大数据与智慧城市建设

大数据与智慧城市建设（精选6篇）

篇1：大数据与智慧城市建设

苏论道：大数据与智慧城市

2015-06-26尚尔刚

6月17日，由苏州大学计算机科学与技术学院、中国计算机学会苏州分会联合主办的“大数据与智慧城市”主题报告会在苏大本部报告厅隆重举行。报告会由苏大科学技术与产业部常务副部长、计算机科学与技术学院博导朱巧明博士主持，苏州市各区县的经信委、发改委部分领导列席，计算机学会成员和苏大师生约200人出席。

中兴通讯大数据产品资深工程师尚尔刚在报告会上发表了同题演讲，介绍了大数据和智慧城市的相关技术，以及中兴通讯大数据平台在智慧城市建设中的实践经验。下文是演讲的精编版。

各位来宾、领导、老师、同学们下午好，我非常荣幸有机会在这里能与大家一起分享一下大数据与智慧城市的一些知识观点。

今天我要与大家分享的内容主要分为三部分，第一部分是对大数据的解读；第二部分主要对智慧城市做个简介，第三部分主要分享一下大数据在智慧城市建设中的一些具体应用。

最早提出大数据时代到来的是麦肯锡：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”

业界将大数据的特征归纳为4个“V”（量Volume，多样Variety，价值Value，速Velocity），或者说特点有四个层面：第一，数据体量巨大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）；第二，数据类型繁多。比如，网络日志、视频、音频、图片、地理位置信息等等；第三，价值密度低，商业价值高，关于价值下面我们会进一步详细讨论；第四，处理速度快，谷歌的搜索，每月40亿小时的视频，4.25亿Gmail用户，150PB Web索引，却能实现0.25秒搜索出结果，足以看出大数据的处理速度是惊人的快。在大数据时代，三分技术，七分数据，得数据者得天下。无论国内国外目前看都是这样的，国内的有bat三家公司，国外的有谷歌，facebook，亚马逊，苹果等等公司都是因为掌握了大量数据，才成就了今天的巨无霸公司。

第一，情景辅助，操作基础

数据本身被记录下来，并非全部是为了长远的利益所用。很多记录其实发挥的作用是一种操作的基础，脱离了记录，后续的操作将难以进行。举个例子说明一下，假如我在炒股，突然有个消息，某某地方刮台风了，并且导致了当地损失惨重，那现在我不能快速判断对那些股票是利好那些是利空了，现在大数据可以帮忙。在美国有一家创业公司，研发了一款大数据软件，名字叫沃伦软件，该软件就是基于大量的金融数据，政治事件，交易数据，加以复杂的模型运算，能够快速的给出结果。

第二，情景复原，责任追究

数据记录也是对以前操作过程的一个虚拟备份，记录了各自多方不同的操作过程及次序，乃至不同环节的具体操作内容。这样一种作用可以看作是记录本身最被认可的初始价值。历史上的各种备忘录，金融记录（例如会计），甚至包括历史都是出于这样一种动机来加以记录的。记录让操作的当时情景有了复原的可能性，哪怕只是一种并非完整的复原。这种复原除了纪念意义等的考虑外，还有一个重要的价值就是事后的责任追究，是一种奖惩的基础。这样一种作用看似很微小，但却是人类社 会运作的基础。尤其是在连接时代的今天，不同主体之间的交互不断加剧，情景复原会让每个主体对自己的操作更为负责，让各种有效的连接成为一种可能。随着互 联网与线下实际经济行为的日益融合，一次鼠标点击有可能代表着很大的利益转移，结合网络协议的操作记录成为了大家网上操作时承担对应责任的依据。淘宝网鼓励买家与卖家在旺旺上聊天的时候将聊天记录保存下来。在具体的投诉环节，相互之间的聊天记录可以作为一种证据去为自己辩护。而包括中间买方下单，支付款项，卖家发货，快递公司名称以及单号，甚至包括该单在快递过程中的状态，时间，甚至有些快递公司将具体快递员的姓名和电话也记录在内，最后签收的方式 等都被详细的记录下来。所有这些记录发挥了一种情景复原以及事后追究责任的作用，从而确保了交易的正常进行。

第三，情景指引，方向微调

一个系统在运行的过程中，有些时候也会出现一些跟平常不一样的差异所在。当这种差异所代表的数据通过极值等各种方式体现出来的时候，系统本身的原有平衡可能会被打破，内部各方面的环节或资源就有可能跟不上。这个时候适当的外力参与很有必要，以免出现系统崩溃的情况。中国的计划生育政策已经执行了很多年，而且也取得了一定的效果。但最近几年随着中国人口老龄化的加快，未来一些年社会对劳动力的需求会逐渐加强，劳动力短缺有可能成为中国的关键问题。在这样一种情况下，基于各种人口数据的不断变化，适当地进行人口政策的调整已经变成一种必须。但具体怎样调整，则需要根据数据来说话

第四，情景研究，系统优化

对未来的预测功能是目前业界对大数据最看重的价值之一。基于之前记录下来的各种数据的深入研究，发现其中的规律特征，从而进行系统优化，甚至升级。如果前面的纠偏只是一些相对较小的指引的话，那么基于预测的情景研究和系统优化，则是相对较大的变动。这种基于预测的价值实现对系统（包括个人、企业机构，也包括各种电子性工具）的长远运行来说价值重大，其决定了一个系统是否具有长期的成长性和演变能力。

一个主体（系统）不但要考虑即时的运行，以及下一步的正确操作，更需要考虑长远的运行可能。尤其是在竞争激烈的今天，各种企业机构之间的竞争非常残酷。如何基于以往的运行数据，对未来的运行模式进行预测，从而提前进行准备或者加以利用、调整，对很多企业机构其实是一种生死存亡的问题。这样一种情况同样适用于国家级别。正因为这一点，目前无论是在企业级别还是国家级别都开始研究、部署大数据。

中国的粮食统计是一个老大难的问题。中国的统计，虽然有组织、有流程、有法律，但中央的统计人员依靠省统计人员，省靠市，市靠县，县靠镇，镇靠村，最后真正干活或上报的是基层兼职的调查人员，由于众所周知的KPI考核导向的原因，层层加码，几乎没有人相信这个调查数据，而其中国家统计局的人是最不信的。在前两年北京的一个会议上，原国家统计局总经济师姚景源讲述了他们是如何做的。他们采用遥感卫星，通过图像识别，把中国所有的耕地标识、计算出来，然后把中国的耕地网格化，对每个网格的耕地抽样进行跟踪、调查和统计，然后按照统计学的原理，计算(或者说估算)出中国整体的整体粮食数据。这种做法是典型采用大数据建模的方法，打破传统流程和组织，直接获得最终的结果。

1948年辽沈战役期间，司令员林彪要求每天要进行例常的“每日军情汇报”，由值班参谋读出下属各个纵队、师、团用电台报告的当日战况和缴获情况。那几乎是重复着千篇一律枯燥无味的数据：每支部队歼敌多少、俘虏多少；缴获的火炮、车辆多少，枪支、物资多少……有一天，参谋照例汇报当日的战况，林彪突然打断他：“刚才念的在胡家窝棚那个战斗的缴获，你们听到了吗？”大家都很茫然，因为如此战斗每天都有几十起，不都是差不多一模一样的枯燥数字吗？林彪扫视一周，见无人回答，便接连问了三句：“为什么那里缴获的短枪与长枪的比例比其它战斗略高？”“为什么那里缴获和击毁的小车与大车的比例比其它战斗略高？”“为什么在那里俘虏和击毙的军官与士兵的比例比其它战斗略高？”林彪司令员大步走向挂满军用地图的墙壁，指着地图上的那个点说：“我猜想，不，我断定！敌人的指挥所就在这里！”果然，部队很快就抓住了敌方的指挥官廖耀湘，并取得这场重要战役的胜利。

