三、城市大数据在智能城市建设中的新应用

随着我国城市大数据的发展，融合不同部门、不同领域的数据，有望在城市智能化发展中催生一些新应用，应用的领域主要包括（但不限于）城市规划、城市交通、城市环境、健康医疗、城市能耗、城市经济、城市安全与应急响应等。虽然这些应用早已存在（秦萧等，2014；李喆等，2014；许庆瑞等，2012；巴蒂等，2014；潘云鹤，2015；张兰廷，2014; Zheng et al., 2014），但城市大数据能够重新演绎并发展这些领域。

（一）城市规划

（1）辅助交通规划决策。融合源于交通部门、地铁站、公交公司以及包括高德地图、百度地图、腾讯地图在内的APP数据，结合交通出行数据，建立交通规划辅助决策平台，分析测算人们的出行路线、交通偏好以及路面的拥堵情况等，为优化交通规划提供有效信息。如利用高速和环路等主干道将城市分割成区域，然后分析大规模车辆在不同区域之间行驶的一些特征，找到连通性较差的区域，从而发掘现有城市道路网的不足之处；将对城市出租车一段时间的轨迹数据的分析结果作为制定下一步规划的参考建议，同时，通过对比连续两年的分析结果，验证一些已经实施的规划（如新建道路和地铁）是否真的有效。

（2）城市功能区域识别。融合手机数据、公交刷卡数据、GPS数据、社交网站签到数据等移动定位大数据，能够对城市不同功能区域进行识别。例如通过出租车的GPS数据，能够发现载客量的周期变化规律，以及市中心、居住区、机场、车站、郊区五个点的载客量不同的时间序列，进而利用城市“源—库”（source-sink）模型，通过计算上下客人次的差值聚类分析土地利用现状。如果进一步结合源于手机APP的娱乐消费方式数据，还能够对不同社会群体甚至社会阶层的空间行为做出较客观的描述，从而为应对老龄化社会的城市老年人设施建设、社区规划管理等社会问题研究提供基础资料。

（3）预测群体出行行为。目前百度地图已经可以提前两周预测某个城市的大概人数规模。可将这一预测算法应用于城市交通，即结合城市交通部门数据、城市景点搜索数据等，预测群体出行的态势，并对人群可能出行的时间、路线、方式等进行预测，从而为城市车辆调度提供决策帮助。同时，这些预测出来的群体出行行为数据也将为个人出行提供更加精确的服务，帮助个人决策。

（4）居民时空行为研究。综合GPS、地理信息系统（geographic information system, GIS）、社交网络、移动手机及智能卡等数据，结合核密度分析，依据特定用户在不同地方发布信息的密度或频次来判断用户的活动地点和行为，可构建基于社交网络数据和传统人口普查数据的居民时空行为模型；基于社交网站在线照片数据能够重构居民的活动信息数据库，包括提取照片情感和地理信息、模拟基于照片的社交网络结构以及拍照者的时空行为。

（二）城市交通

（1）城市公交精细化调度与管理。综合公交车辆状态、站点、车辆行驶、客流等数据，通过数据集成、分析，形成各类数据应用，分别为公交企业、公众出行者、政府管理部门提供公交调度服务、公交个性化信息服务以及公交行业监管服务，彻底解决公交站点智能维护、公交“飞站”、车距监管、精准报站、发班与客流匹配等公交运营和监管难题。

（2）城市交通枢纽换乘、衔接服务推荐。融合公路数据、两客运输数据、港口航运数据、地面公交数据、出租车动态运行数据，借助数据挖掘技术，实现基于多种服务载体（包括移动终端、网站、触摸屏等）的地面公交、出租车、长途汽车、轨道交通、铁路之间综合换乘与衔接的信息服务及出行方式推荐，建立具有国际先进水平的智慧交通便民服务体系，为乘客提供全方位、便捷的交通出行信息服务，显著提升公众交通体验。

