Current Visitors:
1.1 城市数据类型
在信息城市与数字城市的建设过程当中，城市的信息基础设施在提供信息服务功能的同时，也积累了海量的城市动态数据，这些数据种类繁多，难以尽述。在这里，我们对在现有智慧城市研究工作中较为常用的城市数据类型进行简要的介绍。
- 地图与兴趣点数据
街道与建筑是城市的基本构架，地图数据是对城市构架进行描述的基本方式，而兴趣点（Point of Interest，POI）数据则是介绍城市各功能单元的基本信息。因此，城市地图和兴趣点数据是进行以数据为中心的智慧城市研究的最基本原料，也是在对其它类型城市数据进行融合时的空间锚点数据。地图和兴趣点数据包含了城市布局、结构、行业分布等丰富信息。如果能够结合大时间跨度的历史数据，还可以从地图和兴趣点数据中获得城市的发展演进、行业兴衰、布局迁移等人类学与经济学知识。
- GPS数据
安装有GPS接收芯片的移动设备不但可以为城市的车辆提供导航与定位服务，同时也可以收集城市中人、车等流动物体活动信息。例如目前应用比较广泛的浮动车技术[1]就是将出租车、公交车等公共交通工具上安装GPS设备，将其作为传感器对于城市的交通情况进行采样。浮动车GPS数据对于感知城市中的交通状况和人类活动行为都有很大的价值。安装有GPS接收芯片的智能手机也可以当做个人行为轨迹的收集设备。手机GPS数据可以对某一活动个体的行为进行全天候追踪采样，因此具有非常大的应用价值。但是由于隐私、安全等诸多问题，手机GPS数据的很难大规模收集应用，目前只能依靠志愿者的方式进行小范围收集和研究。
- 客流数据
城市中市民采用不同交通工具进行日常通勤的数据称为客流数据。出租车的客流数据可以使用浮动车GPS数据配合出租车计费表的乘客状态获得。公交车与地铁的客流数据则可以使用市政交通一卡通的刷卡记录进行收集。市政交通一卡通可以同时记录持卡人的刷卡时间、刷卡地点与乘坐的交通工具类型，而且市民通常不会频繁地更换一卡通，因此一卡通数据还兼具身份标示的功能。客流数据包含的城市活动信息非常丰富，可以被用于城区功能分析、人口流动监测、城市交通系统评估、多交通工具人类行为研究、城市交通经济学研究等领域。但是，客流数据在一定程度上也存在有隐私敏感性问题，可以在进行加密或匿名处理之后进行收集和使用。
- 手机数据
手机是人们日常生活必不可少的通讯工具，其所能提供的数据类型很多，包括：通讯录、通话记录、GPS定位信息、与基站间的信令记录、上网记录和APP使用记录等。这些数据可以反映城市中居民活动的兴趣偏好、活动范围、规模频率、社交关系等内容，因此具有非常巨大的应用潜力。但是由于手机数据涉及到详细的个人隐私，不论是政府、运营商还是手机用户对使用这类数据进行科学研究或是商业应用都十分地敏感。同时由于手机数据所包含的个人信息过于丰富和集中，因此简单的匿名处理往往不能完全消除用户隐私泄露的危险。这些原因都导致目前工业界和学术界对手机类数据的利用程度均十分有限。
- LBS位置服务数据
LBS位置服务（Location Based Service）是移动互联网时代一种新兴的网络服务方式，其特点是根据用户所在的地理位置信息有针对性的提供社交、推荐、广告、导引等服务内容。通过LBS应用所收集到的数据具有明确的地理位置坐标并兼具传统Web服务的语义特性。签到数据、商家点评数据、带有位置信息的社交网络数据等均属于LBS数据的范畴。本质上，LBS数据是对POI数据的一种深度的描述和补充，但与地图和POI等简单的城市地理数据相比，LBS数据包含有大量的语义信息，可以帮助人们更加深刻地理解城市功能结构与人类活动之间的相互作用方式。
- 视频监控数据
随着视频传感器技术的普及，视频监控技术已经被广泛的应用在了交通管理、社区安保、室内安防、娱乐通讯等城市生活的各个方面。视频监控设备的安装者也包括政府、企业、机构和个人等不同类型。视频监控设备所采集的海量视频数据记录着城市中居民生活的分分秒秒，在数字空间中形成了对物理城市的虚拟“镜像”。充分利用这些视频数据可以从某种程度再现城市生活的历史，其理论研究与应用价值是不言而喻的。然而，视频数据同时也存在有维度高、非结构化、语义鸿沟、可理解性差等问题，加之视频数据庞大的生成规模，使得分析和利用城市视频数据变得异常困难。如何开发利用好城市视频这个内容丰富的城市数据宝藏，成为了长期以来困扰工业界和学术界的一大难题。
- 环境与气象数据
