Formation of a smart city model based on the dynamics of changes in urban building
Saved in:
| Title: | Formation of a smart city model based on the dynamics of changes in urban building |
|---|---|
| Source: | INNOVATIVE TECHNOLOGIES AND SCIENTIFIC SOLUTIONS FOR INDUSTRIES; No. 2(32) (2025): Innovative Technologies and Scientific Solutions for Industries; 16-32 Современное состояние научных исследований и технологий в промышленности; № 2(32) (2025): Сучасний стан наукових досліджень та технологій в промисловості; 16-32 СУЧАСНИЙ СТАН НАУКОВИХ ДОСЛІДЖЕНЬ ТА ТЕХНОЛОГІЙ В ПРОМИСЛОВОСТІ; № 2(32) (2025): Сучасний стан наукових досліджень та технологій в промисловості; 16-32 |
| Publisher Information: | Kharkiv National University of Radio Electronics, 2025. |
| Publication Year: | 2025 |
| Subject Terms: | теоретико-множинна модель, дистанційне зондування, глибоке навчання, актуалізація даних, напрями інтелектуалізації міста, set-theoretic model, remote sensing data, deep learning, updating data, directions of city intellectualization |
| Description: | The purpose of the article is improving the validity of assessments for the formation of decisions on the intellectualization of the city based on analysis of urban building. Objectives. The trends in the development of Smart City concepts were analyzed; requirements for Smart Cities are analyzed and a set-theoretical model of a Smart City is proposed; the method of analyzing urban building using remote sensing data has been improved and the possibility of its use has been experimentally confirmed. The following methods used are – methods of system analysis, set theory, and deep learning. The following results were obtained. Creating a comfortable urban environment promotes economic growth, improves the quality of life and ensures sustainable development. This is possible through the implementation of the smart city concept. To unify the steps to create Smart Cities, a set-theoretic model of a Smart City is proposed. It generalizes the requirements of standards of the ISO 37100 series and combines a set of indicators, ensuring the implementation of certain areas of intellectualization. The choice of the intellectualization direction should be based on the study of urbanization problems. The complexity of this issue requires improvement of urban building analysis processes, for example, using remote sensing data. To obtain estimates suitable for further analysis and decision-making, a method for studying urban development based on remote sensing data is proposed. It is uses of deep learning in processing structured data using the Image Analyst ArcGIS Pro 3.4. A scheme of the algorithm for obtaining a Deep Learning model for decrypting urban building objects has been developed, and its software implementation has been proposed. The study of the capabilities of the developed method was carried out when solving the problems of updating information about the urban development of Kyiv. The resulting Deep Learning model recognizes urban building objects well and has good adaptability to objects other than the training sample. Conclusions: The choice of the direction of intellectualization should be based on a thorough study of the situation that has arisen as a result of the urbanization. An experimental analysis of the dynamics of changes in the urban development of the Kyiv district for the period 2005– 2021 showed: an increase in the number of residential (by 5.4%) and commercial development (by 11%), neglect of the development of social infrastructure, non-development of transport infrastructure, ignoring issues of landscaping the territory of the district, etc. The results obtained can be useful in forming priority ways of introducing intelligent solutions into the everyday life of city residents. Мета роботи – підвищення ґрунтовності оцінок для формування рішень з інтелектуалізації міста на основі аналізу змін міської забудови. У статті розв’язано такі завдання: розглянуто тенденції розвитку концепцій Smart City; проаналізовано вимоги до розумних міст і запропоновано теоретико-множинну модель розумного міста; подальшого розвитку набув метод аналізу міської забудови за дистанційними даними, експериментально підтверджено можливість його використання. Упроваджено методи системного аналізу, теорії множин і глибокого навчання. Досягнуті результати. Створення зручного міського середовища сприяє економічному зростанню, покращує якість життя та забезпечує сталий розвиток, що можливо завдяки впровадженню концепції розумного міста. Для уніфікації кроків зі створення розумних міст запропоновано теоретико-множинну модель розумного міста, яка відповідно до вимог стандартів серії ISO37100 поєднує показники, що забезпечують реалізацію певних напрямів інтелектуалізації. Вибір напряму інтелектуалізації має ґрунтуватися на вивченні проблем урбанізації. Складність цього питання потребує вдосконалення процесів аналізу міської забудови, наприклад, з використанням даних дистанційного зондування Землі (ДЗЗ). Дляотримання оцінок, придатних для подальшого аналізу та формування рішень, розроблено метод аналізу міської забудови за даними ДЗЗ, що використовує глибоке навчання в обробленні структурованої інформації за допомогою інструменту Image Analyst ArcGISPro3.4. Розроблено схему алгоритму отримання моделі Deep Learning для дешифрування об’єктів міської забудови, запропоновано її програмну реалізацію. Дослідження можливостей розробленого методу відбувалося в процесі розв’язання завдань актуалізації інформації про міську забудову Києва. Модель Deep Learning добре розпізнає об’єкти міської забудови та має добру пристосованість до об’єктів, що різняться від об’єктів навчальної вибірки. Висновки. Вибір напряму інтелектуалізації має ґрунтуватися на ретельному вивченні ситуації, що виникла внаслідок урбанізації міських районів. Експериментальний аналіз динаміки змін міської забудови району м. Києва за період 2005–2021 рр. показав: збільшення кількості об’єктів житлової (на 5,4%) та комерційної забудови (на 11%), нехтування розвитком соціальної інфраструктури, нерозбудову транспортної інфраструктури, ігнорування питань озеленення території району тощо. Досягнуті результати можуть бути корисними у формуванні пріоритетних способів упровадження інтелектуальних рішень у повсякденне життя містян. |
