城市大数据分析

① 智慧城市大数据可视化分析决策系统

智慧城市大数据可视化决策分析系统，能够将城市运行核心系统的各项关键数据进行可视化呈现，从而对包括应急指挥、城市管理、公共安全、环境保护、智能交通、基础设施等领域进行管理决策支持，进而实现城市智慧式管理和运行。

系统支持将不同平台系统数据、不同业务部门数据融合贯通，综合汇集于系统之上，以全方位掌控城市综合态势。包括：市政、警务、交通、电力、商业等多领域数据。

系统支持集成包括地理信息、GPS数据、倾斜摄影数据、BIM建筑模型数据、统计数据、摄像头采集画面等多类型数据。

基于三维地理信息，系统利用三维视图结合虚拟现实技术，将包括城市街区、地标点、建筑物、机动目标、管线设施等在内的城市全景进行完整、鲜活的呈现。

系统支持多样化的二维电子地图，能够加载矢量数据和栅格数据，进行地图的放大、缩小、漫游、距离量算、区域覆盖计算、标绘以及图层控制，支持移动目标的显示控制。

我司独创的二三维地理信息系统联动功能，二维的平面地理视图便于操作交互，三维视图便于直观形象化呈现，适用于大屏、多屏环境下的地理信息可视化。

将数据按照时间和空间两个维度进行同步呈现，全面掌控数据变化态势。支持空间数据的实时监控、历史回放、模拟推演，让规律清晰可见，让决策有数可依、更加高效。

针对城市管理部门众多数据的指标与维度，将数据按主题、成体系地加以呈现，帮助用户从不同角度观察、分析数据，聚焦趋势规律。

支持将实时数据监测以及历史数据分析，以逐时曲线、时域统计柱图等形式，呈现数据随时间的变化趋势，显现规律，支持决策。

系统提供丰富的图表呈现方式，包括散点图、折线图、柱状图、饼图、雷达图、K线图、热力图、箱线图、关系图、桑基图等。除了平面图表，还支持基于三维空间场景的图表叠加。

通过建立预警指数或模型对与其存在关联的数据进行监测、分析，提供基于数据挖掘的预警机制。一旦实时数据达到预定限值或发生异常，系统将自动发出报警。同时系统支持报警阈值、置信度阈值等设定值限定。

系统支持多种数据筛选方式，包括字段查询、地图圈选、点选等，用户可以根据实际需求，有针对性了解相应信息。

系统支持对单体对象进行详细查看，例如三维楼宇、机动车辆信息、单体体征数据、摄像头视频信号等。

系统提供强大友好的标绘功能，除提供基础信息标绘、行业专用标绘外，还支持标绘对象定制。同时支持触控标绘操作，可用于指挥决策会商等场景。

统一的可视化模式控制机制，集成屏幕拼接控制，实现一键同时切换软件系统和屏幕拼接模式。使用户可以简便快速的切换应用场景。

系统支持通过PAD、智能手机等手持设备作为控制终端，来实现对大屏显示布局、系统模式的切换以及软件界面内容的交互控制。为客户提供一种灵活、便捷的操控体验。

系统拥有高效可靠的大数据接入能力，支持接入超大范围地图、三维地表模型、城市建筑模型、海量摄像头数据，可以支撑TB级的业务数据吞吐 量。同时可以实现各类接口数据的无缝可视化接入，并可快速响应分析操作和实时反映数据变化。

平台打通政府各部门、各系统之间的信息壁垒，包括公安、交通、消防、情报、反恐等多部门数据，以及车辆移动GPS数据、倾斜摄影数据、BIM建筑模型数据、统计数据、摄像头采集画面等多类型数据。从市政设施分布、公安&消防车辆运行态势、交通运行情况、巡逻案件分布等多个角度，对城市各领域运行数据进行多维度可视分析，提升城市管理者资源统筹效率和管理决策能力。

平台以数字方式全面描绘城市区域经济发展现状，涵盖城市概况、宏观经济、产业发展、投资贸易等。包括科技、教育、文化、人口、卫生、环境保护；GDP、财政收支数据、贸易、价格指数；按资本、就业、税收等角度的产业分析；固定资产、工业、房地产各项投资数据分析等。为城市规划、城市产业分布和城市基础设施建设和改善居民生活条件等方面提供科学的决策依据。

平台将政府各职能部门和资源进行有效结合，为管理者应对突发事件建立一个信息共享、高效决策、部门联动的可视化指挥调度系统，可以实时监控突发事件发展态势、人员位置分布、警力资源、医疗配备情况等信息，帮助指挥人员实时了解现场情况、掌控事态发展趋势，及时指挥决策。

平台具有开放体系结构，集成监测预警、应急指挥调度、仿真推演、分析研判等于一身，支持从警力警情分布、视频监控、卡口分布、辖区人口、重点场所等多个维度进行日常监测与协调管理；支持突发事件下的可视化接处警、警情监控、警情查询、辖区定位、警情态势分析、应急指挥调度管理，以满足常态下警力警情的监测监管、应急态下协同处置指挥调度的需要，满足公安行业平急结合的应用需求。

平台是一个面向交通管理部门的综合性辅助决策平台，集成运营业务管理、应急指挥调度、监测预警、分析研判于一身，兼具道路视频监控展示，流量监测数据呈现，交通数据统计分析，具有综合监视、运营协调、应急指挥等职能。支持从交通态势监控、视频监控、智能卡口分析、交通态势评估研判等多个维度进行日常路网运行监测与协调管理。

平台能够实现将园区运行核心系统的各项关键数据进行呈现，为用户提供一个集园区生产、园区运营、园区控制、园区决策多维一体的智能运营管理平台，支持从园区基础设施、园区交通、智能楼宇、园区招商、物业管理、企业孵化、产业分析管理等多个维度进行日常运行监测与协调管理，以及突发事件下的告警接报、信息处理发布、应急指挥调度管理。

