摘要：文章首先介紹了大數(shù)據(jù)和智慧城市的概念、大數(shù)據(jù)的應(yīng)用潛力和當(dāng)前國(guó)際上智慧城市的建設(shè)概況，然后簡(jiǎn)要介紹了大數(shù)據(jù)的四個(gè)方面共16種關(guān)鍵技術(shù)，最后參考?xì)W盟提出的大數(shù)據(jù)在智慧城市應(yīng)用的九個(gè)方面，提出了自己在這些應(yīng)用方面的想法。
關(guān)鍵詞：大數(shù)據(jù)，智慧城市，關(guān)鍵技術(shù)，應(yīng)用

• 1. 引言
  • 1.1 大數(shù)據(jù)的應(yīng)用背景
  • 1.2 大數(shù)據(jù)在智慧城市中的應(yīng)用潛力
  • 1.3 智慧城市建設(shè)情況[4]
• 2. 大數(shù)據(jù)的關(guān)鍵技術(shù)[5]
  • 2.1 大數(shù)據(jù)采集
    • 2.1.1 無線射頻和傳感器
    • 2.1.2 數(shù)據(jù)庫(kù)采集
    • 2.1.3 網(wǎng)絡(luò)數(shù)據(jù)采集
    • 2.1.4 文件采集
  • 2.2 大數(shù)據(jù)預(yù)處理
    • 2.2.1 數(shù)據(jù)清理
    • 2.2.2 數(shù)據(jù)集成
    • 2.2.3 數(shù)據(jù)轉(zhuǎn)換
    • 2.2.4 數(shù)據(jù)規(guī)約
  • 2.3 大數(shù)據(jù)存儲(chǔ)
    • 2.3.1 MPP架構(gòu)的新型數(shù)據(jù)庫(kù)集群
    • 2.3.2 基于Hadoop的技術(shù)擴(kuò)展和封裝
    • 2.3.3 大數(shù)據(jù)一體機(jī)
  • 2.4 大數(shù)據(jù)分析挖掘
    • 2.4.1 可視化分析
    • 2.4.2 數(shù)據(jù)挖掘算法
    • 2.4.3 預(yù)測(cè)性分析
    • 2.4.4 語(yǔ)義引擎
    • 2.4.5 數(shù)據(jù)質(zhì)量管理
• 3. 大數(shù)據(jù)在智慧城市中的應(yīng)用[6]
  • 3.1 智慧經(jīng)濟(jì)
  • 3.2 智慧治理
  • 3.3 環(huán)境監(jiān)測(cè)
  • 3.4 智慧醫(yī)療
  • 3.5 智能搜索
  • 3.6 輿情監(jiān)測(cè)
  • 3.7 精準(zhǔn)營(yíng)銷
  • 3.8 犯罪預(yù)警
  • 3.9 市場(chǎng)價(jià)格監(jiān)測(cè)
• 4. 總結(jié)
• 參考文獻(xiàn)

