京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据让智慧城市如虎添翼
随着中国城市化进程的推进,城市病越来越为大家所诟病和抱怨。拥堵的交通,厚重的雾霾,以及城市摊大饼现象使得资源难以承载,这些都让城市居民苦不堪言。移动互联网时代到来之后,大数据进入医疗、环保、交通等诸多领域,成为智慧城市发展的助推器。在移动互联网与大数据紧密结合的时代,城市病能否破解?
大数据应用于智慧城市发展
“智慧医疗是大数据服务于城市智慧发展的重要一点。北京大学人民医院利用大数据分析,协助医生对所有病历进行分析,可以实现更好更快捷有效的服务。”IBM大中华区智慧城市北方区总经理谷冰谈到,“大数据在环保领域也可以有很好的应用。如果把一些周围污染源的数据、风向的数据都集中在系统中可以搭建出一个模型,预测2—3天后的PM2.5值,可以应用到智慧城市的环保环节,帮助政府、个人进行更好的环保气象管理及出行管理。”
“大数据在首尔这座城市有很多具体应用。比如,我们利用智能手机,分析了30亿条通话收发信息和短信信息设计了9条公交夜班车线路。另外,首尔市民对出租车空车行驶导致能源消耗、交通拥堵十分不满,于是我们利用大数据分析出了20个坐出租车人群最多的地区,统计出来以后自动给出租车司机发送一个信息,前面左转可能等待出租车的顾客更多。我们给手机用户也发送短信,你往哪个方向遇到空出租车的可能性更大。如果减少空车率10%,就可以节省很多费用,也可以很大程度上减少交通压力。所以大数据是城市重要的行政管理手段。”韩国首尔政府信息企业团团长金景瑞介绍。
北京市在数据收集和融合方面也做了很多基础性工作。“截至2012年,北京市主要业务信息化覆盖率达到96.34%,全市各个部门建设数据库311个,主题共享库60个,已经开始通过首都之窗政府网站向社会提供数据服务。北京做了人口、法人、空间地理、宏观经济四大基础数据库的建设,也在尝试四库的融合。”北京信息化专家委员会秘书长彭凯说。
大数据应用仍面临重重阻碍
“技术已经准备好,不仅仅是大数据分析,还有前端的感应线圈,包括现有的流式数据。”谷冰指出,然而大数据在智慧城市发展中的应用仍面临重重阻碍。
首先是大数据时代的隐私权问题。“比如电信运营商所掌握的手机用户基站登记信号,曾遭到网民一片骂声,认为是个人隐私泄漏了。实际上政府不是要掌握个人详细的数据,而是掌握整个城市人群的上下班和日常生活、休息娱乐,整个交通出行规律,把个人隐私信息滤出以后,对其他的信息进行分析,不同交通工具的出行规律,从而描绘出一张整座城市的动态量图。根据出行规律深入分析找出不同时间段拥堵的原因,提出疏导措施。”彭凯说。
其次是庞大的数据量缺乏以应用需求为导向的收集、分析。“各个政府部门在执行自己的行政职能过程中积累了大量数据。数据分析如果没有明确的需求,无论多么大的数据、多么好的技术都是白费的。”LGCNS中国数字市场事业部部长张勇虎说。
“现在为了解决一项业务应用,比如解决交通的问题,就需要把和交通相关的数据收集起来,围绕应用方案做工作。”彭凯说。
再者,大数据理念能不能为决策者所接受也是一个问题。“在大数据应用方面,北京市在技术上已经做好了应用的准备。但实际上现在关键的问题是各级政府领导、政府部门领导能不能运用大数据的理念分析解决本部门、本行业当中存在的重大社会管理和服务问题。有再好的金刚钻,不去揽自己的瓷器活,仍然解决不了社会非常关注的紧迫问题。”彭凯说。
多部门多方位消除阻碍
大数据真正助力智慧城市发展需要消除重重阻碍。首先,在移动互联网或者新电商时代隐私应该被重新定义。“隐私使用的法制问题应该被重新定义,包括互联网犯罪、互联网诈骗等等,从技术角度来讲,在新型的社会很难有隐私而言。另一方面,作为一个普通公民可能更关心隐私是否会导致损失和伤害。如何重新定义隐私?如何重新界定互联网上的犯罪行为?这是一个新的课题。想通过封闭的方法,利用各种各样的安全技术保护所谓的隐私信息,现在看来不太靠谱。”SAP城市创新首席科学家王斌说。
促进各行业、多元化数据交互融合也是重要的方面。“过去考虑问题往往站在局部,不能站在整体、全局考虑。大数据时代有待于跨领域多元数据的融合,需要成体系、立体、矩阵式的思维来谋划。智慧城市发展的大数据应用分析也一定是各个领域多元数据交互融合的结果。”彭凯说。
在数据技术完备的情况下,体制机制的调整和多部门的联动十分重要。例如北京的交通工作由交通委、北京市公安交通管理局、北京公交总公司、轨道交通公司共同管理,并不是由一个部门全部制定和规划的。要想通过大数据技术解决“九龙治水”的北京交通问题,彭凯认为“北京交通委要统筹,站在更高层面规划,行业治理并不能像韩国首尔市政府那样直接操作,需要制定政策,规范行业的管理。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10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