平台支持对电网多个环节的数据进行深度分析挖掘，可以实现电网拓扑分析、用户用电特征分析、用电负荷异动识别、窃电嫌疑监测分析、安全防御、商业选址等智能电网多个环节的日常运行监测与协调管理，切实提高电力生产、营销及电网运维等方面的管理水平。

城区网格化管理，人、地、物、事多维度可视化呈现，全面掌控管辖区域内的综合态势。平台基于地理信息系统，可全面包含智慧城管、智慧社区、智慧交通等几部分可视化。

② 城市交通大数据行业发展现状剖析

城市交通大数据行业发展现状剖析
人们在城市中生活每天产生大量的数据，有结构化的也有非结构化的，有一些与交通出行密切相关，而有一些又看似与交通出行没有什么关系，这些数据分布在不同的行政管理部门、互联网公司或者传统运营企业。举个例子来说，随着智慧城市建设热潮，很多城市中已经布满了传感设备(交叉口进口道地磁、电子警察、卡口等)，通过地磁可以采集到一定时间间隔交叉口进口道交通流量、速度以及占有率；通过电子警察或卡口可以实时获取经过卡口的车辆车牌号、通过时间以及地点车速，这些数据基本都汇聚在地方交警部门。互联网公司通过为城市居民提供即时通信、导航以及共享服务，可以通过客户终端定位实时获取居民的位置。传统运营企业范围也很广泛，包括了公交公司客运企业、出租车公司、通信运营商等，公交公司和客运企业汇聚了客流数据(IC卡、第三方支付以及零票)、车辆定位数据等，出租车公司汇聚了出租车定位数据、而通信运营商则可以汇聚客户手机MAC地址。上述列举的数据，都可以为城市交通规划、政策制定、设计以及管理提供数据支持。后续笔者会结合自身十几年的理论研究以及交通工程经验，阐述每种数据未来的应用场景及潜在价值。
城市交通系统分析是一个复杂巨系统，尤其是在交通供需矛盾日益突出的当下，如何提高整个交通系统效率、提升居民出行品质是对每个交通管理者、研究者、工程师的挑战。交通科学自诞生之日起，就与数据结下不解之缘，这是一门基于统计学的工程科学。
互联网公司最早认识到了数据在交通领域的应用价值，也极大推动了云计算、大数据等新一代信息技术在交通领域的应用。高德、滴滴拥堵排名、阿里城市大脑就是互联网公司借助自身的数据资源开展交通领域大数据应用的探索。
互联网公司进军传统智能交通行业，一边是互联网公司频频发布基于大数据分析的各种报告，另一边也开始产生了各种质疑的声音。当前城市交通已经有一只脚迈入了大数据时代，而另外一只脚则需要传统交通理论与移动互联数据有效融合进行驱动。拨开当前交通大数据行业的繁华伪装，我们以冷静的眼光去审视，看到当前还存在很多问题，今天就略谈一二：
第一、所谓的交通大数据基本还是针对单一数据源开展分析，分析精度有待进一步提高，应用场景有待进一步丰富。大部分的研究集中在基于车载GPS数据以及视频数据提取车辆描述信息、交通流状态信息，研究拥堵的表征指标以及交警执法应用；
第二、城市交通传感设备布局并未从交通大数据的视角进行优化分析。城市智能交通系统规划一个重要的任务就是研究城市交通采集设备布局方案，目前，较少有人从城市交通规划与管理智库顶层设计的高度，对检测器的分布进行研究。此外，提高传感设备的适用性以及稳定性，也是有效提高当前数据质量的重要手段。
第三、城市交通大数据缺乏统一的数据标准。前面也论述了当前可以用于交通系统分析的数据，这些数据来源不同，要想未来能够将上述数据利用起来，打破数据壁垒，形成城市交通数据池，就需要共同探讨数据共享机制，并制定统一数据标准；此外，形成城市数据池后，城市交通数据治理将是一项复杂而艰巨的任务。
第四、大数据时代城市交通理论的创新面临巨大挑战。传统的交通理论基本都是基于统计学，也就是基于样本开展研究，而大数据时代的到来变革了交通理论数据来源，使得数据由抽样变为了全样，数据由有针对性的调查变为从大数据中抽取有用信息。因此，交通需求预测、交通通行能力分析、交通管控等基本理论将产生巨大变革，交通学者们应当既要仰望天空又要脚踏实地，在基础领域研究中投入更多的精力，不应被当前的浮云遮住望眼。
城市交通系统理论与大数据技术的融合发展任重而道远，也期望与广大交通工程师以及研究人员共同探讨、共同进步。

③ 大数据在智慧城市中的应用及其发展

作者 | 网络大数据

来源 | raincent_com

城市大数据是指在城市运行过程中产生或获取的数据，是其与信息收集、处理、利用和通信能力相关的活动要素组成的有机系统，是国民经济和社会发展的重要战略资源，简单易懂的公式可以表述为：城市大数据=城市数据+大数据技术+城市职能。

城市大数据的数据资源来源丰富多样，广泛存在于经济、社会各个领域和部门，是政务、行业、企业等各类数据的总和。同时，城市大数据的异构特征显著，数据类型丰富、数量大、速度增长快、处理速度和实时性要求高，且具有跨部门、跨行业流动的特征。

按照数据源和数据权属不同，城市大数据可以分为政务大数据、产业大数据和社会公益大数据。政务大数据指的是政务部门在履行职责过程中制作或获取的，以一定形式记录、保存的文件、资料、图表和数据等各类信息资源。产业大数据指的是在经济发展中产生的相关数据，包括工业数据、服务业数据等。

此外，还有一些社会公益大数据。当前，城市大数据多数为政务大数据和产业大数据，所以城市大数据的主要推动者应为一个城市的政府和相关的具有一定数据规模的企业。

为保障城市运转的安全高效，智慧城市建设需要对海量的数据资源进行收集、整合、存储与分析，并使用智能感知、分布式存储、数据挖掘、实时动态可视化等大数据技术实现资源的合理配置。因此，城市大数据是实现城市智慧化的关键支撑，是推动“政通、惠民、兴业”的重要引擎。

