Urban geological information platform for smart city construction: A shift from public service to integration with urban engineering
Notice bibliographique
Résumé
ABSTRACT Urban geological information platforms have traditionally focused on static data provision for public service, constrained by funding and limited engagement with engineering applications. This study takes Hangzhou—a major Chinese megacity—as a model to propose a technically integrated platform that aligns with urban infrastructure development, particularly underground space engineering. Through the adoption of the large-scale relational database system Oracle, we first established a comprehensive storage framework for fundamental urban geological and underground infrastructure information, thereby completing the construction of the core databases. To ensure spatial consistency across multi-source data and to meet the platform’s high computational demands while improving overall server responsiveness, we introduced three critical innovations: voxel-based model encoding, distributed computing, and frontend-backend separation with asynchronous processing. To align with urban engineering projects and enhance economic returns, the platform was initially developed through the integration of foundational geological data, including borehole records and aboveground-underground spatial information. Building on this foundation, its practical application in Hangzhou’s Qiantang New Town further demonstrates the platform’s potential in supporting subway routing, underground structure planning, and engineering cost analysis. Consequently, the construction of the Hangzhou geological information platform not only offers robust support for urban decision-making and smart city development but also provides a replicable model for addressing the technical and institutional challenges commonly encountered in the development of urban geological platforms.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».