京公网安备 11010802034615号
经营许可证编号:京B2-20210330
广州智慧城市建设应充分利用“大数据”
目前,随着各地“智慧城市”建设的火热进行,政府大数据应用进入实质性建设阶段,大数据在各个领域的应用价值初显。
在城市管理方面,一些地方合作推出的“警务云”已大显神威。比如,深夜时发现有人形迹可疑,警察可以通过云系统,找出这个人的各种信息,包括他何时坐过什么车、住过什么酒店、家庭情况等等。现在的大数据技术可以把所有的数据关联起来,为快速破案创造了有利条件。
然而笔者不久前采访广州超算中心得知,虽然广州“智慧城市”的建设也在推进,但这样的大手笔项目却很少。而连续四次蝉联世界500强第一名的天河二号超级计算机,目前也只有40%的利用率。
为何守着世界第一的超算,广州智慧城市的建设没有走在全国前列呢?有关专家认为,主要是政府对大数据的理解和重视程度远远不够。长期以来,我们的文化基因当中,数据文化很弱。没有把数据作为一种方法论,作为一种价值观,作为一种社会运转尺度来看待。
据了解,目前广州市各级政府掌握着全社会信息资源的80%,其中包括1000余个数据库。然而这些数据共享程度低。广州智慧城市的建设用到“超算”的,也主要是对20万个摄像头的数据进行分析与利用。很多数据因为部门利益和“保密”等因素,仅限于部门内部人员使用。而政府、企业和行业信息化系统建设也往往缺少统一规划和科学论证,没有统一标准,形成了众多“信息孤岛”,这给数据利用造成极大障碍。
维克托·迈尔—舍恩伯格所著的《大数据时代》一书中认为,“通过对海量数据进行分析,获得有巨大价值的产品和服务,或深刻的洞见”,这正成为“当今社会所独有的一种新型能力”。
总的来说,大数据对城市管理最重要的借鉴就是通过全方位的数据控制和分析,为政策制定提供高准确率的参考性和预见性,推动城市管理更加科学化。
在如今的城市,供水、排水、排污、供电、燃气、电话电缆、移动通讯等十几种地下管线盘根错节,基本上由各产权单位进行封闭式管理。这种多头管理给一些民生工程的推进造成很大压力。如果能采用建立数据标准和普查建库等方式实现地下管线的数据共享,地下管线的整治将事半功倍。不仅如此,通过对地下管线密度或受力情况的区域横向比对,还能预测/分析出工程项目对邻近管线的影响,从而使建设方案得到最大程度的优化,避免“拉链路”现象。
此外,大数据的真正价值在于挖掘和分析。大数据产业的战略意义不在于掌握庞大的数据信息,而是要提高对数据的“加工能力”,通过“加工”实现数据的“增值”。在政策制定方面,大数据作用应该更大。
目前,我国相当一部分公共政策的制定,通常是基于各个部门分别上报的零散数据,综合考虑专家学者的建言献策、民意调查等,科学实证的支持相对较少。为进一步提升公共政策制定的科学性,更应该引入“大数据”理念,将理性的数据分析与感性的经验判断结合起来作为决策依据。
如在交通方面,可以根据车流方向、密度来适时调整交通信号灯,让出租车在打车需求缺口最大的时间和地点出现;在健康医疗方面,通过研究气温、病种、门诊量的变化,可以预测未来传染病的发展趋势。今年初全国手足口病高发期间,有互联网公司就收集了相当宝贵的数据,向国家疾控中心提交了疫情预测和分析报告……
据市场调研机构预测,未来几年,中国大数据应用市场将呈现爆发式增长,并以近90%的年均复合增长率增长,到2018年,大数据产业规模预计将达到近6000亿元。从政府决策与服务,到城市的产业布局和规划,再到人们衣食住行的生活方式,都为广州的超算平台提供了广阔的空间。
当然,政府部门的大数据往往涉及机密,一旦泄露或者处理不当,将严重损害国家权益。这就要求IT企业加大对电子认证、加密解密、攻击检测与防御等技术的研发投入,加强产品系统应用安全。而政府部门要抓紧推进信息安全等级保护制度,加强对数据中心及信息系统运维的监督管理。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31