大数据分析

大数据分析

添加时间:2018-01-22 16:23:00

首先,塔控智能的“大数据”是相对于“消费级大数据”和“商业大数据”而言的。是面向广义的“产业”领域,它覆盖了全产业,包括了第一、第二和第三产业。显然,“产业大数据”并不好听,而且更加容易令人费解,所以,塔控智能提供的“大数据分析”产品是面相产业、行业用户的,比如:银行、消防、急救、商业、环保、水利等等。

其次,塔控智能的“大数据分析”产品或解决方案,并不是“专家系统”,而是一个“增效提质”的系统!通常,“专家系统”式的“大数据分析”是相对封闭的,具有强逻辑性和联动特性。比如“水利应急指挥中心”相关平台系统,“消防应急指挥中心”相关平台系统,或“急救中心应急指挥系统”等等。而塔控智能的“大数据分析”是 “开放型”、“业务指导型”,其分析数据除了来源于目标对象内部,更会采集外部数据,以增强分析结果的业务导向;分析结果的应用也是直接以业务指导形式展现,并不追求高精度的内部强逻辑与联动性。

最后,塔控智能的“大数据分析”中加入了“统计力学”和“流体力学”的模型,关注“各种流动性”带来的大数据特性,利用机器学习和人工智能的方法,通过海量数据的时空间联系,构建复杂网络关系,并识别网络的动力机制。进而在监测数据的基础上,做到源头区域自动识别和发现、防控重点区域识别和联动防控区域识别,实现将复杂的情况利用机器学习和人工智能,转变为具备实际价值的决策依据和决策方案。

案例分析——面向管理应用的消防大数据分析

在这个案例中,我们需要一个较大集合去做挖掘和机器学习(例如一个省),寻找数据角度的火灾发生规律及特征。同时也可验证不同城市是否具有不同的表现,站在更大范围的角度探索,是否需要从地区的角度来做消防工作的指导。

数据支撑

ü  近10年火灾数据

ü  人口分布数据

ü  人口流动数据

ü  GIS数据

ü  地图数据

ü  其他数据(如气象、重大活动等数据)


项目主要执行内容如下

1.  火灾防控的预测&预警

Ø  数量预测和空间分布预测

Ø  重点防控区域和重点网格

Ø  重点动态预警

Ø  重点防控方向

2.  预测的数据基础——大数据视角下的火灾发生规律

Ø  火灾预测基础——自组织临界的混沌系统

l  火灾发生频次在时序上具备周期性的自相似特征

l  规模较大或较集中的火灾发生都会对未来产生扰动到再平衡

l  火灾的频率-规模分布呈现幂律的标度率特征,这个规律不随体系大小和时间变化而变化

Ø  火灾发生的时空特征

l  影响火灾发展趋势的原因会随时间变化,并且不同的城市具备不同的特征

l  相同类型的火灾会在短期内大范围并发,并且在空间上具备长程关联特征

l  火灾的发生具有空间异质性,不同的区域表现不一样

Ø  火灾防控的两个可应用特征

l  部分区域会出现火灾高发——下降——复发的特征,这是需要深度环境整改的地区

l  部分区域会出现火灾长期持续高发的特征,这是需要重点关注的地区

3.  从共性统计,到个性对待——大数据下的管理新思路

Ø  将复杂的一线情况转变为可管控的决策依据,是大数据从数字走向应用的起点

Ø  洞察——预警——预测——优化,是大数据在消防工作中的应用路径


上一个:光伏智能数据采集+云平台