
大数据是智慧城市的重要资产
城市大数据是智慧城市的重要资产。我们通过各种各样的数据库,包括人口库、法人库、地理库、经济库等,建立政务云、行业云、工业云,通过数据融合、挖掘数据、共享数据,支撑我们的智慧城市。感知城市、无线城市、数字城市、宽带城市,是智慧城市的必然要求。创新城市、人文城市、平安城市、幸福城市、海绵城市、宜居城市、健康城市、绿色城市,是智慧城市的题中应有之义。
大数据与政府公共服务。美国规定1/4的政府信息技术预算要用到云计算上面,就是说利用云来管理。我们有些地方政府不自建云,跟阿里等合作。有些政府把地方政府的数据都搬到阿里云上面,阿里帮它分析,也有很多政府没有把数据放到阿里云,而是让阿里帮其建一个云,把阿里的分析工具引进到政府的云里头,利用阿里的技术来帮着分析。腾讯把政府的微信公众号纳入到腾讯的微信城市服务里,一方面帮着政府来分析一些应用,另一方面也实现对政府的监督。当然,阿里、腾讯也希望借此获得政府的一些数据。
大数据与交通管理。例如,以色列特拉维夫有很多摄像头,通过这种摄像头可以看到不同时间、不同马路的交通状况:是交通拥堵,还是交通管制,还是交通事故。重要的是,通过大数据,把所有现象组合起来,实时发到每个驾驶员、行人那里。驾驶员和行人可以据此来选择迂回的路段。我在北京也看到不少交通显示屏,可是有时我看到显示屏的时候,实际上处于前进不得也后退不得的状况,这就说明我们的大数据应用还有待改进。
大数据与环保。在美国密西西比河,一个装置沉到水底取样,升到水面再取样,然后把污染检测的结果通过卫星回传到后台,后台通过云计算、数据中心、大数据挖掘,得出河流的污染状况,然后做一个数字化河流的模型,点击网上河流的某一点,就知道这个点的污染状况。我们国家很多地方,像上海就测试了全区的排放量、地表水质量、噪声。无锡在太湖上也放了很多的传感器,但它不是活动的,而是固定的,当然也能测出不同位置的污染状况。
大数据与社会治安。美国的毒品现在已经不敢露天种植了,因为卫星、无人机、飞机都可以监测到。一些人就在大城市里租或者买一个大房子,拿花盆来种大麻等毒品。没有阳光,就用LED灯来照明。这种情况靠飞机就查不着了。于是,美国把电力公司的大数据收集来。一般的人家用电灯,是晚上用得多,白天用得少,而这种地方是白天、晚上都用。所以,美国根据电力的消耗来判断某个建筑物内是否有问题。
大数据与城市发展。上海主办开发数据大赛,包括城市道路、地铁、一卡通、公交车、出租车等,面向全球征集怎么改善交通、便利市民以及怎么创新。广州鼓励所有骑自行车的人,若发现什么地方不好,就拍下来,然后上传到网上,政府通过这样的措施优化管理。
大数据在农业研究、金融市场、气象预报、新闻报道等方面已经应用得很广泛。比如,沃尔玛基于每个月网购的数量判断客户购买物品时的喜好,优化商品柜台的排列,销量猛增;印第安纳大学学者从成千上万的留言中把微博分成六种心情,从中算出的道琼斯指数,准确率高达87%;Target是美国排行第二的超市,女性顾客很多,孕妇最舍得买东西。Target列出最受孕妇欢迎的商品单,购买此单上商品的顾客很可能就是孕妇。
大数据、智能化、移动互联网、云计算,以及物联网结合的大智移云代表了信息技术发展新阶段的时代特征。大数据支撑了社会的精细化管理和智慧城市的建设,是提升管理和服务的重要抓手。
我国大数据还有很长的路要走,还面临很大的挑战。作为世界人口第一大国,我国产生的数据量极为庞大,但真正存储下来的数据仅仅是北美的7%、日本的60%,而且我国所存的数据应保护的有一半未保护。比如,我国在医疗健康、交通治理、环保等方面的研究还不足,还存在数据分散、监测的覆盖率较低等问题。另外,我国一些部门和机构拥有大数据,但是难以共享,导致信息不完整或重复投资,有数据的不挖掘、不应用,想挖掘、想应用的没数据。要解决这个问题,政府要更积极地作为
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17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