落后美国93%，谁来唤醒沉睡的中国城市大数据？

【编者按】 大数据 作为一个热门概念已经喊了很多年，产生的数据量也极为庞大，但真正存储下来的数据仅仅是北美的7%、日本的60%，而且我国所存的数据应保护的有一半未保护，大量的数据“沉睡”在各个角落，未能发挥应有的价值。

本文首发于虎嗅，作者Chandler.Hu；亿欧编辑整理，供行业人士参考。

虽然大数据作为一个热门概念已经喊了很多年，中国号称从事大数据产业的公司也是汗牛充栋。然而少人知道的是，对待数据这样的重要资产，中国的处理能力与世界先进国家的差距简直天遥地远。

首先是很多数据没有存：作为世界人口第一大国，我国产生的数据量极为庞大，但真正存储下来的数据仅仅是北美的7%、日本的60%，而且我国所存的数据应保护的有一半未保护。 其次是存下来的数据也不用：据IDC数据显示，我国目前的数据量利用率不到0.4%，大量的数据“沉睡”在各个角落，未能发挥应有的价值。

如果不从国家的角度阐述，具体对一个城市而言。数据，也是一笔非常宝贵的资产。未来的城市治理，就是通过数据来治理。这里边首先是各种各样的数据库，包括人口库、法人库、地理库、经济库等，然后再建立政务云、行业云、工业云，最后通过数据融合、挖掘数据、共享数据，进而支撑 智慧城市 。

拿一个与普通人衣食住行最相关的数据应用举例吧，比如交通数据。 我国与交通相关的部门有十多个，数据分散、开放互通程度有限，造成数据条块化分割和信息碎片化。由于过往交通设施的建设缺乏系统性规划和统一布局，数据的采集也面临割裂，尤其交通还与政务、物联网甚至医疗等多个领域息息相关，各部门数据各自独立，同样无法发挥数据的潜力。

此外，数据整合难度大，交通大数据不仅包括结构性数据，还包括非结构性数据，此外还有视频、图像等其他类型资源。 如何将多类型数据进行统一、有效的整合，是个比较困难的工程。再加之由于智能交通系统的专业性、封闭性特征，以往硬件建设中的分散，不可避免形成协议不一的现象，更加阻止了业务的打通，增加整合难度。

因此，交通大数据的分析与处理具有海量性、复杂性和封闭性的特点，如何进行有效整合和利用，成为当前阶段的关键课题。

实际上，互联网公司的很多研究与应用方式值得借鉴。 比如 云计算 公司会依据用户访问的规律，提前进行动态负载均衡，在用户访问高发期多投放计算能力保障运行，在高发期过去后下线能力节省资源。而对于一个城市的交通系统来说，同样存在类似的“潮汐规律”，比如周五晚高峰，以及进出城主干道的单方向流动，都是可以预判的交通行为。那么城市交通系统是否也可以像互联网公司的程序那样，变得更加智能、灵活和有预测性呢？

答案是非常肯定的，一般城市每天产生数千万的海量交通数据，这些数据过去往往被忽略，或不知道如何产生价值。而海信目前就通过深入挖掘，可以迅速分析出某个城市晚高峰都有哪些拥堵点，拥堵时长是多少，近几个月的拥堵趋势是什么样的。进而辅助交管部门布置策略，同时自动下发指令，调度智能交通系统，提升城市的交通运行效率。

这种“唤醒沉睡数据”的能力，看似非常神奇，其实应用到具体场景中很好理解。 比如司机们常常说，要能“一路绿灯”就好了。在海信自适应信号控制系统下，按推荐速度行驶，完全可以实现这个愿望。在南昌，15条绿波控制的路段，协调控制方向的行程时间平均减少30%以上，车速平均提高40%以上，交通流量提高15%以上。在青岛，智能交通系统的建设完成让高峰持续时间下降1.48小时，平均速度提高比例提高9.71%。

试想一下，仅这两处试点就已经产生如此良效，如果将国内众多城市或丢失或沉睡的大数据有效利用起来，将会产生多么惊人的化学反应？据2016年数据，北京市工作日平均每天堵车约3个小时。如此计算，相当于一年堵车30天，要知道，一年才有10天的法定节假日；按一生能有30年开车时间算，就相当于900天的时间都耗费在堵车上……难怪在今年两会期间，有媒体追问 海信集团 董事长周厚健“是否可以解决像北京这样的大城市拥堵问题”——人们苦于拥堵久矣。

自智慧城市的概念问世以来，从理论到实践，智慧城市都炙手可热。 尽管业界对于智慧城市的的内涵、发展模式以及路径并无统一标准，但如何将大数据和 人工智能 技术应用于城市管理和民生服务中，让数据帮助城市来做思考和决策，建设能够进行自我调节、与人类良性互动的智慧城市，将在中国城镇化推进过程中发挥“突破口”的作用，甚至成为城市创新与 产业升级 的新契机。

我们落后了太久，是时候追上来了。