篇2：大数据与智慧城市建设

课程的考试

各题型提交答案说明：

1.单选题及判断题点击圆形按钮进行单项选择，多选题点击勾选框进行多项选择。2.选择题和判断题:直接点击选项，系统将自动提交答案。

3.未完成考试误操作推出系统后，在考试时间段内可重新进入系统考试。4.完成考试后点击提交答案按钮，考试结束，不可再次进入系统考试。5.答题完成后，点击考试页面左侧“未答题”按钮，确认无未答题后再提交答案。6.未提交答案的试卷在考试时间结束后将强制提交答案。

一、单选(共 4 小题，总分: 40 分)1.本讲认为，智慧城市顶层设计的关键不在于技术而是老百姓的（）是什么，只有满足百姓（）的城市才有了“眼睛”。

A.物质 B.需求 C.医疗 D.供给

2.智慧城市从电子政务的角度讲，服务方式转变最核心的一点是从以往工业时代的服务转向以（）为工具的服务。

A.数据 B.云计算 C.软件 D.互联网

3.本讲推荐了一本关于大数据取舍之道的书籍，这本书名字叫（）。

A.《大数据》 B.《智慧数据》 C.《删除》 D.《取舍之道》

4.本讲认为，“大数据”并不意味着数据越多越好，数据要以是否（）为标准。

A.多维 B.高效 C.全面 D.智慧

二、多选(共 2 小题，总分: 20 分)1.智慧城市建设要以()的应用为中心，围绕城市发展的重点需求和群众的迫切要求，找准突破口。

A.投资者 B.市民 C.企业 D.管理者

2.本讲认为，数据的流动性增强以后，整个城市就从（）和（），向着意义型的城市发展。

A.便捷型城市 B.劳动型城市 C.功能型城市 D.创新型城市

三、判断(共 4 小题，总分: 40 分)1.本讲认为，大数据时代已经到来，数据即将成为重要的产业，未来的服务以数据为底座，因此，要把智慧建立在有意义的数据基础上。

正确 错误

2.本讲提到，数据业务正逐渐成为各行各业的辅助型业务。

正确 错误

3.数据与信息不同，信息时代追求的是价值，数据是经过编码解码等反复加工之后，使差异化的成本提高。

正确 错误

篇3：大数据与智慧城市建设

信息技术及通信技术发展过程中,城市也逐渐开始智慧化建设,大数据已经逐渐在城市交通等各领域建设中承担着重要的责任,但是目前对于城市功能方面建设还存在一定缺陷,研究较为薄弱,智慧城市建设与居民实际需求之间存在较大的差距。因此,增加对于大数据在智慧城市研究与规划中的应用研究具有重要的现实意义,能够为智慧城市建设寻找一种合理的技术方法体系,构建完整的大数据框架,推动城市智慧化建设。

1 第四范式与大数据应用于城市研究中的探索

伴随着信息技术与通信技术的发展,互联网技术发展越加成熟,人们每分钟都会产生大量的数据信息。在2011 年,国家数据公司对于全球数据统计中指出,全球每天产生的信息数量比前两年相比较增长了将近1 倍。我国到2014 年为止,网民总人数已经超过8 亿,并且互联网使用人数还在快速增加,手机网民已经成为互联网用户增加的主要源头。由此可以发现,网络已经成为社会发展中的重要平台,对于人们的生活有着严重影响,企业与政府在管理中都需要获得大量的数据资源作为支撑,大数据时代逐渐到来[1]。

第四范式概念是在2007 年由吉姆·格雷所提出的,主要是将大数据从传统的第三范式科研工作中脱离出来,增加对于大数据的科研工作重视。各国在经营建设中已经逐渐认识到大数据的重要性,例如美国就在2012 年颁布了《大数据研究和发展计划》,美国政府将积极推进大数据科研工作,在大量的数据资源中整合出有价值的信息及观念,推动美国经济建设。这就表示大数据已经参与到国际国民经济建设中,作为城市研究的强有力数据支撑[2]。

2大数据时代为智慧城市建设和可持续发展提供了革命性机遇

目前,我国城镇发展已经步入到了一个新的阶段,新型城镇化建设已经成为我国国民经济建设中的重要组成。中共中央在2014 年颁布的《国家新型城镇化规划》中明确要求,城镇应该以人为本、整合布局、创建生态文明、积极弘扬传统文化,形成新型城镇化发展趋势。根据我国城镇化建设存在的问题,文件中就明确说明智慧城市将成为新型城镇化建设中主要途径。但是各界人士对于智慧城市概念及内涵了解较为模糊,这就需要智慧城市在今后的发展中能够明确方向,让社会各界对于智慧城市建设更加了解,进而提出更高水平的要求。我国信息技术是在20 世纪80 年代开始建设的,目前已经在各个行业建设中广泛应用,形成了由物联网、互联网、云计算结合的城市技术体系。但是智慧城市在建设中不仅仅需要增加信息化在各领域内的应用,还需要依托信息技术建设,促进城市经济、环境、空间等整体性建设。智慧城市不仅仅能够将现代化城市建设中存在的信息技术问题有效解决,还能够增加城市对于资源的整合,促进新型城镇化建设[3]。

3 基于大数据应用的智慧城市规划

智慧城市建设依托大数据开展,能够为智慧城市建设提供科学支撑,是我国智慧城市建设中的重要措施。这需要智慧城市规划汇总,转变传统城市规划中的观念,将服务型城市作为智慧城市建设的基础,解决城市建设中存在的问题,整体性规划城市空间结构,创新城市管理,促进智慧城市建设[4]。

3. 1 以大数据整合为突破的智慧化多规协同体系

现阶段,我国城市化建设主要是由政府部门领导完成,在发展中受到管理体制上的约束,已经制定的规划还存在较多的问题,例如城市空间结构规划缺乏、规划政策落实较为落后,这些问题严重影响我国城市化建设。国民经济城市空间规划方面的问题最为突出,为了解决这个问题,政府部门虽然制定了一系列有关政策,但是效果并不是十分明显。中共中央对于城镇化建设的基本要求就是可持续发展,让城市拥有长久性动力。智慧城市建设中,发展观念应该集中在“集约”“智能”“低碳”等方面,整合城镇所拥有的全部资源,保证新城镇建设。

智慧城市对于空间结构利用要求较为严苛,基于大数据能够满足智慧城市对于空间结构的需求。首先,智慧城市可以通过先进的技术措施整合城市全部的空间结构,为政府部门新城镇规划奠定良好的基础。其次,大数据能够将政府部门已经制定的发展战略进行整合规划,落实城镇化规划项目[5]。

