运营商大数据:构建城市大脑的智慧基础
3月30日,由中国科学院上海高等研究院、上海浦东临港智慧城市发展中心和阿里云计算有限公司主办的“2019年第一届中国(上海)城市大脑技术国际研讨会”在上海成功召开。联通大数据CTO兼首席数据科学家宋雨伦博士受邀出席此次会议,并以《运营商大数据:构建城市大脑的智慧基础》为主题做了精彩演讲,深入探讨了在智慧城市建设中,运营商大数据的角色与定位。
参与此次大会的嘉宾还有:中国科学院院士、中国科学院上海分院院长王建宇;中国科学院院士、中国科学院上海高等研究院院长王曦;上海浦东临港智慧城市发展中心主任陆肖元;原国家信息化专家咨询委员会委员、国家信息中心副主任杜链;阿里云人工智能首席科学家闵万里;阿里云首席智联网科学家丁险峰;IEEE Fellow、加拿大工程院院士、加拿大蒙特利尔工学院教授Mohamad Sawan等。此次研讨会旨在构筑智慧发展平台,关注城市大脑领域的开创性、引领性研究,搭建国际化、综合性的科学平台。会议聚集了国内外顶尖科学家、行业领军企业翘楚,分别代表各自领域内当前世界最高水准的学术成就做了分享,具有全球影响力,对科学界和产业界将产生深远影响。
构建城市大脑的“神经网络”
城市大脑逐渐成为各城市的重要基础设施,散落在城市各个角落的数据资源,在物联网、云计算、人工智能等技术推动下,形成了城市大脑的“神经网络”。打通城市“神经网络”意味着城市可以自我调节地运行,从而实现可持续发展。
宋雨伦博士表示,运营商基于庞大的通信网络和硬件基础,可以构建网联、云基、数智的城市“神经网络”。而联通大数据基于联通全网数据资源要做的是城市数据的“神经网络”,凭借联通集团在网络层、基础层、算力层、数据层的优势和积累,能够对城市建设的多个领域进行即时分析,有效调配公共资源,帮助完善社会治理,推动城市可持续发展。
如何构建城市“神经网络”,最大化激活数据红利帮助城市做决策和运营?
以位置时序大数据为例,联通的手机信令数据构成了人口大数据的天然采集器,每个手机用户的语音、电话及位置移动,都被记录成时空信息,这种海量信息汇集称为人口的时空分布。联通大数据在位置时序洞察领域有非常成熟的技术和案例,如在人口洞察方面,能够实现对城市人口和区域的实时人口洞察,反映城市经济运行的整体情况;在经济洞察方面,能够通过整个城市经济圈人口的流动性,反应经济圈的经济情况;在商业门店选址方面,联通大数据除自有本网用户数据外,还融合了异网、消费、房价、路网等外部多源数据,能够为商业门店布局及优化方案提供客观、科学的大数据决策支撑。
谈到人工智能领域,宋雨伦博士说:“联通大数据正在推进人工智能和大数据的创新业务,在数据安全和个人隐私方面,我们积极构建以数据价值观为核心的人工智能伦理观。这是新的时代背景提出的新要求,也是联通大数据作为央企的责任与担当。同时,联通大数据将以开放共赢的心态积极与各行业领域探索合作,让我们的数据产生智慧,希望在数学科学应用与实践方法论的指导下将行业专家的智慧和经验抽象出来,并将这些宝贵的智慧和经验模型化、代码化、工程化,同行业专家一起携手推动人工智能与实体经济的快速融合、应用与发展”。
联通大数据致力于成为值得信赖的数据智能服务运营商,将积极参与和构建合法,合规,合伦理的大数据和人工智能产业生态。以数据科学实践与应用为基础,积极参与智慧城市建设,努力做好城市数据“神经网络”。践行国家人工智能战略,推动人工智能技术在实体经济中应用与发展。
相关文章
- 居安思危 —— Amazon Aurora 故障恢复之降低DNS切换对应用影响篇
- 基于AWS DataSync 迁移 NetApp NAS上云
- 欢迎参加 2022 年 AWS 存储日
- 一种使用 AWS 云原生服务部署高可用 APACHE AIRFLOW 集群的方案
- AWS ParallelCluster 3集成ANSYS CFD计算
- AWS 一周回顾 – 2022 年 8 月 1 日
- 金融交易行为监测方法——利用 CNN模型实现行为识别
- 【Python】Python数据分析一般概念01
- 使用Athena (Presto) 分析本地 Oracle 数据库导出的数据
- 利用ChangeStream实现Amazon DocumentDB表级别容灾复制
- 使用Alluxio优化EMR上Flink Join
- Feast on AWS 解决方案
- 多库多表场景下使用Amazon EMR CDC实时入湖最佳实践
- 2022 年亚马逊 Prime 会员日 – AWS 大胜!
- Java FileOutputStream
- 基于Amazon SageMaker构建细粒度情感分析应用
- 使用 Amazon Athena、Amazon EMR 和 AWS Glue 构建 Apache Iceberg 数据湖
- 对数据库中存储的程序进行现代化改造,以使用 Amazon Aurora PostgreSQL 联合查询、pg_cron 和 AWS Lambda
- 在 Amazon Athena 中使用 EXPLAIN 和 EXPLAIN ANALYZE 优化联合查询性能
- 我们如何将 AWS Snowcone 送入轨道