数据驱动的新型智慧城市发展面临诸多问题。白皮书认为，虽然当前各级地方政府和企业都在积极探索智慧城市建设，但仍存在着特色不明、体验不佳、共享不足等问题。究其根源在于，未能实现城市大数据资源与城市业务的良好融合。

具体而言，挑战包括三个方面：一是信息系统烟囱林立，阻碍数据共享;二是数据治理普遍薄弱，价值大打折扣;三是数据管理水平不一，缺乏整体联动。

如何应对新型智慧城市建设中的困难和挑战?白皮书认为城市大数据平台的建设能够发挥积极作用，具体表现在三个方面。

一、通过数据汇集加速信息资源整合应用

第一，城市大数据平台建立了数据治理的统一标准，提高数据管理效率。通过统一标准，避免数据混乱冲突、一数多源等问题。通过集中处理，延长数据的“有效期”，快速挖掘出多角度的数据属性以供分析应用。

通过质量管理，及时发现并解决数据质量参差不齐、数据冗余、数据缺值等问题。第二，城市大数据平台规范了数据在各业务系统间的共享流通，促进数据价值充分释放。通过统筹管理，消除信息资源在各部门内的“私有化”和各部门之间的相互制约，增强数据共享的意识，提高数据开放的动力。通过有效整合，提高数据资源的利用水平。

二、通过精准分析提升政府公共服务水平

在交通领域，通过卫星分析和开放云平台等实时流量监测，感知交通路况，帮助市民优化出行方案;在平安城市领域，通过行为轨迹、社会关系、社会舆情等集中监控和分析，为公安部门指挥决策、情报研判提供有力支持。

在政务服务领域，依托统一的互联网电子政务数据服务平台，实现“数据多走路，群众少跑腿”;在医疗健康领域，通过健康档案、电子病历等数据互通，既能提升医疗服务质量，也能及时监测疫情，降低市民医疗风险。

三、通过数据开放助推城市数字经济发展

开放共享的大数据平台，将推动政企数据双向对接，激发社会力量参与城市建设。一方面，企业可获取更多的城市数据，挖掘商业价值，提升自身业务水平。

另一方面，企业、组织的数据贡献到统一的大数据平台，可以“反哺”政府数据，支撑城市的精细化管理，进一步促进现代化的城市治理。

白皮书认为，当前我国城市大数据平台的建设仍处于起步阶段，且各地在管理机制、业务架构和技术能力等方面各有优劣，不利于城市大数据平台的长远发展。对于建设城市大数据平台的具体路径，白皮书提出了六点建议。

一、强化平台顶层设计

科学合理的顶层设计是城市大数据平台建设的关键，需从落实国家宏观政策出发，结合地方实际需求，统筹考虑平台目标、数据主权、关键技术、法制环境、实现功能等各个方面，以“高起点、高定位、稳落地”开展平台的顶层设计，保障城市大数据平台建设有目标、有方向、有路径、有节奏地持续推进，并且根据项目进展状况，不断迭代更新、推陈出新。

二、完善平台配套保障机制

城市大数据平台建设与运营须有相应的配套保障机制，并充分发挥保障机制的导向作用和支撑作用，以确保平台规划建设协调一致和平台整体效能的实现。

如建立城市大数据资源管理机制，明确数据内容的归口管理部门、数据采集单位和共享开放方式等;建立城市大数据平台运行管理机制，明确平台使用中数据、流程、安全等各项内容和管理标准，保障平台持续稳定运行。

三、加强数据管理

加强城市大数据管理，实现数据从采集环节到数据资产化的全过程规范化管理。明确数据权属及利益分配，以及个人信息保护、数据全生命周期的管理责任问题。明确数据资源分类分级管理，健全数据资源管理标准。

分类指的是通过多维数据特征准确描述政府基础数据类型;分级是指确定各类数据的敏感程度，为不同类型数据的开放和共享制订相应策略，完善数据采集、管理、交换、架构、评估认证等标准，推动数据共享与开放的基本规范和标准出 台。

以资源目录汇编、资源整合汇聚、交换共享平台为三大标准步骤，坚持“一数一源”、多元校核，统筹建设政务信息资源目录体系和共享交换体系。建立一套科学合理的数据分类体系，将不同领域、多种格式的数据整合在一起，通过多元的检索途径、分析工具与应用程序，方便用户查找和利用数据内容。

四、因地制宜开展平台建设与运营

城市大数据平台的建设与应用要结合，避免出现重平台建设轻平台使用的现象。政府、产业和城市的数据资源极其庞杂，需要明确平台数据资源的权属性，保障数据所有权的归属。

政府拥有政府数据资源所有权，互联网企业往往掌握着先进的数据技术和拥有互联网思维的专业队伍，本地企业对当地的人才资源、市场环境、产业发展等因素有更清晰、更准确的认识，需要充分盘活政府、互联网企业、本地企业等各方资源，参与平台的建设与运营。

城市大数据平台的数据治理和运营体系相当复杂，平台建设的模式和路径没有固定模式，需要发挥各方的主观能动性，因地制宜，挖掘地方优势，突出地方特色，为城市大数据决策提供有力的支撑。

五、开展城市大数据综合评价

各省市大数据主管部门应制定平台长效运行机制和考评办法，建立完善的上报、检查、考评机制，设计量化考核内容和标准，加强平台数据质量管控，管好用好城市大数据平台。

加强对城市大数据平台项目的后评价和项目稽查，强化对数据资源建设以及数据共享开放、数据质量和安全的审计监督。科学构建城市大数据平台综合评价指标体系，开展城市大数据平台建设成效综合评价工作，引导各地城市大数据平台建设工作，不断提升城市大数据平台建设应用成效。