具体而言,首先就是在我国现有的法律文件基础上,整合各个部门的信息资源,规划每一个部门所需要承担的社会责任及工作内容,例如国民经济与社会发展规划就是为城市发展制定的目标。其次就是从多个途径制定机制,例如从思想的角度,利用社会现有的资源整合,创建可调协的城市发展趋势系统。

3. 2 以大数据分析为核心的智慧城市空间规划体系

智慧城市的核心内容就是对于城市空间结构的规划,智慧城市在每一个阶段发展中,最终目标都是对空间结构的规划,科学分配空间资源。在大数据不断发展下,人才、技术等资源已经能够突破空间及时间上的限制,城市活动空间已经成为居民生活的载体,传统城市空间结构已经不能够满足人们对于城市空间结构的需求。智慧城市能够促进城市化建设,对于城市空间结构整体性规划,基于大数据中的全部信息资源,科学调整公共服务及社区等基础性空间结构。例如,在对于城市空间战略制定中,主要对象就是城市区域要素之间的关联,通过微博等软件中的城市空间信息探索出城市发展中所需要解决的问题,最终将研究成果转变成智慧城市空间发展,为新型城镇建设奠定良好的基础。智慧城市空间规划体系中,城市是在大量的数据基础上综合性分析得出的结果,增加了智慧城市创建中的科学性。

3. 3 以挖掘特色为目标的智慧城市规划与建设重点

智慧城市在全国范围内建设中,不能根据一套建设标准开展,更多的将不同地区内的资源及优势深度挖掘,大数据能够挖掘是智慧城市发展的主要方向,进而对于城市全部资源进行科学性规划,正常情况下主要是从四个角度开展特色化建设,分别是产业、交通、社区、基础设施。例如在产业角度,智慧城市就能够将城市周边的产业发展及企业经营信息系统性分析,探索城市资源优势,明确城市发展趋势,推动新型产业建设,进而推动产业群体建设[6]。

4 结语

大数据时代中,社会每天都会产生大量的数据资源,推动了数据密集型产业的建设。各国研究人员已经充分认识到大数据在智慧城市研究与规划中应用的重要性,但是智慧城市体系应用大数据还没有形成较为完整的体系结构,还需要科研人员的共同努力。

参考文献

[1]柴彦威,龙瀛,申悦.大数据在中国智慧城市规划中的应用探索[J].国际城市规划,2014(6):9-11.

[2]茅明睿.大数据在城市规划中的应用:来自北京市城市规划设计研究院的思考与实践[J].国际城市规划,2014(6):51-57.

[3]党安荣,袁牧,沈振江,等.基于智慧城市和大数据的理性规划与城乡治理思考[J].建设科技,2015(5):64-66.

[4]王鹏,袁晓辉,李苗裔.面向城市规划编制的大数据类型及应用方式研究[J].规划师,2014(8):25-31.

[5]秦萧,甄峰.大数据时代智慧城市空间规划方法探讨[J].现代城市研究,2014(10):18-24.

篇4：大数据与智慧城市

数字技术在过去十年间覆盖了我们的城市，并已经成为大型智能基础设施的支柱。随着宽带光纤和无线通信网络的推广，移动电话和平板电脑的使用变得越来越便宜。与此同时，开放式的数据库不断提供各种数据和各类信息，其数量之大令人震惊，比如每天我们能产生2.5×〖10〗^18个字节的数据，当今世界上90%的数据都是在过去的两年产生的，每分钟谷歌会收到超过2百万条搜索请求，等等。这些数据有的是来自于社交媒体网站发的贴子、移动信号和网上采购交易，但越来越多的是来自于对象上的传感器。这些传感器可以被安装在灯柱上，也可以被放置在摩天大厦中。以此为基础，越来越多的传感器和数字控制技术都与价格便宜、功能强大的计算机相结合。早在1997年，建筑师和城市规划师、Mike Batty教授就曾预言说，到2050年，我们周围的一切都将会是某种形式的计算机。而现在，这已经开始成为现实，因为我们的城市已经迅速地变成了一个大的“露天计算机”。

今天，我们生活在一个高度仪器化和数字互联的世界，在某种程度上说，这使得网络世界和物理世界之间的边界越来越模糊。同时，这种仪器化和互联使得有关城市、物理基础设施、服务和人与人之间的交互信息变得实时可用。而智慧城市作为系统的系统，正在利用大数据，致力于改善物理基础设施，改进规划和管理，努力提供人性化的服务，最终使城市更有吸引力、更宜居、更可持续发展和更绿色。

据世界银行估计，到2030年，全球将有2/3的人口生活在城市。为此，世界各地的城市都面临着不断增长的人口和日益严峻的气候变化的双重挑战。为确保未来城市的安全，并能让人们在其中健康地生活和工作，全球范围内都正在建立智慧城市的概念，并实施相应的举措。大数据的爆发影响到很多行业，城市也不例外——城市坐拥数据宝库，因为这些数据可以转化为新的、更深刻的见解，从而提高公民的经验水平，并更好地指导政府决策。比如美国印第安纳州的South Bend政府就利用大数据分析，准确预测哪个区域可能会遇到污水溢出，进而采取必要的行动，将实际污水溢出数量从以前的每年27起减少到1起，在基础设施维修方面节省近1.2亿美元，并同时改善了城市的整体生活质量。

本文将探讨智慧城市中大数据的分类，ICT的作用及面临的挑战，并阐述世界上一些智慧城市如何有效地利用大数据，以及智慧城市中的大数据的隐私与安全问题，以期促进我国更好的利用大数据建设智慧城市。

智慧城市中大数据的分类

通常城市是为了适应峰值基础设施需求而建设的，但实际需求数量或需求模式却鲜为人知。以电为例，电力部门只是负责用电缆传输电力，并希望电网维持正常运转，但却并不知道、也并未关注这些电实际上用在何处。如果存在一个系统，能够明确指出这些电具体用在哪里，至少就能在节约能源方面优于现有的系统。就供电而言，提供最后5%的峰值需求远比提供最初95%的电力成本更高、污染更严重，因为通常只有到最后关头，那些老旧的、效率较低的电厂才会被启用。如果能够预见需求，那么，就可以适当的关闭系统中的一部分，而致力于提高系统的其他部分的运行效率。这样，不仅可以节约大量的能源，而且能够降低由其带来的环境污染。同样的，如果能够追踪到从某一地点到另一地点的实际流动人数，并分析得出每天的模式有何不同，就能重新配置相应的交通运输系统，提高运输效率。

数据和信息遍布我们的城市，它们来自于不同的数据源，呈现出各种不同的形式、间隔度、动态性和质量。对于当今智慧城市的利益攸关者而言，这些数据是最具扩展性的资源，因此关于信息空间的知识，对于创建智慧城市至关重要。有些学者将智慧城市中产生的这些数据分为三类：硬数据（hard data）、软数据（soft data）和复合数据（compound data），如下图所示。

图下方的金字塔代表城市中的“硬数据”，包含三个层面：第一个层面主要是从物理世界的传感器收集得来的测量数据；第二个层面是“原子数据（atomic data）”，它们由物理事件组成，与特定条件下的人类互动有意义地结合在一起（比如交通数据）；第三个层面是通过对“原子数据”的数学操作产生的数据，通常被用于获取更有意义的信息。这类数据包括城市指标、元数据或关键绩效指标（KPI）等。

