告訴你們一個壞消息，全國都進入了吸霾模式。

　　且看下面這張綠色呼吸網(wǎng)站實時發(fā)布的霧霾監(jiān)測指數(shù)(12月12日13點)，不僅北京進入“糟”模式，吸霾群眾的心情糟糕透了，實際上，根據(jù)最近一個月的霧霾監(jiān)測顯示，在全國監(jiān)測的361個城市中，三分之一的城市都呈現(xiàn)了霧霾輕度、中度污染的情況，朋友圈各地的吸霾群眾也都在心有戚戚焉不停地刷屏。

　　再告訴你們一個好消息，許多城市已經(jīng)開始使用物聯(lián)網(wǎng)來讓城市更加智能。

　　Gartner最近發(fā)布的報告顯示，IOT是當前許多城市正在使用的技術(shù)，主要應(yīng)用在運輸和擁塞問題，特別是圍繞環(huán)境、氣候變化等方面穩(wěn)定度問題。

　　霧霾霧霾奈若何?

　　其實，當霧霾籠罩，我們已經(jīng)沒那么恐慌了，這也是緣于大家對霧霾的認知逐漸理性，懂得霧霾產(chǎn)生的原因無外乎那么幾點：工廠排污、施工揚塵、汽車尾氣等等。但治霾是需要逐步演進的，可以針對污染區(qū)域工廠停工、車輛限號，但現(xiàn)在的手段還過于粗放，暴力治霾影響著公民出行和生活。

　　當前，使用空氣監(jiān)測設(shè)備是一個良好的開端，知道各地區(qū)監(jiān)測情況，許多城市已經(jīng)開始使用該數(shù)據(jù)，讓城市治理有的放矢。但Gartner表示，是時候到下一個層次。

　　比如車輛限行可以更加智能化，依托豐富的數(shù)據(jù)可以做出更好的規(guī)劃，指導(dǎo)需要減少多少出行汽車數(shù)量，指導(dǎo)新能源汽車車輛用戶優(yōu)先出行。

　　還可以更合理的規(guī)劃共享騎行、公共交通電氣化，需要建設(shè)多少基礎(chǔ)設(shè)施支持電動車和內(nèi)燃機，需要在哪些地方收擁塞費等等，所有的這些例子都是利用物聯(lián)網(wǎng)收集信息，大數(shù)據(jù)進行處理來驅(qū)動城市霧霾治理的，甚至可以調(diào)節(jié)如何產(chǎn)生較少的溫室氣體排放量和天然氣能量，同時改善了車輛的噪聲水平。

　　下一個，是更環(huán)保和更具包容性的城市

　　Gartner預(yù)測，許多智能城市將改變他們的關(guān)鍵績效指標(KPI)，以便滿足這些目標。但最重要的是，如何利用物聯(lián)網(wǎng)和傳感器收集的數(shù)據(jù)做出更好的規(guī)劃決策?這就需要會利用物聯(lián)網(wǎng)、數(shù)據(jù)和分析數(shù)據(jù)的專業(yè)的數(shù)據(jù)科學家，來負責這些項目，更需要一些專業(yè)大數(shù)據(jù)解決方案提供商來支撐。

　　Gartner還預(yù)測，到2017年，智能城市中被連接的設(shè)備使用將達到約380萬，其中約58%的設(shè)備被用來在建筑和商業(yè)交通領(lǐng)域。到2020年，IoT傳感器和連接裝置將躍升至1.39億之多。

　　所以接下來要討論的問題是，這么多設(shè)備，如何保證它們有效地監(jiān)測建筑物和交通情況、天氣情況?