1. 引言

?時(shí)下最流行的術(shù)語(yǔ)要屬“大數(shù)據(jù)”了。在百度指數(shù)上，“大數(shù)據(jù)”一詞的搜索次數(shù)從2012年以前的每周50次不到，飆升至最高每周9859次，并持續(xù)保有熱度。顧名思義，大數(shù)據(jù)的首要特征是其數(shù)據(jù)量龐大，它的數(shù)據(jù)量已經(jīng)從太字節(jié)(TB，240)級(jí)上升到拍字節(jié)(PB，250)級(jí)，甚至是澤字節(jié)(ZB，270)級(jí)。“據(jù)統(tǒng)計(jì)，如今人們每?jī)商焐a(chǎn)的數(shù)據(jù)量就與人類文明發(fā)展至2003年產(chǎn)生的總數(shù)據(jù)量相當(dāng)，而迄今為止人類所積累的數(shù)據(jù)量的90%都來自過去兩年。——2015”[1]而在2018的今天，隨著科技的進(jìn)步，數(shù)據(jù)獲取途徑更多、數(shù)量更大，其中就包括了RFID射頻數(shù)據(jù)、傳感器數(shù)據(jù)、社交網(wǎng)絡(luò)數(shù)據(jù)、移動(dòng)互聯(lián)網(wǎng)數(shù)據(jù)等方式獲得各種類型的結(jié)構(gòu)化、半結(jié)構(gòu)化及非結(jié)構(gòu)化的海量數(shù)據(jù)。
?智慧城市(smart city)這一概念發(fā)端于20世紀(jì)80年代的信息城市(information city)，經(jīng)歷了20世紀(jì)90年代的智能城市(intelligent city)與數(shù)字城市(digital city)，在2000年后逐步演化為智慧城市。2009年IBM公司首次提出了智慧城市愿景，使得智慧城市理念與實(shí)踐在全球范圍內(nèi)迅速傳播。[1]在百度指數(shù)上，“智慧城市”一詞的搜索熱度隨不及“大數(shù)據(jù)”，但可以明顯看出，從2011年以來，搜索量持續(xù)上漲并最終穩(wěn)定在每周2000次左右。智慧城市就是基于數(shù)字城市、物聯(lián)網(wǎng)和云計(jì)算建立的現(xiàn)實(shí)世界與數(shù)字世界的融合，運(yùn)用信息和通信技術(shù)手段感測(cè)、分析、整合城市運(yùn)行核心系統(tǒng)的各項(xiàng)關(guān)鍵信息，以實(shí)現(xiàn)對(duì)人和物的感知、控制和智能服務(wù)，從而對(duì)包括民生、環(huán)保、公共安全、城市服務(wù)、工商業(yè)活動(dòng)在內(nèi)的各種需求做出智能響應(yīng)。其實(shí)質(zhì)是利用先進(jìn)的信息技術(shù)，實(shí)現(xiàn)城市智慧式管理和運(yùn)行，進(jìn)而為城市中的人創(chuàng)造更美好的生活，促進(jìn)城市的和諧、可持續(xù)成長(zhǎng)。[2][3]
?大數(shù)據(jù)是信息和通信技術(shù)領(lǐng)域的概念，而智慧城市的實(shí)現(xiàn)依賴于這項(xiàng)技術(shù)，因此，研究他們之間的關(guān)系，探討大數(shù)據(jù)在智慧城市中的應(yīng)用，對(duì)于更好地從民生、環(huán)保、公共安全、城市服務(wù)等方面促進(jìn)城市發(fā)展，有著至關(guān)重要的作用。

1.1 大數(shù)據(jù)的應(yīng)用背景

?根據(jù)國(guó)際商業(yè)機(jī)器公司（IBM）估計(jì)的數(shù)據(jù)來看，現(xiàn)在我們每天生成的數(shù)據(jù)高達(dá)250兆億個(gè)字節(jié)，信息的指數(shù)型增長(zhǎng)有時(shí)被人們視為萬靈藥，就好比20世紀(jì)70年代出現(xiàn)的計(jì)算機(jī)一樣。《連線》雜志的前主編克里斯·安德森曾經(jīng)在2008年的一篇文章中說：“數(shù)量龐大的數(shù)據(jù)會(huì)使人們不再需要理論，甚至不再需要科學(xué)的方法。”
?被譽(yù)為大數(shù)據(jù)時(shí)代的預(yù)言家的“維克托-邁爾-舍恩伯格”在2012年出版的《大數(shù)據(jù)時(shí)代》一書中說到：“在大數(shù)據(jù)時(shí)代，我們的思維發(fā)生了巨大的變革，我們不再關(guān)注事物的因果關(guān)系，而更多的關(guān)注它們的相關(guān)關(guān)系。”從哲學(xué)的層面來講，大數(shù)據(jù)時(shí)代發(fā)生的思維變革主要影響了人們的“理性認(rèn)知世界”的過程。人類的理性認(rèn)知主要包括概念、判斷、推理三個(gè)過程，概念是人們對(duì)一個(gè)事物進(jìn)行總結(jié)、概括、抽象后的認(rèn)知，判斷是通過學(xué)習(xí)對(duì)事物進(jìn)行定義，推理是通過已有判斷得出新的判斷的過程。在過去，人們進(jìn)行理性認(rèn)知的過程往往通過部分樣本來進(jìn)行，也就是說，通過事物的樣本來獲取整體認(rèn)知，而在大數(shù)據(jù)時(shí)代，樣本即總體，對(duì)事物的認(rèn)知方式也來到了一個(gè)新的階段。
?那么這種認(rèn)知方式有何好處呢？很顯然，它具有高效性和準(zhǔn)確性。以往，科學(xué)家們?cè)谝粋€(gè)科學(xué)規(guī)律發(fā)現(xiàn)之前，往往要進(jìn)行大量的試驗(yàn)和理論論證，而且實(shí)驗(yàn)的樣本也難以包含全部，只是一種隨機(jī)的樣本，那么這個(gè)試驗(yàn)加上推理論證的方法就會(huì)耗費(fèi)大量的時(shí)間，而在實(shí)際應(yīng)用時(shí)，又會(huì)遇到很多的問題。如今，云計(jì)算理念下的虛擬化技術(shù)大幅提高了人類對(duì)數(shù)據(jù)的處理能力，對(duì)海量數(shù)據(jù)的組織、整理、歸納和學(xué)習(xí)成為現(xiàn)實(shí)，而且由于是對(duì)所有的數(shù)據(jù)進(jìn)行操作，樣本=總體，那么得到的結(jié)果也更加準(zhǔn)確。同時(shí)，由于計(jì)算的高效，在獲取新的知識(shí)后，對(duì)已有認(rèn)知進(jìn)行更新也將十分迅速。
?如今，大數(shù)據(jù)主要被應(yīng)用于預(yù)測(cè)領(lǐng)域。美國(guó)最具影響力的預(yù)測(cè)專家納特·西爾弗在2013年出版的《信號(hào)與噪聲》一書中列舉了大量涉及不同領(lǐng)域的大數(shù)據(jù)預(yù)測(cè)。包括政治選舉預(yù)測(cè)、棒球比賽預(yù)測(cè)、天氣預(yù)測(cè)、地震預(yù)測(cè)、經(jīng)濟(jì)預(yù)測(cè)、傳染性疾病預(yù)測(cè)、國(guó)際象棋大戰(zhàn)、撲克牌游戲、股票市場(chǎng)、溫室效應(yīng)、恐怖主義，幾乎涵蓋了政治、經(jīng)濟(jì)、社會(huì)、文化、娛樂等方方面面，由此可以看出，大數(shù)據(jù)在預(yù)測(cè)方面具有巨大的潛力。

