电子商务环境下能源服务城市集散地深度学习布局与路径优化

摘要

本文采用理论研究与实证分析相结合的研究方法。首先介绍了电子商务背景下能源服务城市配送网点的相关理论，然后介绍了能源服务城市配送网点的类型和能源服务城市配送系统的组成。研究了服务型城市配电网点的网络布局以及模型的定位目标、原则和过程，确定了能源服务型城市配电系统的网络布局方案。本文充分考虑能源服务城市配送网点网络运行模式的特点，建立了同时配送服务模式下系统总成本最低的配送中心选址和车辆路径优化模型;在分层求解策略的基础上，设计了一种结合深度学习的算法。算法主要包括两阶段混合启发式聚类分析算法、最大覆盖算法和遗传算法;通过数据仿真对模型和算法进行了仿真分析，验证了模型和算法的有效性，最终得到了配送中心选址和路径的综合优化方案，并通过结果的扩展分析提出了运营策略。本文研究了电子商务环境下基于网络布局规划的能源服务城市配送系统规划模型，旨在促进城市智慧物流的突破性发展，证明能源服务城市配送站网络布局规划的重要性。研究的目的和成果是为了减轻交通和环境压力，实现联合直接配送，提高城市物流配送效率，解决城市的最后一公里问题。

1.介绍

电子商务的快速发展带来了人们消费习惯的改变，同时也造成了大量的城市物流负担，人均道路面积处于相对较低的水平。公路货物运输使得公路载重问题更加严重。据统计，市区道路上60%以上的车辆用于运输货物[1- - - - - -4］．在城市交通和发展中，货物运输起着重要的作用[5］．它可以促进城市经济的增长，保证城市之间商品的流通和日常用品的供应。同时，货运也给城市带来了许多负面影响，如交通拥堵、环境污染等问题[6］．城市货物运输的良好运行可以极大地促进城市的发展，但如果由此产生的问题不加以重视和解决，货运系统的混乱也会阻碍城市的发展[7］．因此，要解决城市交通拥堵问题，优化城市货物运输系统至关重要[8］．为了缓解城市交通压力，缓解城市资源矛盾，提高城市物流的质量和效率，国内外许多学者对解决城市货物运输问题，促进城市交通健康发展，寻找一条适合未来货运物流发展的新道路进行了研究和探索[9］．

基于管道技术的舱室地下物流系统概念模型的相关研究比较广泛，主要集中在利用气囊作为货物交付的手段，研究运输车辆和管道的设计[10］．Wiig建立了电磁舱管道输送实验模型，并对实际运行参数进行了分析[11];Raven分析了PCP在日本应用的经验和未来的发展趋势[12];Verrest和Pfeffer分析了舱室管道运输在英国和欧洲的应用情况和发展经验，详细分析了舱室管道运输的优缺点[13］．此外，还有地下物流系统的车辆概念模型，如CargoCap，一般由电力驱动[14］．部分地下物流系统是利用完善的城市地铁系统实现的[15］．它是一个地下城市货运概念模型。采用旅客与货物在同一列车上、不同车厢上的操作方式，通过与地面站的连接将货物送达终点站[16］．Eckhoff和Wagner提出利用地铁来实现货运的潜力，并进行了实际的尝试[17］．Sandulli等分析了城市地铁货运的可行性及存在的问题，提出了基于地铁运输的城市物流概念[18］．Rossi提出了地铁联合地下物流系统的概念模型[19］．对设计的各种因素进行分析，提出了计算模型和路线规划[20.］．

