Artificial Intelligence in the Smart City — A Literature Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The influence of artificial intelligence (AI) in smart cities has resulted in enhanced efficiency, accessibility, and improved quality of life. However, this integration has brought forth new challenges, particularly concerning data security and privacy due to the widespread use of Internet of Things (IoT) technologies. The article aims to provide a classification of scientific research relating to artificial intelligence in smart city issues and to identify emerging directions of future research. A systematic literature review based on bibliometric analysis of Scopus and Web of Science databases was conducted for the study. Research query included TITLE-ABS-KEY (“smart city” AND “artificial intelligence”) in the case of Scopus and TS = (“smart city” AND “artificial intelligence”) in the case of the Web of Sciences database. For the purpose of the analysis, 3101 publication records were qualified. Based on bibliometric analysis, seven research areas were identified: safety, living, energy, mobility, health, pollution, and industry. Urban mobility has seen significant innovations through AI applications, such as autonomous vehicles (AVs), electric vehicles (EVs), and unmanned aerial vehicles (UAVs), yet security concerns persist, necessitating further research in this area. AI’s impact extends to energy management and sustainability practices, demanding standardised regulations to guide future research in renewable energy adoption and developing integrated local energy systems. Additionally, AI’s applications in health, environmental management, and the industrial sector require further investigation to address data handling, privacy, security, and societal implications, ensuring responsible and sustainable digitisation in smart cities.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle