Energy in Smart Cities: Technological Trends and Prospects
Notice bibliographique
Résumé
Energy management in smart cities has gained particular significance in the context of climate change and the evolving geopolitical landscape. It has become a key element of sustainable urban development. In this context, energy management plays a central role in facilitating the growth of smart and sustainable cities. The aim of this article is to analyse existing scientific research related to energy in smart cities, identify technological trends, and highlight prospective directions for future studies in this field. The research involves a literature review based on the analysis of articles from the Scopus and Web of Science databases to identify and evaluate studies concerning energy in smart cities. The findings suggest that future research should focus on the development of smart energy grids, energy storage, the integration of renewable energy sources, as well as innovative technologies (e.g., Internet of Things, 5G/6G, artificial intelligence, blockchain, digital twins). This article emphasises the significance of technologies that can enhance energy efficiency in cities, contributing to their sustainable development. The recommended practical and policy directions highlight the development of smart grids as a cornerstone for adaptive energy management and the integration of renewable energy sources, underpinned by regulations encouraging collaboration between operators and consumers. Municipal policies should prioritise the adoption of advanced technologies, such as the IoT, AI, blockchain, digital twins, and energy storage systems, to improve forecasting and resource efficiency. Investments in zero-emission buildings, renewable-powered public transport, and green infrastructure are essential for enhancing energy efficiency and reducing emissions. Furthermore, community engagement and awareness campaigns should form an integral part of promoting sustainable energy practices aligned with broader development objectives.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,010 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».