Resumen

Con el diseño y el desarrollo de las ciudades inteligentes surgen actualmente tanto oportunidades como retos. Para ello, es necesario obtener muchos datos. Sin embargo, las circunstancias varían en las distintas ciudades debido a las diferentes infraestructuras y poblaciones, lo que conduce a la escasez de datos. En este trabajo, proponemos un método de aprendizaje de transferencia para el análisis de los desastres causados por los anegamientos urbanos, que proporciona la base para que los organismos de gestión del tráfico generen estrategias proactivas de operación del tráfico con el fin de aliviar la congestión. Los trabajos existentes sobre los anegamientos urbanos se basan principalmente en las condiciones pasadas y actuales, así como en los sensores y las cámaras, mientras que puede que no haya un número suficiente de sensores para cubrir las zonas relevantes de una ciudad. Para ello, sería útil poder trasladar los anegamientos. Examinamos si es posible utilizar la abundante información de las redes sociales y los datos por satélite para mejorar el análisis de los anegamientos urbanos. Además, analizamos la correlación entre la gravedad, las redes de carreteras, el terreno y las precipitaciones. Además, utilizamos un método de aprendizaje discriminante multivista para transferir el conocimiento a las ciudades pequeñas. Los resultados experimentales con ciudades de China e India muestran que nuestro marco propuesto es eficaz.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:métodos de aprendizaje de transferencia, análisis de anegamiento urbano, operaciones de tráfico proactivas, agencia de gestión del tráfico, estrategia de operaciones de tráfico, cantidad de información, número de sensores, muchos datos, número suficiente, medios sociales
• Keywords:transfer learning methods, urban waterlogging analysis, proactive traffic operations, traffic management agency, traffic operations strategy, amount of information, number of sensor, lot of data, sufficient number, social media