佚名

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處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计算技术。例如针对城市中某地区环境污染治理预测，不仅要考虑城市中的气候、气象数据、环境污染数据，同时也应考虑该地区的建筑构成、兴趣点（POI）分布、交通工具流量、城市路况、人流量的突变等数据融合计算。面向城市中的各种视频、音频及图形图像的非结构化数据，需要更加智能的计算处理技术。

在城市大数据处理技术中，也会遇到一些问题和挑战。例如：城市中异常现象的检测，如何预防交通拥堵，自然灾害及公众事件引起的人流突变及预测；如何在高密度公共场所，例如地铁、广场，估计人群数量和密度，同时检测人群过密、异常聚集、滞留、逆行、混乱等多种异常现象。又如：实现重大活动、重要区域的人流统计与控制，如何提供实时报警功能；在城市交通视频、图形图像处理过程中如何适应各种光照变化、人群遮挡等复杂环境等。这些问题都需要更有效的大数据处理及智能化分析计算技术作为支撑。

相关链接

建立有效的数据驱动下的保障机制

面对这些城市大数据，如何更好地利用、深度挖掘与分析，解决城市中存在的各种社会问题，同时为城市发展及市民提供更加智能化便利生活服务是政府、城市规划者、学术界、工业界及每个市民值得深思的问题。从智慧城市建设的全面性角度看，要达到“人、物、环境和自然”城市一体化、智慧化共赢的结果，仅仅依靠技术支撑还远远不够，还需要社会化的立法、高效的管理作为有效补充。为了使政府、社会、企业和个人更好地开放和使用数据，同时保护数据安全和公民隐私等，应从单一的“技术驱动”向多源化的“数据驱动”转变，利用信息技术获取、处理和挖掘分析数据，为更好地城市化服务提供数据基础；从法理性角度明确数据界定，尤其是数据所有权、使用权的归属性问题；从管理的视角明确政府、企业及个人对数据的政策管理及奖惩机制。总之，明确政府、企业及个人对数据的政策管理及奖惩措施，形成积极有效的数据驱动下的保障机制，目的是为了使政府、社会、企业和个人更好地开放和使用数据，同时保护数据安全和公民隐私，为政府和管理部门提供高效、科学的决策支持服务。endprint