国内LRP研究起步较晚，主要研究成果集中在近十年。Sookhak等首先总结了国外LRP优化问题的研究现状，提出了该问题的建模和算法要求，并给出了未来的研究方向[21］．基于外国学者的研究，国内研究考虑了更现实的约束与不同的应用场景相结合，并寻求解决算法的突破。该模型更接近现实，算法更有效。厨房和其他公司设计了物流风险的回应框架，通过分析了国内外公司进行物流风险预警和响应措施所采取的措施[22］．王某和其他人使用Stackelberg的对策模型分析了协作和内化风险厌副供应链的问题，并测量了供应链的总体风险厌厌系数如何影响其返回和其相对程度的影响[23］．Vu和Hartley对企业战略联盟的经营风险进行分析，确定其风险评价指标，并结合F-AHP法确定其指标权重，以便企业根据自身情况做出规避风险的相关决策。战略联盟实现双赢[24］．

通过识别和确定电子商务环境下能源服务城市配电网运营风险，将能源服务城市配电网不同运营风险的相关因素添加到其博弈行为中，并存在对能源服务城市配电网的惩罚机制。其次，对能源服务城市配电网企业成员的稳定平衡状态进行深入分析。本文基于能源服务城市配电网的网络结构和运行模式，利用运营研究的整数规划模型和图论将LRP抽象为一个复杂网络，并将能源服务城市配电网的组成对象抽象为节点。将车辆运输线路抽象为一条边，建立了一个问题模型，研究了时间窗和容量约束下的选址和配送系统集成决策问题。全文研究是在系统整体优化的思路下进行的。

2.能源服务城市分销站点模型建设

2．1．电子商务环境下能源服务城市配电网指标体系的建立

评价指标体系是根据评价对象的特点和评价者的目的，结合实际情况和理论经验，形成一定层次的指标体系逻辑结构[25］．评价指标体系应有机结合专家意见、评价目的和评价方法。能源服务城市配送中心的选址是能源服务城市配送系统网络布局的关键环节。本章的主要研究内容是综合评价影响地下物流系统选址的因素，制定科学可行的评价指标体系，并运用熵权法和灰色理想关联法对其进行分析。指标体系应兼顾可操作性和科学性;在评价结果上，要保证能反映被评价对象的本质特征;评价数据来源应真实可靠。总的来说，应遵循以下原则:(1）精度．评价指标定义准确，数据来源可靠准确。指标之间没有交叉重叠，避免交叉重叠存在重大遗漏。只有保证指标本身的准确性和数据源的准确性，才能真正满足准确性的要求。（2）可靠性．建立能源服务城市配电网中心指标体系时，应确保参考资料来源可靠，信息真实，不得弄虚作假。只有这样才能保证客观、公正的评价，为以后的管理工作提供可靠的依据。这些指标能够真实反映能源服务城市配送中心建设的统计内容，客观反映项目建设的真实状况和后续效益。（3）代表性与差异性的结合。指标的选取能够较好地反映能源服务城市配电网选址需要考虑的影响因素。指标应体现鲜明的特点，突出两者之间的差异，具有可比性。（4）科学与实用相结合．设计指标体系首先要遵循科学依据和基本理论，符合客观规律。但在此基础上，应考虑实际工程建设的特点、数据采集的难度、统计的难度。如果指标是科学的，但不能在具体工作中实施，这些指标就没有意义。（5）质量和数量的结合．一些实际问题可以通过收集具体的数据和计算来评估，但有些问题无法量化衡量。这些问题不容忽视，不能通过具体计算来评价的问题，应定性评价。常用的方法是德尔菲法。（6）全面性与重要性相结合．索引系统应全面反映问题，并根据来自不同角度的某些逻辑设计指示器评估地下物流节点中心的位置。与此同时，太多指标会增加工作量并导致不必要的麻烦。因此，解决方案是将代表性和重要性组合，并且可以正确忽略不必要的指标以降低评估工作的成本，并且可以更好地突出所评估对象的特征。

源服务城市配送系统是一种新型的物流概念系统。在源服务城市配电系统网络节点选址过程中，需要考虑很多因素。在建立源服务城市布局系统节点评价体系时，应针对源服务城市布局站点的特点设置各项指标。本文通过对相关文献的仔细梳理和分析，参考前人的研究成果，结合源服务城市布局选址的特点，得出源服务城市布局选址的主要考虑因素包括项目传递[26］．环境、技术、经济、社会四个因素是选择源服务城市分布区位中心时必须考虑的主要因素，并将这些因素转化为指标结构，如图所示1．