1.2 大數(shù)據(jù)在智慧城市中的應(yīng)用潛力

?大數(shù)據(jù)是智慧城市各個(gè)領(lǐng)域都能夠?qū)崿F(xiàn)“智慧化”的關(guān)鍵性支撐技術(shù)，智慧城市的建設(shè)離不開大數(shù)據(jù)。建設(shè)智慧城市，是城市發(fā)展的新范式和新戰(zhàn)略。大數(shù)據(jù)將遍布智慧城市的方方面面，從政府決策與服務(wù)，到人們衣食住行的生活方式，再到城市的產(chǎn)業(yè)布局和規(guī)劃，直到城市的運(yùn)營(yíng)和管理方式，都將在大數(shù)據(jù)支撐下走向“智慧化”，大數(shù)據(jù)成為智慧城市的智慧引擎。[4]
?我們?cè)谇懊嬲f到，智慧城市是基于數(shù)字城市、物聯(lián)網(wǎng)和云計(jì)算建立的現(xiàn)實(shí)世界與數(shù)字世界的融合，以實(shí)現(xiàn)對(duì)人和物的感知、控制和智能服務(wù)。感知是數(shù)字城市的功能，控制和智能服務(wù)是智慧的高級(jí)階段。
?首先在感知方面，隨著科技水平的進(jìn)步，我們可以多渠道、多方式地采集海量數(shù)據(jù)，從地下、地表到航空、航天，從室外到室內(nèi)，或者沿著時(shí)間軸，貫穿一個(gè)時(shí)間段地收集數(shù)據(jù)。
?其次是控制和服務(wù)方面。正如前面所說，數(shù)據(jù)量在近兩年有了指數(shù)級(jí)的增長(zhǎng)，但這不僅是采集技術(shù)進(jìn)步的功勞。納特·西弗斯在《信號(hào)與噪聲中》說：“一旦信息的增長(zhǎng)速度過快，而我們處理信息的能力尚且不足，情況就很危險(xiǎn)。過去40年的人類歷史表明，把信息轉(zhuǎn)變?yōu)橛杏玫闹皇强赡苓€需要很長(zhǎng)時(shí)間，一不小心，我們就有可能倒退回去。”顯然，和大數(shù)據(jù)一同發(fā)展的，還有大數(shù)據(jù)信息處理技術(shù)。我們利用云計(jì)算對(duì)海量數(shù)據(jù)進(jìn)行信息提取，進(jìn)而利用機(jī)器學(xué)習(xí)的方法，進(jìn)行預(yù)測(cè)，就能提供智能服務(wù)，也能實(shí)現(xiàn)對(duì)某些事物的控制。

1.3 智慧城市建設(shè)情況[4]

?目前，我國(guó)正處于城鎮(zhèn)化加速發(fā)展的時(shí)期，部分地區(qū)“城市病”問題日益嚴(yán)峻。為解決城市發(fā)展難題，實(shí)現(xiàn)城市可持續(xù)發(fā)展，建設(shè)智慧城市已成為當(dāng)今世界城市發(fā)展不可逆轉(zhuǎn)的歷史潮流。智慧城市的建設(shè)在國(guó)內(nèi)外許多地區(qū)已經(jīng)展開，并取得了一系列成果，國(guó)內(nèi)的如智慧上海、智慧雙流；國(guó)外如新加坡的“智慧國(guó)計(jì)劃”、韓國(guó)的“U-City計(jì)劃”等。