| Document Type: | Article |
| File Description: | application/pdf |
| Language: | Ukrainian |
| ISSN: | 2522-9818 2524-2296 |
| Access URL: | https://journals.uran.ua/itssi/article/view/334618 |
| Rights: | CC BY NC SA |
| Accession Number: | edsair.scientific.p..b24f751a52f15cac40f4810e06945aeb |
| Database: | OpenAIRE |
Nájsť tento článok vo Web of Science | Abstract: | The purpose of the article is improving the validity of assessments for the formation of decisions on the intellectualization of the city based on analysis of urban building. Objectives. The trends in the development of Smart City concepts were analyzed; requirements for Smart Cities are analyzed and a set-theoretical model of a Smart City is proposed; the method of analyzing urban building using remote sensing data has been improved and the possibility of its use has been experimentally confirmed. The following methods used are – methods of system analysis, set theory, and deep learning. The following results were obtained. Creating a comfortable urban environment promotes economic growth, improves the quality of life and ensures sustainable development. This is possible through the implementation of the smart city concept. To unify the steps to create Smart Cities, a set-theoretic model of a Smart City is proposed. It generalizes the requirements of standards of the ISO 37100 series and combines a set of indicators, ensuring the implementation of certain areas of intellectualization. The choice of the intellectualization direction should be based on the study of urbanization problems. The complexity of this issue requires improvement of urban building analysis processes, for example, using remote sensing data. To obtain estimates suitable for further analysis and decision-making, a method for studying urban development based on remote sensing data is proposed. It is uses of deep learning in processing structured data using the Image Analyst ArcGIS Pro 3.4. A scheme of the algorithm for obtaining a Deep Learning model for decrypting urban building objects has been developed, and its software implementation has been proposed. The study of the capabilities of the developed method was carried out when solving the problems of updating information about the urban development of Kyiv. The resulting Deep Learning model recognizes urban building objects well and has good adaptability to objects other than the training sample. Conclusions: The choice of the direction of intellectualization should be based on a thorough study of the situation that has arisen as a result of the urbanization. An experimental analysis of the dynamics of changes in the urban development of the Kyiv district for the period 2005– 2021 showed: an increase in the number of residential (by 5.4%) and commercial development (by 11%), neglect of the development of social infrastructure, non-development of transport infrastructure, ignoring issues of landscaping the territory of the district, etc. The results obtained can be useful in forming priority ways of introducing intelligent solutions into the everyday life of city residents.<br />Мета роботи – підвищення ґрунтовності оцінок для формування рішень з інтелектуалізації міста на основі аналізу змін міської забудови. У статті розв’язано такі завдання: розглянуто тенденції розвитку концепцій Smart City; проаналізовано вимоги до розумних міст і запропоновано теоретико-множинну модель розумного міста; подальшого розвитку набув метод аналізу міської забудови за дистанційними даними, експериментально підтверджено можливість його використання. Упроваджено методи системного аналізу, теорії множин і глибокого навчання. Досягнуті результати. Створення зручного міського середовища сприяє економічному зростанню, покращує якість життя та забезпечує сталий розвиток, що можливо завдяки впровадженню концепції розумного міста. Для уніфікації кроків зі створення розумних міст запропоновано теоретико-множинну модель розумного міста, яка відповідно до вимог стандартів серії ISO37100 поєднує показники, що забезпечують реалізацію певних напрямів інтелектуалізації. Вибір напряму інтелектуалізації має ґрунтуватися на вивченні проблем урбанізації. Складність цього питання потребує вдосконалення процесів аналізу міської забудови, наприклад, з використанням даних дистанційного зондування Землі (ДЗЗ). Дляотримання оцінок, придатних для подальшого аналізу та формування рішень, розроблено метод аналізу міської забудови за даними ДЗЗ, що використовує глибоке навчання в обробленні структурованої інформації за допомогою інструменту Image Analyst ArcGISPro3.4. Розроблено схему алгоритму отримання моделі Deep Learning для дешифрування об’єктів міської забудови, запропоновано її програмну реалізацію. Дослідження можливостей розробленого методу відбувалося в процесі розв’язання завдань актуалізації інформації про міську забудову Києва. Модель Deep Learning добре розпізнає об’єкти міської забудови та має добру пристосованість до об’єктів, що різняться від об’єктів навчальної вибірки. Висновки. Вибір напряму інтелектуалізації має ґрунтуватися на ретельному вивченні ситуації, що виникла внаслідок урбанізації міських районів. Експериментальний аналіз динаміки змін міської забудови району м. Києва за період 2005–2021 рр. показав: збільшення кількості об’єктів житлової (на 5,4%) та комерційної забудови (на 11%), нехтування розвитком соціальної інфраструктури, нерозбудову транспортної інфраструктури, ігнорування питань озеленення території району тощо. Досягнуті результати можуть бути корисними у формуванні пріоритетних способів упровадження інтелектуальних рішень у повсякденне життя містян. |
|---|---|
| ISSN: | 25229818 25242296 |