六、加强平台数据安全保障

城市大数据平台包含大量政务和产业数据，涉及国家利益、公共安全、商业秘密、个人隐私，具有高度敏感性，因此必须加强平台数据安全保障能力建设。

落实等级保护、安全测评、电子认证、应急管理等基础制度，建立数据采集、传输、存储、使用、开放等各环节的安全评估机制，明确数据安全的保护范围、主体、责任和措施。研究制定数据权利准则、数据利益分配机制、数据流通交易规则，明确数据责任主体，加大对技术专利、数字版权、数字内容产品、个人隐私等的保护力度。

④ 大数据对城市规划将有怎样的影响

个人判断不是规划换一批人来做，而是行业会细分。一部分人倾向于通过数据分析，判断问题症结，解决建成区问题，优化格局；另一批人更偏向于设计，提供不同的解决方案。

其实判断大数据对城市规划未来的影响，看看当下大数据在城市规划领域的处境多少能够明白些。在现在的城市规划中大数据在研究中是热门事物，但在实际项目中却不是。在城市规划实务中，大数据分析一般作为专题研究附在如总体规划等较高层面的发定规划之中。除上海、北京等一线城市及二线主要城市，少有城市有专门的大数据研究专题，个人接触到的也仅上海2040的上轮总规评估与武汉市总体规划的评估有涉及相应技术，其他项目基本无涉及，仅按需要自己使用。究其原因如下，想到哪些写哪些，排名无先后顺序：
1、难立项。难立项主要体现在两个方面，其一是因为城市规划属于法定流程，明文规定相应程序所需要的内容，由于大数据技术方法多样，多针对特异性的具体问题研究，这给大数据研究应用法定化带来极大难点。怎么给一个或多个合适的名头立项、立法定流程，如何定价，都是大难题，而这也是现在以专题形式依附总体规划的主要原因之一。其二是主管部门分散，城市规划业务主要针对住建、城建、规土口，但大数据（算上智慧城市建设吧）很多时候是工信部主导，跨部门操作也是一个问题。
2、高成本、低收益（这里仅指项目收益，不谈社会收益）。目前，大数据在城市领域多立于学术研究领域，可以说很多时候是研究兴趣使然下的自发行为。一项技术如果难以以模式化的方式应用，就很难降低成本，那么就很难在市场上大范围推广，在城市规划领域正是如此。对于一般的项目，比如一个1平方公里的旧城更新的控规项目，应用大数据分析需要几个模块？解决哪些问题？需要投入哪些成本？又能够带来哪些收益呢？有没有替代方案，替代方案又会有多大差距，不用大数据分析，仅用常规数据做数据分析能否得到相近的成果？会不会增加项目的时长？思考完这些问题，再算笔账就会发现，当下在大量控规、城市设计等项目中，运用大数据分析很可能是不划算的。
3、没有数据的时候怎么办？虽然城市规划进入了存量规划时代，但即使是存量规划过程中也有大量新建的过程，部分地块必然是要采用推平重建的方式（或者说是重要手段之一），大数据可以给出方案的限制，可以比选方案，但方案从无到有怎么产生？
（想到再补充）
如果上述问题得以解决，那么大数据一定能够改变这个行业，不过这需要时间。有可能因为数据安全、隐私等问题，最终大数据分析的业务完全由规划局或是其他政府部门完成也说不定，我相信那时，城市的大数据运营中心应该已经建成了。也可能有专门的运营公司运营，并完成相应的分析报告，这些报告最终成为规划的基础材料。可能今后大数据分析会成为单独立项的东西，支持的也不仅仅是城市规划，而是城市的全部过程。

⑤ 如何进行大数据分析及处理

探码科技大数据分析及处理过程

聚云化雨的处理方式

• 聚云：探码科技全面覆盖各类数据的处理应用。以数据为原料，通过网络数据采集、生产设备数据采集的方式将各种原始数据凝结成云，为客户打造强大的数据存储库；

• 化雨：利用模型算法和人工智能等技术对存储的数据进行计算整合让数据与算法产生质变反应化云为雨，让真正有价值的数据流动起来；

• 开渠引流，润物无声：将落下“雨水”汇合成数据湖泊，对数据进行标注与处理根据行业需求开渠引流，将一条一条的数据支流汇合集成数据应用中，为行业用户带来价值，做到春风化雨，润物无声。

⑥ 做好大数据分析 城市安防才有保障

做好大数据分析 城市安防才有保障

随着云端运算及物联网等科技的不断发展，大数据(Big Data)在智慧城市扮演的角色也越来越重要。但事实上，数据本来就是城市治理非常重要的依据，尤其是与城市安防的相关业务，举凡人口统计、犯罪率、交通流量等数据，政府治理单位本来就会定时蒐集并加以分析，作为施政的参考，如果不能先了解大数据与传统数据的差别，掌握大数据的分析与工具的特性，就算拥有大数据，也可能只是「入宝山空手而回」，无法将数据转换成价值，自然也无法对城市安防产生贡献。

了解大数据才能有效运用

相较於传统数据，大数据至少具有三个差异极大的特性。首先是数据量(Volume)，如果换算成数位数据单位，基本单位通常已经是TB、PB等级，不但要考量收集及储存成本，如何迅速传递这麽庞大的数据，也是大数据应用必须思考的重点;其次是时效性(Velocity)，即使是这麽大的数据量，仍然要在最短的时间内产生分析结果，如传统的年报统计，往往是在今年收集去年的数据，却在隔年才出版，旷日废时的结果，往往会让数据分析结果失真。

PredPol应用大数据分析技术，预测出犯罪机率高甚至下一次可能发生犯罪情况的区域，并於地图上标示出一块块500平方英尺的区域，供警察参考。Predpol

最後也是最大的差别，就是数据的多样性(Variety)，传统的数据通常有明确的结构性，选项也比较少，如年龄、性别、等级等，但大数据可能会有各种形式，包括文字、影音、图像、网页等，不但没有明显的结构，而且大数据还常常出现形式交错的现象，如Youtube上的影片除了有点击数外，同时还有留言讨论。

