top of page

智慧城市不可缺少大數據決策

Updated: Apr 28

表面看來,智慧城市跟普羅大眾距離有些遙遠,但每當我在不同城市的會議中討論這個話題時,卻發覺它應該是全民參與的事情。智慧城市絕非單一技術專案,而是關乎城市生活品質的重大改革,例如眼下中國經濟持續成長,城鎮化步伐不斷推進,卻也為城市帶來人口、環境、治安、交通等諸多挑戰。

根據2017世界城市人口排名,日本東京以4200萬人位居第一位,據說這個數字還有機會增長到7000萬。要為這樣一個城市建立決策系統絕對不簡單,比起企業的商業智能還更複雜及影響重大。城市是一個複雜系統,各種因素相互關聯,每一個決策都會影響千萬人的生活。

在傳統管理體制下,決策的本質是把所有資訊集中到決策者手上,希望從資訊中找出問題所在、嚴重程度、解決辦法、有效方案等因素,再由權威人士拍板決定。以上方法一直行之「有效」,這是因為過去習慣了在數據稀缺下拍腦袋,抑或我們沒想過其實每個人都可以成為城市決策的一部分?

阿里巴巴多年來建立的城市大腦,是一個集合多方數據協助總體決策的例子。曾經是全國「三大堵(交通擠塞)城」之一的杭州,經過重點治理亂行車、亂停車、亂過路、酒駕等行為,並利用大數據調控失衡交通後,在2017年的全國塞車排名中已降至第45位。如何運用大數據技術優化城市資源,提供更多便民服務及協助產業發展,實屬智慧城市頂層設計的重要課題。隨着智能終端機、物聯網及5G的高速發展,加上感知設備在城市的覆蓋提高,大數據已經成為城市不可缺少的能力。

我們現在正處於大數據時代的轉捩點,當前移動互聯網(未來還有物聯網)的大數據積累了每一個市民在城市中的生活軌跡。市民活動若能與政務數據融合,可說是人類歷史上第一次擁有如此龐大的城市全景數據。我一直認為,當數據化決策與行動後的回饋形成了緊密的數位閉環,城市治理才真正進入科學的時代。

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page