
为什么说大数据是建设未来智慧城市的核心?
“大数据、云计算、移动互联网、物联网等新技术,不仅仅在整个智慧城市构建中会产生很大的作用,在智慧政府构建中也会发挥大作用。”中国行政体制改革研究会副会长、国家行政学院电子政务专家委员会副主任汪玉凯在日前召开的智慧城市(银川模式)研讨会上如是说道。
其中,“大数据”是在场多位专家对建设智慧城市建议中屡次提到的一个关键词。国家信息化专家咨询委员会委员宁家骏谈到建设智慧城市的一个重要目标,就是要坚持以提升公共服务效率为核心,通过进一步改进惠民的服务,建设和谐、宜居、富有活力和现代化的城市。这个目标离不开先进和创新技术的支撑,其中关键技术就是大数据。
的确,一个城市的管理和运营需要科学的决策,只有数据支撑才能保证智慧城市的真正运行。城市发展需要完成大数据的采集、处理、整合、共享、挖掘、分析和应用,通过了解城市运行情况与发展态势,为各部门协同工作、领导决策提供支撑,进而服务于市民。
智慧银川之所以在全球斩获“2015中国领军智慧城市”、“TM Forum智慧城市总裁特别大奖”等一系列殊荣,重要的原因是其利用大数据探索了城市管理和发展模式创新,可以说银川实践了城市大数据应用的雏形。
智慧银川大数据尝鲜
汪玉凯这样评价银川在智慧城市方面的先行探索,“银川的智慧城市建设首先打破了部门和部门之间的壁垒,这个部门壁垒隐含着行业壁垒,包括政府部门之间的壁垒,行业和行业之间的壁垒,既包括政务的也包括企业的。正是因为打破了部门以及行业壁垒,所以才获得了数据资源、掌握了数据财富。”
当然,如何获得这些大数据是重中之重。政府部门开放数据显得迫在眉睫,首先要政务公开、构建权利清单、责任清单向社会公开,其次要把政府数据向其他部门开放、甚至向社会开放。如同银川市委书记徐广国所说,“不能让各个部门都视数据为自己的资源、资产和权利项目,而是要共享和交互产生效用。”
说到数据共享与交互,可能业界各方有太多的意见,是的,在政府及城市的数据运用方面目前面临数据失真、条块化严重、缺乏规划等挑战。
其实在中兴通讯智慧城市2.0方案的技术创新中,就对城市大数据进行了前期规划,其中一个技术创新正是围绕大数据展开的,即构建城市大数据共享云平台(UOC)。
UOC的核心是两库两平台。两库中的城市基础数据库包括人口、法人、宏观经济等数据,城市行业应用数据库则涵盖交通、教育、公共服务等领域。两平台中的数据共享与交换平台,用于建立城市的数据共享通道,另一大平台是数据挖掘分析平台,用以进行海量的数据分析挖掘,形成智慧应用。
作为智慧银川整体方案的提供方,中兴通讯有着自己对智慧城市的定义,即以提升城市管理、便利公共生活,促进科技创新为目标,以大数据、物联网、云计算等新技术为手段的城市建设、管理发展的新思路和新模式。
因为这些技术的不断成熟和创新,从而为大数据应用创造了条件。中兴通讯执行副总裁庞胜清以智慧交通举例道,“新技术的应用实现了跨行业、跨区域的交通数据和业务的互联互通,这时可以对路况进行主动的应对。城市建设了智慧交通以后,车辆的通行量增加了35%,司机停车的次数减少了45%,行车的速度提升了30%。通过对历史和实时数据的挖掘分析,利用大数据技术城市可以预测未来的路况,可以指导城市路网的规划。”
智慧银川以及中兴通讯在智慧城市项目的实践中尝到了大数据应用的甜头,从而提出了要以大数据为核心建设智慧城市。庞胜清对智慧城市3.0的趋势特征如此描述,“3.0阶段将坚持以人为本,挖掘数据价值,实现大数据的应用,通过数据众包众筹、信息开放共享、公共服务优化决策、城市智慧管理等大数据分析挖掘,推进社会的大协作,全民参与,实现数据的社会价值。”
大数据驱动的智慧城市3.0 五大构想
智慧城市是一个长期、不断演进的课题,为此,中兴通讯提出了智慧城市3.0的五大构想:
1、引领下一代ICT基础设施部署。首先,要加大前端智能感知设备的部署,例如智能水表、电表、路灯、垃圾桶等等,拓展城市数据来源。
2、建立大数据开放机制。智慧城市3.0要做好三件事:建立数据采集、传输、应用等环节,端对端的数据安全保障体系;在数据资源相关的规范管理方面做好立法保护工作;联合国家部委及TMF等标准组织,推进政府数据开放,交换访问接口、安全保密等共享标准的制定。
3、推动大数据的应用。依托大数据平台,一方面针对开放交易的数据,经过清洗、脱敏处理,形成标准化的数据;另一方面在政务、企业云、旅游、交通等具体应用上进行自主运营,通过画相建模、人工智能学习等进行大量的应用。
4、推进城市互联、构建智慧城市群。智慧城市3.0时代将以大数据中心为核心节点,通过跨境电商、智慧物流、智慧园区、智慧旅游等应用,加快与“一带一路”国家的数据交流,以数据流带动信息流、文化流。
5、打造大数据的生态圈。致力于加强于各行业顶尖企业的交流合作,在大数据分析领域,建立从数据源、大数据基础设施、大数据分析、大数据可视化、数据运用的大数据生态圈。
小结
如果说中兴通讯智慧城市2.0建立了数据共享与交换平台,那么通过智慧城市3.0的构想,可以感觉到3.0的阶段更强调大数据的分析与应用,通过数据驱动城市智慧产业的升级。
过去,基础设施和垂直行业应用系统建设取得了一定基础,如想进一步提升整个城市的智慧化水平,就需要在积累大数据的分析处理和应用中体现更多的价值,可以预见,在智慧城市3.0时代,中兴通讯已走在了探索智慧城市大数据挖掘、分析与应用的道路上。
总结起来看,3.0时代将以大数据为核心,以大连接为基础,这个阶段强调以人为本的大数据运营。中兴通讯相信,它可以解决城市发展过程中面临的深层次问题,从而实现城市智慧式管理和运行,促进城市的和谐和可持续成长。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09