由此可知，传统的数据收集方式，显然已经不能满足城市安防对於大数据的需求，所幸在物联网(Internet of Things;IoT)、云端运算及4G无线宽频等技术的发展下，要取得物与物、物与人、人与人的互联互通数据，技术上已不是问题，但必须得先迅速建构起收集、传递及储存大数据的基础建设，才有可能建立全面感知的能力，成为城市安防决策的最佳後盾。

但只是从感知层获取资讯是不够的，因为想要做好大数据深度分析，就必须要有能力针对复杂且开放式的问题寻找答案，并藉由视觉化分析工具，透过连续性的筛选和抽象化，才能洞悉重要资讯。然而大数据具有的超大量半结构化/非结构化数据的特性，往往会造成传统关联式数据库管理系统(RDBMS)的运作瓶颈，必须要导入全新的大数据分析工具，方能真正灵活运用大数据。

此外，大数据的价值既然远超过传统数据，大数据的真实、安全及稳定性，就必须加以重视。尤其是现在的网路应用无所不在，举凡机场、银行、捷运、车站、水电油气供应机制等，都可能被骇客入侵，加上政府为了能让掌握的数据更有价值，必须要采取公开透明的数据使用机制，当公共事业的数据开放愈多，可能被入侵的机会也愈高，因此想要利用大数据来解决城市安防的问题，首先就得先做好大数据的保护，因此资安技术的导入及专业人员的配置，绝对不能轻忽。

大数据对城市公共卫生及治安的帮助

目前已有许多欧美城市开始藉由蒐集及分析大量数据、预知可能出现的危机，进而作为城市安防的参考。如纽约的康乃尔大学威尔医学院(Weill Cornell Medical College)计算与系统生物医学助理教授Christopher E. Mason的研究团队，花了18个月的时间在纽约400多个地铁站的车厢、楼梯扶手、座椅、灯杆、垃圾桶等地方蒐集样本，总共发现15,152种微生物，其中来自於人类的DNA只占0.2%，将近一半的样本是人类未知的有机生物，27%是活性且具有抗生素抗药性的细菌，所幸其中仅有12%会让人生病。

这项名为PhthoMap的研究计画，还透过华尔街日报网站提供互动地图，让使用者可以用来观看特定车站的研究成果，如收集的样本来源、微生物来源比例、细菌种类与说明等，也可利用搜寻细菌的种类，了解那些车站有这些细菌的存在，等於也展示了公卫数据开放使用的过程。

有趣的是，在研究过程中也发现在某些地铁站找到的DNA，与其周围的人口状况相符合，这些都是过去从来没有想过的资讯，未来若能将以分门别类，并且深入研究，对於城市公共卫生的防护工作，将会有莫大的助益。

洛杉矶警局则是导入预测性警务软体「PredPol」，用来预测可能发生犯罪情况的地点。据PredPol(名称取自「预测监控」Predictive Policing)团队指出，该公司先是蒐集过去10年的公开犯罪统计数据，以及从大量的新闻中蒐集犯罪的发生状况及时间，可预测的犯罪行为除了自杀外，还包括枪杀、闯空门、窃盗、窃车等，再根据前述数据中的犯罪行为模式，开发出独特的运算系统，再将犯罪机率高甚至下一次可能发生犯罪情况的区域，於地图上标示出一块块500平方英尺的区域，供警察参考，就是典型的将传统数据变成大数据加以运用的范例。

事实上，许多城市的治安单位早已拥有累积数十年的犯罪记录数据档，甚至早己针对犯罪可能性较高的区域或场所加强巡逻。但PredPol利用大数据分析技术，从容易滋养犯罪事件的场所(如曾经发生斗殴事件的酒吧)、多次受害地区(如屡遭窃贼闯空门的社区)及受害地区的邻近地区，计算出10至20个最有可能发生犯罪的地点。PredPol宣称，警察只要在地图标明的区域，只需要花过去巡逻时间的5%至15%，就能够阻止更多犯罪活动。

目前全美共有将近60间警局使用Predpol，其中规模最大的是洛杉矶警局和亚特兰大警局。其中加州Santa Cruz闯空门的窃盗案在系统建置第一年就下降了11%、抢劫案更减少了27%。洛杉矶Foothill区在2011年导入PredPol後，4个月後的犯罪率就降低了13%，反观没有导入PredPol的区域，还微幅增加了0.4%。

在2012年一项针对美国近200所警局的研究指出，有70%的警局计画在未来2至5年开始或增加使用类似PredPol的预测性警务技术，包括IBM、Palantir及Motorola也开始涉足相关领域。

虽然将大数据分析技术应用在犯罪治安方面，还不是百分之百的准确，经验丰富的警察可能也不见得需要预测性警务技术，但对於新进的警务人员而言，预测性警务技术可以帮助他们及早进入状况，尤其在城市预算吃紧之际，人力又相对缺乏的情况下，运用大数据显然可以提升城市安防的工作效率。

更多数据关联产生更多的价值

城市安防建设至今，影像监控的重要性也日渐提升，但庞大的影像数据要如何分析，却也成为城市治理者的一大难题。所幸大数据技术，正可以针对影像这种非结构性数据加以分析，让视讯监控数据得以有效利用。

大数据可说是智慧城市运作的基础，除了城市安防，其他如智慧交通、智慧医疗等应用，也都需要以大数据为基础，而这些不同类型的数据产生更多的关联，自然也需要更深入的数据分析能力，如智慧交通与智慧安防相结合，可以指引警消人员在最短的时间内赶到事故现场，更可看出大数据在城市安防的应用潜力。