2．2.深度学习布局模型构建

综合评价是在评价样本的多个指标上进行的。全面评估要解决的问题是对每个指标价值进行整体评估或排名。理想解决方案的基本思想是确定最佳采样点，最差样本点等，作为参考点，然后计算从每个采样点到参考点的距离：越近最佳样本点，更好，从最差的样本点越远，越好。

假设各指标权重已确定为 ， ，...， ，的对角矩阵W是由这些作为主对角元素构成的，即，

在对所研究的交易进行定性分析的基础上，确定了交易的自变量和因变量。因变量的个数是1，可以有很多自变量。让因变量数据构成引用序列l₀，各变量数据构成比较序列l_我（我= 1, 2，…n),n+ 1个数据序列从以下矩阵:

计算参考序列与同期剩余比较序列的绝对差值，形成绝对差值矩阵如下:

遗传算法用于优化复杂模型，复杂模型可以通过Simulink构建，包括所有约束在Simulink中构建，然后将模型导入到遗传算法程序中。这部分的越来越困难的部分是建立Simulink，特别是当有许多耦合模型时。根据位置选择方案，分别获得了两个目标功能的适应度。该模型知道解决的关键G₁和G₂是将商品从货物的分销点计算到能源服务城市分销站点。分配量l_本土知识货物量由节点中心L送到需求中心_kj．采用遗传算法，具体布局方案如图所示2．

专家组评估了10个候选地址并总结了结果，如表所示1．

得到各评价指标的熵权，得到标准化加权评价矩阵的结果如表所示2．

2．3.路径优化模型构建

为了对能源服务城市配送网点网络的配送中心设施选址和车辆路径进行综合决策，实现第三方物流公司在能源服务城市共同配送运营中的系统总成本最小，建立了LRP问题模型。以能源服务城市配送中心选址和车辆路径的系统总成本最低为目标函数。目标函数如公式(5), (6)和(7)．公式(5)表示能源服务城市配送选址和车辆路径选择的系统总成本，包括配送中心相关成本、车辆相关成本和客户时间惩罚成本三部分;公式(6)表示建设公共配送中心。配送中心的商品成本和经营成本最低。公式(7)表示配送车辆最低的购置成本和运输成本，包括冷链车辆和普通车辆相应的成本:

模型的主要约束包括配送中心容量约束、配送车辆容量约束和时间窗约束。约束模型如下:

最大覆盖模型类似于聚类分析用于解决选址问题。设计简单，结构清晰，易于实现。此外，最大覆盖模型考虑了设施的容量约束，更加现实。还有两个改进:

首先，寻找最佳策略，比如聚类分析。设施节点数量的优化策略是由多迭代到少迭代。当候选设施规模较大时，会影响优化的效率。

其次，采用全局策略，即最大覆盖模型，可以有效地解决设施选址这一单一问题，解决效果也很好。然而，在设施选址-车辆路径综合规划问题的研究中，容易忽略两个子问题之间的联系。为了得到整体次优解决方案，设施选址阶段需要加强对后期路线安排阶段的考虑。

在覆盖范围最大的设施节点和客户节点组成的网络结构中，合理安排设施节点的车辆路线，通过一定的策略进行迭代优化，得到最优的运输配送路线安排。最优路径优化过程如图所示3.．

在能源服务城市配电网优化模型中，LRP问题可分为LAP和VRP两个子问题，求解过程中必须考虑这两个子问题之间的相互作用，特别要注意设施配置结果不同引起的配电网成本的动态变化。在设施选址阶段，优先选择离客户较近的公共配送中心，直到客户总需求超过设施容量，再根据能源服务城市配送中心的容量进行调整;这个数字是最少的。配送中心的建设中心投资高且集中，多设施的投资会给企业带来财务压力等现实问题。因此，在承诺满足客户需求的同时，我们努力将设施的数量降到最低。

