大数据环境下的智慧城市建设

　　2012年7月21日，北京遭遇了一场61年不遇的特大暴雨。北京市区路段严重积水、交通中断、市政水利工程多处受伤、众多车辆被淹造成人员伤亡的场面仍在脑海中记忆犹新。灾难过后，城市管理者意识到城市的安防必须长远规划、着眼于长效根本的解决之道，亟待综合治理。

　　安防行业由于受到自身业务特点及行业内厂商研发方向的限制，大数据应用在安防行业的进展一直不够深入。但安防行业与大数据的契合度较高，尤其是安防的视频监控数据、智能交通数据关注度越来越高。例如海康威视将大数据应用于视频图像的采集、传输、存储、管理、展示和挖掘等方面，解决了海量数据的存储、调取和管理难题，从根本上提升了安防系统的管理效率，极大提升了平安城市解决方案的价值和体验。

　　在安防与防灾领域，通过大数据的挖掘，也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等。除了对历史数据的挖掘采集，实时数据的挖掘也是未来的一种趋势。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，可以为城市安防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。海康威视将大数据流式计算框架Spark应用于智能分析技术，极大地提高了实时性分析效率，为安防领域与大数据技术结合提出了方向。

　　此外，数据处理服务通过智慧城市公共支撑平台对数据进行分析，从中挖掘价值，寻找关系。数据处理技术包括机器学习、数据挖掘和复杂事件处理等。传统的机器学习、数据挖掘在处理面对海量、异构的智慧城市数据时效率低下，通过分布式计算框架改进，提升处理速度。根据数据处理要求的实时性与否，可分离线处理和在线处理。应急防灾类智慧城市应用具有实时、在线处理的要求，数据处理服务要及时预测结果，为城市管理者提供决策支持。对于离线处理的数据，通常保存在分布式数据库和分布式文件系统，均可基于Hadoop MapReduce等分布式计算框架分析该类数据，并可通过ApacheMahout等数据挖掘工具对数据进行深入研究。

　　对于需要在线实时处理的数据，如流式数据，其数据处理的方法与离线数据区别很大。多个传感器按照小周期采集的数据、多个摄像头采集的视频数据等属于流式数据。流式数据与离线处理的数据最大区别是数据处理要快，数据处理要及时。复杂事件处理(Complex Event Processing，CEP)技术是一种数据处理引擎，来捕捉不同来源的各种简单事件或事件流，根据预先定义的事件模型，实时、高效地发现海量事件之间的关系或推断出更有意义的事件，提供决策依据。

　　四、 汲取国外经验，加大软件建设力度

　　欧美发达国家在智慧城市的建设上非常重视软件建设，只有掌握了数据，才能做出合理的分析，才能总结出公共安全的客观规律，真正提升应急管理能力，进而根除城市安防交通、灾害等一系列的问题。近几年国内在智慧城市的建设上只重视硬件建设，而忽视软件和信息系统建设。智慧城市的建设，需要软硬结合，我国应该汲取国外的先进经验，加大软件建设的力度，真正掌握建设智慧城市的主动权。

　　大数据时代的到来打破了数据的垄断，信息源的扩大化和丰富化是大数据时代的重要特点。在可以预见的未来，大数据将遍布城市各个角落，不管是人们的衣食住行，还是城市的运营管理，都将在大数据支撑下走向“智慧化”，而大数据将为智慧城市提供“智慧引擎”。

　　此外，应该明确智慧城市是城镇化进程的下一个阶段，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。智慧城市与大数据技术相结合一定会有璀璨的明天!

声明:

凡文章来源标注为"CPS中安网"的文章版权均为本站所有，如需转载请务必注明出处为"CPS中安网"，违反者本网将追究相关法律责任。非本网作品均来自互联网，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。