图上方倒金字塔顶端的数据代表着智慧城市的思想领域，它们来自于社会中的人类互动，被称为“软数据”。这些数据结构性较差，需要更专门的统计和分析处理。这类数据的第一层面由“多重数据”主导，即信息由人类的社交互动产生，例如位置数据、来自移动设备的传感器数据、公民报告和公民标记等；第二个层面是文本数据，例如Twitter上的消息等；最后，这两个金字塔的交叉部分是城市中的“复合数据”，是硬数据和软数据的组合，包括链接的数据、社交媒体数据和结构化的数据。

其中，复合数据是当前大数据中最令人感兴趣的数据类别，它含有很多社交媒体信息、网络日志数据和文本数据的组合，以及来自Twitter、Facebook等社交媒体的数据等。

要充分利用所有这些关于城市的数据，并产生对公民有价值的服务，就必须让大数据变小，也就是说能让公民易于访问这些数据。在智慧城市的框架中，它所提供的服务的基本成分就是数据。随着对大数据的需求与日俱增，到2013年，大数据驱动的在硬件、软件及相关服务上的支出达到2320亿美元。要让智慧城市基于数据提供增值服务，就有必要将产生自社交媒体的数据整合到开放数据战略中，用以部署最合适的大数据技术，使数据能在便于访问的结构中被提取、标准化、存储、分析和可视化。否则，劣质数据将会对政府造成巨大的损失。以美国为例，跨政府和企业的劣质数据让其经济每年损失约3.1万亿美元。

智慧城市中的ICT

现代社会需要公共行政部门更多地直接与公民进行沟通，从公民的角度来看存在的问题，并对公民的需求及时做出反应。为此，现代技术就成为了非常有价值的工具，因为它们除了是丰富的信息来源，更是我们日常活动的有机组成部分。

nlc202309032313

面对种类繁多、形式多样的大量数据，市政当局和城市规划者可能很难确定切入点和起始点。但有一点是明确的：要改善生活质量，每一步都要从分析数据、并使其有意义开始。智慧城市的成功在很大程度上归功于良好的治理，这种治理不是集中于在道路或灯柱上放大量的传感器，而是集中于使用技术，将公众参与融入到决策过程当中。今天，信息和通信技术（ICT）正在推动城市向智慧城市的发展和转型，最终目标是提高公民、企业和当局的意识，改善生活质量，同时也使得城市发展可持续。下图正说明了ICT如何驱动城市向智慧城市转型，从中又面临哪些挑战。

首先，有了ICT的支持，数据变得可扩展，并能在线访问。在智慧城市中，每天有数以百万计的消息通过成百上千的设备（如移动电话、电器仪表、气象站等）进行交换。通过匹配这些设备上所产生的信息，可以增强智慧城市的管理。例如，故障设备会造成能源或水的损失，通过实时将从用户水/电表上测量的消费值与从其他公共事业系统上测量的数值相匹配，就可以减少这种损失。正因为如此，实时处理数据就变得更加重要，而传统的先存储再处理的方法——即各公司检索数据，并为预防将来某天需要访问这些数据而将其存储起来——可能将不再适用。

其次，ICT促使形成分布、平行式的思考方式。智慧城市由若干个独立的网络组成，因此不存在一个集中的应用程序来囊括所有的设备交换信息。同时，ICT设备共享了大量的信息，使得信息并行处理成为一种必要行为。为此，要分析设备上所交换的信息，并充分利用这些信息，就需要将分析向更接近信息来源的方向推进。

再次，ICT需要并能够验证、评估和保护数据。通常，价格便宜、有资源约束的设备主要用于建立形成智慧城市物联网的网络。但不幸的是，这类设备测量和报告的数据（例如，能源消耗读数）通常比较杂乱，并且有信息损耗。造成这一问题的原因并不仅限于设备本身，也有可能是由公民（可能是恶意的）自身造成的。例如，由于有些用户想少交电费，就可能会恶意操作，而使电表的消耗读数不正确。因此，ICT必须采用验证方案、评估方案和安全对策，以确保信息的使用者不会被不正确、局部或恶意的数据误导。

如今，世界各地的城市都在使用ICT方面取得了巨大进步，为公民提供新的服务，对更多的公民需求做出快速及时的反应，并增加了政府机构的透明度。可以说，ICT帮助城市变得更有效率。

大数据在智慧城市中的应用

城市信息学是一门新兴学科，它研究大数据和城市的交叉部分，用大数据来学习和提高大城市的动态，因此它是一个涉及多学科的领域。城市信息学的潜在好处包括实时系统监控、管理和优化等，例如管理交通、煤气、水和电的流量；监测桥梁和管道的状况；规划新的公共交通线路和公用配电系统；监测公众健康，和管理应急响应等。

迄今为止，城市信息学的最大的尝试之一是纽约大学（New York University，NYU）的一个新的研究中心——城市科学进展中心（Center for Urban Science and Progress，CUSP）。该中心旨在通过广泛的传感器和由此产生并筛选的海量信息来把握纽约的脉搏，从而改善纽约市的生活质量。与其他中心不同的是，纽约大学的城市科学进展中心专注于物理、生物和信息传感的融合。目前，该中心有众多的合作伙伴，包括十个业界合作伙伴（其中包括微软、施乐公司和IBM等），有四个国家实验室参与，并与五个学术机构建立了伙伴关系。

在美国和全球的其他城市也有城市信息学中心。比如作为欧洲数据最密集的城市，西班牙北部海岸港口城市桑坦德（Santander）就有城市信息学中心。三年前，该市获得了欧盟委员会800万欧元的资助，于是欧洲的大学和电信运营商联合在市区安装了各种类型的固定和移动传感器，共计大约1.8万个。除了用于监测空气污染、噪音和其他环境条件，传感器还会在垃圾箱需要清空或路灯烧坏时有所指示，甚至可以指示当附近没有人时，哪里的路灯需要并可以被关掉。而那些埋在路面下的传感器也有其独特的用途，它们可以检测露天停车位，并将信息转发至安装有数字显示器的主要路口，用以帮助引导司机寻找最近的停车位。.

智慧桑坦德（SmartSantander）项目的主要研究人员、Cantabria大学的Luis Mu？oz教授指出，最开始，项目的目标只是让研究人员可以使用传感基础设施，同时向居民提供一些有用的服务。但后来，智慧桑坦德项目开发了智能手机应用程序，让居民能够报告如坑洼一类的问题，并跟踪政府的响应，以使道路更平坦，交通更顺畅。使用智能手机，居民可以利用由位于全市旅游景点、商店、公交车站等处的2600个光学和无线标签组成的“增强现实”系统，方便地在线获得关于这些地点的各类相关信息。

世界各地大大小小的城市都在利用大数据——如交通统计、能源消耗率和GPS地图——启动项目，以提高各自社区的生活质量。在伯明翰，灯柱装有传感器，可以传输有关云覆盖的信息，以提供超本地的气象预报；在挪威，有超过4万个公交车站有twitter，让乘客能够留下他们的经验信息；在伦敦，市长办公室开始给每棵树设置标签，让人们可以了解它们的历史；在麻省理工学院的Senseable城市实验室，西雅图的5000个垃圾被进行地理标记并在全国各地跟踪了三个月，以验证回收是否真的有效。可以说，对象上的传感器让人们以全新的方式讲述城市的生活故事。

