人工智能的应用在GIS /毫升

城市化是一个基本的问题本质上与社会的发展,近几十年来一直假设越来越重要。智能城市的发展是至关重要的教育和研究领域,创造就业机会,改善医疗服务,使环境更干净。不明智的计划可能导致不可持续的城市化和构成阻碍社会的发展和技术支撑服务提供给公民。这一研究主题是开放的贡献,是创新的解决方案的一部分,在人工智能领域的应用于智能城市,目的是提供新的有效的工具来解决城市发展的挑战。

在这种情况下,它是非常重要的开发技术解决方案,帮助城市利用可用资源的有效途径,改善的管理信息和分享不同的演员之一。特别是,智能城市相关技术有潜力增加城市发展的可持续性,合理化成本和改善服务,减少排放和水的消耗,减少旅行时间。最大的兴趣是物联网的一个地区,它集成了移动技术(例如,应用程序提供实时信息公共交通延误,GIS系统,提供最短的路线到目的地)。其他可能的应用程序感兴趣的可能是系统跟踪空气污染,能源成本管理需求的函数,用于监控和管理卫星数据的物理参数。所有这些技术有能力增加,和维持经济增长,从而提高公民的生活水平,使越来越多的发展高效、低成本的服务。

另一方面,在城市环境中生成的数据的指数增长需要有效的分析工具。在这方面,城市治理可以受益于机器学习工具的应用。人工智能可以做出重大贡献,提供实时预测和分析工具,可用在一个广泛的上下文(例如,预测城市发展从卫星图像映射土地覆盖和使用)。今天的日益强大和方便的云计算资源为研究人员提供强大且灵活的数据分析工具和智能建模、和容易的创建可伸缩的、快速、准确的服务。

智能技术能帮助收集各种类型的数据(如地理、交通和天气数据),可以用来监控和管理城市环境,改善决策,同时提供有用的见解和建议,目的是使城市更可持续。

我们欢迎报纸关注下列主题的利益(但不限于):

——位置情报在云中
——空间预测和插值技术
——深度学习GIS图像解释
——位置智能应用程序的方法和工具
——机器学习城市增长预测和规划
——天气/交通/空气污染物预测
——人工智能检测的地形特点和densely-distributed建筑足迹
——提取地理信息从非结构化的文本数据
——分析的实时交通摄像机和其他传感器所收集的信息
——机器学习对社会感知的地理数据
——地理对象的图像分析与遥感
——地理空间推荐系统
——图像分类和场景分割为报警系统
——Geo-enrichment技术
——深度学习和强化学习地理知识图表
——空间显式GeoAI机器学习方法和模型
——GeoAI地理图像分析
——GeoAI资源和基础设施
——图像采集与自动标签注释
预处理的卫星图像边缘/地面
——地理空间数据的时间序列分析
——地理知识发现的技术
——分析标记了众包数据
- ML地球科学和可持续性
——空间表示学习和深度时空数据的神经网络
——深度学习灾难反应的方法
——(可辩解的)XGeoAI工具和方法
——多通道融合学习的地理数据集
——GeoAI流动性和交通数据分析的方法
——结构化和半结构化信息的空间分析和处理
——地理空间数据合并

关键字:GIS位置智能,空间预测、空间插值,对象检测、地理空间AI, GeoAI,智能城市,遥感图像分类

重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。