共查询到19条相似文献，搜索用时 125 毫秒
1.
2.
3.
我国城镇化在持续高速发展数十年后,城市系统慢慢形成了规模庞大的老旧社区。老旧社区总体智慧化水平较低,与居民智慧便捷的生活需求相矛盾。因此亟须一些合理的方案提升老旧社区的智慧化水平,从而更好地服务于社区居民,进一步推动城市的智慧化建设与发展。本文以广州市三眼井社区为例,介绍了老旧社区智慧化改造的关键技术,如CIM、5G、云计算、人工智能技术等,提出了切实可行的老旧社区改造建设方案,包括社区服务、智慧安防、智能基础设施、公共信息安全、智能居家养老等,为智慧城市建设中的老旧社区智慧化改造提供了有价值的参考。 相似文献
4.
基于移动GIS的北京市智慧社区研究与实现 总被引：1，自引：0，他引：1
《地理空间信息》2017,(4)
智慧社区是智慧城市建设的基本构成单元。针对目前社区物业服务手段单一匮乏、政府收集信息不全面存在盲区,以及社区居民生活服务信息化程度较低等问题,研究了有关智慧社区移动服务系统开发的原理、系统构架以及关键技术,研发出了基于智能移动终端、移动地理信息系统和移动物联网等技术的智慧社区移动服务系统。实践表明,系统在物业管理、生活服务、社区资源获取等方面获得了较好的应用效果。 相似文献
5.
指出智慧城市=数字城市+物联网+云计算+智慧应用,智慧应用是智慧城市的落脚点。分析总结了智慧城市与数字城市相比的3个共同点和5个不同点,提出了智慧应用与数字应用的区别,并指出物联网、云计算、二三维一体化GIS技术、移动GIS技术是当前智慧城市建设的4大技术特征。文中还介绍了Supermap两个中心(云服务中心和城市运行管理中心)+n个应用的智慧城市务实解决方案。 相似文献
6.
7.
在全国智慧社区建设的大背景下,智慧停车成为智慧社区建设的重要内容。当前社区停车管理智慧化程度普遍较低,其主要根源在于未形成物联网数据、调度指挥数据等资源的动态整合利用。本文面向社区停车管理智慧化需求,针对停车功能分散、可视化能力不足、数据资源差异大等问题,通过研究智慧停车场景及相关数据流,提出了智慧停车多模态数据动态融合框架,并在社区进行落地应用,解决了停车过程中的实际问题,满足了多模态数据融合技术在社区停车场景中的拓展及智慧停车建设继续深入的需要,提升了城市停车管理的科学化、智能化水平。 相似文献
8.
9.
从智慧城市的概念和发展历程出发,提出数字城市、物联网、云计算等智慧城市建设的关键技术,探讨了高分辨率对地观测技术在智慧城市建设中的应用,列举了智慧城市的典型应用,指出了从数字城市发展到智慧城市的必然趋势,并展望智慧城市的挑战和美好前景。 相似文献
10.
针对智慧社区建设实际需求,分析研究了智慧社区建设的特点和内容,提出了面向管理与服务的智慧社区建设总体架构。本文从社区安保、地下管网、部件采集、房产人员管理、物业管理等方面阐述了智慧社区综合信息管理平台的关键技术,为后续开展智慧城市的建设提供参考技术支撑服务。 相似文献
11.
云计算是网格计算及分布式计算、并行计算发展到一定阶段后衍生出来的,是这些计算方法的商业实现。云计算是一种新型的计算模型,其基础体系结构属于云计算的技术层次,主要说明系统属性和设计思想;云计算的服务集合源于服务类型,说明能带给客户什么。云计算的核心技术有数据存储技术、数据管理技术、编程模型和云安全。云计算在地理信息工程和地理空间信息网格计算中有着广泛的应用前景。 相似文献
12.
随着5G/6G、云计算、物联网和人工智能等新技术的发展,人类已经进入了万物互联时代。本文探讨万物互联时代地球空间信息技术的五大特点：定位技术从GNSS和地面测量走向无所不在的定位导航定时（PNT）服务体系;遥感技术从孤立的遥感卫星走向空天地传感网络;地理信息服务从地图数据库为主走向真三维实景和数字孪生;3S集成从移动测量发展到智能机器人服务;学科研究范围从对地观测走向物联监测和对人类活动的感知。笔者基于这些特点进一步剖析新时代面临的挑战,并提出新时代地球空间信息学发展亟待解决的三大科学技术问题：测绘学科如何服务人与机器人的共同需求？遥感影像解译的机理是什么和如何突破实现技术的瓶颈？如何利用时空大数据挖掘人与自然的关系,从空间感知走向空间认知？万物互联时代的地球空间信息学,必须且完全可能为万物互联的数字地球和智慧社会做出更大的贡献！ 相似文献
13.