当然，最成功的案例之一可能是在2012年伦敦奥运会期间，负责运行伦敦公共交通网络的公共当局机构“伦敦运输（Transport for London）”。在使用者增加25%的情况下，该机构使用收集自闭路电视摄像机、地铁卡、移动电话和社交网络的实时信息，确保火车和公交路线只能有有限的中断，从而保证顺畅的交通。

在电力消费方面，美国西雅图市与微软和埃森哲（Accenture）合作了一个试验项目，以减少该地区的能源使用。该项目收集并分析从市区建筑物管理系统中得来的众多数据集，通过预测分析，找出哪里可以减少能源使用，或者根本不需要能源使用。项目的目标是将该地区的电力消耗减少25%。

nlc202309032313

在交通拥堵方面，2012年，法国里昂市与IBM的研究人员联手建立了一个可以帮助减少道路上的交通拥堵的系统，使用实时交通路况报告来检测和预测交通挤塞。如果运营商看到可能会发生交通堵塞，就可以相应地调整交通信号，以保持平稳的车流。该系统在紧急情况下尤其有用，比如在救护车前往医院的途中。随着时间的推移，系统中的算法将从最成功的建议中“学习”，并将这些知识应用到将来的预测当中。

另外，在城市中寻找停车位，尤其是在大城市中，毫无疑问是令人头痛的问题。目前有一种为iOS和Android设备开发的应用程序，可以追踪多个城市的停车位。用户只需要输入地址或所在的邻里，就可以得到附近的可用车库和停车位的价格和可用时间的信息。并且，该应用程序还会实时跟踪可用性，实时更新。目前美国已经有七个城市应用此程序，包括华盛顿、纽约、芝加哥、巴尔的摩、波士顿、密尔沃基（Milwaukee）和新泽西州的纽瓦克市（Newark）。

在城市规划方面，利用3D可视化的数据，政府可以看到城市在任何时刻的运行情况，这种以新的方式来呈现数据的方法无疑带来了令人震惊的效果。比如在德国，3D可视模型可以向人们展示一条新铁路线将会给周围带来怎样的影响。这就如何在一个游戏环境中，人们可以把它放在iPad上，随时缩放3D模型。以前，任何人如果想要涉足城市规划，就必须要去一趟市政厅，去看那些他们可能并不理解的地图。而现在，只需要一个应用程序就可以搞定一切。更多的视觉冲击力能彻底改变如何构建城市，它能使决策过程更透明、更民主，设计过程更具包容性。

智慧城市中大数据的安全问题

不管喜欢与否，我们已经开始与我们所生活的城市进行互动，不论是通过短信知道刚刚经过的商店可以提供20%的折扣，还是使用智能手机上的位置传感应用程序得知最近的咖啡吧在哪儿。智能城市的核心功能正是需要收集大量的数据，这些数据关系到我们生活的方方面面，发生在每一天的每分每秒。比如人们在上网的时候，可能很自然的就单击了“是”这个选项，但是却并没有意识自己分享的所有东西都可以被别人收集。再比如一个人从自己的车上走下来要去一家大型连锁超市，那么甚至在他下车前，就已经进入了摄像头的视角；当他的手触摸店门时，他的图像可能已经通过公司的服务器传送给了全世界；当他进入到超市里边时，大数据将会提供一份关于他个人的完备的客户信息，包括购买历史、社交媒体账号、公共记录，甚至是他的鞋码等。可以说，我们就如同盲目地走进了全时被监控着的社会。

本质上说，我们正在建立物理世界的数字拷贝，而这将产生深远的影响：它改变了世界的运作方式，很神奇；但同时，它也很可怕，因为在公共场所、移动设备上和主要零售商店中获取的大量个人数据并没有被共享回个人，使得我们每个人的信息变得越来越透明。也就是说，虽然智慧城市中大数据的收集有巨大的价值，但也会引起巨大的伦理问题。例如，近年来，在关于智能电表和智能电网的影响的争论中，一个重要的组成部分就是对隐私和安全的担忧，而这些担忧也同样适用于智慧城市中的大数据。当智慧城市成为现实时，个人或许将无法控制他们被监控的方式，也不能控制从他们身上收集的信息将被如何处理和使用。如果是这样，那将与智慧城市的预想完全背道而驰。

因此，在智慧城市中，大数据所带来的隐私和安全问题将会越来越受到重视。或许城市会创建自己的隐私保护章程，以纾缓公民的忧虑。但是，其实更大的挑战来自于数据安全，而目前智慧城市的倡导者仍未充分解决这一问题。城市系统日益复杂，在其基础设施建设的新领域中，仪器仪表的使用越来越多，同时系统之间的相互依存性日益增加，所有这些都令城市在面对恶意攻击、系统故障或极端气候事件时变得更加脆弱。为此，城市的领导者必须要确保新系统能够抵御这些威胁，并使其成为城市战略的一部分。并且，未来所有由智慧城市启动的可能，象改善生活质量或提高能源效率等，都应当建立在信息处理的有效性和用户的隐私保障方案之上。

公民是智慧城市重要的利益攸关者、消费者和大数据的生产者。最终，我们希望城市能够通过这些数据来适应市民，而不是限制他们。同时，城市是大数据真正影响的区域。城市规划者和行政机构需要合适的工具来消费城市产生的所有数据，并将其转化为行动，以提高人们的生活质量。在这种情况下，大数据不只是昙花一现或营销炒作，对于选择住在城市中的人来说，它是一种现象，将对生活质量有着直接的影响。明天的城市是在今天建立起来的，而它们的建设离不开大数据。

篇5：大数据在智慧城市的10大应用

大数据是智慧城市各个领域都能够实现“智慧化”的关键性支撑技术，智慧城市的建设离不开大数据。建设智慧城市，是城市发展的新范式和新战略。大数据将遍布智慧城市的方方面面，从政府决策与服务，到人们衣食住行的生活方式，再到城市的产业布局和规划，直到城市的运营和管理方式，都将在大数据支撑下走向“智慧化”，大数据成为智慧城市的智慧引擎。

欧盟利用大数据实现智慧城市的做法给我们很多启示。

欧盟对智慧城市的评价分为六个方面：智慧经济、智慧治理、智慧生活、智慧人民、智慧环境、智慧移动性。也就是说智慧城市要促进经济的发展，要改进和帮助更多大众的参与，让老百姓享受智慧的生活，人民得到更好的服务，居住环境更加优化。智慧城市的应用很广泛，我们都知道有物流、交通、电网、工业、农业、建筑、环境、医疗等方面。现在我要讲的是，智慧城市本身会催生大数据，我们可以看到一个企业会涉及到很多环境，管理环境，开放环境，知识环境、服务环境，过去这些环境的关联度不够，那么现在通过数据库使得这些环境能够联合起来，使得企业的效率提高40%-60%，根据赛门铁克的一份最新调研报告，今天全世界所有企业的信息存储总量已达2.2ZB，企业平均10PB，大企业更大点，小企业小点。一般企业都会建立数据库，必须进行数据的集资和数据的挖掘，企业的数据在企业内部已经占有很重要的位置。

(1)智慧经济

首先大数据在商业上怎么能很好运用，它会分析用户的购物行为，什么商品搭配在一起会卖得更好，还有很多公司通过分析找到最佳客户，淘宝数据魔方则是淘宝平台上的大数据应用方案。那么商家可以了解淘宝平台上的行业宏观情况、自己品牌的市场状况、消费者行为情况等，并可以据此作出经营决策。