2. 大數(shù)據(jù)的關(guān)鍵技術(shù)[5]

大數(shù)據(jù)應(yīng)用于智慧城市建設(shè)的關(guān)鍵技術(shù)主要有四個(gè)方面：大數(shù)據(jù)采集，大數(shù)據(jù)預(yù)處理、大數(shù)據(jù)存儲(chǔ)及管理、大數(shù)據(jù)分析及挖掘。下面將簡(jiǎn)要闡述四個(gè)方面共16項(xiàng)技術(shù)及其在智慧城市建設(shè)中的應(yīng)用。

2.1 大數(shù)據(jù)采集

數(shù)據(jù)采集是大數(shù)據(jù)生命周期的第一個(gè)環(huán)節(jié)，除了通過RFID射頻、傳感器等硬件技術(shù)獲取技術(shù)，還可以獲取已有數(shù)據(jù)庫(kù)數(shù)據(jù)、社交網(wǎng)絡(luò)數(shù)據(jù)、移動(dòng)互聯(lián)網(wǎng)數(shù)據(jù)等各種類型的結(jié)構(gòu)化、半結(jié)構(gòu)化及非結(jié)構(gòu)化的海量數(shù)據(jù)。由于可能有成千上萬的用戶同時(shí)進(jìn)行并發(fā)訪問和操作，因此，必須采用專門針對(duì)大數(shù)據(jù)的采集方法，其主要包括以下幾種：

2.1.1 無線射頻和傳感器

傳感器是一種獲取電信號(hào)的技術(shù)，分為接觸式和非接觸式；而無線射頻技術(shù)是一種非接觸式通信技術(shù)，可通過無線電訊號(hào)識(shí)別特定目標(biāo)并讀寫相關(guān)數(shù)據(jù)。

2.1.2 數(shù)據(jù)庫(kù)采集

從已有的數(shù)據(jù)庫(kù)中采集數(shù)據(jù)。傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)有MySQL和Oracle等。常用的的工具有Sqoop和結(jié)構(gòu)化數(shù)據(jù)庫(kù)間的ETL工具，當(dāng)然當(dāng)前對(duì)于開源的Kettle和Talend本身也包含了大數(shù)據(jù)集成內(nèi)容，可以實(shí)現(xiàn)和HDFS，HBase和主流NoSQL數(shù)據(jù)庫(kù)之間的數(shù)據(jù)同步和集成。

2.1.3 網(wǎng)絡(luò)數(shù)據(jù)采集

網(wǎng)絡(luò)數(shù)據(jù)采集主要是借助網(wǎng)絡(luò)爬蟲或網(wǎng)站公開API等方式，從網(wǎng)站上獲取數(shù)據(jù)信息的過程。可以獲取網(wǎng)絡(luò)上非結(jié)構(gòu)化及半結(jié)構(gòu)化數(shù)據(jù)，并存儲(chǔ)。

2.1.4 文件采集

使用Flume實(shí)現(xiàn)分布式的海量日志采集、聚合和傳輸。也可以使用輕量級(jí)的ELK(Elasticsearch、Logstash、Kibana三個(gè)開源軟件的組合)進(jìn)行日志收集處理。

2.2 大數(shù)據(jù)預(yù)處理

大數(shù)據(jù)數(shù)量巨大，但也會(huì)有殘缺、虛假、過時(shí)的數(shù)據(jù)。無效的數(shù)據(jù)不僅沒有任何作用，還會(huì)影響后續(xù)操作，因此數(shù)據(jù)的預(yù)處理就極為重要。大數(shù)據(jù)預(yù)處理就是對(duì)采集到的原始數(shù)據(jù)進(jìn)行清洗、填補(bǔ)、平滑、合并、規(guī)格化以及檢查一致性等。主要包括：數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)轉(zhuǎn)換以及數(shù)據(jù)規(guī)約四大部分。

2.2.1 數(shù)據(jù)清理

數(shù)據(jù)清理主要包含遺漏值處理(缺少感興趣的屬性)、噪音數(shù)據(jù)處理(數(shù)據(jù)中存在著錯(cuò)誤、或偏離期望值的數(shù)據(jù))、不一致數(shù)據(jù)處理。主要的清洗工具是ETL(Extraction/Transformation/Loading)和Potter’s Wheel。

2.2.2 數(shù)據(jù)集成

數(shù)據(jù)集成是指將多個(gè)數(shù)據(jù)源中的數(shù)據(jù)合并存放到一個(gè)一致的數(shù)據(jù)存儲(chǔ)庫(kù)中。

