首先看下什么是城市计算？城市计算就是利用城市中的一切传感器来感受城市的动态，并利用所得的数据来进行分析和计算，以便解决现代城市中的问题，为城市和居民服务。在现代城市空间中，很多传感器、设备、汽车、建筑还有人类都产生了大量的异构的数据。城市计算就是一个获取、整合、分析这些数据的过程。它旨在解决城市面 对的诸多重大的问题，比如空气污染、能源消耗、交通堵塞等问题。城市计算通过连接很多不起眼和普遍存在的传感技术、先进的数据管理和分析的模型以及高级的 可视化算法，来创造一个改进城市环境、提高人民生活质量和增强城市运行系统的三赢方案。城市计算同样也可以帮助我们了解城市现象的本质，甚至预测城市发展 的未来。
城市计算的基本框架包括城市感知及数据捕获、数据管理、城市数据分析和服务提供。与自然语言分析和图像处理等“单数据单任务”系统相比，城市计算是一个“多数据多任务”系统。城市计算中的任务包括改进城市规划、缓解交通拥堵、保护自然环境、减少能源消耗等。而一个任务又需要同时用到多种数据。例如，在城市规划的设计过程中，需要同时参考道路结构、兴趣点分布、交通流等多种数据源。
这些内容在当前的智慧城市和大数据方案里面往往都会涉及到，就不多在说明，只是多文章里面谈到的一些点进行思考和记录。
1. 可感知和信息采集
通过大量的传感器和传感网络实现可感知当然是城市计算的基础，只有解决了感知层后城市计算才具备了海量可以用于分析和计算的数据基础。随着智能可穿戴设备和车载移动设备的发展，我们可以看到数据采集主要分有两种模式。一种是固定点信息采集，包括了车站，停车场，地铁和高速公路出入口，商城出入口；另外一种采集则是采集设备本身就在移动的个体身上（包括个人和移动车辆等）。可以看到一个采集的点上的数据，一个采集的是流上的数据，相对来说点上数据采集更加容易，但是点上数据无法体现具体的流量路线和轨迹等，业务无法体现创作流量的个体本身的类型和行为属性。那么就存在静态和动态两类流量数据如何更加的和空间地理资源更好的结合，如何和个体属性更好的结合的问题，这个当前我自己也没有想明白，但是确实是一个思考点。
2.城市基础设施规划
我们讲的城市基础设施规划除了最基本的城市路网规划外，谈的最多的还是城市本身的企业园区，商业区域，教育，医疗，生活娱乐等各种涉及到民生的基础设施规划。这些基础设施可以看做是兴趣点，那么这些兴趣点和我们前面分析的流量和流向是什么关系？我们可以从当前的流量流向数据去考虑后续兴趣点的规划，也可以是从当前数据本身去反思是否由于兴趣点规划不合理导致了很多不必要的流量产生，这些流量本身也是城市交通拥堵一个很重要的原因。兴趣点，当前的交通区域和路网，用户的行动轨迹这三点的关系和逻辑的潜在分析就相当重要，个体一个数据往往并不能说明问题，但是我们采集的海量数据一定是可以体现出某种趋势。例如北京根据3万多辆出租车3个月的路线轨迹分析来作为下一版交通规划参考，可以根据交通热力图来分析某个热点区域流量行为产生的原因以进一步优化兴趣点设置等。
3.智能交通
在智能交通里面提到了两个应用，一个是T-Drive，这也是多年前就说的智能交通里面的智能交通流诱导和导航系统，以给出最佳的形式路线，原来这个很难实现，就是对实时的流量采集困难，还有就是流量采集后的最佳行使路线分析和决策本身无法达到实时性的要求。这个问题的解决是给城市里面所有的出租车都配置了实时数据采集，这样基本能得到很多核心路网和路段的流量和流速数据，然后再对这些数据进行分析和决策。其次就是T-Finder，要注意到这个应用是和滴滴打车等应用完全不同的，在前一篇文章里面我就谈到不对称性的初级阶段是人主动发起邀约，而更加高级的形式则是应该形成根据某种规则的主动推荐和实时撮合。因为对于出租车减少空驶，对于行人减少等待时间这个目标是明确的，那么我们就完全可以根据这个目标，根据当前路网情况，流量情况来主动发起供需撮合和双向的实时推荐。一个真正的智慧城市一定体现在这种主动推荐和信息撮合上，而不仅仅是提供一个单纯的平台功能。
4.社交和娱乐
在原来的智慧城市大数据解决方案里面我们很少谈及到社交和娱乐，对于一个城市而言，其实很多数据和交通流量等都是由个人的工作，社交和娱乐需求产生。这部分数据往往不在政府手里面，而是在各种社交类的移动APP应用里面，由于存在社交和娱乐行为，最终才可能形成一个关系网络。正是由于存在这个关系网络，才将我们传统的通过传感采集的单维度数据变化为一个能够结合用户行为和社交网络的关联数据，这种关联数据的分析其价值就原原大于单维度数据了。从城市计算的角度来出发，可以看到在计算和分析的维度将由兴趣点，个体，城市网络和空间地理位置，流量增加到了用户个体关系和行为。这一方面是指数级别的数据增长，一方面是本身的数据模型的复杂度大幅增加。结合了社交和娱乐的大数据分析，对于城市安全，应急事件处理，舆情监控和分析，疾病监控和传播路线分析等将发挥重要的作用。
另外城市计算当前主要的一些研究成果主要包括了如下方面的内容：
1. 预测城市各个点的空气质量
2. 发现城市区域的功能
3. 大规模动态出租车拼车系统
4. 实时发现城市能源消耗
5. 给终端用户发现智能实时导航
6. 收集城市道路网络的隐藏问题
7. 出租车-乘客推荐系统
8. 发现城市异常事件
9. 从签到数据中重建流行线路
从这些研究成果和方向也可以看到城市计算本身具备了明确的业务驱动力和业务目标，只有这种有明确的业务价值驱动的研究才可能真正体现出大数据采集，处理和分析技术本身的价值。大数据技术才可能真正的为城市价值创造提供服务。
核心关注：拓步ERP系统平台是覆盖了众多的业务领域、行业应用，蕴涵了丰富的ERP管理思想，集成了ERP软件业务管理理念，功能涉及供应链、成本、制造、CRM、HR等众多业务领域的管理，全面涵盖了企业关注ERP管理系统的核心领域，是众多中小企业信息化建设首选的ERP管理软件信赖品牌。
转载请注明出处：拓步ERP资讯网http://www.toberp.com/
本文标题：城市计算和大数据
本文网址：http://www.toberp.com/html/consultation/10839717404.html
相关文章