以上是小编为大家分享的关于做好大数据分析 城市安防才有保障的相关内容，更多信息可以关注环球青藤分享更多干货

⑦ 为什么说大数据是建设未来智慧城市的核心

智慧城市中大数据的特点与重要性

（1）数据量

大数据概念中的数据量指的是大量的从各种数据源中产生的任意类型的数据。在智慧城市框架下，多媒体/社交媒体及其他类型网络在数据产生量方面呈现几何级增长。

即使是现代工业产品，如汽车、火车、发电站等，其装备的传感器数量也随着智能化程度的提高在增加，这些传感器也在持续收集不断增多的数据。不断增长的数据量给数据收集、数据分析带来了新的挑战。

（2）数据速度

大数据概念中的速度指的是数据产生、传输的速度。在智慧城市框架下，由于数据量和数据源的持续增加和数据类型的不断变化，数据的内容也呈现持续变化的状态。对于某一数据存储，数据产生和传输的速度决定了数据内容变化的速度。数据用户倾向于更快的数据产生和传输速度，以便能够了解其关心的实时信息。由此而言，大数据的速度特点对数据处理方法及运算算法提出了更高的要求。

（3）数据多样性

大数据概念中的数据多样性指的是数据的类型多样性，如视频数据、音频数据、图像数据、文字数据以及数据日志等。数据类型的多样性与数据源的多样性密不可分，如手机、录像机、传感器、社交平台等。同传统的结构性数据（如财政数据、期货交易记录、人事信息等）相比，在智慧城市框架下，大数据概念中的数据包括了大量的复杂的非结构型数据，且没有固定的数据格式。与数据速度相似，大数据多样性的特点也推动了数据处理方法及运算算法的进一步发展优化。

（4）数据价值

大数据概念中的数据价值指的是大数据中包含有价值的信息，这些信息可以为相应的决策提供有益的参考。数据价值的实现需要通过大数据分析，即从大数据中提取有价值的数据信息的过程。在智慧城市框架下，数据价值评估是所有以大数据为基础的应用最重要的特性，正是因为数据价值评估可以产生数据使用者需要的信息。

（5）数据精确性

大数据概念中的数据精确性指的是大数据中包含信息的完整性和准确性。数据精确性是对大数据质量和可信度的描述。任何信息管理实践的核心内容都是数据质量、数据支配、元数据管理以及对数据保密性和合法性的要求。精确的原始数据有助于准确的数据信息的分析与发掘，从而为相应的决策提供更加准确的参考。