气象数据很早便受到城市科学研究的充分关注，典型的研究如天气预报等已经形成了成熟的理论和应用并且得到了广泛的推广。精准的天气预报能够对城市市民的出行规划起到非常大的帮助作用。同时，随着人们对于环境与健康问题的日渐重视，以空气质量为代表的城市环境数据近两年也开始成为社会关注的焦点。雾霾、PM2.5浓度等问题，对于城市市民生活的影响日渐显露。城市环境和气象数据可以在市民出行、工业规划、交通限行、环境治理等诸多领域发挥重要作用。城市的环境与气象数据的一个重要的特点是其地理与时间采样密度低，常规的地理采样密度是以区县为单位，而时间采样密度一般大于一小时一更新。如何实现细粒度、高精度的环境与天气数据分析是该应用类数据的一个重要挑战。
- 社会活动数据
城市社会活动数据包括了城市中的人口户籍、金融物价、医疗卫生、能源消耗等各种社会动态数据。每一类社会活动数据都可以透彻的反映城市居民社会生活的一个方面，是深入理解和分析城市社会化行为的必备原料。这些数据都已经在各自所对应的行业当中发挥了巨大的作用。然而，由于城市社会活动数据行业性较强，容易受到行业条块分割的影响，往往彼此分割孤立，难以统一获取。同时，由于数据的来源与获取渠道十分分散，因此数据之间的时空尺度与采样粒度差别非常大，很难找到合适的数据同步锚定点。这些特点导致城市社会活动数据之间的相关性作用很难被充分挖掘出来。打破行业条块分割、实现多源异构城市数据的融合，是深度开发利用城市社会活动数据所面临的首要任务。
表0. 现有研究中常用的城市数据类型与特性
1.2 城市数据的特性
- 大数据特性
城市是人类活动最为密集的区域，海量的人类活动与社会运行数据不可避免地在城市当中爆发。以北京为例，每天有超过千万的市民出行，每天我们的交通卡产生五千万条刷卡记录，有九百万的车辆在运营，每天仅出租车GPS数据就会产生八千万条左右，同时有近万个交通固定检测器在采集车的瞬时车速，有近亿万条的手机通讯数据，还有千亿级的我们交通影视影像数据。城市数据种类繁多的（variety），规模庞大（volume），对数据的输入和处理速度要求也很高（velocity）。城市数据包含的信息与知识极为丰富，对于推动人类认识的扩展与科学技术的进步，有着巨大的价值，同时由于数据稀疏性的影响，城市数据的价值密度也很低（veracity）。综上可以看出，城市数据完全符合大数据（Big Data）所具有的4V特性[2]。城市数据可谓是大数据概念范畴当中的一个极具代表性的典型样本。
- 时空多维特性
以地图为基础的空间结构是城市数据的一种基本组织方式，而城市快节奏的生活方式，也使得城市数据对于时间维度的变化也非常敏感。因此，时空多特性成为了城市数据的另一个重要特点。在空间上，根据城市地理规模的不同，城市数据具有不同尺度的空间跨度。在时间上，根据产生的时间不同，城市数据具有时间相关的变化和分布。因此在进行城市数据分析和应用时，一方面需要考虑时间和空间两个维度的数据演化特性，另一方面还需要充分利用时间和空间不同维度之间的数据关联关系。这对城市数据的利用技术提出了很高的要求。
- 多尺度与多粒度
研究和利用城市数据除了要考虑时间和空间等多个维度之外，还需要考虑数据尺度和数据粒度对于数据特性的影响。在规模的尺度上，城市可以分为小型城市、中型城市、大型城市、超大型城市等；在地理尺度上，对于城市数据的描述可以小到几个街区或大到数千平方公里；在时间尺度上，城市数据的覆盖时间可以短到一些事件的监控，长到上百年的城市变迁。在地理采样粒度上，可以像遥感测绘数据一样精确到数米，也可以向气象环境数据一样以区县、地区、甚至省市为单位；在时间粒度上，更是根据数据采样设备的时钟、存储与传输能力、计算速度等因素产生不同的时间粒度。在时空多维度的条件下，高效处理多尺度与多粒度的海量数据，是有效利用城市数据所必须解决的核心技术问题之一。
- 多元与异构
如前文所述，城市数据具有非常多的类型与来源，即数据的多元性。这些不同来源的城市数据不论是从结构上、组织方式上、维度尺度与粒度上，都会存在巨大差异，即数据的异构性。智慧城市的应用需求要求我们必须将这些多元异构数据进行有机的融合，通过挖掘活化数据之间的相关性与相互作用方式来获取新知识。如何在一个统一的构架上分析异构性极强的多元数据，是学术界和工业界在进行智慧城市探索方面所面临的一项共同挑战。
可以看出现有工作对于城市数据的应用类型还非常有限。城市作为人类生活活动最为密集的场所，所产生的数据类型和数量都是难以尽数的，仅就现有的研究工作来看，我们对于城市数据的开发还远远不足，城市这座数据宝库中积累了无尽的数据资源，等待着科研人员进行深入的开发。