智慧城市中的数据融合关键技术与挑战.docVIP

智慧城市中的数据融合关键技术与挑战 吕卫锋 北京航空航天大学计算机学院 X 关注成功！ 加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知！ 新浪微博 腾讯微博 人人网 开心网 豆瓣网 网易微博 1 前言 截至2016年底, 中国的城镇化率已经达到了57.35%, 城镇化建设虽然有力地促进了城市的发展, 但是也带来了一系列新的问题, 比如交通拥堵、空气污染、资源消耗等, 这些都是21世纪城市发展所面临的关键挑战[1]。为了更好地应对这个挑战, “智慧城市”这个概念应运而生, 并且一经提出就受到了广泛的关注。 智慧城市这个概念可以追溯到20世纪90年代[2], 2009年IBM公司在此基础上进一步提出“智慧地球”战略之后[3], 更是受到世界各国广泛关注, 其核心主要就是以新一代信息技术为基础, 通过物联化和互联化的方式对各种数据进行动态监测、分析、整合, 以更透彻的感知方式对城市进行更合理全面的调控, 使城市中各个部分协调配合, 在城市的经济、交通、通信、教育、环境、能源、安全、管理、服务、文化、医疗等方面实现更高效、更便捷的运作模式, 极大地提高居民生活质量, 塑造良好城市整体环境, 加强人和城市之间沟通的新型城市形态[4]。 为了实现智慧城市的构想, 需要有合适的技术架构来进行支撑, 为此, 学术界对于智慧城市技术体系架构也进行了广泛的研究和探讨, 在这些技术体系架构中, 数据的重要性获得了一致的关注[5], 普遍认为城市的智慧需要依赖对数据进行高效和合理的采集、清洗、存储、处理以及实用的能力[6]。 2 数据融合关键技术 智慧城市因其涵盖的内容涉及城市的方方面面, 研究的切入点既可以是一个具体的应用, 也可以是城市整体的发展规划, 因此研究智慧城市技术体系架构的不同方法有着不同的侧重面, 比如有的重点研究包括信息化基础设施对于智慧城市的影响[7], 也有的从智能化服务入手[8]。但是无论从什么角度, 绝大部分的研究都认为数据及其使用才是智慧城市最为核心的研究要点之一[9]。 对于智慧城市的数据, 第一步首先是有效地获取与感知, 其核心主要是研究如何高效获取互联网、电信网、物联网和各行业数据, 通过研究视频、音频、激光、射频定位、报警、智能图像分析等感知技术, 构建智慧城市内立体感知系统, 特别是需要针对数据来源的多源、异构等特性, 对获取数据进行再组织与管理[10]。在获取到了有效数据之后, 下一步主要工作则是对数据进行高效传输, 其核心内容是通过各种无线、有线的长距离或短距离通信网络, 在确保信息安全和传输质量的前提下, 实现选定范围内数据的互联互通[11]。 在有了海量的多源异构数据之后, 如何高效智能化地存储、管理和分析数据, 并将有意义的信息提取出来在各种城市数据密集型应用中得到使用成了最重要的一个挑战, 为此, 需要将数据进行广泛深度的融合。为了应对这个挑战, 出现了一系列相关的技术和解决方案, 其中数据活化[12]是一个面向智慧城市数据融合需求的技术体系, 该体系通过研究数据的描述、认知、建模、关联、演化等方法, 实现海量多源异构数据的自我认知、自主学习和主动生长。 智慧城市的数据活化技术体系首先需要研究数据描述方法与描述语言、数据认知技术、关联数据动态建模技术、数据演化与自主生长机制和数据联网等面向海量异构数据的关键技术, 面向数据和应用的规模性、资源分配的动态性以及资源环境的异构特征, 为构建智慧城市应用提供支撑能力。 数据描述方法与描述语言的重点研究内容主要包括数据描述的共性基础问题, 如何定义通用数据特征描述规范, 并研究数据的实体对象描述方法。其核心能力包括建立元数据组织、语义等模型, 对元数据语法进行表示和封装, 然后进行数据抽象, 将数据、数据模型和描述型元数据封装成可唯一标识的数据实体对象, 能够支持不同层次的数据粒度大小要求。 数据的认知技术主要研究数据的底层特征识别、提取和检索方法, 基于统一完备的数据特征与语义描述, 建立数据底层特征与高层语义的多粒度跨媒体数据映射, 形成一个较为完整的海量数据之间语义理解和认知的技术理论方法。从海量多源异构数据的底层特征识别、提取和检索, 到上层语义理解和知识发现, 通过统一完备的海量多源异构数据特征与语义描述, 建立完整的数据的认知技术体系。 关联数据动态建模方法则重点放在不同类型数据之间的数据内在关联关系上, 通过研究关联数据的多层次建模方法, 实现异构数据间关系的规范化表示、添加、删减、重构等基本运算操作, 突破数据模型的动态构建与实时更新。根据文本、图像、视频等各种不同数据实体之间在时间、空间、事件等方面的相互关联、作用及影响, 应用动态图理论对数据实体之间的关联关系进行动态建模。 数据的演化与自主生长机制主要研