美国有个投资公司分析了全球3.4亿微博账户留言，判断民众情绪，人们高兴的时候会买股票，而焦虑的时候会抛售股票，依此决定公司股票的买入或卖出，该公司今年第一季度获得7%的收益率。

阿里公司根据在淘宝网上中小企业的交易状况筛选出财务健康和诚信的企业，从而无需担保来放贷，目前已放贷300多亿元，坏帐率仅0.3％，大大低于商业银行。

企业通过信息收集很好的掌握企业的运营状况，分析居民与财务有关的记录包括贷款申请、租赁、房地产、购买零售商品、纳税申报、水电费缴付、有线电视缴费、电话缴费、报纸与杂志订阅、机动车档案等，能够得出消费者的个人信用评分，从而推断客户支付意向与支付能力，发现潜在的欺诈。

IBM日本公司建立了一个经济指标预测系统，从互联网新闻中搜索影响制造业的480项经济数据，计算出采购经理人指数PMI预测值。

印第安纳大学学者利用Google提供的心情分析工具，对270万用户在2008年3～12月所张贴的970万条留言，挖掘出用户happiness、kindness、alertness、sureness、vitality 和calmness等六种心情，进而对道琼斯工业指数的变化进行预测，准确率达到87%。

利用大数据分析可实现对合理库存量的管理，华尔街对冲基金依据购物网站顾客评论分析企业产品销售状况，华尔街银行根据求职网站岗位数量推断就业率。

(2)智慧治理

美国纽约的警察分析交通拥堵与犯罪发生地点的关系，有效改进治安。美国纽约的交通部门从交通违规和事故的统计数据中发现规律，改进了道路设计。

利用短信、微博、微信和搜索引擎可以收集热点事件与舆情挖掘。

电信运营商拥有大量的手机数据，通过对手机数据的挖掘，不针对个人而是着眼于群体行为，可从中分析：实时动态的流动人口的来源及分布情况；出行和实时交通客流信息及拥塞情况。利用手机用户身份和位置的检测可了解突发性事件的聚集情况。

MIT的Reality Mining项目，通过对10万多人手机的通话、短信和空间位置等信息进行处理，提取人们行为的时空规则性和重复性，进行流行病预警和犯罪预测。

(3)环境监测

对城市的河流进行采样，通过卫星发布，收集产量的数据，这个数据非常大，通过这个数据分析能够判别城市中有没有污染。

(4)智慧医疗

无论是药品的研发还是商业模式的开发运用数据分析都能够得到很好的分析，我们医院里有大量的病例，这里有大量的数据，传统的普通病例很难挖掘数据，现在变成电子化有利于更高数据挖掘，数据的挖掘有利于发现医疗知识，由于医疗资源的分配不均，因此远程医疗十分必要，另外，居家监护很重要，谷歌公司与美国疾病控制和预防中心等机构合作，依据网民搜索内容分析全球范围内流感等病疫传播状况，谷歌的判断与疾控中心的判断是一致的。

社交网络为许多慢性病患者提供了临床症状交流和诊治经验分享平台，医院借此可获得足够多的临床效果统计。个性化的医疗同样很重要，我们发现，同样的治疗对一些病人无效，75％癌症病人，70％的老年痴呆者、50％的关节炎病人、43％的糖尿病患者、40％的哮喘病患者，38％的抑郁症病人。因为人体对药品代谢方式的差异取决于个体特定的基因、酶和蛋白质组合，因此基因信息对选择最优治疗非常关键。对人体个性体质的挖掘会做到真正意义上的对症下药，一个人的基因信息大概1GB。

(5)智能搜索

除此之外，我们还通过网络进行学习，早期的网络学习是通过网站专业人员编制的内容，如今我们希望能够实现更加智能的搜索。随着移动互联网的出现，搜索引擎会变成基于语音的智能搜索；基于位置的搜索；基于个性化搜索。

(6)舆情监测

大众传播发展的很快，这里包含着大量的数据，例如微博传播具有裂变性、主动性、即时性、便捷性、交互性、草根性，跟进性和临场感，每一个微博用户既是“服务器”，也是“受众”。中国的微博比社交网络更热，因为140个字符的微博在英文和中为分别约等于25个和85个英语单词，即中文微博的信息量是Twitter的3～4倍。最近两个月在YouTube上上载的视频超过了ABC、NBC和 CBS 电视台自1948年以来24/7/365 连续播出的内容，而“云平台＋多屏融合”模式已成为智能家居和智能车载等的发展方向。

(7)精准营销

美国信用营销分析专家张川告诉《环球时报》记者，在大数据分析的应用上，美国政府和大公司领先新兴国家至少20年。15年前，美国的信用卡公司就可以进行数据挖掘实现精准营销：在合适的时间，通过合适渠道，把合适的营销信息投送给每个顾客。

(8)犯罪预警

随着智能电话和电脑网络的普及，美国政府和大公司把自己的触角伸到个人生活的每个方面。美国个人的一切在线行为数据都被收集储存，再加上已被有关机构掌握的个人信用数据、犯罪记录和人口统计等数据，有关公司和政府机构可以运用数据挖掘的办法，监控和预测个人的行为，并做出相关决策。

(9)全球安全监测

如美国已具备对全球网络空间的监视控制能力。斯诺登披露的“棱镜”计划，缘于美国政府的“星风”监视计划。2004年，布什政府通过司法程序，将“星风”监视计划分拆成由国家安全局执行的4个监视计划，除“棱镜”外，还包括“主干道”、“码头”和“核子”。其中，“棱镜”用于监视互联网个人信息。“核子”则主要负责截获电话通话者对话内容及关键词。“主干道”和“码头”分别对通信和互联网上数以亿兆计的“元数据”进行存储和分析。“元数据”主要指通话或通信的时间、地点、使用设备、参与者等，不包括电话或邮件等的内容。

(10)市场价格监测

肯尼思·丘基尔是《经济学家》杂志数据编辑、《大数据：一次将改变我们生活、工作和思考方式的革命》一书的合著者之一，他日前在美国《外交政策》杂志掀起一场有关“大数据时代令隐私保护问题更加突出”的讨论。丘基尔举例说，警方如果要侦破一个城市的加油站是否存在合谋操控价格的“卡特尔行为”，以往要靠线人举报。但今天，可以做大数据分析——分析该市油价变化和加油站分布情况。通过分析，可以发现正常的价格变化规律，如果价格变化持续异常，就可以怀疑存在价格垄断的行为。丘基尔认为，大数据的价值在于存储后的再使用。不过，关键的一个问题是，收集、保存一切信息，与隐私保护政策是有冲突的，“保存一切信息是必要的，但是在这么做之前，我们有必要问自己一个问题，即现行的隐私保护政策是不是妨碍了我们正在迈入的大数据世界”。丘基尔提到，社会有必要就此进行大辩论，以便为大数据时代的隐私保护划定新的边界。

结束语

美国IT咨询公司Avanade商业情报部副总裁斯蒂夫·帕尔默告诉《环球时报》记者，大数据是指非常“膨胀”的数据集，用典型的数据分析软件和工具难以对其进行捕捉、储存、管理、分享、分析和可视化。大数据有3个特征：一是数据的数量大;二是产生或被吸收的速度和频率快;三是数据的多样性。为从大数据中“挖出金矿”，一家企业或机构必须能够应对大数据上述3个特征。帕尔默说，大数据给人类带来的真正机遇是把许多信息碎片拼起来，为我们的决策服务。