（3）城市交通运输运行监测与预测预警。综合公路、运管、港航、公共交通客运、物流等数据，建立行业管理辅助决策系统，加强智慧交通大数据的挖掘和分析，实现交通运输运行监测与预测预警，提升交通运输宏观决策水平和行业监管能力。综合城市空间地理数据、交通相关行业数据以及全国地图数据，建立统一、规范、标准的城市“交通一张图”地理信息共享与服务平台。

（4）城市交通综合违法管控及交通突发事件分析决策。综合公路/道路/水路运政、航政、港政、海事等跨行业跨部门行政执法数据，建立高效的综合违法管控体系，实时发布执法情况，实现跨业务协同联动执法和交通运输非现场执法。结合“两客一危”运输行业数据和港口安全生产的安全监管数据，建立城市交通运输安全管理信息库，搭建交通应急组织管理决策支持系统，实现交通突发事件的预测、预警、应急管理及决策分析等。

（三）城市环境

（1）城市空气质量污染监控及预测。综合利用地面监测站的历史和实时空气质量数据，结合交通流、道路结构、兴趣点（point of interest, POI）分布、气象条件和人流规律等大数据，利用机器学习算法建立数据和空气质量的映射关系，从而对整个城市细粒度的空气质量进行推断。群体感知方法是监控及预测空气质量的又一方式。为此，可通过设计新产品或在移动设施（如公交车、出租车等）中加装PM2.5传感器的方式对数据进行收集（Pan, 2016），相比于从地面监测站获得数据，数据密度将大大提高。

（2）城市噪声污染监测。应对城市噪声污染通常需要了解整个城市的噪声状况和噪声构成，但城市噪声建模困难，同时声学传感器安装和维护成本高昂。此外，噪声污染的衡量不仅取决于噪声的强弱（分贝高低），还取决于人们对噪声的容忍度，而后者会随着时间的变化而变化。为此，可结合政府投诉数据、路网数据、POI数据以及社交媒体中的签到数据来协同分析各个区域在不同时间段和噪声类别上的污染指数，为政府决策提供参考。

（3）城市污染源的全生命周期管理。实时收集污染源全生命周期的全部信息，融合污染源在线监测、视频监控、动态管控、工况在线监测、刷卡排污总量控制等数据，基于每个节点每个时间点的各类数据，利用大数据分析技术，进行点对点的数据化、图像化展示。这有利于快速识别排放异常或超标数据，并分析其产生原因，以帮助环境管理者动态管理污染源企业，并有针对性地提出对策。

（四）健康医疗

（1）辅助临床决策。结合电子健康档案数据、电子病历数据、疾病监测数据等，精准分析患者的体征、治疗费用和疗效等，可避免过度治疗和副作用较为明显的治疗措施。通过进一步比较各种治疗措施的效果，帮助医师更好地确定效价比最高的治疗措施，提醒医师避免出错，如患者对药品产生不良反应、过度使用抗生素等，帮助医师降低医疗风险。已有研究证实，临床决策支持可以有效改善患者的预后，提高医疗质量。

（2）提高患者决策参与度。结合电子健康档案数据、医学科普数据、专业诊疗数据等，能够帮助患者真正理解不同检查和治疗措施的价值，如冠状动脉CT成像检查假阳性和假阴性的可能性以及付出的代价，包括费用和假阳性结果所致不必要的进一步检查和治疗等。同时帮助患者理解选择不同治疗措施的风险和获益，例如，当前列腺增生患者了解到外科手术虽然可以缓解尿流不畅的症状，但是可能带来破坏性功能的问题时，选择外科手术治疗的患者将减少40%。有调查显示，如果患者真正地参与到决策中，英国国民健康保险制度（National Health Service, NHS）每年将节约500亿美元。和患者一起做出治疗决定、注重患者的想法、增加患者在决策中的参与度，可以提高患者的长期依从性和自我管理意愿，从而改善患者的预后。

（3）为疾病防控提供参考依据。结合电子病历数据及社区居民医疗数据，通过大数据分析，实现流行病与慢性病的调查、趋势分析和预警，可以为进一步制订防治、干预计划提供有力的参考依据。通过提供准确、及时的公众健康咨询，提高公众健康风险意识，降低疾病风险。

