大数据技术在智慧城市中的应用

大数据技术在智慧城市中的应用

邹国伟中国电信股份有限公司上海研究院

成建波中国电信股份有限公司上海研究院物联网专业室主任

摘要现阶段，各地正积极推动智慧城市建设。智慧城市的特征包括信息共享、系统协同以

及智能响应。为实现上述特征，城市各类信息需要汇聚集中，综合处理，实现有效利用。然而城市中

的数据具有多源、异构和海量的特征，传统的信息处理技术在面对这类数据时显得力不从心。大数

据及相关技术却能有效地解决这些问题。本文介绍了大数据相关技术及其在智慧城市中的应用。

关键词智慧城市大数据应用

1 引言

智慧城市充分利用物联网、云计算、宽带网络等

先进的信息通信技术，实现对城市运行的全面感知、

数据融合、智能决策，并通过城市各个信息系统间的

互联互通、信息共享和协同运作，整合与优化各种城

市资源，提高城市运行管理和服务水平，改善市民生

活和生态环境，提高经济发展的质量和产业竞争力，

实现城市科学、可持续发展。

我国正处在大力发展工业化和信息化的关键时

期，产业经济实力和信息化程度已经具备发展和建设

“智慧城市”的基础条件。事实上，新型工业化、新型城

镇化进程也客观地要求进行“智慧城市”建设。目前，

我国的北京、上海、广州、南京、杭州、宁波等诸多城市

先后提出建设“智慧城市”和智慧行业应用工程。

按维基百科定义，大数据泛指在一定时间内无法

用常规软件工具对内容进行抓取、管理和处理的数据

集合，普遍认为大数据具有 4V 特征，即 Volume、

Velocity、Variety、Value。Volume 指容量大，从 TB 级到

PB 级；Velocity 指数据增长速度快和处理速度要求

快；Variety 指数据类型丰富，包括结构化数据和非结

构化数据；Value 指价值密度低，即海量数据中有价值

的数据占比小。大数据的简单算法比小数据的复杂算

法更有效。不是随机样本，而是全体数据；不是精确

性，而是混杂性；不是因果关系，而是相关关系。

用于整合、处理、管理和分析大数据的关键技术

主要包括 BigTable、商业智能、云计算、Cassandra、数据仓库、数据集市、分布式系统、Dynamo、GFS、

Hadoop、HBase、MapReduce、Mashup、元数据、非关系

型数据库、关系型数据库、R 语言、结构化数据、非结

构化数据、半结构化数据、SQL、流处理、可视化技术

等。而用于大数据分析的关键技术主要包括 A/B 测

试、关联规则挖掘、分类、数据聚类、众包、数据融合和

集成、数据挖掘、集成学习、遗传算法、机器学习、自然

语言处理、神经网络、神经分析、优化、模式识别、预测

模型、回归、情绪分析、信号处理、空间分析、统计、监

督式学习、无监督式学习、模拟、时间序列分析、时间

序列预测模型、可视化技术等。

2 大数据与智慧城市关系剖析

2.1 数据特点

智慧城市的数据具有如下特点：

(1) 数据来源多样化

为实现城市系统间的信息共享和智能响应，需要

智慧城市公共支撑平台汇集各类数据。智慧城市的数

据来自各行业系统和城市基础库。交通、市政、环保等

行业系统提供城市的运行状态数据。城市基础库提供

人口、法人、地理、经济等数据。智慧城市公共支撑平

台要实现与上述各种异构系统的对接接口（见图 1）。

(2) 数据类型多样化

智慧城市中的数据类型包括结构化数据、半结构

化数据和非结构化数据。结构化数据能以二维表结构

表示。 XML、HTML 等标记语言具有自我描述的结构和标签属于半结构化数据。非结构化数据是没有预先

定义数据模型或者不适合用关系型数据库保存的信

息，通常以文件的形式保存。例如，采集温湿度、气体

浓度传感器产生的是结构化数据，可直接保存在关系

型数据库中；监控摄像头等产生的是非结构化数据；

摄像头采集的视频经过智能算法处理、打上标签进行

结构化语义处理后属于半结构化数据。

图 1 智慧城市数据来源

(3) 数据规模海量化

城市规模的增长导致数据量的剧增。 2007 年，全

球 33 亿居民生活在城市里。到 2050 年，预测这一数

字将会突破地球人口的 70%，即 64 亿城市居民。信息

化的深入导致大量从前没有数字化的信息逐渐完成

了数字化，并导致数据规模的日益增长。同时，随着城

市功能性基础设施逐步实现“物联”化，大量的感知数

据由此产生。一个中等规模城市需要部署 30～40 万

个摄像头，保存一个月的数据量可以达到 500TB。

传统的信息处理技术在处理多源、异构、海量的

数据时显得无能为力，而大数据技术在处理这类数据

时则具有先天的优势。

2.2 大数据助力智慧城市

(1) 大数据为政府管理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。●在舆情监控方面，通过网络关键词搜索及语义智能分析，能提高舆情分析的及时性、全面性，全面掌

握社情民意，提高公共服务能力，应对网络突发的公

共事件，打击违法犯罪。

●在安防领域，通过大数据的挖掘，可以及时发

现人为或自然灾害、恐怖事件，提高应急处理能力和

安全防范能力。

(2) 大数据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。

(3) 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。如果决策者只依靠

业务现状与主观经验对市场的估测进行决策，将导致

战略与决策定位不准，存在很大风险。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。有研究显示，在美国公

司，数据智能化提高 10%，产品和服务质量则相应提

高 14.6%。

3 大数据技术在智慧城市中的应用

目前，大数据技术的运用仍存在一些困难与挑

战，主要体现在以下 4 个环节（见图 2）：

图 2 智慧城市数据流

●数据收集

要对来自网络包括物联网和机构信息系统的数据附上时空标志，去伪存真，尽可能收集异源甚至是

异构的数据，必要时还可与历史数据对照，多角度验

证数据的全面性和可信性。

●数据存储

要达到低成本、低能耗、高可靠性目标，通常要用

到冗余配臵、分布化和云计算技术，在存储时要按照