智慧城市推動大數據概念
據統計，目前我國常住人口城市化率已達到50%，逐漸形成了以北上廣深等特大城市為中心的，多層次、功能互補的城市群。國際上主流學者認為一個較為理想和穩定的城市人口占總人口的比例應在75%左右，所以在未來較長時間內，中國城市化仍處在大規模加速過程中，據估計未來中國城市化進程還將延續30年。這一趨勢伴隨著城市化進程和城市體系與空間分布的快速變化，此外，社會管理問題也越來越突出，例如候鳥式勞工遷移問題，交通效率快速下降，空氣、淡水、食品安全等問題。如何將日益豐富的各類信息資料，通過處理來積極地影響城市正常運行是一個主要問題。智慧城市結合大數據將是應對上述問題的現階段最佳解決方案。
從智慧城市的體系結構來看，由于智慧城市的基礎在于物聯網技術，因此智慧城市體系結構和物聯網的體系結構相類似，也可分為感知層、傳輸層、平臺層、應用層。智慧城市相對于數字城市來說，最大的區別在于對感知層獲取的信息進行了智慧的處理，因此也可以認為智慧城市是數字城市的升級版。由城市數字化到城市智慧化，關鍵是要實現對數字信息的智慧處理，其核心是引入大數據處理技術。
智慧城市與大數據實踐經驗
從國家政策來看，中國“863計劃”智慧城市項目總體技術體系架構在科技部863計劃“智慧城市(一期)”項目的支持下，863計劃智慧城市項目(一期)總體組提出了“六橫兩縱”的智慧城市技術框架。“六橫”層層遞進，最下層的是城市的感知層，再是傳輸層，再上面依次分別是處理層、支撐服務層、應用服務層，最上面是智慧應用層，貫穿全局的是安全保障體系以及標準與評測。而要真正實現智慧城市，必須引入大數據技術，主要包含三大方面的需求，通過以下三個方面才能實現海量數據的搜集、處理、加工、分析，并真正作用于具體細分行業：
大數據融合技術
我國智慧城市建設面臨的重大挑戰之一，是城市系統之間由于標準問題無法有效集成，形成信息孤島。因此，在大數據融合技術領域，一方面要加強大數據標準建設，另一方面要加強海量異構數據建模與融合、海量異構數據列存儲與索引等關鍵技術研發，為給予底層數據集成的信息共享提供標準和技術保障。
大數據處理技術
大規模數據在智慧城市系統流動過程中，出于傳輸效率、數據質量與安全等因素的考慮，需要對大規模數據進行預處理。大數據處理技術往往需要與基于云計算的并行分布式技術相結合，這也是目前國際產業界普遍采用的技術方案。
大數據分析和挖掘技術
相比于大數據融合和處理技術，大數據分析與挖掘技術更為復雜，是國際學術界和產業界面臨的極具挑戰性的技術難題。
隨著大數據技術的不斷發展，以及行業用戶對大數據技術的需求日益增長，大數據行業應用遍地開花。筆者通過對智慧城市大數據應用的探索，分享一些國內外的實際案例供讀者借鑒。
國內的智慧城市
2013年3月，北京市的“智慧朝陽服務網”正式上線。通過大數據技術的處理、分析手段，從支撐庫提煉出數據后發送到服務管理系統，然后通過服務門戶，包括微信、微博、移動應用、服務網站、機頂盒等多元化的方式與不同的用戶群體進行溝通。
國外的智慧城市
瑞典首都斯德哥爾摩市政府在通往市中心的道路上設置了18 個路邊控制站，通過使用RFID 技術以及利用激光、照相機和先進的自由車流路邊系統，自動識別進入市中心的車輛，自動向在周一至周五(節假日除外)6 ：30 到18 ：30 之間進出市中心的注冊車輛收稅。通過收取“道路堵塞稅”減少了車流，交通擁堵降低了25%，交通排隊所需的時間下降50%，道路交通廢氣排放量減少了8% - 14%，二氧化碳等溫室氣體排放量下降了40%。
智慧醫療英特爾協助用友醫療制定了基于英特爾大數據解決方案的區域衛生數據中心建設目標，在錦州區域衛生數據中心形成了完整的大數據解決方案。經過反復測試和調優，這一區域衛生大數據計算架構可以滿足海量數據(一億條以上記錄數)的高并發檢索和實時數據分析的性能要求，滿足了“智慧”的大數據需求。
智慧警務
通過充分利用云計算、物聯網、大數據和視頻智慧分析技術、GIS(地理信息系統)、GPS(全球定位系統)、移動通信網絡、移動警務智能系統、數字集成等前沿科技，實現警務工作現代化、智能化、流程化、可視化。
智慧交通
鄭州建立智能公交系統，使公交車信息就在地圖上顯示出來：如最近的一輛公交車還有5 分鐘到站，滿員;下一輛公交車還有10 分鐘到站，有空座，可以選擇乘坐;下樓2 分鐘，走到站臺1 分鐘，余下7 分鐘，還有時間坐下喝杯熱茶。
智慧消防
廣州建立智能消防系統，報警人只需撥打119，系統將立刻定位報警人當前位置，并調用位置所在區域監控攝像頭，確定災情地點和火勢情況。
安防行業的大數據如何應用?