2.2.3 數(shù)據(jù)轉(zhuǎn)換

數(shù)據(jù)轉(zhuǎn)換包括兩類：第一類，數(shù)據(jù)名稱及格式的統(tǒng)一，即數(shù)據(jù)粒度轉(zhuǎn)換、商務(wù)規(guī)則計(jì)算以及統(tǒng)一的命名、數(shù)據(jù)格式、計(jì)量單位等；第二類，數(shù)據(jù)倉(cāng)庫(kù)中存在源數(shù)據(jù)庫(kù)中可能不存在的數(shù)據(jù)，因此需要進(jìn)行字段的組合、分割或計(jì)算。

2.2.4 數(shù)據(jù)規(guī)約

數(shù)據(jù)歸約是指在盡可能保持?jǐn)?shù)據(jù)原貌的前提下，最大限度地精簡(jiǎn)數(shù)據(jù)量，主要包括：數(shù)據(jù)方聚集、維規(guī)約、數(shù)據(jù)壓縮、數(shù)值規(guī)約和概念分層等。

2.3 大數(shù)據(jù)存儲(chǔ)

大數(shù)據(jù)存儲(chǔ)與管理要用存儲(chǔ)器把采集到的數(shù)據(jù)存儲(chǔ)起來，建立相應(yīng)的數(shù)據(jù)庫(kù)，以便管理和調(diào)用。大數(shù)據(jù)存儲(chǔ)技術(shù)路線最典型的共有三種：

2.3.1 MPP架構(gòu)的新型數(shù)據(jù)庫(kù)集群

MPP（Massively Parallel Processing，大規(guī)模并行處理系統(tǒng)）。采用Shared Nothing架構(gòu)，通過列存儲(chǔ)、粗粒度索引等多項(xiàng)大數(shù)據(jù)處理技術(shù)，再結(jié)合MPP架構(gòu)高效的分布式計(jì)算模式，完成對(duì)分析類應(yīng)用的支撐，運(yùn)行環(huán)境多為低成本 PC Server，對(duì)于企業(yè)新一代的數(shù)據(jù)倉(cāng)庫(kù)和結(jié)構(gòu)化數(shù)據(jù)分析，目前最佳選擇是MPP數(shù)據(jù)庫(kù)。

2.3.2 基于Hadoop的技術(shù)擴(kuò)展和封裝

這里面有幾十種NoSQL技術(shù)，也在進(jìn)一步的細(xì)分。對(duì)于非結(jié)構(gòu)、半結(jié)構(gòu)化數(shù)據(jù)處理、復(fù)雜的ETL流程、復(fù)雜的數(shù)據(jù)挖掘和計(jì)算模型，Hadoop平臺(tái)更擅長(zhǎng)。

2.3.3 大數(shù)據(jù)一體機(jī)

這是一種專為大數(shù)據(jù)的分析處理而設(shè)計(jì)的軟、硬件結(jié)合的產(chǎn)品，由一組集成的服務(wù)器、存儲(chǔ)設(shè)備、操作系統(tǒng)、數(shù)據(jù)庫(kù)管理系統(tǒng)以及為數(shù)據(jù)查詢、處理、分析用途而預(yù)先安裝及優(yōu)化的軟件組成，高性能大數(shù)據(jù)一體機(jī)具有良好的穩(wěn)定性和縱向擴(kuò)展性。

2.4 大數(shù)據(jù)分析挖掘

數(shù)據(jù)的分析與挖掘主要目的是把隱藏在一大批看來雜亂無章的數(shù)據(jù)中的信息集中起來，進(jìn)行萃取、提煉，以找出潛在有用的信息和所研究對(duì)象的內(nèi)在規(guī)律的過程。包括可視化分析、數(shù)據(jù)挖掘算法、預(yù)測(cè)性分析、語(yǔ)義引擎以及數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理五大方面。

2.4.1 可視化分析

數(shù)據(jù)可視化主要是借助于圖形化手段，清晰有效地傳達(dá)與溝通信息。目的是做出簡(jiǎn)單明了、清晰直觀，更易于接受的圖表。

2.4.2 數(shù)據(jù)挖掘算法

數(shù)據(jù)挖掘算法是大數(shù)據(jù)分析的理論核心，數(shù)據(jù)挖掘的算法多種多樣，不同的算法基于不同的數(shù)據(jù)類型和格式會(huì)呈現(xiàn)出數(shù)據(jù)所具備的不同特點(diǎn)，致力于深入數(shù)據(jù)內(nèi)部，挖掘出數(shù)據(jù)的價(jià)值。

