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
很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12