智慧城市网

　　【中国安防展览网 智慧城市】 3月10日，全国政协委员、神州控股董事局主席郭为在接受2017两会访谈时表示，“智慧”是一个阶段性的概念，从数字化到智能化再到智慧化。首先是数字化，就是把很多东西进行数字化，从模拟信号变成数字信号。第二个就是要智能化，在数字化的基础之上，做到自动控制，把人类的很多经验让机器去学习，然后使得机器具有智能判断这样的能力，这就是智能化的结果。后智慧化其实就是用更大的数据量使得这个决策的效果更好。
 

　　按照“智慧”的来源，智慧城市可以分为两类：
 

　　一类是在城市大规模安装数字化设备
 

　　包括监控设备、数字化交通设施及标志、实时通信设备等。通过收集、整合和分析这些数据流，可以对城市运行进行实时的监控管理，而这些分析信息也可以被实时地发送到城市居民的移动设备上(如电脑、手机、GPS装置等)，为城市居民的日常活动提供更加便利的信息。而这些实时数据通过存储和进一步分析，可以用来描述、模拟和预测城市运行特性以及未来发展，从而为智慧城市的进一步发展提供参考依据。不仅如此，数字化技术的大规模运用与发展也可以刺激当地相关产业的发展，尤其是区域服务和知识型经济的发展。
 

　　另一类是在一定区域内发展知识型经济
 

　　从这个角度来说，智慧城市是一个智慧人群领导的由改革、创新和企业化驱动的经济体。在此系统里，信息和通信技术(information and communication
 

　　technologies，ICT)是这个区域发展平台中推动实现创新型概念和设计的助推力。然而，就信息通信技术而言，单纯嵌套于城市系统中并不能将城市转化为智慧型城市，需要其与人力与社会资源以及更加宽松开放的经济体相结合，推动城市的智能化发展。智慧城市的概念初定位于技术和技术型管理的角度，然而随着智慧城市概念的不断完善，社会资本、教育、经济等方面与综合型智慧城市概念的完善越来越密切。
 

　　当前网络基础设施的发展为城市科技创新提供了基础，而这也促进了区域性城市的经济、文化和环境的发展。
 

　　大数据指导下的智慧城市发展
 

　　大数据对于智慧城市应该在四个方面产生作用：科学规划，通过数据的支撑、公众参与、社会监督和客观评价这4个过程中对大数据的应用，使城市的规划方方面面都有更合理的依据;实时监测，数字化、网络化和智能化的发展能够保证对这个城市的任何运行程度掌握在电台之中;治理，包括准确信息、智能方案、快速影响和绩效考核;服务，向市民提供方便、和快捷的服务。
 

　　智慧城市中大数据的特点
 

　　(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)数据性
 

　　大数据概念中的数据性指的是大数据中包含信息的完整性和准确性。数据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。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。
 

　　探码大数据对智慧城市数据整合和知识提取
 

　　在大数据框架下，由于数据类型的多样性，只经过收集和存储的数据并不能用于准确的数据分析。而且，大规模的数据分析依赖于计算机算法的高速自动运算。因此，数据整合成为大数据分析的一个必要步骤。数据整合，即根据研究需要并结合不同类型的数据的差异性，将其整合为一个整体性的数据库。整合后的数据库应具有以下特点：原始数据中存在的数据结构和表达形式的差异应在整合后的数据库中予以保留，并且这些差异能够用于大数据分析的计算机算法读取和高速分析，从而保证整合后的数据在算法上的可解性。
 

　　此外，在大数据的概念下，即使是对单一数据进行分析，合理的数据整合和数据库设计也是非常必要的。而数据库设计的具体细节则由研究内容以及研究方法的特殊性来决定。对于特定研究内容或方法，某种数据整合的方法往往较其他方法更有优势。因此，在设计数据库时需要考虑数据库的可修改性，使该数据库被用于其他研究时可以进行相应的修改，从而增强其实用性。
 

　　智慧城市与大数据的实践经验
 

　　从国家政策来看中国计划智慧城市项目总体技术体系架构在科技部，计划智慧城市一期项目的支持下提出了六横两纵的智慧城市技术框架，六横层层递进下层的是城市的感知层，再是传输层，再上面依次分别是处理层、支持服务层、应用服务层、上面是智慧应用层，贯穿全局的是安全保障体系以及标准与评测，而要真正实现智慧城市必须引入大数据技术，主要包含以下三大方面的技术：
 

　　1、大数据融合技术
 

　　我国智慧城市建设面临的重大挑战之一，是城市系统之间由于标准问题无法有效集成形成信息孤岛，因此在大数据融合领域一方面要加强海量异构数据建模与融合，海量异构数据列存储与索引等关键技术研发，给予底层数据集成的信息共享提供标准和技术保障。
 

　　2、大数据处理技术
 

　　大规模数据在智慧城市系统流动过程中，处于传输效率、数据质量与安全等因素的考虑，需要对大规模数据进行预处理，大数据处理技术往往需要与基于云计算的并行分布式技术相结合，这也是目前产业界普遍采用的技术方案。
 

　　3、大数据分析和挖掘技术
 

　　相比于大数据融合和处理技术，大数据分析与挖掘技术更为复杂，是学术界和产业界面临的挑战性的技术难题。
 

　　国内外智慧城市典型案例
 

　　美国：迪比克市风景秀丽，密西西比河贯穿城区，它是美国为宜居的城市之一。以建设智慧城市为目标，迪比克计划利用物联网技术，将城市的所有资源(包括水、电、油、气、交通、公共服务等)数字化并连接起来，监测、分析和整合各种数据，进而智能化地响应市民的需求并降低城市的能耗和成本，使迪比克市更适合居住和商业发展。
 

　　西班牙：传感器项目让智慧城市建设充分立足实践，据巴塞罗那通信研究所传感器项目的负责人马里亚诺·拉马尔卡介绍，智慧城市是巴塞罗那目前重要的项目之一，而原来的巴塞罗那纺织产业老工业区，现在则是这一项目重要的试验地。
 

　　欧盟：就提出并开始实施一系列智慧城市建设目标。欧盟对于智慧城市的评价标准包括智慧经济、智慧环境、智慧治理、智慧机动性、智慧居住以及智慧人等6个方面
 

　　韩国：力推政府行政服务智能化 ，韩国正以网络为基础，打造绿色、数字化、无缝移动连接的生态、智慧型城市。
 

　　中国北京：北京的智慧城市建设以“人文北京、科技北京、绿化北京”为战略指导，结合“国家首都、城市、文化名城和宜居城市”的城市定位，在智慧城市的建设中，充分发挥现代科技的优势，树立以人为本的管理理念。北京的智慧城市建设是全面而系统的。
 

　　智慧城市是城镇化进程的下一阶段，是城市信息化的新高度，是现代城市发展的远景，无线城市、数字城市、平安城市、感知城市是智慧城市的必要条件；诚信城市、绿色城市、健康城市、人文城市、是智慧城市应有之意；智慧城市产生大数据，大数据反过来支撑智慧城市，智慧城市与大数据相结合一定会有璀璨的明天。