2.4.3 預(yù)測(cè)性分析

預(yù)測(cè)性分析結(jié)合了多種高級(jí)分析功能，包括特別統(tǒng)計(jì)分析、預(yù)測(cè)建模、數(shù)據(jù)挖掘、文本分析、實(shí)體分析、優(yōu)化、實(shí)時(shí)評(píng)分、機(jī)器學(xué)習(xí)等。

2.4.4 語(yǔ)義引擎

語(yǔ)義引擎就是給已有的數(shù)據(jù)（結(jié)構(gòu)化或非結(jié)構(gòu)化）加上語(yǔ)義層。語(yǔ)義技術(shù)目的是讓用戶更快、更準(zhǔn)確、更全面地獲得所需信息，提高用戶的互聯(lián)網(wǎng)體驗(yàn)。

2.4.5 數(shù)據(jù)質(zhì)量管理

數(shù)據(jù)質(zhì)量管理是指對(duì)數(shù)據(jù)從生命周期中每個(gè)階段（計(jì)劃、獲取、存儲(chǔ)、共享、維護(hù)、應(yīng)用、消亡）可能引發(fā)的各類數(shù)據(jù)質(zhì)量問題進(jìn)行識(shí)別、度量、監(jiān)控、預(yù)警等一系列管理活動(dòng)，并通過改善和提高組織的管理水平使得數(shù)據(jù)質(zhì)量獲得進(jìn)一步提高。

3. 大數(shù)據(jù)在智慧城市中的應(yīng)用[6]

首先舉出當(dāng)前大數(shù)據(jù)在智慧城市中應(yīng)用的九個(gè)方面，然后以此為思路導(dǎo)向，提出自己的想法。

3.1 智慧經(jīng)濟(jì)

?在商業(yè)上，大數(shù)據(jù)預(yù)測(cè)可以用于分析用戶的購(gòu)物行為，什么商品搭配在一起會(huì)賣得更好，還可以通過分析找到最佳客戶。在淘寶平臺(tái)上，商家可以根據(jù)淘寶的數(shù)據(jù)魔方了解平臺(tái)上的行業(yè)宏觀情況、自己品牌的市場(chǎng)狀況、消費(fèi)者行為情況等，并可以據(jù)此作出經(jīng)營(yíng)決策；阿里公司根據(jù)在淘寶網(wǎng)上中小企業(yè)的交易狀況篩選出財(cái)務(wù)健康和誠(chéng)信的企業(yè)，從而無需擔(dān)保來放貸，目前已放貸300多億元，壞帳率僅0.3％，大大低于商業(yè)銀行；IBM日本公司建立了一個(gè)經(jīng)濟(jì)指標(biāo)預(yù)測(cè)系統(tǒng)，從互聯(lián)網(wǎng)新聞中搜索影響制造業(yè)的480項(xiàng)經(jīng)濟(jì)數(shù)據(jù)，計(jì)算出采購(gòu)經(jīng)理人指數(shù)（PMI，用于評(píng)估行業(yè)興衰）；華爾街對(duì)沖基金依據(jù)購(gòu)物網(wǎng)站顧客評(píng)論分析企業(yè)產(chǎn)品銷售狀況，華爾街銀行根據(jù)求職網(wǎng)站崗位數(shù)量推斷就業(yè)率。
?企業(yè)通過信息收集很好的掌握企業(yè)的運(yùn)營(yíng)狀況，分析居民與財(cái)務(wù)有關(guān)的記錄包括貸款申請(qǐng)、租賃、房地產(chǎn)、購(gòu)買零售商品、納稅申報(bào)、水電費(fèi)繳付、有線電視繳費(fèi)、電話繳費(fèi)、報(bào)紙與雜志訂閱、機(jī)動(dòng)車檔案等，能夠得出消費(fèi)者的個(gè)人信用評(píng)分，從而推斷客戶支付意向與支付能力，發(fā)現(xiàn)潛在的商機(jī)和欺詐行為。
?利用大數(shù)據(jù)分析可實(shí)現(xiàn)對(duì)合理庫(kù)存量的管理；利用心情分析方法可以分析用戶在購(gòu)物時(shí)的心情，從而為其安排更好的購(gòu)物方案；通過分析顧客在購(gòu)買商品時(shí)的關(guān)聯(lián)性，超市經(jīng)營(yíng)者可以做出更好的商品布局。