遗传算法中的种群规模代表了可行解集的数量，也是并行优化和探索的规模。如果种群规模过小，会影响优化效率，优化结果容易陷入局部最优;过大的种群规模会提高优化结果的全局最优性，但同时会导致算法复杂度的急剧增加，对设备硬件的要求更高。因此，有必要根据解决方案规模的大小来设置种群规模的大小。本文在设计时将种群大小设为100，与传统的0 ~ 200的区间一致。找出约束条件和目标函数是关键。仔细分析主题，理清线索是必要的。当数量较大时，可以将其列成表，找到所有约束条件，列出不等式组，然后组合图形找到最优解。

采用进化代数作为算法优化计算的终止参数。遗传算法在达到指定的进化代数时停止优化，同时输出当前最优的优化结果。进化代数是根据解的尺度来设置的。本文解决的问题规模不大。将进化代数设为300代完全可以得到全局最优解。

3.结果分析

3.1。模型分析

在替代能源服务城市配网站点(A1-A10)中，至少选择一个能源服务城市配网站点中心。目标是建立物流节点，使节点建设成本最低，客户服务最优。仿真分析结果如图所示4．

经过迭代，决策变量的计算结果为:z1、z3、z7、z9、z10 = 1;z8 = 0，因此拟建设的地下物流运输节点为A1、A3、A7、A9、A10，总成本1231亿元，最优半径内最大覆盖货物运输量为698吨，覆盖率达98%以上。基于免疫遗传算法的选址规划方案如图所示5．分发的数量需要每个节点中心的站点和分发对象。节点中心A1负责将货物提供给需求站点C1，C8和C11，节点中心A3负责将货物提供给需求站点C2和C10，并且节点中心A10负责将货物提供给材料需求点C3，C4，C6和C14。

３．２．布局分析

数字6展示了对不同强度的监督惩罚战略选择的变化，其中图中的曲线1,2,3和4表示在实施“监督惩罚”机制时的能源服务分配，以及罚款Z是0.6,1.2。在1.8和2.2的情况下，物流企业集团决策行为的战略选择发生了变化。从图中曲线1可以看出，当“监督惩罚”机制程度较弱时，物流企业集团对合作业务的积极性不强，合作意愿也略低。然而，随着“监督与惩罚”机制的增加，物流企业集团的合作意愿将逐渐增加，双方企业集团之间的合作将逐步向继续能源服务分销战略演变，但这种演进策略没有持久性，因为企业在主观上对监督和惩罚有一定的约束。因此，经过一段时间后，它们的战略行为将朝着能源服务分布崩溃的方向演化，如曲线2所示。然而,它可以看到从图中曲线3的变化,当能源服务分布的“监督处罚”机制是更严重的,也就是说,优良的进一步增加,物流企业集团会选择继续能源服务的策略分布由于更大的违约成本。能源服务分配最终将达到动态稳定。但是，当文件超过一定水平时，就会引起物流企业集团决策的反弹，使其最初的决策行为就会因此而转变为能源服务分配的分裂。数字7是一种模拟不同程度的监督和惩罚的预期回报的变化。从图中相应曲线的变化7，也可以看出，物流企业集团在继续进行能源服务配送决策时可能发生的变化与其预期收益相同。

针对电子商务物流联盟运行中存在的环境风险等外部潜在风险不可控，联盟可以利用云平台或其他新技术，打造电子商务物流联盟的沟通和运营平台，建立长效沟通机制，促进内部差异。不同区域的企业可以有效共享信息，使不同成员企业能够及时防范企业外部和内部环境风险，如物流运输中的自然环境灾害、国际形势和政策变化、外部环境风险、和内部成员。组织管理、运行等内外部环境风险对能源服务配送运行造成的损失和伤害。同时，企业还需要制定相应的经营环境风险规避策略，以尽可能减少环境风险造成的损失。

