京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据、云计算、互联网,这是时下最流行的词汇与话题。能否以及如何将这些新技术运用到城市节能上,是一个很大的启示和挑战。
在第十一届中外绿色人居论坛上,论坛组委会委员、美国能源基金会建筑项目主任、博士莫争春以纽约为例向大家展示了一种可供参考的方向:以行政命令管理的手段,统计城市建筑能耗信息,并全部公开分享,鼓励市场参与数据分析,共同提升城市建筑能效。
莫争春在接受《第一财经日报》记者专访时表示,建筑能耗数据的公开与对标对于城市节能可以起到很大的推进作用,这首先是观念的问题,而非技术问题。
心中有“数”
世界正处于大数据时代。从纷繁复杂、不断爆炸的数据中寻找出任何有效的信息并加以利用,正成为一种共识。
在莫争春看来,国家在制定任何节能政策之前,关键也在于要知道自身的能源数据,要知道自己的“家底有多少”,做到心中有数。但实际上,在建筑行业方面,我国并没有清晰的数据,如何做到心中有数?
当前,国内绝大多数有关建筑能耗的研究及数据统计都只是针对单个建筑,缺乏对城市整体的统计。
莫争春对本报记者表示,虽然现在我国很多省市在做建筑信息能耗监测平台,但并没有哪个城市能确切把所有的建筑能耗搞清楚,也没有哪个城市把收集到的信息加以利用。“我们现在只是把数据收集起来,用图表现出来,但是这不是目标,我们的目标是利用这些信息来做节能。”
由于在中美两国节能领域工作了20余年,莫争春对两国的节能现状非常了解。他认为美国纽约在利用大数据进行城市节能方面有着突出表现。
纽约前市长迈克尔·布隆伯格曾提出纽约到2030年减排30%,而70%的能耗在建筑。为了完成这个目标,迈克尔·布隆伯格就必须摸清大部分建筑的能耗现状,才能对症下药。
据莫争春介绍,迈克尔·布隆伯格通过议会立法,最后要求采取强制性的方式,所有5000平方米以上的建筑,必须将能耗数据公开,否则将会受到相应的惩罚。他只花了2年时间,就掌握了纽约市所有5000平方米以上的建筑(包括住宅和公共建筑)的能耗数据,并能根据能耗强度将纽约市划分区域,由此有针对性地进行节能。
开放与市场化
数据公开的好处在于充分的市场化,可以发动全社会的力量共同推进城市节能。
仍然以纽约为例,迈克尔·布隆伯格的做法催生了一批优质的建筑能效服务公司,创造了新型能耗行业。城市建筑能耗数据需要进行审计,迈克尔·布隆伯格并没有事先设置行政许可,而是放开让市场去做,最终通过市场的力量催生优质的审计公司。
莫争春还介绍,在美国能源部官网上关于所有的住宅、商业建筑、能源供应等相关数据都对外公开,而且政府鼓励公众使用这些数据,尤其是开展竞赛,看谁能够开发更好的使用工具,把公布的数据开发利用得更好,给予奖励。
目前,美国已经出现了大批能源数据分析公司,都是基于上述公开信息做的。也正是由于信息的公开,美国今年有10个城市正在进行着一场信息公开和对标的比赛。
在莫争春看来,基于公共信息分析产生的策略才是城市发展之路。传统模式中,政府控制了绝大部分信息,主导着市场,而封闭、隔离的“信息孤岛”是形成大数据的障碍。现在需要一种新模式,即政府让这些信息在市场中流动,让市场利用信息催生新服务。
“在大数据时代,我们需要的不光是新的节能战略,而是信息的共享。”莫争春表示,公共信息的共享是大数据的起点,这个取决于决策者是否有决心去做。决策者需要意识到能耗数据的公开和对标对推动城市节能会起到很大的作用,而不是将其作为一种隐私或者国家安全问题而保持封闭。
说到底,就是政府需要转变职能,建立、监督、完善能耗公开制度,让市场去做功。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10