大数据及其对智慧城市影响.docVIP

大数据及其对智慧城市影响 　　正是“大数据时代”的到来进一步推动和支撑了“智慧城市”的发展，改变了人们对城市信息化建设的认识，加速了由“数字城市”到“智慧城市”的转变。在大数据时代，任何人都必须用数据说话，因为大数据的本质是要用“大数据思维”去发掘“大数据”潜在价值。 　　当前，最重要的是学会驾驭大数据，这涉及智能感知技术、分布式存储技术、智能统计分析和数据挖掘技术、智能化实时动态可视化技术、云计算技术及基于网络的智能服务技术等，而这些也正是“智慧城市”建设涉及的关键技术。智慧城市建设，必然产生大数据，大数据的应用必将推进智慧城市建设，大数据时代的到来和智慧城市的兴起，是全球信息化发展到高级阶段的必然趋势。 　　智慧城市与城市计算 　　正是由于大数据驱动下智慧城市建设的发展，近年来城市计算逐渐成为研究热点。微软亚洲研究院主管研究员郑宇研究团队认为，城市计算是一个通过不断获取、整合和分析城市中多种异构大数据来解决城市所面临的挑战（如环境恶化、交通拥堵、能耗增加、规划落后等）的过程，同时提出了一个城市计算框架。 　　城市计算将无处不在的感知技术、高效的数据管理和分析算法与新颖的可视化技术相结合，致力于提高人们的生活品质、保护环境和促进城市运转效率。城市计算帮助人们理解各种城市现象的本质，甚至预测城市的未来。 　　在大数据时代下的智慧城市建设，不是单纯地凭经验对各种数据源进行简单的信息化、数字化，而是面对大规模、异构、多源的数据，利用有效的技术手段进行智能“计算”，目的是为了更有效地对数据存储、管理、分析和决策提供支持。 　　从智能计算技术的角度看，智慧城市的总体架构分为感知层、网络层、服务层、应用层，这4层一一对应城市计算中的感知计算、存储与管理、分析与挖掘、服务与应用。 　　城市计算是智慧城市建设的必备核心计算技术，智慧城市系统是城市计算技术实施的有效载体。在大数据时代，城市计算技术将起到核心作用，因为传统的单一处理技术已经无法有效处理当前的城市数据了，二者紧密关联、互为依存。 　　大数据驱动下的智慧城市 　　技术支撑 　　西安交通大学教授徐宗本指出，实施国家大数据战略，必须理性认识大数据、准确把握其带来的机遇，科学应对其带来的挑战，用大智慧实现大数据的大价值。他突出强调了大数据的价值主要通过大数据技术来实现。国内外企业、学者等都对大数据开源技术及趋势做了相关研发。 　　徐宗本认为大数据技术是基础性信息技术，它刻画了新一代信息技术中机器与机器、人与机器之间信息交换的内容特征，构成了现代信息技术的基本信息处理模式。 　　实时数据进入一个流处理系统进行检测分析，同时也进入Hadoop集群，全量数据放在Hadoop中的分布式文件存储系统（HDFS）里。一是对历史数据进行分析，二是对采集的实时数据进行分析，做到两种数据的融合处理，然后应用程序利用这个“大数据库”做城市中各个行业主题库（例如各种轨迹大数据、交通领域大数据、城市居民的消费大数据、健康医疗大数据、社交媒体大数据、气象环境和空气质量大数据、城市地图和地理信息大数据、制造业工业化大数据等领域）的分析、挖掘、智能计算和可视化展示等，做到了同时处理实时数据和历史数据。纵向处理数据方式遵循“数据采集、数据存储、数据管理、数据分析和挖掘、数据可视化及应用”的多层次技术路线。 　　这种框架既能按照某个行业领域主题构建智慧城市下的“行业私有云”大数据处理技术平台，又能创建某个城市多种数据源公共大数据技术平台。目前笔者更倾向于某个行业下的大数据技术平台，这样更有利于行业大数据的存储管理和垂直主题的挖掘、分析；既能有效保护行业数据资产又能提供精细化、深层次的应用服务。在此，大数据驱动的智慧城市技术框架中的具体技术细节不再阐述，但整个技术框架做到了以海量、异构、多源大数据为基础，先进的分布式并行计算及前沿技术为支撑，应用为导向，监测和安全为保护手段；同时也会考虑标准化的行业规范、法律、法规和有效管理机制作为保障。 　　融合计算技术 　　大数据驱动下整个智慧城市建设中，应充分考虑到各个不同行业领域数据、数据类型、数据属性。例如针对城市中各种移动轨迹数据进行预测研究，就非常复杂。 　　按照城市数据类别、对象分为：各种用户个体、城市用户群体和由城市居民形成的区域性社会数据等；按照城市数据属性又分为时间、空间、时空数据或者离散型和连续型的数值数据等。 　　针对不同的城市数据类别、对象和属性，采用的处理技术会有异同，有些应用需求强调“时效性”。例如针对支持快速实时查询与?理的智能交通监控数据，可采取分布式的并行计算、Spark内存计算和实时流数据处理模式Spark Streaming等。 　　面对城市数据源的多元化、异构性、弱关联性等特点，需要能够处理各种数据源的融合