
探讨大数据时代如何规划智慧城市(1)
智慧城市(smart city)这一概念发端于20世纪80年代的信息城市(information city),经历了20世纪90年代的智能城市(intelligent city)与数字城市(digital city),在2000年后逐步演化为智慧城市。2009年IBM公司首次提出了智慧城市愿景,使得智慧城市理念与实践在全球范围内迅速传播。目前,在欧洲和北美已有数百座城市宣布建设智慧城市,IBM公司参与的智慧城市项目多达2 500余个,微软、思科、西门子、日立、松下等科技公司以及埃森哲、奥雅纳等商业或工程咨询公司也在积极涉足智慧城市建设,预计至2020年智慧城市相关产业市场规模将达到4 000亿美元。
与智慧城市同时备受关注的是信息与通信技术(ICT:Information and Communications Technology)领域的大数据(Big Data)概念。作为与传统数据相区别的“大”数据,它的数据量已经从太字节(TB,240)级上升到拍字节(PB,250)级,甚至是泽字节(ZB,270)级。据统计,如今人们每两天生产的数据量就与人类文明发展至2003年产生的总数据量相当,而迄今为止人类所积累的数据量的90%都来自过去两年。
那么,大数据与智慧城市这两个经常被相提并论的概念之间存在怎样的关联关系?在具体的智慧城市规划中,大数据又扮演着什么角色,具有怎样的发展前景?本文将着重探讨上述问题。
1、大数据与智慧城市:演进与关联
1.1 智慧城市
出版于1972年的《后工业社会的来临》(The Coming of PostIndustrial Society)一书将1970年作为工业社会与后工业社会的分水岭,划分的依据即在于ICT的发展及对日常生活的广泛渗透,同时ICT也逐渐成为社会经济发展的关键,因此后工业社会通常也被称为信息社会。受这一思想影响,20世纪80年代的城市研究提出了信息城市概念。到20世纪90年代初,长期从事城市模型研究的迈克尔˙巴蒂(Michael Batty)提出了智能城市概念,核心思想在于强调互联网技术对提升信息交流和增强城市竞争力的重要地位。新千年后,对等互联网络技术(P2P:peer-to-peer)、移动智能终端和物联网对城市生产、生活的影响日益深刻,在ICT技术支持下,城市功能更加复杂,城市运行日益高效,城市各个子系统的交叉复合也越来越深入。但是将ICT技术广泛应用于城市发展并非仅仅为了提升城市运行效率,其最终目标应是城市经济的可持续发展、城市生活品质的提升以及城市社会经济活动公平性的促进。基于这些认识,智慧城市概念应运而生。
然而,智慧城市概念也受到了许多质疑,主要原因在于智慧城市内涵宽泛,不仅包括城市技术系统,也包括城市管理系统,还包括城市人文系统,同时其目标指向也涉及经济、政治、人文等多个维度,为智慧城市的确切定义造成了极大困难。目前学术界对于智慧城市尚未给出广为认可的统一定义,仅有一个包含六个子系统的智慧城市框架被较多使用,这六个子系统分别是:智慧经济(smart economy)、智慧市民(smart people)、智慧管理(smart governance)、智慧移动(smart mobility)、智慧环境(smart environment)与智慧生活(smart living)。而产业界对智慧城市的认识可总结为利用新一代的软、硬件和联络技术赋予ICT系统以实时的真实世界数据,与先进的科学分析技术相结合,协助人们进行更加理性的决策,从而提高生产生活水平。
1.2 大数据
如今,人们每天发送10万条推特,谷歌每分钟执行200万次搜索,全世界每天产生2.5艾字节(EB,260)数据,截至2013年互联网数据量已达到1 000艾字节……这些数字共同构成了所谓“大数据”。早在1980年,著名未来学家阿尔文˙托夫勒就在《第三次浪潮》一书中提及了“大数据”;大约2009年,大数据概念开始在ICT领域兴起。不同机构和学者为大数据提出过多种不同定义,其中较被广泛认可的是描述大数据与传统数据主要差别的“3V”特征——大容量、高速度与多样性。大容量体现为其数据量往往达到艾字节或泽字节级别,很难以传统数据处理方式在合理时间内完成分析;高速度体现为数据生成过程的流动速度,也就是大数据具有实时性;而多样性则主要表现在大数据类型和来源的多样。这些特点使得能够有效管理大数据、普遍适用的数据组织与处理技术成为关键。