附：全球顶尖大数据公司一览

企业名称：IBM

网址：http:///

2011年5月，IBM正式推出InfoSphere大数据分析平台。InfoSphere大数据分析平台包括 BigInsights和Streams，二者互补，Biglnsights基于Hadoop，对大规模的静态数据进行分析，它提供多节点的分布式计算，可以随时增加节点，提升数据处理能力。Streams采用内存计算方式分析实时数据。InfoSphere大数据分析平台还集成了数据仓库、数据库、数据集成、业务流程管理等组件。

企业名称：亚马逊

网址：http:///

对于云计算和大数据，亚马逊绝对具有先见之明，早在2009年就推出了亚马逊弹性MapReduce（Amazon Elastic MapReduce），亚马逊对Hadoop的需求和应用可谓了若指掌，无论是中小型企业还是大型组织。弹性MapReduce是一项能够迅速扩展的Web服务，运行在亚马逊弹性计算云（Amazon EC2）和亚马逊简单存储服务（Amazon S3）上。这可是货真价实的云：面对数据密集型任务，比如互联网索引、数据挖掘、日志文件分析、机器学习、金融分析、科学模拟和生物信息学研究，用户需要多大容量，立即就能配置到多大容量。

除了数据处理外，用户还可以使用Karmasphere Analyst的基于服务的版本，Karmasphere Analyst是一种可视化工作区，用于在亚马逊弹性MapReduce上分析数据。用户还可以提取结果文件，以便在数据库或者微软Excel或Tableau等工具中使用。

企业名称：甲骨文

网址：http:///

甲骨文在近期发布的Oracle大数据机（Oracle Big Data Appliance）为许多企业提供了一种处理海量非结构化数据的方法。在2011年10月初召开的Oracle OpenWorld 2011大会上甲骨文正式推出了Oracle大数据机。对于那些正在寻求以更高效的方法来采集、组织和分析海量非结构化数据的企业而言，该产品具有很大的吸引力。

与甲骨文近期推出的其他一体化产品一样，Oracle大数据机集成了硬件、存储和软件，包括Apache Hadoop软件的开源代码分发、新的甲骨文NoSQL数据库和用于统计分析的R语言开源代码分发。该产品被设计为能够与甲骨文Database 11g、Oracle Exadata数据库云服务器，以及针对商业智能应用的新的Oracle Exalytics商业智能云服务器一起协同工作。

企业名称：谷歌

网址：http:///

谷歌一直是科技行业的领军者，近年来几乎在任何一项互联网科技项目你都能看到谷歌的身影，大数据时代谷歌自然不会错过。何况如果对其拥有的海量数据进行深入挖掘，这对于提升谷歌搜索乃至所有谷歌服务的价值无可估量。

BigQuery是Google推出的一项Web服务，用来在云端处理大数据。该服务让开发者可以使用Google的架构来运行SQL语句对超级大的数据库进行操作。BigQuery允许用户上传他们的超大量数据并通过其直接进行交互式分析，从而不必投资建立自己的数据中心。Google曾表示BigQuery引擎可 以快速扫描高达70TB未经压缩处理的数据，并且可马上得到分析结果。大数据在云端模型具备很多优势，BigQuery服务无需组织提供或建立数据仓库。而BigQuery在安全性和数据备份服务也相当完善。

去年底该服务只向一小部分开发者开放，现在任何人都可以注册这项服务。免费帐号可以让你每月访问高达100GB的数据，你也可以付费使用额外查询和存储空间。

企业名称：微软

网址：http:///

微软研究部门从2006年起就一直致力于某种非常类似于Hadoop的项目，被称为“Dryad”。今年年初，该计划通过与SQL Server和Windows Azure云的集成实现了Dryad的产品化。虽然现在微软还没有更新，但看上去Dryad似乎将成为在SQL Server平台上影响大数据爱好者的有力竞争者。

微软进入这一市场可谓“姗姗来迟”，而且在一定程度上说，数据仓库分析和内存分析计算市场落下了后腿。2011年初微软发布的SQL Server R2 Parallel Data Warehouse（PDW，并行数据仓库），PDW使用了大规模并行处理来支持高扩展性，它可以帮助客户扩展部署数百TB级别数据的分析解决方案。微软目前已经开始提供Hadoop Connector for SQL Server Parallel Data Warehouse和Hadoop Connector for SQL Server社区技术预览版本的连接器。该连接器是双向的，你可以在Hadoop和微软数据库服务器之间向前或者向后迁移数据。

微软在去年推出了基于Azure云平台的测试版Hadoop服务，今年它承诺会推出与Windows兼容的基于Hadoop的大数据解决方案（Big Data Solution），这是微软SQL Server 2012版本（首发日期还不知道）的一部分，现在也不清楚微软是否会与其他硬件合作伙伴或者相关大数据设备厂商合作。

企业名称：EMC

网址：http:///

EMC于1979年成立于美国麻州Hopkinton市，1989年开始进入企业数据储存市场。EMC公司是全球信息存储及管理产品、服务和解决方案方面的领先公司。EMC是每一种主要计算平台的信息存储标准，而且，世界上最重要信息中的 2/3 以上都是通过EMC的解决方案管理的。

面对大数据时代，EMC公司推出用于支持大数据分析的下一代平台――EMC Greenplum统一分析平台（UAP）。Greenplum UAP是一个唯一的统一数据分析平台，可扩展至其他工具，其独特之处在于，它将对大数据的认知和分享贯穿整个分析过程，实现比以往更高的商业价值。

企业名称：Teradata

网址：http:///

Teradata公司(Teradata Corporation，纽约证券交易所交易代码TDC)是全球领先的数据仓库，大数据分析和整合营销管理解决方案供应商，专注于数据库软件，数据仓库专用平台及企业分析方案。不久前宣布推出一款集硬件、软件和服务于一体的全面产品组合——Teradata分析生态系统(Teradata Analytical Ecosystem)，使不同的 Teradata 系统实现无缝协作，为企业客户提供分析和更深入的洞察力，帮助其预测商业机会和加速实现商业价值。Teradata Unity 将确保整个Teradata Analytical Ecosystem的同步和统一。为了增强在大数据分析领域的优势，Teradata还收购Aster Data公司，以增强其非传统数据分析的能力，突破了SQL分析的限制，协助企业从全部数据中获取更多价值。

企业名称：NetApp

网址：http://

Network Appliance，Inc.（NetApp，美国网域存储技术有限公司）是IT存储业界的佼佼者，自1992年创业以来，不断以创新的理念和领先的技术引领存储行业的发展。Network Appliance, Inc.(NetApp)是向目前的数据密集型企业提供统一存储解决方案的居世界最前列的公司。

NetApp StorageGRID 是一个久经验证的对象存储软件解决方案，设计用于管理 PB 级、全球分布的存储库，这些存储库包含企业和服务提供商的图像、视频和记录。通过消除数据块和文件中数据容器的典型约束，NetApp StorageGRID 提供了强大的可扩展性。它支持单个全局命名空间内的数十亿个文件或对象和 PB 级容量。