在运用深度学习算法分析能源服务配送运营风险的前提下，建立基于深度学习的能源服务配送电子商务物流联盟运营风险演化博弈模型，并进一步探讨了能源服务配送电子商务物流联盟运营风险控制问题，发现运营系统动力学博弈能够有效表征能源服务配送运营风险演化博弈，揭示了在不同运营风险状态下，物流企业集团存在于不同“经营风险”状态下的能源服务配送企业。战略选择的变化也表明了深度学习方法在研究能源服务分销电子商务物流联盟运营风险方面的有效性。通过对处于不同运营风险状态的企业进行表征，建立能源服务配送电子商务物流联盟，降低运营风险，维护能源服务配送的稳定运行，并提出相关建议。

3．3．路径优化分析

对于S2 + S5和S1 + S5，基于配送中心选址阶段为每个方案确定的细分集群，根据各配送中心冷链和普通客户的需求特点，依次路由各细分集群，最后得到配送中心选址方案的最优路径决策。送货时间要求所有客户在一个小时内完成送货任务。首先，利用选址方案1 (S2 + S5)中配送中心的客户群来安排车辆路线，设计遗传算法程序进行迭代计算。算法的基本参数设置如下:迭代终止次数为300次，种群规模为100次，交叉概率为0.9，变异概率为0.1。设置较大的交叉概率和变异概率是为了保证种群的多样性，提高算法的准确性。用遗传算法求解能源服务城市共配网的LRP时，算法表现出良好的收敛性，在第50代之前均能达到最低的系统成本。种群演化过程如图所示8．计算出S2配送中心冷链客户路线需要4辆车，系统成本为16191.753元;普通客户线需要5辆车，系统成本为1560.894元;S5配送中心冷链客户路线需要6辆车，系统成本为2890.587元;普通客户路线需要3辆车，系统成本为923.1052元。

通过前两阶段设施选址和车辆路径的迭代优化，得到两个配送中心和路径安排。首先是S2和S5配送中心及其对应的路由。第一个的总费用是6994元。第二个方案是S1和S5配送中心及相应的路线安排。第二个方案的总费用是7363元。因此，在本例能源服务城市配送物流网络中，应选择S2和S5作为能源服务城市配送共同配送中心，并安排相应的车辆配送路线。综合考虑不同选址方案的选址成本和配送成本，选择综合成本最低的选址方案，得到最佳的车辆路线安排。

在实际决策中，不同的时间窗口、不同的交付和交付策略会使决策过程更加复杂。本例中的约束设置为在1小时内完成交货期窗口并同时提货的服务模式。在敏感性分析中，将讨论不同的时间窗和不同的交付和交付策略的影响，并提出相应的优化建议。数字9显示了不同时间要求下配送车辆数量和系统总成本的变化。车辆配送成本与时间惩罚成本会产生利益矛盾。如果配送车辆数量少，一辆车服务的客户较多，会降低购车配送成本，但会增加客户时间罚款成本;如果增加车辆用于配送，会降低客户的时间罚款成本，但会增加车辆使用成本和配送成本。

双向物流需求的处理策略是在同一客户服务的同时取货和送货，调整送货和送货策略，采用先送货再送货的策略，并与同时送货和送货策略进行比较。将研究扩展到比较无时间约束的冷链客户与普通客户的两种配送及配送策略，在MATLAB中修改遗传算法的适应度函数并进行仿真后，两种路由安排如图所示10．同时发货时，系统总成本为2970元;在第一种交付模式下，系统总成本为3250元。同时,pickup-and-delivery模型的系统成本低8.6%比first-and-after-delivery模型,但同时pick-and-delivery的前提是,向现有客户提供送货服务后,汽车的剩余产能足以满足需求的皮卡。因此，能源服务城市的主要配送业务主体在安排提货业务时，应采取车辆通行能力许可时同时提货的服务模式。

