空气质量预测
微软亚洲研究院曾经用大数据和人工智能的算法预测全国200多个城市的空气质量。
因为空气质量受很多复杂的影响，包括周边的楼房密度，周边的交通拥堵情况，周边的扩散情况，导致整个城市空气质量不均匀。
我们把京津冀、珠三角、长三角城市群数据放在一起，做大尺度的系列预测和分析。有了这个信息之后，你会发现每次空气质量从好变坏过程中，你就知道哪里先变坏，哪里后变坏，知道它的传播过程。政府是明确需要知道非常细的空气质量的数据，甚至要细到宾馆级，因为有的时候我们领导人就住在某个宾馆。
预测未来。我的预测是系列预测，空气质量预测既要看天还要看人，是个很困难的事情。如果你要看细，细到西直门、东直门怎么样？这非常困难。还有空气质量拐点的预测，我们知道当刮大风和下大雨时，空气质量从500瞬间就变成了50，这个拐点的出现对政府来说是极关重要的。
可是，空气质量的拐点为什么那么重要呢？举例说明，政府曾经做了很多措施限流限行，关闭了河北的工厂，以北京为中心画一个圆，把圆里面所有的工厂全关掉，使得我们的空气质量保持在100以下。但如果你知道明天是拐点，明天会下降干嘛去关它？这一个决策就能够帮国家避免上百亿上千亿的损失。
微软亚洲研究院还在贵阳落地中国第一个交通流量图。这个地方显示的是车的流量不是简单的速度，对政府的管理、规划它一定要知道有多少车经过，即流量。有了流量之后就能算出速度、油耗，每个路段上面都可以算出来，进而可以看出来每个路段实时排放的PM2.5有多少，现在能把车的尾气排放算出来，结合空气中测点的读数，我们知道空气中尾气排放和PM2.5结合在一起，我们就能够正确回答空气中汽车尾气排放和PM2.5到底占多少，这个对政府的指导具有重要的意义。
做好智能城市的4个关键
第一，要理解行业知识。如果我不懂环境，不跟环境学家交流，也不知道他们做了什么东西，那么他们行业里面也无法接受大数据的分析结果。
最近我搞了两年多环境，现在清华大学环境学院每年请我给他们环境学院的学生研究生上课，只有达到这个程度之后，才能跟别的行业融合。
第二，对数据的理解很重要。路面上的出租车交通轨迹不光反映了出租车交通容量，也反映了人们的出行规律。出行规律反映的是功能、经济、环境状况，如果这样想的话，你会发现我们的数据永远不缺，大数据时代我们不缺数据，缺的是心不够开放。大数据的价值把多个数据融合在一起，做到1+1大于2的结果，这才是它的特点和魅力。
第三，深度学习。我们看到各种各样的算法不只是机器学习，有深度学习、机器学习、数据挖掘还有数据库，很多方法索引加学习加模拟结合在一起，很多是把数据融合在一块。
第四，数据科学家。数据科学家非常难培养，培养这个人至少7-10年，很多项目只要有了这一个人，就能把这一个东西传到一块，一个好的数据科学家站在云平台上面，看问题想数据观模型，然后把模型部署到云平台上面，才能解决鲜活的问题，这才是数据科学家。
相关阅读：
相关推荐：
转载请注明出处。
相关文章
精彩导读
热门资讯
关注我们