3.2 智慧治理

?美國(guó)紐約的警察分析交通擁堵與犯罪發(fā)生地點(diǎn)的關(guān)系，有效改進(jìn)治安；美國(guó)紐約的交通部門從交通違規(guī)和事故的統(tǒng)計(jì)數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，改進(jìn)了道路設(shè)計(jì)；電信運(yùn)營(yíng)商擁有大量的手機(jī)數(shù)據(jù)，通過對(duì)手機(jī)數(shù)據(jù)的挖掘，不針對(duì)個(gè)人而是著眼于群體行為，可從中分析：實(shí)時(shí)動(dòng)態(tài)的流動(dòng)人口的來源及分布情況、出行和實(shí)時(shí)交通客流信息及擁塞情況；利用手機(jī)用戶身份和位置的檢測(cè)可了解突發(fā)性事件的聚集情況；MIT的Reality Mining項(xiàng)目，通過對(duì)10萬多人手機(jī)的通話、短信和空間位置等信息進(jìn)行處理，提取人們行為的時(shí)空規(guī)則性和重復(fù)性，進(jìn)行流行病預(yù)警和犯罪預(yù)測(cè)；利用短信、微博、微信和搜索引擎可以收集熱點(diǎn)事件與輿情挖掘；

3.3 環(huán)境監(jiān)測(cè)

?通過衛(wèi)星、無人機(jī)、地面無人車等遙感平臺(tái)采集空間數(shù)據(jù)。對(duì)森林和植被、湖泊、河流、土地進(jìn)行數(shù)據(jù)采集監(jiān)測(cè)和分析，能夠判別城市中有沒有污染。

3.4 智慧醫(yī)療

?智慧醫(yī)療主要體現(xiàn)在醫(yī)療模式的開發(fā)。首先是居家監(jiān)護(hù)，收集中老年人或嬰幼兒很長(zhǎng)時(shí)間（數(shù)年甚至數(shù)十年）的健康數(shù)據(jù)，進(jìn)行分析預(yù)測(cè)，可以從一定程度上避免意外狀況的發(fā)生；其次是醫(yī)療網(wǎng)絡(luò)監(jiān)控，根據(jù)網(wǎng)民搜索內(nèi)容分析全球范圍內(nèi)流感等病疫傳播狀況；另外還有個(gè)性化醫(yī)療，有研究表明，同樣的治療對(duì)一些病人無效，75％癌癥病人，70％的老年癡呆者、50％的關(guān)節(jié)炎病人、43％的糖尿病患者、40％的哮喘病患者，38％的抑郁癥病人，因?yàn)槿梭w對(duì)藥品代謝方式的差異取決于個(gè)體特定的基因、酶和蛋白質(zhì)組合，因此基因信息對(duì)選擇最優(yōu)治療非常關(guān)鍵。對(duì)人體個(gè)性體質(zhì)的挖掘會(huì)做到真正意義上的對(duì)癥下藥，一個(gè)人的基因信息大概1GB；最后，參考輿情監(jiān)督，可以通過社交網(wǎng)絡(luò)獲取許多患者分享的臨床癥狀和經(jīng)驗(yàn)，增加醫(yī)院在這些方面的臨床統(tǒng)計(jì)資料。

3.5 智能搜索

?如今，搜索引擎不再局限于基于文本字符串的匹配搜索，出現(xiàn)了基于圖片的搜索、基于語(yǔ)音的搜索、基于位置的搜索。例如百度搜索，圖片搜索和文字搜索已經(jīng)達(dá)到了非常高的精度，而百度旗下的百度地圖，在語(yǔ)音搜索和基于位置的搜索也做的相當(dāng)令人滿意。
?在搜索形式上，除了現(xiàn)有的幾種搜索，還可以借助傳感器和機(jī)器學(xué)習(xí)，利用大數(shù)據(jù)分析方法，進(jìn)行基于氣味的搜索、基于視頻信息的搜索等。
?在搜索內(nèi)容上，智能搜索的理念被用于理解用戶的語(yǔ)義，分析用戶在進(jìn)行搜索過程時(shí)的心情和狀態(tài)，據(jù)此提供用戶真正感興趣的內(nèi)容。

3.6 輿情監(jiān)測(cè)

?隨著大眾傳播的發(fā)展以及新型傳播的發(fā)展，傳播領(lǐng)域?qū)a(chǎn)生大量數(shù)據(jù)。互聯(lián)網(wǎng)具有虛擬性、隱蔽性、發(fā)散性、滲透性和隨意性等特點(diǎn)，例如微博傳播具有裂變性、主動(dòng)性、即時(shí)性、便捷性、交互性、草根性，跟進(jìn)性和臨場(chǎng)感，每一個(gè)微博用戶既是”服務(wù)器”，也是”受眾”。
?通過互聯(lián)網(wǎng)進(jìn)行輿情監(jiān)測(cè)，主要可以應(yīng)用于政府決策、商品銷售、產(chǎn)品研發(fā)等方面。政府通過輿情監(jiān)測(cè)，及時(shí)發(fā)現(xiàn)存在的負(fù)面輿情，進(jìn)行引導(dǎo)和調(diào)控，穩(wěn)定社會(huì)；公司企業(yè)通過輿情監(jiān)測(cè)，分析用戶需求和需求分布，控制主流和非主流商品的銷售狀況；科研機(jī)構(gòu)或大學(xué)通過輿情監(jiān)測(cè)，獲取社會(huì)對(duì)科研產(chǎn)品的需求情況，確定研發(fā)方向和研究課題。

