城市大数据的生态模型及应用

《城市大数据的生态模型及应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、中国IDC圈5月11日报道,从提出一个生态模型开始，阐述了建立一个可持续的城市大数据生态所需要的关键角色以及地方政府在演进这些角色中所能发挥的作用。接着，给出了一个实际案例作为这个模型的参考实现，并分享了案例中企业在配合政府建立大数据生态过程中所开展的一系列工作以及工作中总结的经验和教训，验证这个模型在实践中的可行性。最后，给出了一个具体的大数据应用案例：通过大数据手段来帮助政府优化行政审批流程，使得优化后的流程对市民更有利，从中一窥未来政府通过大数据进一步精细化社会管理的潜力。　　1引言中国经过改革开放以来3

2、0多年的发展，城市化步伐不断加快，每年有1500万人口进入城市，如图1所示。到2025年，中国将会有近三分之二的人口居住在城市，已经进入了一个城市社会。与此同时，城市人口的增加带来的交通拥堵、环境污染、资源过度消耗、各类突发事件增加等社会矛盾日益突出，各种“城市通病”与日俱增，城市管理难度加大，这对城市管理者的管理能力和服务水平提出了考验。城市要保持可持续发展越来越受到各种因素的制约，需要转变方式、调整结构、适应日益增长的人民生活方式、不断解决突发性事件等问题。人们在探索中意识到，智慧城市是医治“城市病”的最佳

3、良药。图12000-2015年全国城镇人口数情况为了规范和推动智慧城市的健康发展，住房和城乡建设部于2012年12月5日正式发布了“关于开展国家智慧城市试点工作的通知”，并印发了《国家智慧城市试点暂行管理办法》和《国家智慧城市(区、镇)试点指标体系(试行)》两个文件，正式启动了全国智慧城市建设高潮。到2015年公布的第三批试点名单，共计289个大小城市加入了试点城市范围，住房和城乡建设部智慧城市试点城市分布情况见表1。表1住房和城乡建设部智慧城市试点城市分布情况在一轮接一轮的智慧城市建设过程中，大数据技术在城市

4、建设的应用逐渐成为智慧城市建设的热点之一。2015年中兴通讯股份有限公司(以下简称中兴通讯)把“以大数据应用为中心”的智慧城市建设称为“智慧城市2.0”，从而与之前“以建设业务系统为中心”的智慧城市建设区分开。　　2城市大数据生态模型　　2.1城市大数据在长期的城市建设与运营过程中，政府积累了大量的数据，如经济、民生、交通、旅游、医疗、安全等各行各业的数据。同时也积累了大量的业务系统。以重庆市为例，包括51个部门，平均每个部门有5~6个系统，整个政府有近300个系统在运行，如图2所示。图2重庆市应用系统按建设级

5、别分类这些系统包含的数据涉及了城市的方方面面，其中蕴藏的价值亟需有效的手段进行挖掘与发现。与互联网公司所拥有的大数据不同，城市大数据具有自身的特点，见表2。表2城市大数据与互联网大数据的对比城市大数据与互联网大数据虽然各有不同，但可以互相补充，从而共同发挥更大的经济效益和社会效益。　　2.2大数据生态大数据的潜在经济价值催生了大数据的交易。自2015年4月15日全国首家大数据交易所——贵阳大数据交易所正式挂牌交易起，先后有北京大数据交易所、上海大数据交易所、广州大数据交易所、陕西大数据交易所和长江大数据交易所等

6、机构启动，围绕大数据交易开始形成一个生态系统，如图3所示。图3大数据交易生态系统模型围绕这个生态系统最外围的是工具厂商，这些厂商提供大数据采集、转换、存储、分析、可视化等技术手段。Google、Cloudera、Amazon等公司为大数据的技术推动做出了巨大贡献，同时大量的开源社区和产品逐渐成为大数据技术潮流的中坚力量。处于生态中心位置的是大数据交易商。数据生产者为大数据交易商提供初级数据，后者通过数据标准化把初级数据转换成高级数据存储在基础设施运营商处。基础设施运营商通过提供存储服务和计算服务获得市场地位，并

7、从中衍生出PaaS运营商来减轻大数据交易商对技术的需求。数据挖掘者通过基础设施运营商提供的计算服务，结合领域知识对高级大数据进行挖掘。获得的有价值成果通过大数据交易商的交易平台提供给数据消费者。这样吸引更多的数据消费者源源不断地加入交易平台，提出更多的问题并支付获得的满意答案，由此衍生出大数据咨询商来引导大数据消费者更好地消费。数据消费者的支付通过大数据交易商的分成平台，使得数据生产者也获得相应的回报，这样整个生态就能够自生自长，实现良性循环。在真实世界里，一个企业可能兼有这个生态中的一部分、一个或多个角色，或

8、者只专注与某个细分领域，如“中关村大数据产业联盟”就活动在“咨询”这个细分领域。从大数据交易生态系统也可以看出，有些领域如“数据标准化”，多数有识之士觉得很重要，但标准化并没有先行发展起来。究其原因就在于标准化其实是一个局部问题而非全局问题。另外，这个产业模型让数据本身不需要发生大规模移动或复制，避免了数据安全、个人因素、产权归属、初级或高级数据定价等复杂的社会问题和商业伦理问题，为持