消耗总量控制，提高资源能源利用效率和效益。创新引领，推动智慧环保发展壮大。以技术创新为突破口，综合大数据、人工智能、物联网、云计算等新一代信息技术，形成实时的、智能的、天空地一体化的智慧环保新模式。全民参与，构建智慧城市绿色治理体系。鼓励社会资本进入城市生态环保和社会服务市场，引导和扶持环保社会组织发育成长，支持市民对区域公共政策制定过程的参与和行政管理过程的参与，把握互联网时代特点，推进便捷、分享、互动、高效的电子治理模式。
6、扶持产业、试点先行、融合互通，建设智慧城市示范应用
建设智慧城市示范应该做到以下几点: 一是扶持相关产业，推动行业发展。需要推动相关产业的发展，扶持相关产业的同时各部门要综合考虑多种因素的制约，鼓励多部门、多行业、多企业成立联盟，协同推进。二是试点先行，完善解决方案。推动试点改变现状，在试点中摸索完善解决方案，包括数据的采集、开放、隐私保护、公众开放平台的建设、各部门之间的数据互通，以及智慧城市建设绩效评估方法。三是鼓励创新、提倡融合、深化应用。鼓励企业进行技术创新和商业模式探索，并充分考虑新技术、新模式推广可能造成的问题，避免概念炒作与泡沫。在智慧城市建设中，提倡应用领域的深化，同时也鼓励行业间的技术交流和融合，为智慧城市提供跨界融合的解决方案。
结论
智慧城市为人们描绘了美好城市生活的蓝图，但智慧城市目标的实现却任重道远，这需要我们抓住新一代信息技术革命的机遇，以新型城镇化建设为契机，不断完善顶层设计、推动数据共享、推进标准制定、融合技术创新、深化应用落地，才能变美好蓝图为美丽现实!
图9. 中国网信领域的长短板
参考文献
[1] V Albino, U Berardi, R M Dangelico (2015). Smart cities: Definitions, dimensions, performance, and initiatives. Journal of Urban Technology, 22(1): 3–21
DOI:10.1080/10630732.2014.942092
[2] S E Bibri, J Krogstie (2017). Smart sustainable cities of the future: An extensive interdisciplinary literature review. Sustainable Cities and Society, 31: 183–212
DOI:10.1016/j.scs.2017.02.016
[3] S P Caird, S H Hallett (2019). Towards evaluation design for smart city development. Journal of Urban Design, 24(2): 188–209
DOI:10.1080/13574809.2018.1469402
[4] J S Cardoso, M J Cardoso (2007). Towards an intelligent medical system for the aesthetic evaluation of breast cancer conservative treatment. Artificial Intelligence in Medicine, 40(2): 115–126
DOI:10.1016/j.artmed.2007.02.007 PMID:17420117
[5] G Q Chen, G Wu, Y D Gu, B J Lu, Q Wei (2018a). The challenges for big data driven research and applications in the context of managerial decision-making: Paradigm shift and research directions. Journal of Management Sciences in China, 21(7): 1–10 (in Chinese)
[6] X H Chen, G D Yi, J Liu, X Liu, Y Chen (2018b). Evaluating economic growth, industrial structure, and water quality of the Xiangjiang River Basin in China based on a spatial econometric approach. International Journal of Environmental Research and Public Health, 15(10): 2095–2112
DOI:10.3390/ijerph15102095 PMID:30257427
[7] D J Cook (2012). How smart is your home? Science, 335(6076): 1579–1581
DOI:10.1126/science.1217640 PMID:22461596
[8] R Cowley, S Joss, Y Dayot (2018). The smart city and its publics: Insights from across six UK cities. Urban Research & Practice, 11(1): 53–77
[9] X L Diao (2015). “Internet+” promotes the transformation and upgrading of smart city construction. Communications World, (11): 23 (in Chinese)
[10] B Hammi, R Khatoun, S Zeadally, A Fayad, L Khoukhi (2018). IoT technologies for smart cities. IET Networks, 7(1): 1–13
DOI:10.1049/iet-net.2017.0163
[11] A Q Huang, M L Crow, G T Heydt, J P Zheng, S J Dale (2011). The future renewable electric energy delivery and management (FREEDM) system: The energy internet. Proceedings of the IEEE, 99(1): 133–148
DOI:10.1109/JPROC.2010.2081330
[12] M Joshi, A Vaidya, M Deshmukh (2018). Sustainable transport solutions for the concept of smart city. In: Gautam A, De S, Dhar A, Gupta J, Pandey A, eds. Sustainable Energy and Transportation. Energy, Environment, and Sustainability. Singapore: Springer, 21–42
[13] J C Kenneth, A S William (1994). Vignettes: Medical wisdom. Science, 265(5175): 1115
DOI:10.1126/science.265.5175.1115 PMID:17832907
[14] R K R Kummitha, N Crutzen (2017). How do we understand smart cities? An evolutionary perspective. Cities, 67: 43–52
DOI:10.1016/j.cities.2017.04.010
[15] J H Lee, R Phaal, S H Lee (2013). An integrated service-device-technology roadmap for smart city development. Technological Forecasting and Social Change, 80(2): 286–306
DOI:10.1016/j.techfore.2012.09.020
[16] J W Li, D A Gan (2001). The connotation, task and countermeasures of building digital city. China Industrial Economy, (10): 53–59 (in Chinese)
