看大數(shù)據(jù)如何應用于環(huán)境管理
大數(shù)據(jù)可以找出看似不相關數(shù)據(jù)的關聯(lián)性，實現(xiàn)不確定加不確定等于確定的效果，在大數(shù)據(jù)時代，這一確定性將不斷精確。下面看看大數(shù)據(jù)在環(huán)境領域的應用會產(chǎn)生哪些“魔法”，是不是會令你腦洞大開？
■精細預測空氣質量
以往，空氣質量狀況只能通過空氣站點得知，一旦這個地方?jīng)]有建設空氣質量監(jiān)測點，就無法獲知具體的空氣質量數(shù)值。而由于空氣質量受多種因素的影響，每個區(qū)域的空氣質量各不相同。就北京來說，六環(huán)內(nèi)的35個空氣質量站點遠遠無法反映整個北京的空氣質量狀況。但傳統(tǒng)空氣質量監(jiān)測站點的建設需要投入大量的財力、物力和人力。
應用大數(shù)據(jù)方法，微軟與環(huán)保部門合作研發(fā)的U-Air便可以分析和預測城市細粒度1km×1km范圍的空氣質量。這主要通過融合兩類數(shù)據(jù)來實現(xiàn)，第一類數(shù)據(jù)是空氣質量監(jiān)測實時數(shù)據(jù)和歷史數(shù)據(jù)，第二類數(shù)據(jù)是空氣質量相關性數(shù)據(jù)，包括氣象數(shù)據(jù)、交通數(shù)據(jù)、人流數(shù)據(jù)、道路結構數(shù)據(jù)、興趣點。通過對這些數(shù)據(jù)建立模型，可以查看任意點位之前6小時的空氣質量狀況，并預測6~12小時、12~24小時的空氣質量狀況。
U-Air已在61個城市進行驗證,平均準確度比傳統(tǒng)方法高出7個百分點。北京的準確度可以達到75%，廣州和深圳可以達到80%。
從精度來說，目前U-Air可以實現(xiàn)1km×1km的細粒度的空氣質量預測，未來，空氣細粒度將越來越細。
從計算速度來說，只要花費幾秒鐘，U-Air就可以實現(xiàn)全市空氣質量的預測。
由此，從準確度、精度、速度來說，基于大數(shù)據(jù)研發(fā)的城市細粒度空氣質量模型遠遠超越傳統(tǒng)空氣質量模型。
■計算尾氣排放量
過去一個小時，北京市路面上總油耗是多少？這些油耗將產(chǎn)生多少PM2.5和PM10？沒有大數(shù)據(jù)之前，這基本上無法回答。但在大數(shù)據(jù)看來，便是小菜一碟。
利用車輛的GPS軌跡，結合歷史數(shù)據(jù)、路網(wǎng)和天氣，可以計算路面速度，之后通過速度推算出流量，最后根據(jù)平均排量，算出總能耗和排放量。
就北京來說，通過對北京每一條道路過去10分鐘的車速、流量、排放進行實時估計，就可以通過機器學習和數(shù)據(jù)挖掘，計算出北京十幾萬條路在過去10分鐘的總排放量。
機動車能耗狀況的掌握有利于優(yōu)化交通路線設計，也可以幫助相關部門進行決策，比如可以將單雙號限行具體到某一條路線或者某個區(qū)域。加入站點監(jiān)測數(shù)據(jù)，還可以計算尾氣排放量在空氣質量中的占比情況
■計算區(qū)域噪音指數(shù)
紐約長期被噪音污染困擾，但噪音具有實時性，并且不同人不同時間對噪音的感知不同，所以對噪音的監(jiān)管非常困難。
計算區(qū)域噪音指數(shù)需要解決3個問題，即紐約什么地方有噪音、什么樣的聲音算噪音以及這個地方為什么有噪音。如果用傳統(tǒng)添加硬件的方法進行解決，整個紐約市至少需要一百多萬個噪音傳感器，顯然這并不可行，并且噪音傳感器只能反映分貝數(shù)，無法與公眾感受結合起來。
鄭宇的大數(shù)據(jù)團隊則注意到與噪音相關的周邊數(shù)據(jù)。紐約有一部311電話，用于市民投訴，這是公眾感受的重要數(shù)據(jù)源。于是，鄭宇團隊對311的數(shù)據(jù)進行了整合，對噪音投訴的時間、地點、類別、次數(shù)、性質進行了整理，通過與道路結構、興趣點、人的社交媒體數(shù)據(jù)進行融合，計算出每個區(qū)域每段時間噪音指數(shù)，反映了公眾對噪音的整體感受情況。
紐約城市噪音模型可以回放24小時任何時間任何地點的噪音污染情況，并直接顯示噪音污染區(qū)域的排名情況。
使用微信“掃一掃”功能添加“谷騰環(huán)保網(wǎng)”
