广西建设厅网站地址,wordpress取消主题,山西做网站,苏州建设公司网站建设导读#xff1a;要实现城市治理一网统管#xff0c;必须具备以下四个关键技术#xff1a;城市状态一网感知、城市数据一网共享、信息流转三屏联动、虚实映射数字孪生。 作者#xff1a;郑宇 来源#xff1a;大数据DT#xff08;ID#xff1a;hzdashuju#xff09; 01… 导读要实现城市治理一网统管必须具备以下四个关键技术城市状态一网感知、城市数据一网共享、信息流转三屏联动、虚实映射数字孪生。 作者郑宇 来源大数据DTIDhzdashuju 01 城市状态一网感知 城市感知一张网是掌握城市状态的五官和产生城市数据的源头针对城市六类感知内容利用四种感知模式和三种数据采集方式实现对城市的全域感知、精准掌控、合理布局。 1. 六类感知内容 根据大量智慧城市应用的实践以下六类内容最为常见也最为重要。如图4.1所示这六大类内容包括人流量、交通流、环境、能源、经济和公共安全每一类又进一步细分为若干子类如环境包括气象、空气质量、土壤、水质等每个子类又包含若干指标如空气质量涵盖PM2.5、PM10的浓度等。 ▲图4.1 城市感知的六大类内容 只有先定义好这六类感知内容才能进一步规范对每类内容的感知方式包括如何选择对应的感知设备标准、数据格式、采样频率、接入形式和布局原则等才能统筹和连接好各种存量、增量感知基础设施才能精准掌握好这些内容的状态真正实现城市状态一网感知。 2. 四种感知模式 如图4.2所示城市感知的模式可以分为以传感器为中心和以人为中心的两大类。其中以传感器为中心的感知模式进一步又可以细分为固定感知和移动感知以人为中心的感知又进一步细分为主动和被动群体感知。因此总计四种感知模式。 ▲图4.2 四种城市感知模式 以人为中心的主动群体感知如网格员发现社区中的问题及时上报、居民通过12345询问某些事项、市民通过“随手拍”等应用发现城市中的隐患等这都是在主动帮助感知城市的状态被称为以人为中心的主动群体感知。 以人为中心的被动群体感知还有另一种模式同样是以人为中心的感知但参与到感知模式中的人并不知道感知任务的存在产生这些感知数据的初衷也不是为了完成这项任务被称为以人为中心的被动群体感知。 3. 三种数据采集方式 当利用四种感知模式完成了对城市状态的感知产生的感知数据将通过如图4.3所示的三种采集方式汇入数据底座 ▲图4.3 三种数据采集方式 及时推送模式当分系统完成感知任务后第一时间主动向数字底座推送感知数据。以人为中心的主动感知模式通常采用此类数据采集方式。 定时拉取模式感知数据不断汇入各分系统存储起来等待上层应用需要使用时通过数字底座定时从各分系统批量拉取相关感知数据。以人为中心的被动感知模式多采用此类数据采集方式。 地理汇聚方式该方式将空间位置临近的单个传感器局部组网将其读数先在本地聚合再通过某通道及时、统一地推送到数字底座各个传感器不直接跟数字底座发生连接降低传输成本但数据传输还是及时、主动的。以传感器为中心的固定感知多采用此数据采集模式。 02 城市数据一网共享 城市数据一网共享构建智能城市的数字基石和创新应用的数智底座面向城市中结构化、非结构化和时空数据三类数据实现数据实时汇聚、高效管理、深度融合、智能分析和跨域学习。 1. 城市数据的类别 按照数据的结构可以将数据分为结构化数据、非结构化数据、时空数据。 按照数据来源可以将城市数据分为政府数据、第三方企业数据和互联网公开数据。 2. 数据接入 一个城市的数据涵盖各行各业、产生于不同系统、来自不同渠道、拥有不同的数据结构这里既有新建的系统也有大量历史遗留的系统而不同的系统通常是由不同的公司在不同的年代采用不同的技术开发而来。 因此如何把一个城市中纷繁复杂的数据从各个孤立系统接入到数据底座就成为了要实现城市数据一网共享需要解决的首个难题。