3S 大数据和城市大脑赋能的智慧城市精细化管理

姜春雷

（吉林建筑大学）

1 引言

随着经济社会的发展，我国已有一半左右的人口生活在城市当中，尤其是人口超过百万的大城市、特大城市和超大城市规模仍在不断扩张。大城市的规模效应为经济发展奠定了基础，但也带来一系列困扰政府管理问题，例如治安、居住环境、交通等，传统的粗放型管理在应对上述矛盾时捉襟见肘。由于智慧城市具有实现城市精细化管理的潜力，为上述问题的解决带来了契机。近年来，我国智慧城市建设发展迅猛，但其在数据获取、处理等方面存在的诸多问题仍需要深入研究，加以解决。

2 3S 大数据

3S 指的是全球定位系统（GPS，Global Positioning System）、遥感（RS，Remote Sensing）和地理信息系统（GIS，Geographic Information System）三种技术的有机集成。GPS 能够实时获取定位信息，是智慧城市中的移动传感器获取位置的技术手段，特别是我国拥有自主知识产权的北斗卫星成功完成全球组网后，定位信息的安全和准确性进一步得到保障；遥感技术能够快速、实时、动态获取不同尺度和精度的大范围的地表信息，这对于获取城市地表地物及环境快速变化信息特别合适，同时，相对传统人工监测无论在成本还是时效上都极具优势；地理信息系统能够对空间数据进行有效管理和分析，智慧城市中很多数据是空间数据，非常适合用地理信息系统来管理。上述三者的有机结合，在空间大数据的获取、管理和分析方面有极大的优势，能够为很多潜在的应用提供支持，同时具有较低的成本。

3 智慧城市精细化管理的障碍

智慧城市被认为是实现城市化精细管理的有效手段，但在具体落实中仍存在很多急待破解的难题。

3.1 数据获取难

城市精细化管理是智慧城市建设的一个主要目标，城市精细化管理的核心内涵是精准，城市管理者在城市精细化管理时首先遇到的问题就是精细化管理所需的数据数量和质量都不能满足要求。我国在经过多年的数字城市和智慧城市建设后，静态获取数据能力有了本质的改变，但在动态获取数据方面刚刚起步。智慧城市建设是一项基于大数据的系统工程，做好宏观规划，及早布局智慧城市数据获取解决方案仍是未来一段时间内智慧城市建设的工作重点。

3.2 缺乏统一的规范

由于历史原因，城市管理所需的各种数据一直分散管理，标准和质量也不尽相同。这些问题给智慧城市中的数据交换带来了极大困难，形成大量的数据孤岛。另外，数据成本及交换过程中的利益分配也一直是困扰智慧城市大数据应用的难题。

数字城市和智慧城市建设初期，不同地区和部门已经建立一些智慧城市基础设施和应用系统，为了避免重复建设的浪费，这些设施和系统最好纳入智慧城市建设统一框架下，实现这一目标，核心仍然是数据和应用系统的标准问题。

3.3 现有智慧城市智慧程度不高

现有的大部分智慧城市仍然不够智慧，主要原因是系统算力有限，算法不够先进。造成这一现象的原因：①资金投入不足；②前期规划不完善、没有前瞻性；③没有持续改进。这些原因也部分是因为智慧城市早期分散建立，算力和资金分散在不同的部门。当然，智慧城市建设不是一蹴而就，是一个渐进的过程。在建设过程中需要通过不断整合、改进和取舍提高智慧城市的智慧程度。

3.4 建设成本高

无论是早期的数字城市和现在的智慧城市建设，其成本都非常高，这既是智慧城市的天然特性所导致，也有规划和设计方面的原因。随着数据获取技术的本质改变，数据获取成本有望进一步降低，通过整合智慧城市子系统，共享数据、算力和算法Web 服务可以避免重复建设以节约成本。

4 基于大数据和城市大脑的城市化精细管理

3S 技术和以深度学习为代表的人工智能技术的飞速发展为智慧城市继续发展奠定了坚实的技术基础。智慧城市精细化管理需要大量高质量适时的数据作支撑，同时需要高度智慧的系统做出合理的分析结果和辅助决策。3S 技术在信息获取、管理和分析方面的优势，以人工智能为主要特点的城市大脑在“智慧”方面的优势,使二者在智慧城市精细化管理中能承担重要角色。实现基于3S 大数据和城市大脑的智慧城市精细管理需要做好以下主要方面。