4.结论

本文所研究的基于双向物流的能源服务城市的共同配送网络和运营，不同于只关注能源物流市场或只关注城市物流市场的物流服务网络。它们在服务需求和客户特征方面较为复杂，并充分考虑了能源服务城市。在物流市场中，冷链客户与普通客户具有不同的特点，如时间要求和需求。合理设计了现实约束下能源服务城市公共配送中心及其车辆路径问题的实例，通过设计的模型和算法求解配送中心的选址和路径决策，并根据不同的时间窗和配送策略进行敏感性分析。算例验证了模型算法的有效性和通用性，同时为能源服务城市中共分配算子的决策提供了理论参考。本文在研究现有设施选址-车辆路径问题的基础上，基于能源服务城市公共配电网独特的组织结构和运行方式，综合考虑不同客户群体的时间窗口要求、取货需求和配送需求。不同的物流服务约束如需求，在建模和求解过程中，考虑设施选址和车辆路径两个子问题之间的联系，实现能源服务城市双向共配网络的整合与优化，实现能源服务城市物流一体化。为能源服务城市物流网络的建设和运行提供理论指导和实践支持。本文构建的能源服务城市公共配电网LRP优化模型属于多设施、多模型、容量有限、时间约束、双向循环的同时配送设施选址-车辆路径问题模型。 considering the realistic factors more comprehensive and more practical guidance.