（五）城市能耗

（1）城市燃油实时消耗分析。融合出租车的轨迹数据、POI数据和路网结构等，通过地图模型和环境学理论，估算出实时的城市汽油消耗量和尾气排放情况。这样不仅能给需要加油的用户提供推荐信息，帮助其寻找排队时间最短的加油站，而且能让加油站运营商知道各个地区的加油需求，从而考虑增加新的站点或动态调整某些站点的工作时间，同时政府也能够实时掌握整个城市的油耗，制定更为合理的能源战略。另外，还可以通过分析人口数据、车辆的轨迹数据、各地区能源消耗情况和POI的分布来研究未来新能源汽车的充电站建在何处最优。

（2）提高城市能源使用效率。综合城市市区水、电、气数据，通过大数据挖掘和分析技术，找出在哪个环节可以减少能源使用，或者根本不需要使用能源，智能化地响应市民和企业需求，并为政府和社会大众提供节能降耗、减排增效等政策的数据支撑，同时向供能企业提供用能信息，分析用能情况，促使其合理安排生产，降低能源损耗。

（六）城市经济

（1）辅助公司选址。融合GIS、POI分布、基于位置的服务（location based service, LBS）、用户签到等数据进行客流分析、客群画像、位置评估、竞品分析，并结合商业与人口演进理论和道路信息与人流量监控，从多维度分析客流来源和去向，为企业决策提供依据。同时，根据常驻居民和流动客群的数量与密度分布，以及商圈数据等条件，帮助企业全面评估某商业地点的风险和机遇，降低投资风险。

（2）城市区域房价走势预测。结合道路结构、POI分布、人口流动等数据，采用机器学习算法和数据驱动的方法对房屋的价值排序，即预测在市场向好时，哪个小区的房价将会涨得更多，相反，在市场下行时，哪些小区房价比较抗跌。

（3）城市企业、行业运行态势分析。综合常住人口数据（人口基础数据、户籍地址数据、同户人员数据等）和暂住人口数据（人口户籍基础数据、房东基础数据、工作单位等）分析城市各企业员工流动情况以及流动去向，再结合企业纳税数据，判断企业的发展趋势，以及城市产业发展的变化态势。

（4）辅助工业结构调整、产业升级。融合企业、个体工商户、重点人群、社会团体、中介组织以及民办非企业单位数据，城市统计数据，以及法人单位基础数据等，运用大数据技术研究城市行业生态环境、城市生产生态环境，分析生态链上存在的薄弱环节，从而进行产业结构调整。例如，应用大数据技术分析企业和有关行业的生态关系（包括支撑企业生产的设备、人才配备等），确定该企业是否适合发展，哪些产业适合发展等。

（七）城市安全与应急响应

（1）城市建筑火灾指数预测与分析。综合城市人房数据、建筑物属性数据，通过对大量数据的分析能够计算建筑火灾危险指数。这样一来，消防员在出勤时可以根据建筑物的详细资料和危险指数，确定重点监测和检查的对象。

（2）车辆违章原因分析。综合车辆数据（车辆基本信息、购买人基本信息等）、违章数据（车牌、违章行为、违章地点、违章时间等）、驾照数据（驾驶人员基本信息、违章信息等），能够精准管控违章车辆。通过对违章车辆的数据进行深度分析，挖掘车辆违章的深层原因，继而做出有针对性的决策。

（3）违法犯罪预测与分析。利用违法犯罪人员数据，包括违法犯罪人员基本信息、违法犯罪的时间地点、处理信息和处罚信息等，能够分析违法犯罪行为同违法犯罪地点之间的行为模式、基于时间节点的犯罪类型等。基于上述分析，警方可以通过开展相关的预防违法犯罪工作来减少违法犯罪事件的发生。

（4）城市预警与应急联动响应。综合气象、环保、交通、公安、城管、卫生、质监、工商、林业、海洋渔业、水、电、气、工业生产等数据，通过对一些频发事故的历史数据的分析、挖掘及原因分析，能够对一些重大事件进行预测、预报；构建城市重大灾害（难）性事件应急联动指挥系统，形成城市重大灾害（难）性事件的统一平台，实现跨部门的现场协同作战。