4.1 基础设施建设

智慧城市基础设施建设涵盖的范围比较广，主要包括城市中大量传感器构成的物联网和通信网络。智慧城市基础设施主要用于城市信息感知，大量的传感器构成城市智慧城市信息感知层的主要部分，这些传感器设施可以分为固定和移动设施。固定传感器包括城市中的温度、空气质量、摄像头等；移动传感器包括出租车上的GPS 定位轨迹数据、老年人身上的医用健康传感器数据、普通航空遥感数据、卫星遥感数据和无人机遥感数据。尤其是无人机遥感获取数据极其方便，且精度高、成本低。

基础设施的建设是一个不断完善，持续改进的建设过程。传感器的密度、性能等都会随建设部门的需求、技术和财力状况等不断完善。同时新型传感器和数据获取手段也会不断更新，为智慧城市的不断发展和新型应用提供了可能。例如： 新冠疫情对当前的城市管理提出了新的挑战，在智慧城市中，公共卫生监测在一段时间内可能成为一种常规模式。在应对这个挑战过程中，无人机温度监测和驱离等手段崭露头角。

智慧城市的这些基础设施建设和维护应该在政府的指导下统一部署，同时整合已有基础设施。同时还应做好设施信息的安全、使用权限等相关问题的管理。

4.2 大数据及其派生数据

大数据是智慧城市的血液，这些数据来源包括政府部门资料、互联网数据（例如社交软件、新闻、论坛、微博等）、智慧城市物联网数据，遥感和GPS 技术逐渐成熟也成为智慧城市获取数据的新手段。卫星遥感和普通航空遥感都能为城市精细化管理提供有用的数据，特别是近年无人机技术的迅猛发展。无人机遥感拥有适时、动态、影像精度高、现势性强、回访快和灵活等优点，甚至能够适时交互，能够有效率弥补卫星遥感和普通航空遥感的不足，有望未来成为城市大数据的主要来源。

目前大数据存在的主要问题是标准不一致，数据分散存储和使用，没有共享。智慧城市大数据不是传感器等提供的原始数据（raw data），它应该根据需求和标准进行一定的处理，形成可以相互交换的可用数据。特别是3S 数据，在使用前需要大量的前期处理工作。数据处理系统是数据基础设施的延展，作为边缘计算系统依附和靠近数据获取设施，隔离开基础设施同数据分析和应用系统。这些数据可以存储的统一的数据中心，也可以分散存储，但必须有统一的管理平台，所有对数据的使用都应该通过这个平台。

边缘系统处理过的数据成为可用数据，但是根据需要，这些数据还需再生出派生数据。

由于大数据的获取、处理和使用涉及多个不同部门，因此需要用统一的机构管理，否则很难保证数据的顺畅流通。贵州省为了解决这个问题于2017 年成立了中国首个省属大数据发展管理局，此举对其他城市具有借鉴意义。

4.3 城市大脑建设

城市大脑最早由刘锋博士于2015年提出，包括了中枢神经、感觉神经和运动神经等。本文提到的城市大脑仅指城市的人工智能中枢，它通过网络汇集城市各处的多源数据，并做出智慧决策，保障城市的高效、安全运行。由于城市大脑的数据吞吐和计算量极大，必须运行在云计算平台和高速网络上。

智慧城市的行业应用相当于运动神经，是城市大脑指令的最终执行者。然而，不同应用系统的需求、计算显然是不同的，城市大脑在云计算中心构建强大的核心计算模块时还必须整合以Web 服务方式提供的位于不同地理位置或部门的计算模块，应用端通过统一的平台根据需要组合调用城市大脑模块。

以深度学习为代表的人工智能不断发展，事实上成为城市大脑的核心技术。深度学习是通过数据喂养训练模型，无须事先设置规则，仅需定义描述训练数据的特征。尽管深度学习近来在各个领域均获得了大量的成功，但它本质上是对数据的拟合，它不能建立起人类的认知架构。在城市大脑中融入人类智慧有助于完善其不足，无论对于智慧城市还是人工智能仍是一项极具挑战性的任务。

城市大脑建设是一个动态的长期的过程，随着新技术和新应用的产生，城市大脑中的智慧模块应不断完善和添加新的模块。

4.4 行业应用解决方案

行业应用是智慧城市的落脚点，也是城市大脑的运动神经。杭州城市大脑是我国建设较早的城市大脑，目前已经建立了交通、健康、警务等48 个应用场景。在具体实施时，不同的城市应根据自身特点选择几个行业应用作为突破口。在我国，交通、市政、物流和老龄化是困扰很多大城市的主要问题，智慧交通、智慧城管和智慧医疗成为大多数城市的优先选择。

5 结语

在当前全球经济发展放缓的背景下，发展以高科技需求为主的智慧城市建设既能拉动内需、加速经济内循环、促进产业升级转型，同时也能提高我国城市的精细化管理能力。