1.1 引言

城市化的快速发展使得许多大城市得以发展和扩张，在使生活变得现代化的同时，也带来了空气污染、能源消耗增加和交通拥堵等重大挑战。几年前，考虑到城市复杂和动态的环境，要应对这些挑战似乎是不可能的。如今，感知技术和大规模计算基础设施在城市空间中产生了各种大数据，如人员流动、空气质量、气象、交通模式和地理数据。大数据隐含着一个城市的丰富信息，如果使用得当，可以帮助我们应对这些挑战。例如，我们可以通过分析全市范围内的人口流动数据来检测城市道路网络中的潜在问题。这样，可以帮助城市在未来制定和实施更好的城市规划 ^[74] 。另一个例子是通过研究空气质量与其他数据源[如交通流量和兴趣点（POI）]之间的相关性来探索城市空气污染的根本原因 ^[51，54] 。

城市计算已成为一个跨学科领域，它将计算机科学与传统的城市相关领域相结合，这些相关领域包括城市规划、交通、环境科学、能源工程、经济学和社会学等。如图1.1所示，城市计算旨在释放城市数据中知识的能量，以解决城市中的重大问题，从而在人、城市运营系统和环境之间实现三赢 ^[66] 。

尽管有一些文章在讨论城市计算 ^[22] ，但它仍然是一个模糊的概念，有许多没有解决的问题。例如，城市计算的核心研究问题是什么？这一研究领域面临哪些挑战？城市计算的关键方法是什么？有哪些代表性的应用程序？城市计算系统是如何工作的？为了解决这些问题，本章正式定义了城市计算的主要概念，介绍了计算机科学视角下城市计算的一般框架和关键研究挑战。