借助物联网(IoT)技术和先进算法，城市计算和智能可以收集和处理大量数据集，从而做出更明智的决定，并在人类和城市环境之间创建反馈循环。它可以弥合无处不在的传感、智能计算、合作通信和大数据管理技术之间的差距，创造新的解决方案，可以改善城市环境、生活质量和智慧城市系统。城市计算与智能近年来受到工业界和学术界的广泛关注，以解决快速城市化带来的许多问题，包括交通、环境和能源问题。

机器学习、表示学习、深度学习和迁移学习等各种学习体系结构和技术的引入，彻底改变了大社会数据挖掘和信息处理方法。无论是传统的学习方法还是先进的学习方法，都是满足城市数据采集、存储、管理、处理和分析的需要。充分利用学习方法可以使城市变得足够智能，从而有效地处理大量的城市数据。

鉴于这一潜力，本期特刊为推广基于不同学习方法的城市计算和智能提供了一个平台。我们欢迎高质量的原创研究和综述文章，展示学习方法和算法的潜在应用，包括智能环境、智能交通、智能能源管理和大数据驱动的城市规划。尽管这些方法已经取得了一定的成功，但仍然需要解决各种科学和工程挑战，如软件和硬件开发、计算复杂性、数据多源异构和安全/隐私问题。因此，我们欢迎寻求解决这些问题的研究贡献。

潜在的主题包括但不限于以下内容:

• 城市数据挖掘和分析学习方法
• 城市数据聚类和分类的新型机器学习方法
• 智能城市的数据挖掘和机器学习
• 城市计算的安全性、信任和隐私
• 城市计算与智力的人工智能模式
• 城市分析的大数据基础设施
• 城市传感与城市智能传感
• 基于城市数据的个性化推荐系统
• 城市环境监测、分析和预测
• 智能交通系统的高级学习方法