　　不得不提的一個技術(shù)就是PHM，故障預(yù)測與健康管理(Prognosticsand Health Management)，它包括兩層含義：一是故障預(yù)測，即預(yù)先診斷部件或系統(tǒng)完成其功能的狀態(tài)，確定部件正常工作的時間長度;二是健康管理，即根據(jù)診斷/預(yù)測信息、可用資源和使用需求對維修活動做出適當決策的能力。

　　PHM技術(shù)具有高大上的背景，它作為實現(xiàn)武器裝備基于狀態(tài)的維修(CBM)、自主式保障、感知與響應(yīng)后勤等新思想、新方案的關(guān)鍵技術(shù)，受到美英等軍事強國的高度重視和推廣應(yīng)用。如今，PHM技術(shù)作為一個方法論，已廣泛應(yīng)用于機械結(jié)構(gòu)產(chǎn)品中，比如核電站設(shè)備、制動裝置、發(fā)動機、傳動裝置等。因而，PHM系統(tǒng)正在成為航空航天、艦船、能源，以及汽車制造、交通設(shè)備等系統(tǒng)設(shè)計和使用中的一個重要組成部分。

　　在霧霾治理設(shè)備管理中，同樣是PHM的用武之地。

　　值得注意的是，在PHM應(yīng)用中，關(guān)鍵點是建模這一塊，百分點一直有很強大的建模團隊，從業(yè)務(wù)難點角度出發(fā)來建模。百分點“智慧之盾”中采用PHM技術(shù)，通過物聯(lián)網(wǎng)+大數(shù)據(jù)的方式，可以幫助城市設(shè)備智能治理的目標。

　　健康度建模：實時計算和監(jiān)測健康度，是提高設(shè)備資產(chǎn)利用率和發(fā)現(xiàn)異常設(shè)備的重要途徑。百分點針對設(shè)備運行數(shù)據(jù)進行建模，將所有監(jiān)控數(shù)據(jù)降維整合為“健康度曲線”這樣的1維數(shù)據(jù)展現(xiàn) ;針對一個維度數(shù)據(jù)進行實時分析，使評估更加簡單，且新手維修員也會更容易入手，將運用城市治理監(jiān)測的設(shè)備管理好。

　　多級預(yù)警：百分點將預(yù)警等級分為3級：中度預(yù)警、重度預(yù)警、故障預(yù)警;以健康度為基礎(chǔ)，三種預(yù)警以兩種規(guī)則來進行定義，分別是“次數(shù)”和“相隔時間”，以此來檢測持續(xù)異常報警和周期性瞬間預(yù)警;

　　異常定位：面對高復(fù)雜度、高頻度的大規(guī)模數(shù)據(jù)，百分點以深度神經(jīng)網(wǎng)絡(luò)為重要原型的異常預(yù)測模型發(fā)揮了重要作用，并建立整合了深度強化學習、深度神經(jīng)網(wǎng)絡(luò)和超球模型的預(yù)測模型，可以對每個時間點設(shè)備異常狀態(tài)進行預(yù)測和模擬，及時提醒設(shè)備狀態(tài)偏離。

　　超球模型計算異常狀態(tài)點

　　深度強化學習模型計算異常狀態(tài)點

　　同時，整合了地理信息和衛(wèi)星遙感影像數(shù)據(jù)，實現(xiàn)PHM大數(shù)據(jù)與地理信息大數(shù)據(jù)的緊密結(jié)合。

　　我們相信，未來，大數(shù)據(jù)時代要求政府更多的向社會開放數(shù)據(jù)。只有基于大量的數(shù)據(jù)，未來整個城市設(shè)計、交通規(guī)劃以及空氣質(zhì)量的調(diào)節(jié)，完全可以依靠大數(shù)據(jù)來決策。

　　比如在建筑節(jié)能中，在積累了大量的數(shù)據(jù)信息之后，按照時間和地點維度，在龐雜的信息中進行大數(shù)據(jù)分析，發(fā)現(xiàn)潛在的規(guī)律和價值;比如在城市規(guī)劃中，整合地理信息、氣候因素等多層面的海量信息來綜合指導(dǎo)決策。

　　總結(jié)來說，這些都需要在數(shù)據(jù)共享基礎(chǔ)上進行數(shù)據(jù)拉通，再通過對這些信息進行大數(shù)據(jù)分析，得出城市規(guī)劃方法論，為城市治理決策提供參照依據(jù)。