呂 毅,趙思思,王世玲
(云南省軍區,昆明 650051)
智慧城市的出現有一定的背景條件,其研究與規劃則依托于各項技術和理論。如針對智慧城市道路的規劃,背景條件是交通壓力的持續增加,核心技術和理論則包括大數據、云計算等,上述各要素均與數據息息相關,尤其是數據的數量。在交通道路研究和規劃過程中,人員分析的重點之一是階段時間內機動車的通行量,一般需要采集3年內至少300個工作日的樣本,才能總結出較為客觀的規律,對數據數量的要求十分明顯。
質量與數量是數據的兩個基礎屬性,在智慧城市研究與規劃中,數據的應用覆蓋多個方面,要求在保證數據數量的同時保證其質量。如智慧城市的消防資源分布,一般要求以各類安全事故發生率作為基礎,要求相關部們提供大量可靠數據作為支持。假定A區提供的數據資料中,事故發生共500件,B區為400件,似乎應將A區作為消防資源配置的重點,但仔細分析各類樣本,發現A區事故影響范圍小,以居民區小事故為主,而B區多發大型事故,需要重點管理,因此B區應作為消防資源配置的重點,這體現了數據質量的價值。
實效性是指數據是否具備即時性,在智慧城市研究與規劃中,應用的數據類別多、總量大,但其價值是不同的,一般時間范圍上越近的數據價值越大,實效性也越高。如智慧城市的商業區規劃,20年前的數據表明該城市A區商貿活動頻繁,10年前數據表明B區是核心商業區,近3年的數據則表明C區漸漸成為商業核心區,在進行規劃時,就應以C區作為重點。實效性較高的數據是智慧城市研究與規劃的基礎,需在后續工作中加以重視。
智慧城市研究與規劃中,數據的應用方式各有不同,一般而言,一些大型研究、長期規劃對數據的要求更高,通常要將數據進行加工,實現結構化應用。結構化數據是數據的一種典型形式,其特點是能夠簡單明了的傳遞核心信息。如智慧城市供水管道建設,如果在研究和規劃過程中大量應用非結構化、半結構化數據,整個規劃過程可能需要幾十年時間,對基本數據進行加工,使其呈現結構化特色則避免了上述困擾。假定城市共收集了20000條數據樣本,應用云計算技術可以加快使20000條樣本結構化,給定核心信息:城市在2017年用水總量為X噸、單月峰值用水量為Y噸、單日峰值用水量為Z噸等,信息簡單明了,可以直接指導智慧城市的研究和規劃。
零散化應用一般是指不斷收集數據,在城市早期規劃、研究以及后續建設中分析其規律,以指導長期工作。單一零散化數據的價值低于結構化數據,可看作是非結構化、半結構的資源,其價值在于通過細節明晰現狀、以累積表達規律,能夠為智慧城市的完善提供相當大的幫助。如在智慧城市商務活動中,物聯網是一切活動的主要媒介。某客戶應用物聯網買入了一雙鞋,按商店承諾以及店鋪距離來推算,送貨時間不應超過3天,但該客戶直到兩周后才收到貨物。這一事例可看做是典型的商業相關“零散化”數據,表達了當前智慧城市商務、物流系統配套建設不完善的基本情況,通過多個“零散化”數據的累積,則能夠透析智慧城市商務、物流系統建設不完善的原因,做好研究和規劃、尋求改善。
數據被認為是科學計算、規劃的基礎、核心,這是由于數據帶有唯一性,數據顯示某地段在20-21時通行了1000輛汽車,那么該地段在對應時間通行的汽車數就不會出現彈性變化,這種特質使數據可以被加工成典型模型,發揮更大的指導價值。就智慧城市研究與規劃而言,常見的兩類數據模型是常規模型和奇異值模型。常規模型可以反映對象目標的基本規律,奇異值模型則反映對象目標的變動幅值,以智慧城市供水系統設計為例。通過收集最近3年以來城市用水情況,可以了解每日、每月用水平均值,以平均值為基礎,構建一個用水管道模型,該模型就是常規模性;與此同時,收集該城市單月峰值用水量和最低用水量、單日峰值用水量和最低用水量作為核心數據,可以建立一個范圍更大的用水管道模型,該模型為奇異值模型。進行具體的規劃設計時,應保證管道供水能力不低于最低用水量、同時高于峰值用水量,高出部分計算的基礎是近三年來奇異值模型最大值的差額,以模型為基礎進行管道規劃,能更好滿足后續增長的用水需求。典型數據模型的出現可以推動智慧城市研究與規劃的科學性。
通過分析數據在智慧城市研究與規劃中的應用,了解了相關理論內容。數據是保證各項工作科學性的基礎,在智慧城市研究與規劃中其價值尤為突出。總體來看,智慧城市研究與規劃對數據的要求包括數量、質量、實效性三個方面,數據的具體應用方式則包括結構化應用、零散化應用、典型模型應用等。后續工作中,各地可以進一步重視數據價值、合理利用,推動智慧城市研究與規劃。
[1]孫婧.大數據視角的城市規劃智慧管理途徑探索[J].智能建筑與智慧城市,2018(01):72-74.