3.7 精準(zhǔn)營(yíng)銷

?精準(zhǔn)營(yíng)銷有兩個(gè)方面的內(nèi)容，一是根據(jù)顧客需求，在合適的時(shí)間，通過合適渠道，把合適的營(yíng)銷信息投送給每個(gè)顧客；二是通過分析顧客行為，進(jìn)行商品的預(yù)備。
?第一方面的內(nèi)容現(xiàn)在許多大公司如今日頭條、百度、阿里巴巴都已經(jīng)做得十分完善，其他的公司也能做得媲美這些大公司。對(duì)于第二方面商品預(yù)備物資分配的問題仍有更多的開發(fā)空間，以身邊的商家為例，首先是外賣行業(yè)，現(xiàn)在存在送貨慢、備餐久等問題，商家可以通過分析點(diǎn)餐者的點(diǎn)餐時(shí)段、菜品偏好，提前準(zhǔn)備好餐品，并和外送公司達(dá)成溝通，提高送餐效率；其次是零售超市，目前存在的問題是，超市和顧客供需不對(duì)等，商品月均銷量起伏等，這影響了超市的經(jīng)營(yíng)和顧客的體驗(yàn)。超市可以通過分析需求，在需求劇烈的時(shí)段增加商品供應(yīng)，或者可以在銷售淡季進(jìn)行回饋活動(dòng)來增長(zhǎng)銷量等。

3.8 犯罪預(yù)警

?可以通過監(jiān)測(cè)通話、聊天等信息獲取可能存在的犯罪。不過這個(gè)在中國(guó)基本上不能實(shí)現(xiàn)。能實(shí)現(xiàn)的只有在公共電話、視頻監(jiān)控中進(jìn)行監(jiān)測(cè)，例如監(jiān)測(cè)視頻中的不正常行為，電話中語(yǔ)音內(nèi)容的識(shí)別，但中國(guó)人口眾多，視頻和語(yǔ)音數(shù)據(jù)量巨大，實(shí)現(xiàn)難度相當(dāng)高。

3.9 市場(chǎng)價(jià)格監(jiān)測(cè)

?通過分析，可以發(fā)現(xiàn)正常的價(jià)格變化規(guī)律，如果價(jià)格變化持續(xù)異常，就可以懷疑存在價(jià)格壟斷的行為。市場(chǎng)價(jià)格監(jiān)測(cè)可以為政府進(jìn)行宏觀調(diào)控提供參考依據(jù)

4. 總結(jié)

?埃里克·西格爾在《大數(shù)據(jù)預(yù)測(cè)》一書中說到：“大數(shù)據(jù)時(shí)代下的核心——預(yù)測(cè)分析已經(jīng)在商業(yè)和社會(huì)中得到廣泛應(yīng)用。隨著越來越多的數(shù)據(jù)被記錄和整理，未來預(yù)測(cè)分析必定會(huì)成為所有領(lǐng)域的關(guān)鍵技術(shù)。”誠(chéng)如西格爾所言，當(dāng)大數(shù)據(jù)與智慧城市完美契合，將是對(duì)傳統(tǒng)城市模式的一種極大的顛覆。過去人們?cè)诔鞘欣锷?#xff0c;思考如何去迎合這個(gè)冰冷的鋼鐵森林，而在智慧城市的服務(wù)之下，仿佛一切有了溫度，人們?cè)诔鞘械拿總€(gè)角落都能感受到她的溫情。智慧城市的理念和技術(shù)將成為實(shí)現(xiàn)服務(wù)型城市的關(guān)鍵。

參考文獻(xiàn)

[1] 劉倫.大數(shù)據(jù)時(shí)代的智慧城市規(guī)劃：國(guó)際經(jīng)驗(yàn)[J].國(guó)際城市規(guī)劃,2015,(9)
[2] 百度百科
[3] 易事特公司.大數(shù)據(jù)在智慧城市中的應(yīng)用,2016,(11)
[4] 阿里云
[5] 51CTO大數(shù)據(jù)
[6] 大數(shù)據(jù)在智慧城市的10大應(yīng)用

轉(zhuǎn)載于:https://www.cnblogs.com/whuls/p/9356526.html

總結(jié)

以上是生活随笔為你收集整理的大数据在智慧城市中的应用的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。