离元旦放假还有2天,济南市民接到元旦三天假期汽车单双号限行通知。第二天,这份通知又被撤销。
一切都是雾霾闹的。限行还是不限行?谁又能摸透PM2.5的脾气,下一个影响七百万城市居民生活的决策?
“对城市雾霾成因做出准确判断,对PM2.5浓度进行监控、精准预测,现在已经是智慧城市的一个很大需求了。”浪潮集团数据服务事业部总经理徐宏伟对齐鲁晚报记者说,前段时间,就有某市气象局找到他,要求浪潮对该市雾霾通过大数据分析进行监控,以便城市应急系统做精准预警。
无论是计算污染排放的光化学反应过程,还是后续污染流动,都需要一个强大的计算能力、数据存储功能,浪潮天梭TS10000高性能计算系统足以应付这一切。去年6月,山东省环保厅就采用了浪潮这一系统进行大气颗粒物浓度预警预测和污染源分析。
但仅有这个还不够。
元旦之后的一场雾霾让济南奥体中心变成了腾云驾雾的UFO。雾霾成为众多中国城市面临的问题，要即时监控、准确预测雾霾需要大量物联网采集点的大数据支撑。而在一些雾霾多发城市才几百个监测点，这远远不够。
第一道:你有足够多的数据吗
徐宏伟告诉齐鲁晚报记者,大气污染并不是简单计算排放量,还要考虑平流扩散、干湿沉降、气溶胶非均化学等多种过程。究竟哪一个是导致大气污染的重要因素?减汽车排放量,哪些市区首当其冲?减工业排放,应从哪减起?
“首先,要汇集足够多有效数据。”徐宏伟对齐鲁晚报记者说,要把雾霾监测的大数据分析做好,尤其需要大量物联网采集点的数据支撑。
建筑工地扬尘监测就是一个重要指标,要在工地出口、入口,高空20米、30米,40米、50米、100米建立监测点;同时,对离建筑工地50米、100米、1000米处颗粒物变化进行24小时监测。有了这些数据才能精准监控建筑工地的扬尘污染。
“这些数据采集点,地面的好铺设,空中的就很难了。”徐宏伟说,包括在城市主干道布设汽车尾气变化监控点,这也是非常重要的数据采集。目前的城市还不多,一些雾霾多发城市才几百个点,这远远不够,必须要增加数据采集点。而数据搜集需要物联网介入,要用到各种传感器,这些设备很多还要依赖国外进口,这方面投资巨大,全由政府投资不切实际。
“现在,有那么多城市居民关心雾霾指数,能不能从中探索出商业价值来?”徐宏伟说,雾霾治理不能单纯依赖政府力量。有多少人关心雾霾指数,就会有多少人下载像蔚蓝地图这样的APP,这方面应该有新的商业模式出现。
这是一个非常有效的路径,从市场端推动相关产业发展,推动雾霾治理。
因为雾霾肆虐,这个冬天,很多监测PM2.5指数的“雾霾地图”应运而生,“蔚蓝地图”一度成为手机APP天气类下载排行第一,可以通过这个APP查看全国9000家废气、废水排放源的实时排放状况,还可以对超标排放的大型企业和污水处理厂进行举报。通过公众参与这个入口,激发治污动力。
徐宏伟透露,现在,北京一家公司想利用浪潮手中的气象数据和污染源排放数据做一个类似应用,目标客户群定位于政府部门。但在徐宏伟看来,这样的应用只有在雾霾治理上产生更大价值,才具有商业前景。
底层原始数据的获取能力是治霾产业链上最基础一环。现在,浪潮和国家气象局合作获取气象数据;同时和上海清越环保公司合作获取污染源排放数据,这家公司主要进行全国主要污染源排放的原始数据收集,比如它会采集济南市周边化工厂、燃烧锅炉的工厂的排放数据。浪潮把这些数据买来供给创客进行应用开发。
第二道:你能打通部门间数据壁垒吗
能否打通职能部门之间的数据壁垒,这是大数据精准分析雾霾的第二个门槛。
徐宏伟说,分析城市雾霾成因,外因是气象,内因是排放,要和燃煤量、用电量、汽车数量、耗油量、燃烧秸秆等进行关联分析。这么多的污染源、污染物,这是一个大数据的概念;空气质量要考虑空气质量站点的数据、交通数据、人口流动数据、路网结构等,这就要把气象、环保、公安,交通,电力等部门数据有效汇集在一起。像电力公司的数据,气象部门想拿到就很难。一些企业数据获取难度较大,牵扯到环保压力,这些数据比较敏感,各部门的数据不能共享。
徐宏伟的话直指中国治霾的现实难题:不同数据通过不同分析口径会产生不同结论,这可能会和政府部门的结论有不一致的地方。但大数据本身就是针对大量的、无规律数据挖掘其中相关性,形成判断,在这里应该允许不同的人发出不同的声音。事实上,所有的模型对治霾都有正面作用,只是一个谁更有效的问题而已。
第三道:你能找到最优秀数据科学家吗
大数据分析雾霾的第三个门槛就是模型。徐宏伟说,雾霾扩散源、扩散路径有基本的业务规则,浪潮有数据,有专门针对天气预测的计算平台,包括技术支撑都有,但需要和业内专家建模才能进行分析。
“数据科学家是国内目前最紧缺的资源。”徐宏伟说,像百度吴恩达这样的数据科学家,全球也找不出一百个,浪潮正在寻找这方面的专家。这样的数据科学家属于跨界人才,要懂点气象、空气动力学,要懂计算机,对基于人工智能的机器学习,深度学习的技术模式要了解,针对气象部门提的一些业务需求建立模型,这样的人才非常难找。现实的路径是传统的气象分析师,大数据工程师组成团队,针对气象分析的模型和计算机的算法,建设自己的分析模型进行预测。
