Smart Cities 被ESCI数据库收录 | MDPI 期刊收录
发表时间:2021-07-29 阅读量:1627
MDPI期刊Smart Cities 于2021年5月被Web of Science的Emerging Sources Citation Index (ESCI) 数据库收录。在此,Smart Cities 向为期刊发展作出巨大贡献的主编、编委、客座编辑、审稿专家和作者们表示衷心的感谢,向长期关注期刊发展的读者表示最诚挚的谢意!截至目前,MDPI已出版期刊350余个,其中100余个期刊已被ESCI收录。
主编:Pierluigi Siano, University of Salerno, Italy
主要刊发智能城市电气工程、智慧城市计算机工程与信息技术工程、智慧城市的网络物理系统与虚拟现实、智能医院和健康信息学、交通和迁徙等领域的最新学术成果。
MPT:38.5
APT:41.61
*MPT: Median Publication Time; APT: Average Publication Time
Prof. Dr. Pierluigi Siano
意大利萨莱诺大学
Pierluigi Siano教授是萨莱诺大学管理与创新系统系智能电网和智能城市实验室的主任。他在萨莱诺大学获得了电子工程硕士学位和信息与电气工程专业博士学位。他被ISI Web of Science Group评为2019年高被引研究员。他与团队合著了450余篇论文,包括200余篇国际期刊论文,共获得7600余篇引用,H指数为44。此外,他还曾担任智能电网IESTC的主席,并担任了多个国际学术期刊的编委。
1. IoT-Enabled Smart Sustainable Cities: Challenges and Approaches
物联网智能可持续城市:挑战与对策
Laura Belli et al.
https://doi.org/10.3390/smartcities3030052
物联网 (IoT) 技术的不断普及正在开启新的可能性,其中一个最显著的应用是与不断发展的智能城市模式相关的。一般来说,它可以被定义为物联网 (IoT) 和信息通信技术 (ICT) 与城市管理的结合,目的是解决城市化和人口指数增长的问题,从而显著提高人们的生活质量。智慧城市模式也与可持续性方面紧密相连,例如,减少城市活动对环境的影响、优化能源资源管理以及为市民设计创新服务和解决方案。得利于利益相关者和欧盟委员会 (EC) 提供的大量投资,遵循这一新模式,一些城市在不同领域 (如交通运输、工业、卫生、旅游和教育) 开始了强有力的创新进程。在本文中,我们分析了智能城市物联网基础设施的关键方面,概述了帕尔马市 (意大利艾米利亚-罗马涅大区) 实施的创新作为一个成功的例子,特别关注智能城市交通这一主题。
2. Blockchain as a Driver for Smart City Development: Application Fields and a Comprehensive Research Agenda
区块链作为智慧城市发展的驱动力:应用领域和综合研究议程
Horst Treiblmaier et al.
https://doi.org/10.3390/smartcities3030044
“智慧城市”一词是一个综合性的概念,旨在缓解现代城市地区悬而未决的问题,这些问题已发展成为从业者和学者的一个重要工作领域。然而,城市如何变得“智能”仍然是一个问题。信息技术的应用通常被认为是城市“智能化”的关键驱动因素。因此,需要详细的框架和程序来指导、实施和衡量执行过程以及各自技术的影响。本文讨论了区块链技术,这是一种包含多种底层技术和协议的技术变革的新驱动力,以及它对智慧城市的潜在影响。作者特别提出区块链技术如何有益于城市地区的发展的问题。在文献综述的基础上,作者提出了本文的研究框架和研究命题,并确定了区块链技术在城市智能化中的九个应用领域:(1) 医疗、(2) 物流和供应链、(3) 移动、(4) 能源、(5) 行政和服务、(6) 电子投票、(7) 工厂、(8) 家庭和 (9) 教育。另外,作者讨论了这些领域的当前发展,说明了区块链技术对这些领域的影响,并得出了指导未来研究工作的命题。
3. Advanced Machine Learning in Point Spectroscopy, RGB- and Hyperspectral-Imaging for Automatic Discriminations of Crops and Weeds: A Review
综述:用于作物和杂草自动识别的点光谱、RGB和高光谱成像中的高级机器学习
Wen-Hao Su
https://doi.org/10.3390/smartcities3030039
作物的生产力很容易因杂草的竞争而降低。及早防除杂草对防止产量损失尤为重要。有限的除草剂选择和日益增加的杂草管理成本正威胁着作物的盈利能力。智能农业可以利用智能技术精确测量田间杂草的分布情况,并在选定的区域内执行杂草治理任务,不仅可以提高农药的使用效果,还可以增加农产品的经济效益。对作物行内杂草自动清除系统来说,最重要的是利用可靠的传感技术,在田间特定位置实现杂草和作物的精确区分。近年来,在作物和杂草的分化方面取得了许多重要的成果。这些研究涉及到快速无损传感器的发展,以及所获得数据的分析方法。本文综述了光谱、彩色成像和高光谱成像三种遥感方法在作物和杂草识别中的应用。目前已有几种机器学习算法用于数据分析,如卷积神经网络 (CNN)、人工神经网络 (ANN) 和支持向量机 (SVM)。成功的应用于包括谷物作物 (如玉米、小麦和大豆)、蔬菜作物 (如番茄、莴苣和萝卜) 和纤维作物 (如棉花) 的杂草检测,无需监督或监督学习。这篇综述简要介绍了所提出的传感和机器学习方法,并概述了这些方法在杂草/作物识别中的应用实例。本文介绍了植物自动识别技术的最新进展、面临的挑战和发展前景。本文的研究对利用智能技术研究作物自动栽培具有重要意义。
版权声明:
*本文内容由MDPI中国办公室编辑翻译编写,一切以英文原文为准。如需转载,请邮件联系:mdpicnmarketing@mdpi.com