1.3 演进与关联
可以看到,智慧城市概念的演进与ICT的日趋发展密不可分。概括而言,大数据与智慧城市分别代表了20世纪以来ICT进步的两个方面——大数据概念的提出和发展主要来自于ICT领域的发展,而智慧城市概念的提出和发展则是ICT影响下人类社会的思想观念与建设实践演进的反映,两者之间具有紧密的关联关系。智慧城市的发展必须依托于ICT技术的发展,而城市生产、生活的日趋复杂也为ICT领域提出了新的机遇和挑战。一方面,市民对基于ICT的各类服务需求激增,为ICT的进一步发展提供了市场支持;另一方面,用户在享受服务的同时,也生成了巨量潜存巨大社会、商业、科学价值的信息,也就是大数据。智慧城市的规划与建设,需要有充分的技术与条件处理城市运行过程中产生的大数据,如城市交通系统产生的实时交通信息、城市经济系统产生的商业活动信息等,特别是城市管理层(城市政府)对智慧城市进行智慧管理需要建立一整套大数据管理系统,不仅涉及数据的收集、存储、分析方法,还涉及来自不同行业、不同类别数据的整合问题。这一系列城市功能脱离大数据技术都是无法实现的(表1)。
表1 ICT数据管理方法与智慧城市的演进与关联
2 、大数据时代的智慧城市规划实践:国际案例与经验
由上文可以看出,智慧城市这一概念来自于产业界,并由政府和产业界推动实践,而学术界虽然也已开展相关研究,但尚未成为智慧城市建设的主要推动力,且部分研究与应用实践尚有一定差距。因此,本文将主要围绕各地政府或产业界主导的相关建设项目,对大数据时代的智慧城市规划实践予以梳理。由于提出时间尚短,目前关于智慧城市还未出现成熟的评价体系,仅有来自柯恩教授的“十佳智慧城市排名”较被认可,本文参考这一系列排名(世界排名及洲排名),综合考虑大数据相关技术在各地的应用水平,选择10座智慧城市为重点案例,结合少数其他案例,分析总结大数据在国际智慧城市规划中的应用进展。
同时,本文参考智慧城市六大系统的分析框架,分别梳理大数据相关技术在各个系统的应用。需要指出的是,六大系统中的智慧经济侧重产业发展,智慧市民侧重教育、个人发展与社会公平等,与大数据相关性较弱,故不作探讨。
2.1 大数据基础设施
大数据的获取与传输依赖于覆盖广泛、速度快捷的互联网络,因此互联网基础设施的铺盖与升级是智慧城市建设的必要环节。早在1993年,美国率先提出了国家信息基础设施(NII)计划,并随后提出了全球信息基础设施(GII)计划。至今,已有大量国家或地方政府提出高速或超高速宽带网络建设计划,如新加坡(2005)在“智慧国2015”(iN2015)计划中提出建设全面覆盖的超高速宽带网络等信息通讯基础设施;伦敦计划投资2400万英镑以较低的价格为中小型企业提供超高速宽带网络;在英国智慧城市计划竞赛中入围的布里斯托和伯明翰正分别投资l100万英镑和800万英镑用于宽带网络建设;芝加哥正在投资建设一条新的光纤网络以使网速达到千兆级别,并希望以极具竞争性的价格吸引更多公司于芝加哥落户。同时,随着智能移动终端的普及,免费无线网络也成为网络基础设施的建设重点,如伦敦正在与英国五大移动网络运营商之一的O2公司合作建设欧洲最大的免费无线网络,计划铺设在画廊、博物馆及全市150个地铁站;纽约计划在富尔顿街(Fulton Street)、BAM文化区等十余处街区提供免费无线网络;旧金山试点在主要街道市场街(Market Street)提供免费无线网络;阿姆斯特丹试点在艾瑟尔堡(IJburg)港口提供免费无线网络等。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08