GIS系统因其与生俱来的空间属性,正面临着数据密集、计算密集、高并发、海量时空数据运算等挑战.云计算具有资源池化、弹性伸缩、按需使用等优势,可实现更高性能、更高并发的应用,从而协助解决GIS面临的问题.本文提出了基于云端一体化技术体系的GIS系统架构,包括集约化的GIS云、多样化的GIS端,以及云端互联的GIS系统三个部分.集约化的GIS云平台集成了高性能跨平台、智能集群、并行切图、并行空间分析等技术,可集约利用云计算资源,并提供高效的GIS服务.多样化的GIS端集成桌面、Web移动端技术,可构建跨多端设备的GIS应用.云端互联的一体化系统通过云端一体化、云端协同技术,实现云端之间高效互联、协同工作的GIS应用模式.云端一体化GIS系统致力于让GIS充分利用云计算的优势,应对大数据时代的数据密级、计算密集等挑战. 相似文献
14.
15.
16.
17.
测绘学科已经完成由数字化测绘向信息化测绘的跨越。近年来，人工智能引发的智能化测绘模式正逐渐蔓延，给测绘地理信息产业带来了新的挑战。智能测绘硬件装备的发展是推动测绘科技变革的根本动力之一。首先介绍了智能测绘硬件装备的背景及发展现状，然后提出构建云端智能测绘技术体系，指出基于智能硬件+云+智能算法+大数据等，架构云端智能测绘技术，提出云端虚拟测绘装备、行业服务测绘引擎两个概念。在行业服务测绘引擎的支持下，构建云端智能测绘技术体系。可以预见，测绘科技的新变革最终将导致测绘科技基本形态的变革，主要表现为内外业颠覆、专业测绘泛化、数据产品转向服务的趋势。最后，对智能测绘科技下高等教育教学内容、教学模式、从业人员要求、教育改革4个方面进行了分析思考。总体来讲，测绘科学领域的认知理论、智能硬件、物联技术以及云服务技术等正逐渐形成系统的领域应用理论与技术体系，测绘地理信息学科将随着人工智能的潮流完成新一轮的转型和发展。 相似文献
18.
在地理空间框架升级为时空信息云平台过程中,不仅面临着信息量、支撑技术和应用模式的提档升级,还面临着数据组织模式、管理模式以及应用模式等方面的挑战。在综合考虑人类认知、云计算特征以及地理空间框架现状的基础上,本文提出了时空实体对象化模型,依托行为与事件,实现几何、属性以及时态的一体化建模,并探讨了以地名地址为实体单元的地理空间框架实体化重构步骤,以期更好地满足云环境下的存储、管理以及服务要求。 相似文献
19.
《International Journal of Digital Earth》2013,6(1):13-53
ABSTRACTBig Data has emerged in the past few years as a new paradigm providing abundant data and opportunities to improve and/or enable research and decision-support applications with unprecedented value for digital earth applications including business, sciences and engineering. At the same time, Big Data presents challenges for digital earth to store, transport, process, mine and serve the data. Cloud computing provides fundamental support to address the challenges with shared computing resources including computing, storage, networking and analytical software; the application of these resources has fostered impressive Big Data advancements. This paper surveys the two frontiers – Big Data and cloud computing – and reviews the advantages and consequences of utilizing cloud computing to tackling Big Data in the digital earth and relevant science domains. From the aspects of a general introduction, sources, challenges, technology status and research opportunities, the following observations are offered: (i) cloud computing and Big Data enable science discoveries and application developments; (ii) cloud computing provides major solutions for Big Data; (iii) Big Data, spatiotemporal thinking and various application domains drive the advancement of cloud computing and relevant technologies with new requirements; (iv) intrinsic spatiotemporal principles of Big Data and geospatial sciences provide the source for finding technical and theoretical solutions to optimize cloud computing and processing Big Data; (v) open availability of Big Data and processing capability pose social challenges of geospatial significance and (vi) a weave of innovations is transforming Big Data into geospatial research, engineering and business values. This review introduces future innovations and a research agenda for cloud computing supporting the transformation of the volume, velocity, variety and veracity into values of Big Data for local to global digital earth science and applications. 相似文献