一個關聯數據的框架，可以為智慧城市提供實現其社會、政治和財政目標所需的一切。

智慧城市將成為物聯網最顯著的表現之一。目前對新興智慧城市市場規模的估計超過40萬億美元，圣何塞、巴塞羅那、新加坡和許多其他大城市正在采用智能技術。

智慧城市的吸引力是二元的。一方面，物聯網的自動化連接有助于降低公共基礎設施(如路燈和交通)支出的相關成本。有了智能照明，市政當局只在人們在場時支付路燈費用。此外，通過利用智能停車的動態定價選項，該技術可以提供新的收入機會。

盡管有這些優勢，智慧城市仍需要廣泛的數據管理。來自多個位置和部門的數據實施一致集成，對于支持新系統和遺留系統之間的互操作性是必要的。智慧城市需要粒度數據治理來實現長期的可持續性。最后，它們需要開放的標準，以保證它們的永久效用。

知識圖(Knowledge graphs)是一類企業范圍內連接所有內部或外部使用的數據資產的圖形，其所能提供的好處甚至更多。它根據治理協議為共享數據提供一個統一的、相互鏈接的框架，它基于開放標準，并利用數據之間的關系進行業務和操作優化;它提供了智慧城市實現其社會、政治和財政目標所需的一切。知識圖可以使用機器學習將上下文分析的輸出重新插入到技術堆棧中，將物聯網豐富的數據轉化為基礎知識，從而促進改進的民事應用。

全市范圍的協同

智慧城市概念的核心是分布式IT系統之間的全市范圍協作，以便實時管理公共資產。根據Gartner，其核心能力是“圍繞智慧城市愿景發展可持續的政府、市政公用事業和機構合作”，包括確保“流程交接、關鍵績效指標和數字平臺間的可互操作性”。

知識圖的基于開放標準關聯數據方法促進了這一需求。所有數據，包括智慧城市傳感器生成的流數據，都按照標準化模型進行分類。同構分類法和詞匯表在全市范圍內使用相同的術語描述數據，而不考慮部門或用例。最重要的是，來自任何數據源的數據都鏈接在一個全面的、可查詢的語義圖上，以演示關系中的相關點。

機器學習算法增強了這些圖的智能數據能力，使組織能夠將物聯網分析的輸出作為既定知識發送回這些圖中。因此，數據系統、初始模式和用例的產生成為知識圖上數據協調一致的次要因素，從而創建可互操作的智能應用程序。

值得信賴的治理

使用知識圖的一個重要副產品是增強了數據治理的傾向性。知識圖通過根據適用于整個企業的統一模型和分類法消除豎井來改進治理。使用這種方法，與同一對象的不同術語相關的數據質量問題顯著減少;前述的標準化模型提供了形式治理的一致性特征。

確保了可追溯性，原生源代碼功能表示數據在整個組織中的各個方面，而語義語句根據治理要求提供數據訪問。無論政治周期或員工流動如何變化，這種治理特征都符合治理流程，確保了智慧城市數據的長期使用。

公民應用

知識圖對于智慧城市提高應用能力至關重要。通過確定整個城市實時數據之間的相關關系，它們為改進流程以滿足城市目標提供了藍圖。例如，分析交通模式數據，以確定繁忙十字路口的預測維修計劃，或減少無人居住地區的照明開支。

其他用例包括確定天氣條件和地理位置之間的關系，以加強災害準備工作。智能電網的功能定位和隔離停電，以防止廣泛的停電，是這種功能的一個很好的例子。

最引人注目的例子是使用人工智能(AI)來分析數據，找出使城市獨一無二的特征，解決特定的市政問題。例如，將2017年加州納帕市森林大火的氣象、地理和應急響應團隊數據的機器學習分析結果重新設置為人工智能知識圖，可以說明如何減輕或預防未來的火災。智慧城市的物聯網數據中心的低延遲甚至可以實時提供這些信息，從而影響響應工作。

基于結果的行動

智慧城市利用知識圖表的主要優勢——識別不同數據源之間的關系和相關點以獲得組織優勢——來實現諸如減少開支、創造收入和服務市民等目標。它們被機器學習能力所支持，這些能力將實時物聯網分析輸出重新引入到圖形中。

反過來，這種可證明的知識是更深入分析和應用的基礎。這些圖的開放標準和治理功能的互操作性確保了它們的長期相關性。