⑧ 智慧城市中的大数据挖掘与应用

智慧城市中的大数据挖掘与应用
智慧城市蕴含大数据
城市是生存繁衍最好的地方，城市是社会交往的地方，是文化享受的地方，按照城市的职能，我们让它智能化，比如智慧安防、智慧环保、智慧能源、智慧城管、智慧养老、智慧国土规划、智慧社区、智慧家居都是让人有更好的环境来生存繁衍。在经济发展方面，可以推动智慧制造、工业互联网、物联网。在文化享受方面，可以考虑智慧户外流媒体、智慧教育、智慧旅游等等。在社会交往方面，有智慧交通、购物、社会综合管理。
在智慧城市的建设和应用中，将产生从TB到PB级越来越多的数据，从而进入大数据时代。2011年，Science专刊指出大数据时代已经到来，美国工程院院士也指出大数据可以让我们实现海量数据在预测、建模、可视化和发现新规律等方面应用的时代就要到来，奥巴马总统宣布美国政府正式启动大数据研究发展计划，奥巴马认为大数据就是未来世界的“石油”，这个计划要超过以前提出的“信息高速公路计划”，智慧城市建设的潮流已经到来。
空间数据方面，空间的传感器资源，美国有185颗卫星，中国有91颗卫星，到2020年中国将有200多颗卫星，卫星每天往回传输的数据可以达到PB级，空间数据资源、处理资源、空间信息资源、地学知识库资源，这些资源都可以传到网上，通过可视化的服务，利用云计算环境，包括计算资源、网络资源和存储资源，来保证服务质量。
“天地图”挖掘海量数据
为了充分研究这些海量空间大数据，我们研发了一个软件，叫做“天地图”，“天地图”的数据已经超过了TB级，目前已经超过100TB。利用“4+1”倾斜相机城市三维模型，贵阳做了很多三维建模工作。通过大数据，我们可以监测上海的地表下沉问题，把雷达数据放在一起，进行数据分析和挖掘，自动地、随时地检测地表下沉，不同地区的下沉速度不同，上海大概每年下沉20毫米，远郊区和市中心都在下沉。我们的检测结果同上海市国土局对比，精度可以达到3.9毫米和2.5毫米。我们已经对上海、苏州、天津、广州等很多大城市进行了自动检测。我们还监测了三峡，将来还要监测高铁。
我国已建成世界最大的视频监控网，2005年平安城市计划启动，现在我们已经在全国600个城市安装了超过2000万个摄像头，投资超过3000多亿，摄像头的工作可以帮助我们保证城市的平安、交通的通畅，但是出现了大数据的问题，就是存不起，数据量太大导致无法存储。我们为天津做了一个规划，“十二五”末，天津将安装60万个摄像头，按照公安部的要求，数据要保留3个月，有4600多个PB，1PB等于1000TB，比我们的空间数据还要大，如果这样存下去，一年要花580多亿，相当于去年西藏的GDP。同时，数据也查不准，发现问题以后，用人工去查，查不准，不可能用几十万个人去查数据，超过了人工处理的极限。此外，也防不住，案件破案效率、破案速度、破案质量不高，这是我们面临的一个严峻的问题。
智慧交通方面，中国有13亿人，数据量到了PB级，24小时都有流量，我们要把这些数据保存起来。安防方面，我们要“365天×24小时”管好城市的安防，数据量也很大。智慧养老方面，现在中国超过65岁的老人已经达到2亿到2.5亿，一个人从65岁活到90岁、100岁，如果把变化状态记录下来，可以使老人得到及时的救护和帮助。
目前，大数据依靠云计算和数据挖掘。科学的发展经过了四个时代，最早靠经验，后来靠理论，现在我们进入了数字发现知识的时代，云计算就应运而生，把计算能力、存储能力、交互能力放在云端，这种服务叫云计算服务，出现了基于云计算的信息服务，今天走到了虚拟服务云计算的时代，云计算中心内部的生态链，在一个网络上，除了自身的计算资源之外，我们有一些商人做云服务器、集成服务等，这些人构成了一个链条，这个链条无所不在，为大家服务。
我们现在做了一个遥感云，把海量的遥感数据，复杂的遥感处理与分析方法放在远程的云计算平台上，利用云计算平台弹性的计算能力，用户无需买数据、不需搭建环境，也不需要买软件，只需要选择数据和算法后即可获得计算结果，我们的服务不再是提供一个地铁、提供一个文件拷贝和数据共享，而是基于云计算的注册服务。
遥感云叫做OpenRS-Cloud，开放的遥感云是不收钱的，可以检查任务进来的速度，可以看计算机结果，把数据输入进去，可以直接在浏览器上察看到结果，用户使用非常方便。大家体会一下遥感云服务实例，云系统可以搜索下雨之前的卫星影像，还可以搜索下雨之后的卫星影像，有了这些影像以后自动生成了服务链条，可以得到遥感服务的结果。
云计算与数据挖掘
位置云可以将手机的导航卫星信号与其他定位相关的传感器信息传输到云计算中心，通过实时解算，实现室内外高精度的手机连续位置定位和实时导航。
地理国情检测需要，灾情报告员需要，土地调查员和城管员都需要，这样的系统可以把外面的卫星定位方法、室内的传感器定位方法、无线信号定位方法揉在一起，叫做混合定位。北斗正在做服务云，中国北斗从2012年已经开始全面运营，有120字短报文特性，我们做了增强系统，按照220公里的距离，可以保证导航精度一秒钟十个精度，在60公里以内，可以实现区域三频厘米级精密定位。如果用GPS，信号完好率达44%，初始化时间只有40多秒。
我们推荐的是GPS双频加北斗三频，可以保证平面精度1厘米、高程精度3.6厘米，提高了30%，完好率达100%，初始化时间只有6秒。
现在运营商做这个软件，精密定位可能收1毛或者2毛，高精度导航性能分析，可用于智慧交通中的车辆控制和智能驾驶，物质的运送只能在慢车道，原来控制不住，有了米级精度便可以控制，如果犯规了，指挥中心可以实时了解。
数据挖掘方面，我们现实世界的数据不是我们需要的，我们需要的是信息，最后要的是知识，我们要从海量数据中挖掘、发现我们所需的知识。
视频数据挖掘，要把安全行为进行智能分析，视频数据自动理解，从而实现视频数据自动压缩，把PB数据压缩下来，要推行智能设备就要解决一些问题，例如人体异常行为检测，异常事件检测，这是公安部门最感兴趣的。如果计算机能做，可以对目标进行跟踪，这就是我们需要的，自动地对物体中的运动目标进行检测、分离、跟踪，对其行为进行有效识别，如果有了这个软件，视频数据就能充分利用，正常人的活动可以删去，只把可疑的数据留下来。
智慧城市是基于数字城市、物联网和云计算建立的现实世界与数字世界的融合，以实现对人和物的感知、控制和智能服务。感知是数字城市的功能，控制和智能服务是智慧的高级阶段，智慧城市对经济转型发展、城市职能管理和对大众的智慧服务具有广阔的前景，使得人与自然更加协调。
做这件事情并不容易，首先要让大家把网络基础设施建设好，让大家用的好、用的起，如果大家用不好、用不起，智慧化就等于零。专家和企业应该抓好技术创新和攻关研究，拉动智慧城市引起的数字服务产业的发展，更好地实现各种智能化的应用。
智慧城市建设是一把手工程，城市一把手要根据每个城市的特点做好顶层设计，统一规划，分步实施。

⑨ 大数据分析 将对智慧城市产生极大影响

大数据分析 将对智慧城市产生极大影响

现代服务业发展水平是衡量一个国家和地区现代化程度的重要标志，是反映一个国家和地区综合实力的重要内容，同时也是实现经济可持续发展的重要力量。随着云计算及大数据等新兴技术的兴起，为进一步加快发展现代服务业，优化产业结构，构建现代产业体系，智慧型服务产业顺势而生。

随着首钢园区智慧城市五大能力的建设，平台战略稳步向前推进，各类型平台沉淀下来了海量的数据，如空间数据、民生数据、经济数据等。这些数据如金子般珍贵，如何合理充分地利用这些数据是首钢园区智慧城市建设成败的关键。

首钢园区智慧城市产业服务平台

一、大数据分析与决策成为必然选择

智慧城市体系架构可分为四层，分别为感知层、传输层、平台层、应用层。感知层是智慧城市体系对现实世界进行感知、识别和信息采集的基础性物理网络，海量的数据在感知层产生。由城市数字化到城市智慧化，关键是要实现对感知层获取的信息的智慧处理，其核心是引入了大数据处理技术。

智慧城市建设不仅仅需要有众多的摄像头、传感器等来收集信息，更需要有一个智慧的大脑系统，来统筹管理和运用好收集到的信息。一个智慧城市的建设，是离不开强大信息处理后台系统的建设的。只有建立起相应的处理能力，才可以将这些收集到的信息用于更加有效、科学的城市管理，提供更好的服务。大数据技术，对数据进行深度融合、综合分析和挖掘，以获得更有价值的信息。

二、大数据分析与决策对于智慧城市建设的重要意义

智慧城市的建设离不开大数据，大数据将遍布智慧城市的方方面面，从政府决策与服务，到人们衣食住行的生活方式，再到城市的产业布局和规划，直到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智慧引擎。