NetApp StorageGRID 实现了智能的数据管理和安全的内容保留。它通过一个具有内置安全性的全局策略引擎来优化数据存放、元数据管理和效率，该引擎管理数据的存储、放置、保护和检索的方式。此外，使用数字指纹和加密等技术防止内容受到篡改。

NetApp StorageGRID 有助于随时随地提供数据，以便于不间断地运营。该解决方案被设计为允许灵活进行部署配置，以满足全球的多站点组织的不同需要。

企业名称：Sybase

网址：

Sybase公司成立于1984年11月，总部设在美国加州的Emeryville(现为美国加州的Dublin市)。作为全球最大的独立软件厂商之一，Sybase公司致力于帮助企业等各种机构进行应用、内容及数据的管理和发布。

Sybase IQ是Sybase公司推出的特别为数据仓库设计的关系型数据库。相比于传统的“行式存储”的关系型数据库，Sybase IQ 使用了独特的列式存储方式，在进行分析查询时，仅需读取查询所需的列，其垂直分区策略不仅能够支持大量的用户、大规模数据，还可以提交对商业信息的高速访问，其速度可达到传统的关系型数据库的百倍甚至千倍。“随着 Sybase IQ 不断地在分析应用 POC 测试中拔得头筹，有时甚至超过其他对手 100 倍之多”，Gartner 评价道，“ Sybase IQ 逐渐成为从数据集市到企业数据仓库架构最令人渴望的 DBMS(数据库管理系统)。”

自 2009 年推出以来，Sybase 陆续发布了 Sybase IQ 15.1、15.2、15.3 以至最新的 Sybase IQ 15.4 版本，每个版本都着力于增加新的核心能力以促进更深入的高级分析。Sybase IQ 15.4是面向大数据的高级分析平台，将大数据转变成可指挥每个人都行动的情报信息，从而在整个企业的用户和业务流程范围内轻松具备大数据的分析能力。

因此，有人说Sybase IQ15.4正在彻底改变“大数据分析”。

企业名称：惠普

网址：

大数据时代来临，老牌巨头惠普也不甘落后。不久前惠普企业服务事业部宣布推出全新服务，帮助客户更快部署惠普子公司Vertica的Vertica Analytics Platform，从而迅速洞悉关键的业务信息，辅助决策过程。

Vertica Analytics Platform 让用户能够大规模实时分析物理、虚拟和云环境中的结构化、半结构化和非结构化数据，从而深入洞悉“大数据”。

Advanced Information Services for Vertica 帮助客户最大化实现 Vertica 分析平台性能，并构建企业分析专用环境。惠普提供从评估到实施的一系列服务，与客户共同定义多种交付方式组合，并找出匹配其现有基础设施的最佳解决方案。

Advanced Information Services for Vertica已在全球上市，将为实现“瞬捷”企业构建灵活的智能环境。

企业名称：沃尔玛

网址：http:///

在这里看到沃尔玛的身影，可能很多人会有疑问，全球最大的传统零售业巨头沃尔玛怎么就跟大数据扯上关系了？看了下面的介绍你就会明白了。

沃尔玛是最早通过利用大数据而受益的企业之一，曾经拥有世界上最大的数据仓库系统。通过对消费者的购物行为等非结构化数据进行分析，沃尔玛成为最了解顾客购物习惯的零售商，并创造了“啤酒与尿布”的经典商业案例。早在2007年，沃尔玛就已建立了一个超大的数据中心，其存储能力高达4Pb以上。《经济学人》在2010年的一篇报道中指出，沃尔玛的数据量已经是美国国会图书馆的167倍。

沃尔玛实验室计划将沃尔玛的10个不同的网站整合成一个，同时将一个10个节点的Hadoop集群扩展到250个节点的Hadoop集群。目前实验室正在设计几个能将当前像Oracle、Neteeza这样的开放资源的数据库进行迁移、整合的工具。

沃尔玛曾进行了一些列的收购，包括Kosmix（沃尔玛实验室前身）、Small Society、Set Direction、OneRiot、Social Calenda、Grabble等多家中小型创业公司，这些创业公司要么精于数据挖掘和各种算法，要么在移动社交领域有其专长，从此我们就可以看出沃尔玛进军移动互联网和挖掘大数据的决心。相信在沃尔玛的带领下，传统行业也会慢慢意识到大数据的重要性，加速步入大数据时代。

企业名称：Clustrix

网址：

Clustrix创立于2005年，是Y Combinator 2006年冬季班的成员。Clustrix可以为SQL数据库提供专利数据应用方法，帮助人们处理大量的数据，使SQL数据库无限扩容成为可能。最近Clustrix从Sequoia Capital、USVP和 ATA Ventures三家风险投资公司处再次获得价值675万美元的风险投资，至今已获融资1200万美元。Clustrix总部设在美国旧金山，研发中心设在西雅图。为打开欧洲市场，公司计划将总部迁至荷兰的阿姆斯特丹，并将于年底前在印度设立办公室。

企业名称：Cloudera

网址：http:///

Cloudera是一家专业从事基于Apache Hadoop的数据管理软件销售和服务的公司，总部位于加州帕洛阿尔托，2009年3月发布了第一款商业产品，当时获得由AccelPartners领投的500万美元投资。该公司于2010年6月正式推出Cloudera企业产品。2011年11月募集到4000万美元风险投资资金，此轮融资由风险投资机构Ignition Partners的合伙人弗兰克·阿泰勒(Frank Artale)领投。Cloudera之前的投资者顶尖风投机构Accel Partners、Greylock Partners、Meritech Capital Partners 和In-Q-Tel也参与本轮投资。

篇6：大数据与智慧城市建设

据了解，2012年，国家住建部启动了国家智慧城市试点工作，首批试点城市90个。2013年启动第二批103个试点城市，银川市位列其中。

作为第二批智慧城市试点城市，银川市在智慧城市产业发展思路上，选择有实力的合作方共同打造智慧银川，破解智慧城市建设过程中资金缺乏、智慧度不高等难题。

银川市政府与中兴通讯股份有限公司联合注资成立中兴（银川）智慧产业有限公司，计划投资30亿元，分三期建设 “智慧城市”。从商业模式上看，智慧银川建设率先引入了财政部主推的PPP模式，建立多元化、多渠道、多层级的投融资体系，通过资产证券化等金融手段，破解资金难题，实现政府、企业互利共赢。

据介绍，智慧银川建设将最大限度打破信息孤岛，实现数据全覆盖、跨部门共享，提高政府行政化创新、城市立体化管理、民生精细化服务、产业融合化发展水平。

智慧银川还将构建“一云、一网、一图”网络架构，即大数据中心云平台、全城8000G全光网络、城市空间地理GIS系统，依据政府、企业、个人需求，超宽带安全网络自动适配，大数据业务云端快速生成，城市空间地理三维图形化直观展示，实现智慧银川的全景展现。

在项目建设上，智慧银川将建设智慧城市大数据中心、4G城市网、平安城市、智慧环保等项目，打造名副其实的智慧城市，并促进物联网、大数据、云计算发展，衍生出新的产业链，带动智能家居、穿戴设备等相关产业发展，促进教育、医疗模式创新和社区养老产业的升级。通过企云通系统集成，还将形成虚拟服务平台，为中小企业提供融资贷款、法律咨询、人力资源等全方位服务。