13、智能城市的技术框架：从决策到执行

智能城市的技术框架：从决策到执行

1. 预测与实时优化的协同

在智能城市的建设中，预测与实时优化的协同起着关键作用。通过对大量数据特征以及预测规模的考量，预测结果会被纳入决策过程。决策过程会针对任意时间点的预测需求或供应进行优化，同时还能实时监控资源使用情况。若当前需求与预测需求不同，资源分配算法会实时调整，以适应新的需求模式。

这种协同在智能城市中有诸多应用实例：
- 需求侧能源管理 ：根据能源需求的预测，优化能源分配，提高能源利用效率。
- 城市交通控制 ：通过预测交通流量，调整交通信号灯的时长，实现交通的顺畅流动。

2. 城市规模的决策制定

城市规模的决策制定需要多目标优化和对大量异构、地理分散实体的协调。这基于给定资源的历史、当前和预测的供需信息。以城市交通控制优化为例，交通信号灯不仅要优化自身的局部吞吐量、等待时间，还要优先考虑公共车辆和行人请求。同时，它们需要与上下游路口协调，以实现车辆的稳定流动，形成所谓的“绿波带”，确保全市交通的优化。

城市资源的供应和需求在不同时间和空间上存在差异：
- 供应差异 ：道路空间的供应在一天中（如高峰时段对私家车的限制、事故导致的道路封闭）或不同日期（如道路维护）会有所不同。
- 需求差异 ：道路网络的需求在一天中（如高峰时段与夜间）、不同日期（如周末与工作日）或根据天气和季节（如雨天需求增加）也会有所不同。

为解决大规模异构系统优化的各种要求和约束，人们正在研究多种算法。这些算法