Метод структурно-параметрической адаптации «умного города» к цифровой экономике

Цели. Взаимодействие «умного города» с цифровой экономикой можно раскрыть и проанализировать в рамках применения метода структурно-параметрической адаптации, который позволяет адаптировать параметры модели системы и ее структуру для обеспечения оптимальной работы в условиях изменяющейся внешней среды. Рассмотреть концепцию «умного города» можно исходя из принципов структурно-параметрической адаптации, таких как интероперабельность, децентрализация, виртуализация, возможности работы в режиме реального времени, модульности и ориентации на услуги. В рамках структурно-параметрического анализа «умный город» рассматривается как сложная многоуровневая киберфизическая система.

Методы. Используются методы структурно-параметрической адаптации и структурно-параметрической оптимизации.

Результаты. Разработаны общий вид алгоритма структурно-параметрической адаптации системы и математическая модель задачи структурно-параметрической оптимизации систем «умного города».

Заключение. Для решения задач построения, оптимизации и адаптации структуры системы «умного города» необходимо опираться на технические требования к системе и возможности используемой инфраструктуры. Для этого может также применяться метод структурно-параметрической адаптации.

1. Smart cities from the perspective of systems / U. Ammara [et al.] // Systems. – 2022. – Vol. 10, iss. 3. – Р. 77. https://doi.org/10.3390/systems10030077

2. Postranecky, M. Smart city near to 4.0 – an adoption of industry 4.0 conceptual model / M. Postranecky, M. Svítek // 2017 Smart City Symposium Prague (SCSP), Prague, Czech Republic, 25–26 May 2017. – Prague, 2017. – Р. 1–5. http://dx.doi.org/10.1109/SCSP.2017.7973870

3. A minimum set of common principles for enabling Smart City Interoperability / A. Frascella [et al.] // TECHNE – J. of Technology for Architecture and Environment. – 2018. – Vol. 1. – Р. 56–61. https://doi.org/10.13128/Techne-22739

4. Edge-computing-enabled smart cities: A comprehensive survey / L. U. Khan [et al.] // IEEE Internet of Things J. – 2020. – Vol. 7, no. 10. – Р. 10200–10232. https://doi.org/10.1109/JIOT.2020.2987070

5. Urban computing for sustainable smart cities: recent advances, taxonomy, and open research challenges / I. A. T. Hashem [et al.] // Sustainability. – 2023. – Vol. 15, iss. 5. – Р. 3916. https://doi.org/10.3390/su15053916

6. Kumar, M. Probabilistic data structures in smart city: Survey, applications, challenges, and research directions / M. Kumar, A. Singh // J. of Ambient Intelligence and Smart Environments. – 2022. – Vol. 14, no. 4. – Р. 229–284.

7. Do smart cities represent the key to urban resilience? Rethinking urban resilience / S. A. Apostu [et al.] // Intern. J. of Environmental Research and Public Health. – 2022. – Vol. 19, iss. 22. – Р. 15410. https://doi.org/10.3390/ijerph192215410

8. Акимова, О. Е. Формирование адаптивной методологии регионального развития в контексте концепции «умный город» / О. Е. Акимова, С. К. Волков, И. М. Кузлаева // Вестник Томского гос. ун-та. Экономика. – 2020. – № 52. – С. 53–64. https://doi.org/10.17223/19988648/52/3

9. Bibri, S. E. The IoT for smart sustainable cities of the future: An analytical framework for sensor-based big data applications for environmental sustainability / S. E. Bibri // Sustainable Cities and Society. – 2018. – Vol. 38. – P. 230–253.