
大数据如何助力智慧城市建设
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2015年以来,重庆市以综合市情系统、城乡规划综合数据库、交通决策支持系统为重点的三个大数据平台建设,在智慧城市建设上取得了阶段性成效。大数据作为我国国家发展、城市建设的战略手段,越来越受到重视。近日,中国信息资源管理论坛暨新型智慧城市建设与大数据资源管理研讨会在京召开。研讨会围绕国家大数据发展战略、智慧城市建设实践等议题进行了深入讨论。
会上发布了《2016年度中国智慧城市建设与发展综合影响力评估指标体系》,创新性地提出包含智慧基础运营、智慧管理服务、智慧经济人文、智慧综合保障等四大类五十八小类的综合评估指标,把先进的网络大数据信息技术与城市建设发展有机结合起来。
中国城市科学研究会智慧城市联合实验室首席科学家万碧玉介绍了我国智慧城市建设标准体系建设情况。他指出,国家对智慧城市建设一直以来都非常重视。历年来,由国家各部委陆续推进的智慧城市试点非常多,包括住建部国家智慧城市试点、工信部信息消费试点城市、科技部和国标委国家智慧城市试点、发改委信息惠民试点、工信部和发改委“宽带中国”示范城市、国家测绘局地理信息测绘示范城市等。万碧玉指出,我国智慧城市建设与国际间的合作交流也在不断加强,通过近几年的发展,目前我国已处于世界相对领先水平。
“大数据助力新型智慧城市建设贵在创新。”国家信息化专家咨询委员会委员、中国信息化推进联盟专家委员会副主任宁家骏说:“新型智慧城市建设是大数据的重要载体,要将大数据引入管理,运用大数据的技术和理念,建立用数据说话、用数据决策、用数据管理、用数据创新的城市管理新方式,使公共服务效能更高,助力城市高效运行。”
中国人民大学统计与大数据研究院教授、国家“千人计划”特聘专家艾春荣认为,智慧城市的公式应为智慧城市建设等于智慧基础设施+物联网+公众互动平台。即一方面通过物联网技术,将城市资产、政府与大众连接起来并将信息集中到中心,供政府全局优化决策、提升政府管理的能力;另一方面通过公众互动平台,增加大众参与、保障政府决策透明,提高社会服务质量,大幅提升城市的规模和竞争力。在艾春荣看来,智慧城市的建设要求对大数据进行深度的挖掘和分析,并在此基础上进行全局的优化决策,才能真正达到减少负效应、提高正效应的作用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29