京公网安备 11010802034615号
经营许可证编号:京B2-20210330
用城市大数据推进智能城市建设_数据分析师
智能城市也叫iCity。它的中国定义,已基本不同于IBM的“Smart City”,他们想做的是城市IT的smart系统,而中国则需要构建的是智能发展的城市,要将我国新型城镇化、深度信息化和工业化升级版深度融合。
其实,在2009年8月,IBM发布的《智慧地球赢在中国》就量身打造了六大智能解决方案:智慧电力、智慧供应链、智慧银行、智慧医疗、智慧城市、智慧交通。这些智慧方案,已经陆续在我国许多城市展开。
当前,我们中国的iCity发展正处于“四化”交集上。十八大号召,促进工业化、信息化、城镇化、农业现代化同步发展。iCity将深入推动信息化与城镇化、工业化之间的融合,具有全局意义。
因此,中国“智能城市”建设也应走中国特色道路。2012年,中国工程院立项了重大咨询研究项目《中国智能城市建设与推进战略研究》,其中智能城市的重点建设内容分5个部分:城市建设的智能化发展、城市信息的智能化发展、城市产业的智能化发展、城市管理的智能化发展以及城市人力资源的智能化发展。
这5个部分的重点建设内容,我们要怎么做呢?首先,要从应用着手,以实用性为目标,抓中国城市的核心问题和主要矛盾并解决;其次,要加强物联网,建设传感器网络,加强三元世界的彼此连接;最后,要打通大数据,打通数据孤岛,运用大数据,推进高水平应用和高水平决策。总的来说,我们应该用城市大数据和云平台来着手解决各种智能应用系统,如智能医疗、智能电网、智能交通等。
感知城市将成为城市努力打造的新名片
物联网是新一代信息技术的重要组成部分,也是信息化时代的重要发展阶段。实际上,它是互联网的延伸。因此,加强物联网必须先提高城市的网络带宽。在北京的“十二五”规划中,提升信息基础设施建设是一项重要内容。
此外,城市是国家战略的起始点和落脚点,面对源于能源消耗、交通运输等环节的严峻挑战,信息化成为形成城市核心竞争力的重要抓手。鉴于此,美国、德国、新加坡等国纷纷启动智慧城市、智能城市建设,而我们中国也提出了感知城市概念,推动着物联网、云计算等新一代信息技术思潮向政府和企业行动的转变。未来,感知城市将成为城市努力打造的新名片。
在中国,时值“十二五”开局之年,在调结构、转方式的国家战略发展要求下,感知城市建设已全面启动,这一热潮正改变着新一轮城市发展格局。
互联网的高速发展带动了物联网的发展,我们以物联网技术推动城市规划、建设、管理和服务智慧化,可以让城市变得更加安全、便捷、高效、绿色、和谐和幸福,形成以物联网助推智慧城市建设的特色道路,以此感知城市。
当然,物联网除了感知城市,也在感知物理世界、感知人类。越来越多的穿戴式设备正在向人机一体化方向发展,它们和手机及互联网+相连,将推动预防医学的发展。
智能城市离不开大数据的支持
大数据时代的到来,正悄然改变着人们的生活。得益于大数据的海量储存、分析与处理,人们能够运用大数据实现遥不可及的梦想。公共交通系统的动态数据公布后,可以通过手机APP为公众出行提供意见和方案,也能为交通高峰期调配出更优方案。
智能城市之所以迷人,在于它能为人们提供更安全的居住环境,更准确的交通状况,以及更方便的生活体验,而要做到这些,离不开大数据的支持。不管是智能交通、智能安防,还是智能家居,大数据都是支持其运转的核心。
而大数据的主体是城市大数据,这涵盖了城市建设、环境、企业产业、教育、医疗卫生、食品、文化等多方面。那么,谁有能力聚集和联接这些数据呢?是公司,公共机构,还是政府?
对此,我认为,这要依靠权威机构、技术和市场的合作。比如,数字图书馆、商业数据中心、证券数据中心、铁路数据中心等。其中,政府应在城市大数据的管理与开放中起主导作用。这主要表现在:促进知识服务业发展,创造新的市场与技术;确保个人信息不受侵犯、公共信息安全与共享;提高城市管理能力与决策水平,更好为市民提供服务。中国工业化与城市化的环境和政府结构很有利于发展城市大数据。如果做得好,中国可以用城市大数据来深化智能城市的发展。
可以预见,未来大数据将遍布智慧城市的方方面面,从政府决策与服务,到人们的生活方式,再到城市的产业布局和规划,以及城市的运营和管理方式,都将在大数据支撑下走向智慧化,大数据将成为智慧城市的引擎。
所以,我说iCity是中国的机遇,因为这恰好与中国的管理结构相吻合。对于中国强大的市政组织力量,iCity是个极妙抓手,在推动城市又好又快的发展中,大有用武之地。我们应当用好智能城市在中国具备天时、地利、人和的独特优势,用城市大数据推进智能城市建设。
新闻背景:
5月19日,“中国云谷 梦想启航”高峰论坛在安溪举行。论坛上,中国工程院院士潘云鹤深入畅谈互联网+下的城市大数据,提出要用城市大数据推进智能城市建设,受到广泛关注。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17