[17] M Manousakas, H Papaefthymiou, E Diapouli, A Migliori, A G Karydas, I Bogdanovic-Radovic, K Eleftheriadis (2017). Assessment of PM2.5 sources and their corresponding level of uncertainty in a coastal urban area using EPA PMF 5.0 enhanced diagnostics. Science of the Total Environment, 574: 155–164
[18] K A Mogaji, H S Lim, K Abdullah (2015). Regional prediction of groundwater potential mapping in a multifaceted geology terrain using GIS-based Dempster–Shafer model. Arabian Journal of Geosciences, 8(5): 3235–3258
[19] M Mohammadi, A Al-Fuqaha (2018). Enabling cognitive smart cities using big data and machine learning: Approaches and challenges. IEEE Communications Magazine, 56(2): 94–101
DOI:10.1109/MCOM.2018.1700298
[20] B Ning (2018). A number of scientific and technical problems in intelligent transportation. SCIENTIA SINICA Informationis, 48(9): 1264–1269 (in Chinese)
DOI:10.1360/N112018-00080
[21] M O’Grady, G O’Hare (2012). How smart is your city? Science, 335(6076): 1581–1582
DOI:10.1126/science.1217637 PMID:22461597
[22] Y Q Qi (2016). Research on Smart City Evaluation Algorithm Based on Analytic Hierarchy Process. Dissertation for the Master Degree. Beijing: Beijing University of Technology (in Chinese)
[23] K E Skouby, P Lynggaard (2014). Smart home and smart city solutions enabled by 5G, IoT, AAI and CoT services. In: 2014 International Conference on Contemporary Computing and Informatics (IC3I). Mysore: IEEE, 874–878
[24] J T D Souza, A C D Francisco, C M Piekarski, G F D Prado (2019). Data mining and machine learning to promote smart cities: A systematic review from 2000 to 2018. Sustainability, 11(4): 1077–1090
DOI:10.3390/su11041077
[25] Q Y Sun, L Q Yang, H G Zhang (2018). Smart energy—Applications and prospects of artificial intelligence technology in power system. Control and Decision, 33(5): 938–949 (in Chinese)
[26] X B Tang, X H Chen, Y Tian (2017). Chemical composition and source apportionment of PM2.5—A case study from one year continuous sampling in the Chang-Zhu-Tan urban agglomeration. Atmospheric Pollution Research, 8(5): 885–899
DOI:10.1016/j.apr.2017.02.004
[27] Tencent Research Institute (2018). The 2018 China “Internet+” Index Report. Available at: new.qq.com/omn/20190101/20190101A08H D5.html
[28] E P Trindade, M P F Hinnig, E Moreira da Costa, J S Marques, R C Bastos, T Yigitcanlar (2017). Sustainable development of smart cities: A systematic review of the literature. Journal of Open Innovation: Technology, Market, and Complexity, 3(1): 11–24
DOI:10.1186/s40852-017-0063-2
[29] R Y Wang, Q Liang, G Q Li (2018). Virtual agglomeration: A new form of the spatial agglomeration under the deep integration of a new generation of information technology and the real economy. Management World, 34(2): 13–21 (in Chinese)
[30] S Yamamura, L Y Fan, Y Suzuki (2017). Assessment of urban energy performance through integration of BIM and GIS for smart city planning. Procedia Engineering, 180: 1462–1472
DOI:10.1016/j.proeng.2017.04.309
[31] J Zawieska, J Pieriegud (2018). Smart city as a tool for sustainable mobility and transport decarbonisation. Transport Policy, 63: 39–50
DOI:10.1016/j.tranpol.2017.11.004
[32] P Zhang (2005). Practice of foreign water resources management and its reference to China. Zhihuai, 27(3): 6–7 (in Chinese)
作者简介
陈晓红，中国工程院院士，管理科学及工程管理专家，湖南工商大学校长，中南大学商学院名誉院长，教授、博士生导师，全国政协委员。
长期致力于决策理论与决策支持系统、大数据分析、中小企业融资、“两型”社会与生态文明等领域研究工作，创立了“集成动态智能量化”工程管理理论和方法体系，构建出“两型标准”等系列绿色工程标准，提出绿色工程协同管理新模式，研制出环境大数据分析决策技术与平台，为国家管理与决策科学发展、资源高效绿色开发与环境精准治理做出了杰出贡献。
作为第一完成人获国家科技进步二等奖、教育部人文社会科学优秀成果一等奖、中国高校科学技术一等奖、湖南省科技进步一等奖等国家级和省部级科研奖励14项，获国家教学成果二等奖2项。在国际权威期刊发表SCI/SSCI学术论文300余篇，其中ESI前1%高被引论文60余篇，2018-2019年连续两次入选“全球高被引科学家”，出版专著18部，获国家发明专利21项、软件著作权22项，培养了许多优秀的博、硕士研究生。
