前言：尋找寫作靈感？中文期刊網用心挑選的3S大數據下智慧城市精細化管理探究，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
【摘要】傳統智慧城市中的信息獲取和處理仍不能滿足城市精細化管理的要求，文章闡述了基于3s大數據和城市大腦解決上述問題的對策。
【關鍵詞】智慧城市；城市大腦；大數據；城市精細化管理；人工智能
1引言
隨著經濟社會的發展，我國已有一半左右的人口生活在城市當中，尤其是人口超過百萬的大城市、特大城市和超大城市規模仍在不斷擴張。大城市的規模效應為經濟發展奠定了基礎，但也帶來一系列困擾政府管理問題，例如治安、居住環境、交通等，傳統的粗放型管理在應對上述矛盾時捉襟見肘。由于智慧城市具有實現城市精細化管理的潛力，為上述問題的解決帶來了契機。近年來，我國智慧城市建設發展迅猛，但其在數據獲取、處理等方面存在的諸多問題仍需要深入研究，加以解決。
23S大數據
3S指的是全球定位系統（GPS，GlobalPositioningSystem）、遙感（RS，RemoteSensing）和地理信息系統（GIS，GeographicInformationSystem）三種技術的有機集成。GPS能夠實時獲取定位信息，是智慧城市中的移動傳感器獲取位置的技術手段，特別是我國擁有自主知識產權的北斗衛星成功完成全球組網后，定位信息的安全和準確性進一步得到保障；遙感技術能夠快速、實時、動態獲取不同尺度和精度的大范圍的地表信息，這對于獲取城市地表地物及環境快速變化信息特別合適，同時，相對傳統人工監測無論在成本還是時效上都極具優勢；地理信息系統能夠對空間數據進行有效管理和分析，智慧城市中很多數據是空間數據，非常適合用地理信息系統來管理。上述三者的有機結合，在空間大數據的獲取、管理和分析方面有極大的優勢，能夠為很多潛在的應用提供支持，同時具有較低的成本。
3智慧城市精細化管理的障礙
智慧城市被認為是實現城市化精細管理的有效手段，但在具體落實中仍存在很多急待破解的難題。
3.1數據獲取難。城市精細化管理是智慧城市建設的一個主要目標，城市精細化管理的核心內涵是精準，城市管理者在城市精細化管理時首先遇到的問題就是精細化管理所需的數據數量和質量都不能滿足要求。我國在經過多年的數字城市和智慧城市建設后，靜態獲取數據能力有了本質的改變，但在動態獲取數據方面剛剛起步。智慧城市建設是一項基于大數據的系統工程，做好宏觀規劃，及早布局智慧城市數據獲取解決方案仍是未來一段時間內智慧城市建設的工作重點。
3.2缺乏統一的規范。由于歷史原因，城市管理所需的各種數據一直分散管理，標準和質量也不盡相同。這些問題給智慧城市中的數據交換帶來了極大困難，形成大量的數據孤島。另外，數據成本及交換過程中的利益分配也一直是困擾智慧城市大數據應用的難題。數字城市和智慧城市建設初期，不同地區和部門已經建立一些智慧城市基礎設施和應用系統，為了避免重復建設的浪費，這些設施和系統最好納入智慧城市建設統一框架下，實現這一目標，核心仍然是數據和應用系統的標準問題。
3.3現有智慧城市智慧程度不高。現有的大部分智慧城市仍然不夠智慧，主要原因是系統算力有限，算法不夠先進。造成這一現象的原因：①資金投入不足；②前期規劃不完善、沒有前瞻性；③沒有持續改進。這些原因也部分是因為智慧城市早期分散建立，算力和資金分散在不同的部門。當然，智慧城市建設不是一蹴而就，是一個漸進的過程。在建設過程中需要通過不斷整合、改進和取舍提高智慧城市的智慧程度。
3.4建設成本高。無論是早期的數字城市和現在的智慧城市建設，其成本都非常高，這既是智慧城市的天然特性所導致，也有規劃和設計方面的原因。隨著數據獲取技術的本質改變，數據獲取成本有望進一步降低，通過整合智慧城市子系統，共享數據、算力和算法Web服務可以避免重復建設以節約成本。
4基于大數據和城市大腦的城市化精細管理
3S技術和以深度學習為代表的人工智能技術的飛速發展為智慧城市繼續發展奠定了堅實的技術基礎。智慧城市精細化管理需要大量高質量適時的數據作支撐，同時需要高度智慧的系統做出合理的分析結果和輔助決策。3S技術在信息獲取、管理和分析方面的優勢，以人工智能為主要特點的城市大腦在“智慧”方面的優勢,使二者在智慧城市精細化管理中能承擔重要角色。實現基于3S大數據和城市大腦的智慧城市精細管理需要做好以下主要方面。
