top of page

開放數據如何推動智慧城市

Updated: Apr 28

在一個城市複雜運作的環境下,存在着雜亂又相互關聯的數據資源。有很多學者把城市比喻為生態系統,在數碼化大趨勢下,物理生態之外隱約逐漸形成一個龐大的數據生態系統。數據正在以愈來愈高的速度生成、收集和共用,而我們生活也愈來愈依賴數據在各種服務中的應用。我們每天平均使用200分鐘手機,同時也伸延着各種數碼服務。 簡單如在海外網購一本書,就會涉及到支付系統、物流系統、交通系統、供應鏈、保險、海關等等,在把書本有效而安全地送到你手上的過程中,數據提供了保障。我們可以這樣理解:這些系統之間的數據必須保持穩定暢通,才能順利完成一筆交易。 把例子引申到城市,智慧城市的背後也同樣需要建立更有效的數據生態系統作為新型經濟發展、改善日常生活、維持社會安定等。 視覺化地圖理順關係 未來,城市工商業必然出現大規模和緊密的數據關聯。由於受影響的企業及民眾人數眾多,一旦出錯,代價將會極為高昂。倫敦正在努力通過政府決策者、社區、企業及市民的合作,找出數據在城市中的全新關係。就好比我一直堅持的原則,我們首先需要了解數據使用的現狀,然後才能判斷哪裏有創建的機會、哪裏有共用數據的需求。在考慮數據盡可能地開放時,還得保護大眾免受濫用數據可能造成的傷害。 作為參考,在一間企業中,要盤點業務單元中的數據與應用之間的關係並不難,數據間的關係可以創建一個視覺化的數據地,通過數據地圖映射出數據資源何時及為什麼被讀取及共用等情況。數據生態的映射有助觀測某些數據必不可少、哪些品質出問題。在理清了單元之後,單元間的共用情況就變得更容易了。 把前述的情況引申到城市生態數據上,情況可能複雜得多。我的經驗是,要先找一個問題作聚焦,例如要解決交通堵塞問題,所需數據有什麼?現已彙集了什麼?需要從共用得到的數據又是什麼?數據地圖有助觀察在增加數據的共用性和可信度之間建立平衡。 這是創建和管理智慧城市必須的思維方式,直接跳到技術是無法找到答案,所謂工欲善其事必先利其器也。

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