传感器、无线网络和智能交通该系统、智能软件，这些技术的应用已使城市发现，他们能比以往更快、更经济地迎接新的挑战、解决现有的棘手问题。
全球各地的城市正面临越来越多的挑战，这令他们头疼不已，但又事出有因。很多城市都在对付快速增长及相应需求产生所带来的必然后果。对更好的道路和公共交通、更好地利用资源的看似永无止境的需求，以及维护和修理现有基础设施、同时整合新型电子基础设施的需要，正在激活21世纪的城市。
与此同时，全球各地的人们对城市的要求越来越高。在个人层面上，他们正在寻求贯穿一生——从幼年到老年——的健康、教育和社会服务的改善，以求生活质量的提高。他们正在寻求公共安全保障，尤其是面对自然或人为紧急情况的威胁之时。
在这个剧烈转型的格局中，信息已成为雷打不动的通货。对于这种被普遍称为“大数据”的现象的分析，使分布在城市中的专业人士得以分析数据、解释行为，或使用模型来预测未来。这些技术的应用已使城市发现，他们能比以往更快、更经济地迎接新的挑战、解决现有的棘手问题。
有三种基本技术正在真正意义上改变世界：
-
传感器正变得无处不在(从低成本的数字仪器到日常智能手机)，使捕捉坑洞位置等一切信息变得更加简便。
-
无线网络和智能交通系统形成了城市的循环系统，就一座城市交通系统的运行状况提供实时信息。
-
智能软件工具和先进的计算技术，首次以前所未有的速度整理这些庞大的数据流，并提供可操作的结果，甚至预测到何时何地最需要它们。
这些解决方案出现之时，正值我们需要更高效的城市服务。就在几年前，城市人口首次超过全球人口的一半。根据布鲁金斯研究所(Brookings Institute)的估计，到本世纪中叶，这一比例预计将达到75%。随着人口的增长，城市有必要更有效地提供更好的服务。而且随着城市的不断创新，成功操作迅速在市内各机构蔓延，然后在市与市之间、乃至国与国之间传播开来。以下是这些初具雏形的一些进步范例：
迈阿密-戴德县(Miami-Dade County)拥有超过250万居民，是美国东南部人口最多的县，也是全美排名第七的人口大县。全县拥有超过25,000名在职人员和近60亿美元的年度预算。该县利用大数据和分析——管理来自多个来源的大型数据集——以及云计算，帮助领导者做出更好的决策，并帮助境内35个辖区之间的信息共享。
重点被放在了跨越组织机构的界线向居民提供更好的服务上。IBM正在帮助迈阿密-戴德县推进现代化，提高与执法、交通运输和供水系统相关的预测管理能力。他们使用一个提供可视化操作的智能仪表盘，该仪表盘能够让相关运作一目了然。通过它，县市领导很快就能从一个部门收获大量信息，并立即将其与多个部门共享，以便更好地获取有价值且往往具有时效性的信息。
使用大数据和分析已帮助迈阿密-戴德县侦破悬案、减少水资源浪费和设计更好的公共交通系统。城市居民也可以看到他们所纳的税被花在哪些地方，并更多地参与到政府管理中去。
永明体育场(Sun Life Stadium)很像是一个“城中城”，它是美国国家橄榄球联盟(NFL)球队迈阿密海豚队(Miami Dolphins)的球场，迄今已举办过10届超级碗赛事。每年，在该场馆举办的NFL或其他同级别大型赛事的总时长约为65小时。永明体育场的游客数以百万计，它拥有超过150万平方英尺的空间，2.4万个停车位以及超过7.5万个座位。
在过去，永明体育场依赖于复杂的体系来管理从停车场到特许经营销售再到天气预报的一切事务。后来永明体育场选择了一个基于云的系统，以将其运作整合成一个体系，用于管理和查看市内各方面的运作。永明体育场现拥有一个完全互联的体育场活动监测体系，从天气预警、公众安全活动到进入体育场的交通流无所不包。
该系统还可以告诉你，在一场大赛开赛前，游客是更喜欢一顿完整的餐食，还是会在特许经营摊点随便买点吃的了事。体育场工作人员现在可以更有效地管理观众客流，监测恶劣天气情况并分析游客在特许经营点、商品和餐饮服务方面的消费习惯，以更好地将优质产品和服务推向球迷。
球迷们可以通过手机连接到系统，以获得体育场最佳停车地点或比赛举办时预计气温的个性化建议。通过增加传感器从而使球场“更智能”，永明体育场得以对游客需求作出响应，并转变了球迷体验。永明体育场向我们示范了，通过使场馆变得“更智能”，建筑内部的组织机构可以显著改变其运作机制。
但迈阿密-戴德县和永明体育场都没有止步于此。他们不断重塑自己，例如在体育场安装新的空调系统，借南佛罗里达的阳光来节约能源。通过不断地促使系统互联，组织机构可以更进一步地向民众——抑或是那些一次又一次前来观看比赛的迈阿密海豚队球迷——提供更好的服务。
虽然这些例子已经足够有说服力，但全球各地还有更多这样的项目，给城市呈现出机遇。增长支撑着对巨大变革的需求，而诸如大数据和分析等科技的应用则将越来越多地帮助城市解决最迫切的难题。
原文发布时间为：2014-05-01
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号