4.1基礎設施建設。智慧城市基礎設施建設涵蓋的范圍比較廣，主要包括城市中大量傳感器構成的物聯網和通信網絡。智慧城市基礎設施主要用于城市信息感知，大量的傳感器構成城市智慧城市信息感知層的主要部分，這些傳感器設施可以分為固定和移動設施。固定傳感器包括城市中的溫度、空氣質量、攝像頭等；移動傳感器包括出租車上的GPS定位軌跡數據、老年人身上的醫用健康傳感器數據、普通航空遙感數據、衛星遙感數據和無人機遙感數據。尤其是無人機遙感獲取數據極其方便，且精度高、成本低。基礎設施的建設是一個不斷完善，持續改進的建設過程。傳感器的密度、性能等都會隨建設部門的需求、技術和財力狀況等不斷完善。同時新型傳感器和數據獲取手段也會不斷更新，為智慧城市的不斷發展和新型應用提供了可能。例如：疫情對當前的城市管理提出了新的挑戰，在智慧城市中，公共衛生監測在一段時間內可能成為一種常規模式。在應對這個挑戰過程中，無人機溫度監測和驅離等手段嶄露頭角。智慧城市的這些基礎設施建設和維護應該在政府的指導下統一部署，同時整合已有基礎設施。同時還應做好設施信息的安全、使用權限等相關問題的管理。
4.2大數據及其派生數據。大數據是智慧城市的血液，這些數據來源包括政府部門資料、互聯網數據（例如社交軟件、新聞、論壇、微博等）、智慧城市物聯網數據，遙感和GPS技術逐漸成熟也成為智慧城市獲取數據的新手段。衛星遙感和普通航空遙感都能為城市精細化管理提供有用的數據，特別是近年無人機技術的迅猛發展。無人機遙感擁有適時、動態、影像精度高、現勢性強、回訪快和靈活等優點，甚至能夠適時交互，能夠有效率彌補衛星遙感和普通航空遙感的不足，有望未來成為城市大數據的主要來源。目前大數據存在的主要問題是標準不一致，數據分散存儲和使用，沒有共享。智慧城市大數據不是傳感器等提供的原始數據（rawdata），它應該根據需求和標準進行一定的處理，形成可以相互交換的可用數據。特別是3S數據，在使用前需要大量的前期處理工作。數據處理系統是數據基礎設施的延展，作為邊緣計算系統依附和靠近數據獲取設施，隔離開基礎設施同數據分析和應用系統。這些數據可以存儲的統一的數據中心，也可以分散存儲，但必須有統一的管理平臺，所有對數據的使用都應該通過這個平臺。邊緣系統處理過的數據成為可用數據，但是根據需要，這些數據還需再生出派生數據。由于大數據的獲取、處理和使用涉及多個不同部門，因此需要用統一的機構管理，否則很難保證數據的順暢流通。貴州省為了解決這個問題于2017年成立了中國首個省屬大數據發展管理局，此舉對其他城市具有借鑒意義。
4.3城市大腦建設。城市大腦最早由劉鋒博士于2015年提出，包括了中樞神經、感覺神經和運動神經等。本文提到的城市大腦僅指城市的人工智能中樞，它通過網絡匯集城市各處的多源數據，并做出智慧決策，保障城市的高效、安全運行。由于城市大腦的數據吞吐和計算量極大，必須運行在云計算平臺和高速網絡上。智慧城市的行業應用相當于運動神經，是城市大腦指令的最終執行者。然而，不同應用系統的需求、計算顯然是不同的，城市大腦在云計算中心構建強大的核心計算模塊時還必須整合以Web服務方式提供的位于不同地理位置或部門的計算模塊，應用端通過統一的平臺根據需要組合調用城市大腦模塊。以深度學習為代表的人工智能不斷發展，事實上成為城市大腦的核心技術。深度學習是通過數據喂養訓練模型，無須事先設置規則，僅需定義描述訓練數據的特征。盡管深度學習近來在各個領域均獲得了大量的成功，但它本質上是對數據的擬合，它不能建立起人類的認知架構。在城市大腦中融入人類智慧有助于完善其不足，無論對于智慧城市還是人工智能仍是一項極具挑戰性的任務。城市大腦建設是一個動態的長期的過程，隨著新技術和新應用的產生，城市大腦中的智慧模塊應不斷完善和添加新的模塊。
4.4行業應用解決方案。行業應用是智慧城市的落腳點，也是城市大腦的運動神經。杭州城市大腦是我國建設較早的城市大腦，目前已經建立了交通、健康、警務等48個應用場景。在具體實施時，不同的城市應根據自身特點選擇幾個行業應用作為突破口。在我國，交通、市政、物流和老齡化是困擾很多大城市的主要問題，智慧交通、智慧城管和智慧醫療成為大多數城市的優先選擇。
5結語
在當前全球經濟發展放緩的背景下，發展以高科技需求為主的智慧城市建設既能拉動內需、加速經濟內循環、促進產業升級轉型，同時也能提高我國城市的精細化管理能力。
作者:姜春雷 單位:吉林建筑大學