这里要考虑解决接入成本、传输效率、安全性三个挑战。 3. 数据管理 由于数据种类不同被使用的方式不同因此对于三种不同类别的数据也应采用不同的管理方法。 1结构化数据 针对以政务数据为代表的结构化数据需要建立归集库然后根据应用的领域建立主题库最后针对某个专项应用建立专题库。 2时空数据 针对时空数据建立六大数据模型收纳万千数据将时空索引技术和分布式计算技术结合利用更少的计算资源提供更快的查询效率提供多种时空查询方式满足城市治理过程中按照空间和时间来聚合数据的刚需。 ▲图4.4 六大时空数据模型 3非结构化数据 以视频、图像、语音和文本为代表的非结构数据后续大多需要经过分析处理变成结构化数据才能被使用和查询。针对图像数据先从非结构化文件中提取颜色、形状、纹理、空间关系等特征。根据业务性质从图像中还可以提取特定应用关心的物体特征如人脸、人体、车牌、车辆等结构化信息支撑上层算法和功能模块使用。 4. 数据的智能分析 在城市数据一网共享中除了利用数据做好服务之外深度使用数据背后蕴含的知识来解决问题将带来更大的价值。在对数据进行智能分析时重点要考虑多源数据融合、时空AI和积木化组件三个关键技术点。 5. 数据的跨域学习 鉴于用户隐私、数据安全和法律法规等因素一个城市中的数据不可能、也没有必要完全都物理汇聚到同一个数字底座。 新一代的数据共享技术支持原始数据保留在各个部门和企业的内部在各个部门内部分别安装联邦数字网关之类的部件通过联邦学习和隐私计算等方式实现数据不出门算法多跑路即融合了不同数据源的知识、创造了价值也避免了泄露原始数据。这种新的数据共享方式也被称为跨域学习。 03 信息流转三屏联动 三屏联动是信息在不同岗位间的流转方式也是不同层级间行动一致的保证。大屏观态势、中屏管处置、小屏作执行让业务高效决策、指令高效执行、事件高效闭环。 1. 大屏观态势 大屏一般配置在市级城市运行中心、区一级指挥中心之类的大厅通过大屏领导和工作人员可以平时观城市运行的总体态势、战时观应急事件的指挥执行。 2. 中屏管处置 大部分的事件都是通过中屏即工作人员的桌面电脑屏幕来完成分拨、处置、下派和上报。 3. 小屏作执行 小屏是一线工作人员的手持终端设备如手机等。小屏是基层工作人员进入一网统管体系的入口利用小屏接收和执行下派任务同时也发现和上报基层问题。 04 虚实映射数字孪生 数字孪生是物理世界和信息系统的桥梁、人机协同的界面实现物理映射、动态叠加、融合分析、交互反馈四个环节。 1. 物理映射 在虚拟世界基于数据建立物理世界非常逼真的数字模型和镜像。例如物理世界里有一座桥虚拟世界里就会有这座桥详细的数字建模关联的信息具体到每个桥墩、每一块砖的体积、材质、生产商和建设日期等。 如图4.5所示在智能城市领域常用的数字孪生模型包括素体城市三维模型、精细纹理城市设计三维模型、城市地形地貌三维模型、地下管线三维模型等。 ▲图4.5 数字孪生系统中常用的城市模型 2. 动态叠加 将物理世界的动态信息如车流、人流、气象、能耗等叠加到数字世界模型上实现更加逼真的展现。这里并不是简单的展示渲染问题必须要有底层系统和算法能力的强大支撑。 例如城市里有海量时空数据源源不断的产生如果想要流畅展现出任何区域、任何时间段的某种数据原有的大数据平台大部分都无法实现面临接不住、看不清、用不好的挑战。 3. 融合分析 除了能动态加载各种城市数据数字孪生系统还需要利用AI和大数据模型对数据进行深入、融合分析产生能指导物理世界行动的决议。 例如根据实时的交通数据发现交通堵点、分析影响范围和扩散趋势并建议疏导方案和绕行路径。通过居民上报、物流快递、外卖订餐和社区房屋基础信息来动态发掘群租房隐患并及时联动相关政府部门予以排查处置、合理疏解。 4. 交互反馈 通过数字孪生系统将决议作用于物理世界指导人们的行为和方案实施。该决议既可以用于即时响应也可以作为对未来规划的长效反馈。