大数据分析对于智慧城市建设的重要意义主要体现在以下五个方面：

1、大数据分析为智慧城市的各个领域提供强大的决策支持。

在城市规划方面，通过对城市地理、气象等自然信息和经济、社会、文化、人口等人文社会信息的挖掘，可以为城市规划提供强大的决策支持，强化城市管理服务的科学性和前瞻性。在交通管理方面，通过对道路交通信息的实时挖掘，能有效缓解交通拥堵，并快速响应突发状况，为城市交通的良性运转提供科学的决策依据。在环境监测方面，构建大数据监控分析平台。深度监控排污企业生产、排放、存储、运输各个环节，从源头上消除企业监控数据造假的可能性，为监察部门提供可靠的执法依据，并结合环境监测数据，挖掘企业排污对当地环境的影响。

现代服务业发展水平是衡量一个国家和地区现代化程度的重要标志，是反映一个国家和地区综合实力的重要内容，同时也是实现经济可持续发展的重要力量。随着云计算及大数据等新兴技术的兴起，为进一步加快发展现代服务业，优化产业结构，构建现代产业体系，智慧型服务产业顺势而生。

随着首钢园区智慧城市五大能力的建设，平台战略稳步向前推进，各类型平台沉淀下来了海量的数据，如空间数据、民生数据、经济数据等。这些数据如金子般珍贵，如何合理充分地利用这些数据是首钢园区智慧城市建设成败的关键。

首钢园区智慧城市产业服务平台

一、大数据分析与决策成为必然选择

智慧城市体系架构可分为四层，分别为感知层、传输层、平台层、应用层。感知层是智慧城市体系对现实世界进行感知、识别和信息采集的基础性物理网络，海量的数据在感知层产生。由城市数字化到城市智慧化，关键是要实现对感知层获取的信息的智慧处理，其核心是引入了大数据处理技术。

智慧城市建设不仅仅需要有众多的摄像头、传感器等来收集信息，更需要有一个智慧的大脑系统，来统筹管理和运用好收集到的信息。一个智慧城市的建设，是离不开强大信息处理后台系统的建设的。只有建立起相应的处理能力，才可以将这些收集到的信息用于更加有效、科学的城市管理，提供更好的服务。大数据技术，对数据进行深度融合、综合分析和挖掘，以获得更有价值的信息。

二、大数据分析与决策对于智慧城市建设的重要意义

智慧城市的建设离不开大数据，大数据将遍布智慧城市的方方面面，从政府决策与服务，到人们衣食住行的生活方式，再到城市的产业布局和规划，直到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智慧引擎。

大数据分析对于智慧城市建设的重要意义主要体现在以下五个方面：

1、大数据分析为智慧城市的各个领域提供强大的决策支持。

在城市规划方面，通过对城市地理、气象等自然信息和经济、社会、文化、人口等人文社会信息的挖掘，可以为城市规划提供强大的决策支持，强化城市管理服务的科学性和前瞻性。在交通管理方面，通过对道路交通信息的实时挖掘，能有效缓解交通拥堵，并快速响应突发状况，为城市交通的良性运转提供科学的决策依据。在环境监测方面，构建大数据监控分析平台。深度监控排污企业生产、排放、存储、运输各个环节，从源头上消除企业监控数据造假的可能性，为监察部门提供可靠的执法依据，并结合环境监测数据，挖掘企业排污对当地环境的影响。

2、大数据分析能够给智慧城市的管理和服务系统提供新的洞察力。

城市的各项管理和服务是持续进行的，日积月累，自然会形成大量数据的积累，在这些数据中也必然隐藏着对这个城市一些潜在特征的描述。社会科学的很多规律和经验，在海量积累的数据里自然存在着，在等待我们去发现和了解，从而为城市的智慧化、精细化管理提供决策依据。例如，各城市还可以根据对环境监测历史数据的综合分析，预测火灾、水灾等自然灾害的发生规律。

3、大数据分析是避免“信息孤岛”提高资源利用率的必要手段。

“信息孤岛”现象很普遍。大数据技术对解决上述难题提供了新的希望。大数据技术能够在收集智慧城市各模块数据的基础上，对数据进行交互分析，从而建立起基于数据的、超越传统感知和经验的辅助决策系统。大数据使数据共享成为可能，政府各个部门的既有数据库可以实现高效互联互通，极大提高政府各部门间协同办公能力，提高为民办事的效率，大幅降低政府管理成本。

4、大数据分析将提高城市居民的生活品质。

与民生密切相关的智慧应用包括智慧交通、智慧医疗、智慧家居、智慧安防等，这些智慧化的应用将极大地拓展民众生活空间，引领智慧城市大数据时代智慧人生的到来。大数据是未来人们享受智慧生活的基础，将改变传统“简单平面”的生活常态，通过大数据的应用服务，将使信息变得更加泛在，使生活变得多维和立体。

5、大数据分析将大大提高企业的核心竞争力。

大数据处理将决定企业的核心竞争力。掌控数据就可以支配市场，意味着巨大的投资回报。过去很多企业对自身经营发展的分析只停留在简单业务信息层面，缺乏对客户需求、业务流程、平拍营销、市场竞争等方面的深入分析。在大数据时代，企业通过收集和分析大量内部和外部的数据，获取有价值的信息。通过挖掘这些信息，企业可以预测市场需求，进行智能化决策分析。

三、结语

智慧城市的大数据时代已经到来。充分利用以大数据技术为支撑的综合智能化分析和决策系统，才能使智慧城市的管理系统和服务系统充分、有效、合理地发挥各自的作用，大数据正是智慧城市建设和运营的基石。首钢园区的智慧城市建设，要从大数据入手，创新智慧产业、优化城市管理、提升服务效率，从而实现智慧城市让城市生活更美好、更幸福的目标。

以上是小编为大家分享的关于大数据分析 将对智慧城市产生极大影响的相关内容，更多信息可以关注环球青藤分享更多干货