2012年7月21日，北京遭遇了一場61年不遇的特大暴雨。北京市區路段嚴重積水、交通中斷、市政水利工程多處受傷、眾多車輛被淹造成人員傷亡。災難過后，城市管理者意識到城市的安防必須長遠規劃、著眼于長效根本的解決之道，亟待綜合治理。安防行業由于受到自身業務特點及行業內廠商研發方向的限制，大數據應用在安防行業的進展一直不夠深入。但安防行業與大數據的契合度較高，尤其是對視頻監控數據、智能交通數據關注度越來越高。例如海康威視將大數據應用于視頻圖像的采集、傳輸、存儲、管理、展示和挖掘等方面，解決了海量數據的存儲、調取和管理難題。
在安防與防災領域，通過大數據的挖掘，也可以及時發現人為或自然災害、恐怖事件，提高應急處理能力和安全防范能力等。除了對歷史數據的挖掘采集，實時數據的挖掘也是未來的一種趨勢。通過對城市地理、氣象等自然信息和經濟、社會、文化、人口等人文社會信息的挖掘，可以為城市安防提供強大的決策支持，強化城市管理服務的科學性和前瞻性。海康威視將大數據流式計算框架Spark應用于智能分析技術，極大地提高了實時性分析效率，為安防領域與大數據技術結合提出了方向。
此外，數據處理服務通過智慧城市公共支撐平臺對數據進行分析，從中挖掘價值，尋找關系。數據處理技術包括機器學習、數據挖掘和復雜事件處理等。傳統的機器學習、數據挖掘在處理面對海量、異構的智慧城市數據時效率低下，通過分布式計算框架改進，提升處理速度。根據數據處理要求的實時性與否，可分離線處理和在線處理。應急防災類智慧城市應用具有實時、在線處理的要求，數據處理服務要及時預測結果，為城市管理者提供決策支持。對于離線處理的數據，通常保存在分布式數據庫和分布式文件系統，均可基于Hadoop MapReduce等分布式計算框架分析該類數據，并可通過Apache Mahout等數據挖掘工具對數據進行深入研究。
對于需要在線實時處理的數據，如流式數據，其數據處理的方法與離線數據區別很大。多個傳感器按照小周期采集的數據、多個攝像頭采集的視頻數據等屬于流式數據。流式數據與離線處理的數據最大區別是數據處理要快，數據處理要及時。復雜事件處理(Complex Event Processing，CEP)技術是一種數據處理引擎，來捕捉不同來源的各種簡單事件或事件流，根據預先定義的事件模型，實時、高效地發現海量事件之間的關系或推斷出更有意義的事件，提供決策依據。
汲取國外經驗，加大軟件建設力度
歐美發達國家在智慧城市的建設上非常重視軟件建設，只有掌握了數據，才能做出合理的分析，才能總結出公共安全的客觀規律，真正提升應急管理能力，進而根除城市安防交通、災害等一系列的問題。近幾年國內在智慧城市的建設上只重視硬件建設，而忽視軟件和信息系統建設。智慧城市的建設，需要軟硬結合，我國應該汲取國外的先進經驗，加大軟件建設的力度，真正掌握建設智慧城市的主動權。
大數據時代的到來打破了數據的壟斷，信息源的擴大化和豐富化是大數據時代的重要特點。在可以預見的未來，大數據將遍布城市各個角落，不管是人們的衣食住行，還是城市的運營管理，都將在大數據支撐下走向“智慧化”，而大數據將為智慧城市提供“智慧引擎”。
此外，應該明確智慧城市是城鎮化進程的下一個階段，是城市信息化的新高度，是現代城市發展的遠景。無線城市、數字城市、平安城市、感知城市是智慧城市的必要條件。誠信城市、綠色城市、健康城市、人文城市是智慧城市應有之意，智慧城市產生大數據，大數據反過來支撐智慧城市。智慧城市與大數據技術相結合一定會有璀璨的明天!
京公網安備 11010502049343號