京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据让智慧城市如虎添翼
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。在移动互联网与大数据紧密结合的时代,城市病能否破解?
大数据应用于智慧城市发展
“智慧医疗是大数据服务于城市智慧发展的重要一点。北京大学人民医院利用大数据分析,协助医生对所有病历进行分析,可以实现更好更快捷有效的服务。”IBM大中华区智慧城市北方区总经理谷冰谈到,“大数据在环保领域也可以有很好的应用。如果把一些周围污染源的数据、风向的数据都集中在系统中可以搭建出一个模型,预测2—3天后的PM2.5值,可以应用到智慧城市的环保环节,帮助政府、个人进行更好的环保气象管理及出行管理。”
“大数据在首尔这座城市有很多具体应用。比如,我们利用智能手机,分析了30亿条通话收发信息和短信信息设计了9条公交夜班车线路。另外,首尔市民对出租车空车行驶导致能源消耗、交通拥堵十分不满,于是我们利用大数据分析出了20个坐出租车人群最多的地区,统计出来以后自动给出租车司机发送一个信息,前面左转可能等待出租车的顾客更多。我们给手机用户也发送短信,你往哪个方向遇到空出租车的可能性更大。如果减少空车率10%,就可以节省很多费用,也可以很大程度上减少交通压力。所以大数据是城市重要的行政管理手段。”韩国首尔政府信息企业团团长金景瑞介绍。
北京市在数据收集和融合方面也做了很多基础性工作。“截至2012年,北京市主要业务信息化覆盖率达到96.34%,全市各个部门建设数据库311个,主题共享库60个,已经开始通过首都之窗政府网站向社会提供数据服务。北京做了人口、法人、空间地理、宏观经济四大基础数据库的建设,也在尝试四库的融合。”北京信息化专家委员会秘书长彭凯说。
大数据应用仍面临重重阻碍
“技术已经准备好,不仅仅是大数据分析,还有前端的感应线圈,包括现有的流式数据。”谷冰指出,然而大数据在智慧城市发展中的应用仍面临重重阻碍。
首先是大数据时代的隐私权问题。“比如电信运营商所掌握的手机用户基站登记信号,曾遭到网民一片骂声,认为是个人隐私泄漏了。实际上政府不是要掌握个人详细的数据,而是掌握整个城市人群的上下班和日常生活、休息娱乐,整个交通出行规律,把个人隐私信息滤出以后,对其他的信息进行分析,不同交通工具的出行规律,从而描绘出一张整座城市的动态量图。根据出行规律深入分析找出不同时间段拥堵的原因,提出疏导措施。”彭凯说。
其次是庞大的数据量缺乏以应用需求为导向的收集、分析。“各个政府部门在执行自己的行政职能过程中积累了大量数据。数据分析如果没有明确的需求,无论多么大的数据、多么好的技术都是白费的。”LGCNS中国数字市场事业部部长张勇虎说。
“现在为了解决一项业务应用,比如解决交通的问题,就需要把和交通相关的数据收集起来,围绕应用方案做工作。”彭凯说。
再者,大数据理念能不能为决策者所接受也是一个问题。“在大数据应用方面,北京市在技术上已经做好了应用的准备。但实际上现在关键的问题是各级政府领导、政府部门领导能不能运用大数据的理念分析解决本部门、本行业当中存在的重大社会管理和服务问题。有再好的金刚钻,不去揽自己的瓷器活,仍然解决不了社会非常关注的紧迫问题。”彭凯说。
多部门多方位消除阻碍
大数据真正助力智慧城市发展需要消除重重阻碍。首先,在移动互联网或者新电商时代隐私应该被重新定义。“隐私使用的法制问题应该被重新定义,包括互联网犯罪、互联网诈骗等等,从技术角度来讲,在新型的社会很难有隐私而言。另一方面,作为一个普通公民可能更关心隐私是否会导致损失和伤害。如何重新定义隐私?如何重新界定互联网上的犯罪行为?这是一个新的课题。想通过封闭的方法,利用各种各样的安全技术保护所谓的隐私信息,现在看来不太靠谱。”SAP城市创新首席科学家王斌说。
促进各行业、多元化数据交互融合也是重要的方面。“过去考虑问题往往站在局部,不能站在整体、全局考虑。大数据时代有待于跨领域多元数据的融合,需要成体系、立体、矩阵式的思维来谋划。智慧城市发展的大数据应用分析也一定是各个领域多元数据交互融合的结果。”彭凯说。
在数据技术完备的情况下,体制机制的调整和多部门的联动十分重要。例如北京的交通工作由交通委、北京市公安交通管理局、北京公交总公司、轨道交通公司共同管理,并不是由一个部门全部制定和规划的。要想通过大数据技术解决“九龙治水”的北京交通问题,彭凯认为“北京交通委要统筹,站在更高层面规划,行业治理并不能像韩国首尔市政府那样直接操作,需要制定政策,规范行业的管理。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12