一个关联数据的框架，可以为智慧城市提供实现其社会、政治和财政目标所需的一切。

智慧城市将成为物联网最显著的表现之一。目前对新兴智慧城市市场规模的估计超过40万亿美元，圣何塞、巴塞罗那、新加坡和许多其他大城市正在采用智能技术。

智慧城市的吸引力是二元的。一方面，物联网的自动化连接有助于降低公共基础设施(如路灯和交通)支出的相关成本。有了智能照明，市政当局只在人们在场时支付路灯费用。此外，通过利用智能停车的动态定价选项，该技术可以提供新的收入机会。

尽管有这些优势，智慧城市仍需要广泛的数据管理。来自多个位置和部门的数据实施一致集成，对于支持新系统和遗留系统之间的互操作性是必要的。智慧城市需要粒度数据治理来实现长期的可持续性。最后，它们需要开放的标准，以保证它们的永久效用。

知识图(Knowledge graphs)是一类企业范围内连接所有内部或外部使用的数据资产的图形，其所能提供的好处甚至更多。它根据治理协议为共享数据提供一个统一的、相互链接的框架，它基于开放标准，并利用数据之间的关系进行业务和操作优化;它提供了智慧城市实现其社会、政治和财政目标所需的一切。知识图可以使用机器学习将上下文分析的输出重新插入到技术堆栈中，将物联网丰富的数据转化为基础知识，从而促进改进的民事应用。

全市范围的协同

智慧城市概念的核心是分布式IT系统之间的全市范围协作，以便实时管理公共资产。根据Gartner，其核心能力是“围绕智慧城市愿景发展可持续的政府、市政公用事业和机构合作”，包括确保“流程交接、关键绩效指标和数字平台间的可互操作性”。

知识图的基于开放标准关联数据方法促进了这一需求。所有数据，包括智慧城市传感器生成的流数据，都按照标准化模型进行分类。同构分类法和词汇表在全市范围内使用相同的术语描述数据，而不考虑部门或用例。最重要的是，来自任何数据源的数据都链接在一个全面的、可查询的语义图上，以演示关系中的相关点。

机器学习算法增强了这些图的智能数据能力，使组织能够将物联网分析的输出作为既定知识发送回这些图中。因此，数据系统、初始模式和用例的产生成为知识图上数据协调一致的次要因素，从而创建可互操作的智能应用程序。

值得信赖的治理

使用知识图的一个重要副产品是增强了数据治理的倾向性。知识图通过根据适用于整个企业的统一模型和分类法消除竖井来改进治理。使用这种方法，与同一对象的不同术语相关的数据质量问题显著减少;前述的标准化模型提供了形式治理的一致性特征。

确保了可追溯性，原生源代码功能表示数据在整个组织中的各个方面，而语义语句根据治理要求提供数据访问。无论政治周期或员工流动如何变化，这种治理特征都符合治理流程，确保了智慧城市数据的长期使用。

公民应用

知识图对于智慧城市提高应用能力至关重要。通过确定整个城市实时数据之间的相关关系，它们为改进流程以满足城市目标提供了蓝图。例如，分析交通模式数据，以确定繁忙十字路口的预测维修计划，或减少无人居住地区的照明开支。

其他用例包括确定天气条件和地理位置之间的关系，以加强灾害准备工作。智能电网的功能定位和隔离停电，以防止广泛的停电，是这种功能的一个很好的例子。

最引人注目的例子是使用人工智能(AI)来分析数据，找出使城市独一无二的特征，解决特定的市政问题。例如，将2017年加州纳帕市森林大火的气象、地理和应急响应团队数据的机器学习分析结果重新设置为人工智能知识图，可以说明如何减轻或预防未来的火灾。智慧城市的物联网数据中心的低延迟甚至可以实时提供这些信息，从而影响响应工作。

基于结果的行动

智慧城市利用知识图表的主要优势——识别不同数据源之间的关系和相关点以获得组织优势——来实现诸如减少开支、创造收入和服务市民等目标。它们被机器学习能力所支持，这些能力将实时物联网分析输出重新引入到图形中。

反过来，这种可证明的知识是更深入分析和应用的基础。这些图的开放标准和治理功能的互操作性确保了它们的长期相关性。