京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据在智能城市建设中如何实现价值
在有关大数据应用的讨论里面,智能城市炒得异常火热,这也是每个城市发展的一个引导方向。在大数据和智能城市发展的过程中,大数据的价值非常大,但这些大数据如果应用不好,他的价值等于是零。那么,大数据时代的智能城市到底是怎样的城市呢?大数据又在其中起到了怎样的作用?
一、城市规划
你看现在每个城市在城市规划当中,都存在有很多问题,比如说在北京,几乎都是灰尘,没有什么公司,也没有什么工厂,也没有学校,大家都到城里去,这样的规划,我们通过移动的信息,能够非常准确地把这个城市规划做好。
美国纽约也是全世界很大的城市,大数据原来在有老百姓的每一个城市,都有一个老百姓需要服务的东西。原来有40多个公司在做这个,40多个公司很大,但是解决的问题很不好,大家很不满意。就是服务的智能很差,大家提出这个311的电话,311的电话以后,他就400个人,最后服务的结果是什么?80%的老百姓的呼叫30秒就能出,这个结果是非常大的变化。就是170种语种,大概是5万多个户县,为什么能做到这一点,就是大数据的资源,没有大数据的资源,没有办法得到出来。
纽约市在数据开放方面是走在前面的,1100多份数据,你看下面这个数,这个纽约市市长,他每天在办公室,他整个纽约市的交通拥堵,哪个垃圾没人收,PM2.5都一目了然,都有这些数据。这是一个城市的数据,他利用这个数据,就可以解决很多的问题。比如说你在哪儿,他就可以预测,这些数据都可以公开利用,都可以有很大的利用价值。
二、智能交通
每个城市智能交通都是很大的问题,要解决两个问题,一个是解决交通给人们带来的安全的事故,每年因为交通事故死亡7万多人,这个矛盾我们能不能利用大数据技术来解决这个,还有拥堵的问题,能不能利用大数据来解决拥堵的问题。
现在我们的汽车有位置的不到5%的,就是大量的汽车都是自己的手机位置信息,这个移动的通信末端,司机绑定你的位置信息,从周一到周五,每个路口的进出多少辆车,都有规律的,这些大数据来指挥我们交通,这个对社会的跟进完全不一样。
我们来做一个实验,一个城市大概有多少万人,好像是500多万的这个统计。这些人晚上的位置的信息96%都知道,比较准确,白天94%都知道,这个都是很准确的。这些位置的信息是有很大的价值,也有很大的隐私。这些数据作为公共的服务,都是客观存在的。但是这些数据挖掘出来没有?应用出来没有?没有。
大家都知道车联网的数据价值很大,车联网要解决这个问题,他现在提出了咱们50毫秒、10毫秒,现在提出要3毫秒,因为这个车怎么来解决这个问题,这个要降到1毫秒一下,我们互联网是90毫秒,都还是远远超过。
三、医疗
怎么解决医疗问题,想提供一个数字给大家。美国医疗方面是很发达的他在美国有产业很大,到2020能年达20%,美国的GDP和20%是多大的量,要把医疗的大数据能够统一。把这个问题解决了以后,就能解决所有大数据的一个统一的问题。
现在预测我们国家在医疗方面到2020年,保健方面大概1万医院,我们在GDP只有5%,这个全球平均是10%,我们比全球平均水平还低,随着我们综合水平的提高,这个比例会越来越大。但这个方面,我们的这个地位医疗的一些报名的事件,我们每年增长23%,能不能通过大数据应用缓解这些矛盾,我认为是很迫切的。这是欧盟关于医疗设备成立一个大数据的一个服务公司,都在做这样的一个讨论。
在大数据里,移动医疗可能会成为我们自己的医生,将来总有一天,会变成我们医疗的医生。现在有人预测,到2015年,大概有5亿台手机会有医疗功能,但是现在大部分还很少。但是大家现在大家都在做,苹果公司都在做,就是通过手机来测血糖,或者测你哮喘的病,测医疗单子,现在这些方面,咱们都会得到一些比较普遍的应用。另外在公共安全方面,我们国家每年大概6千多亿的损失,有20多万死亡,这个损失很大。我也举一个例子,就是吉林一个县发大水,也是汶川地震时期,大家都在默哀,觉得是老天爷所为,无能为力,但是,我们如果有了天气预报,有了地理地貌这些信息,我们可以避免这些灾难的发展。
四、突发事件
在突发事情上,如果政府有采取这个措施,是可以避免的。举一个例子,北京的一个水灾,这个事故死了几十个人,北京市政府领导给我们的情况是:那是一个旅游景点,有一个河沟,一个经理看情况不好,就告诉他们,不到十几分钟以后,山洪暴发了,否则的话,就可想而知了。
如果我们有天气预报,我们都可以知道。更可怕的是北京机场有一个河,就是再下点雨,就可以倒灌到地下室,如果倒灌了以后,这个楼就宣布要倒塌,这些手段,这些技术没有人去说,这些都是不是很困难的事情,但是需要这些数据的开放。
大家可能知道南京煤气管道,一个农民工施工的时候,煤气爆炸,把农民工拘留起来,在北京我就愤愤不平,在南京讲课的时候,我跟他们说,我说你这个领导应该给他一个哪儿有管道有这个数据。他晚上请我吃饭的时候说刘院士,我真没有这个数据,说三米外有一个数据,其实不到一米的时候,这个管道就被挖出来了。这个数据有没有?有的有,有的没有,就是政府部门没有公开,这些数据不能不开放。
就像江苏省的GDP,又是沿海的,这么发达的城市,这些数据都没有,你就比较危险。所以我们的大数据喊的那么厉害,却没有落实到实处,我的意见就是赶紧找找你的问题,看看那能不能用大数据去解决。否则讲了半天,他的价值,就没有体现。我们说的净化,但是他跟环境的一样,这些数据在那儿摆着,你跟你的问题结合起来,他才能发挥他的价值。这些灾害方面,需要大数据的平台。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13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 ...
2026-04-13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 ...
2026-04-13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