数据可用性

用于支持本研究发现的数据可由通讯作者要求提供。

的利益冲突

作者声明他们没有利益冲突。

参考文献

1. 陈振中，董军，任仁，“中国城市地下物流系统:机遇还是挑战?”地下空间，第2卷，第2期3, pp. 195-208, 2017。视图:出版商的网站|谷歌学术
2. M. Savelsbergh和T. Van Woensel，“50周年邀请文章-城市物流:挑战和机遇”，交通科学，卷。50，不。2，pp。579-590,2016。视图:出版商的网站|谷歌学术
3. J. Sachs, l.a. A. Andersson, J. Araujo等人，“用于触觉互联网服务的自适应5G低延迟通信”，IEEE论文集，第107卷，第2期2, pp. 325-349, 2018。视图:谷歌学术
4. C. Willing, T. Brandt，和D. Neumann，“电子移动市场平台——商业分析的现状和应用回顾”，电子市场第27卷第2期3, pp. 267-282, 2017。视图:出版商的网站|谷歌学术
5. E.Paffumi，M. de Gennaro和G. Martini，“欧洲广泛的研究支持道路运输政策的研究”交通政策个案研究，第6卷，第2期4, pp. 785-802, 2018。视图:出版商的网站|谷歌学术
6. “基于自组织特征图神经网络和图论的智能城市大数据可视化模型[J]，”］．集群计算第22卷第2期6, pp. 13293-13305, 2019。视图:出版商的网站|谷歌学术
7. 张军，范军，沈慧，“城市旅游公共信息服务应用开发框架研究[J]，旅游学刊，”旅游、休闲和全球变化， vol. 1, no. 11, pp. 161-182, 2016。视图:谷歌学术
8. P. V. Klaine, M. A. Imran, O. Onireti，和R. D. Souza，“机器学习技术应用于自组织蜂窝网络的调查”，IEEE通信调查和教程第19卷第2期4, pp. 2392-2431, 2017。视图:出版商的网站|谷歌学术
9. A. T. C. Onstein, M. Ektesaby, J. Rezaei, L. A. Tavasszy，和D. A. van Damme，“驱动企业空间分布结构决策的因素的重要性”，国际物流研究与应用杂志，卷。23，不。1，pp。24-43,2020。视图:出版商的网站|谷歌学术
10. M.克里维，《走向控制论城市主义的批判:智能城市和控制社会》，规划理论，第十七卷，第二期1，第8-30页，2018。视图:出版商的网站|谷歌学术
11. A.韦格(A. Wiig)的《智慧城市的空洞言辞:从数字包容到费城的经济促进》(The empty rhetoric of The smart city: from digital inclusion to economic promotion in Philadelphia)城市地理，第37卷，第2期4, pp. 535-553, 2016。视图:出版商的网站|谷歌学术
12. R. Raven，F. Sengers，P. Spaeth，L.Xie，A. Cheshmehzangi和M. de Jong，“城市实验和机构安排”欧洲计划研究第27卷第2期2，页258-281,2019。视图:出版商的网站|谷歌学术
13. H. Verrest和K. Pfeffer，“在智慧城市主义中阐述城市主义:为智慧城市方法的综合分析提炼相关维度”，信息、传播与社会第22卷第2期9，第1328-1342页，2019。视图:出版商的网站|谷歌学术
14. I. A. T. Hashem, V. Chang, N. B. Anuar等人，“大数据在智慧城市中的作用”，国际信息管理杂志第36卷第2期5, pp. 748-758, 2016。视图:出版商的网站|谷歌学术
15. S. Barns, E. Cosgrave, M. Acuto和D. Mcneill，《数字基础设施与城市治理》，城市政策与研究第35期1，第20-31页，2017。视图:出版商的网站|谷歌学术
16. D. Gagliardi, L. Schina, M. L. Sarcinella, G. Mangialardi, F. Niglia和A. Corallo，“信息和通信技术与公众参与:互动地图和公民增值”，政府信息的季度第34卷第3期1，页153-166,2017。视图:出版商的网站|谷歌学术
17. D. Eckhoff和I. Wagner，“智慧城市中的隐私应用、技术、挑战和解决方案”，IEEE通信调查和教程，第20卷，第2期。1, pp. 489-516, 2017。视图:谷歌学术
18. F. D. Sandulli, A. Ferraris, S. Bresciani，《如何在智慧城市项目中选择正确的公共合作伙伴》，研发管理，第47卷，第47期。4, pp. 607-619, 2017。视图:出版商的网站|谷歌学术
19. U. Rossi，“智慧城市多样化的经济和潜在的政治，”领土、政治治理，第4卷，第4期。3, pp. 337-353, 2016。视图:出版商的网站|谷歌学术
20. N. Kumar, A. V. Vasilakos和J. J. P. C. Rodrigues，“智能城市中自给智能建筑的基于云的多租户DC纳米网格”，IEEE通讯杂志，第55卷，第55期3, pp. 14-21, 2017。视图:出版商的网站|谷歌学术
21. M. Sookhak，H. Tang，Y.He等人，“智能城市的安全和隐私：调查，研究问题和挑战，”IEEE通信调查和教程第21卷第2期2，第1718-1743页，2018。视图:谷歌学术
22. R. Kitchin，“智慧城市的实时性”，意大利科学技术研究杂志，第8卷，第2期2，页19-42,2018。视图:谷歌学术
23. J. Wang，C.江，K。Zhang等，“智能城市的车辆传感网络：原则，技术和应用，”IEEE无线通信，第25卷，第2期1, pp. 122-132, 2017。视图:谷歌学术
24. K. Vu和K. Hartley，“在发展中国家推广智慧城市:来自越南的政策见解”，电信政策，第42卷，第2期10, pp. 845-859, 2018。视图:出版商的网站|谷歌学术
25. G. V. Pereira, M. a . Macadar, E. M. Luciano，和M. G. Testa，“在智慧城市背景下，通过开放的政府数据计划传递公共价值”，信息系统领域第19卷第2期2, pp. 213-229, 2017。视图:出版商的网站|谷歌学术
26. C.加夫尼(C. Gaffney)和C.罗伯逊(C. Robertson)的《聪明胜于聪明:里约热内卢作为智慧城市的崛起有缺陷》(里约热内卢de Janeiro’s faulty emergence as a smart city)，城市技术杂志，第25卷，第2期3，第47-64页，2018。视图:出版商的网站|谷歌学术

版权

Copyright©2021 Kun Wang and Ki-Hyung Bae。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。