近段時間，全國范圍內尤其是京津冀地區接連陷入霧霾之困，北京更是首次發布空氣重污染紅色預警。霧霾的背后，重污染天氣的預警預測工作顯得尤為重要，不僅可以讓公眾提前合理安排生產生活，也可以讓政府相關部門及時采取應急措施，緩解重污染天氣帶來的危害。
近日，微軟亞洲研究院主管研究員鄭宇和他的團隊已經成功用大數據計算出1km×1km細粒度的空氣質量狀況、尾氣排放數據和噪聲污染指數，解決了這一困擾城市生活的一大難題。
Urban Air正是由微軟亞洲研究院開發，用大數據預測城市空氣質量的項目。目前，Urban Air已經實現全國70多個城市空氣質量預測，可以對京津冀、長三角、珠三角、成渝城市群未來48小時的空氣質量進行預測。
依靠經典模擬方法預測預警霧霾，只能算出空氣質量的均值，而大數據可以對1~6小時的空氣質量逐小時進行預測，對7~12小時、12~24小時、24~48小時進行最大值和小值的預測。除了在預測精度上有優勢外，大數據精細化預測還體現在地域范圍上。目前，傳統模擬方法預測霧霾只能精細到區的范圍，而大數據可以精細化到每個空氣質量站點。而且未來，霧霾的運行軌跡也將有望實現，霧霾從哪來，到哪去都將不是難題。
與傳統模擬空氣質量不同，大數據預測霧霾依靠的是多元融合方法，也就是說，空氣質量的預測不僅僅看空氣質量數據，還要看與之相關的氣象數據、交通流量數據、廠礦數據、城市路網結構等不同領域的數據，不同領域的互相疊加，相互補強，從而預測空氣質量狀況。
其實，大數據預測與傳統模擬方法有一定的相似性，都是通過數據來擬合模型，只不過是數據量大小不同。如今影響空氣質量的因素越來越多，傳統模擬的方法顯得“力不從心”。而大數據在空氣質量預測上卻頗有優勢，大數據可以解決數據缺失的問題，可以采用與交通尾氣相關的交通流量、排量等相關數據，間接地分析其與空氣質量的關系，可以通過多元數據融合的方法來解決數據缺失和不精準的問題。據悉，現在大數據對京津冀霧霾的預測精度可以達到75%，對成渝等地的預測精度會更高，平均準確率比統模擬方法高15%~20%。
針對大數據在環保領域未來的發展，它是一個多方位的
智慧城市建設問題，首先要培養數據科學家，不僅僅是懂大數據挖掘算法，還要動行業知識，這樣才能把大數據轉化為生產力。其次，大數據時代要求政府開放數據。只要數據足夠，未來工業園區的建設與空氣質量的變化情況，整個城市設計與空氣質量的變化情況，完全可以依靠大數據實現。
關鍵字：
