腾讯云大数据助力智慧城市发展

2016年4月28日-30日，第八届GMIC全球移动互联网大会“Mobile Infinity”在北京国家会议中心举行，本次会议的主题为“世界的共振”，众多来自全球互联网精英及政界要人汇聚于此，共同探讨移动互联网＋时代的跨界与融合。腾讯云存储和数据产品专家工程师胥彪受邀参加了29日的大会并发表《智慧城市和LBS大数据》演讲。
 
小编为大家送上现场技术分享所有内容，干货满满，请转发收藏。
 
大家上午好，我是来自腾讯云的胥彪。我要分享的题目是“智慧城市和LBS大数据，在座的每个人都不陌生了，我们的出行、我们的导航，我们找周围好吃的、好玩儿的都会用到定位这样一个动作，我们产生了这么多的定位数据，但是安全的产生了这么多定位数据对我们的城市管理者有什么样的帮助呢？今天我给大家分享一下腾讯云在这块的尝试和探索。
 
我想大家都还记得，有一次非常悲痛的踩踏事件，是2014年12月31号的上海外滩，也就是2015年的元旦跨年夜，这次事件之后我们作为数据分析人员作为云的计算厂商有什么可以做的事情。我们的团队做了一个上海外滩跨年夜数据分区还原当时的场景，我们可以看到，我们在分析的过程中不光分析上海外滩，因为在跨年夜多个城市、多个景点有类似的情况，我们做了深圳世界之窗的对比分析，我们可以发现在跨年夜的时候深圳世界之窗和上海外滩都发生了多倍人流的增长，而上海外滩接近10倍的增长，到底有什么样的展现形式呢？我们称之为城市热地图，可以看得出来，上海的外滩有一个天然的屏障就是黄浦江，往东没法疏散的。同时我们对人口做了一下分析发现，在上海外滩当时的时候，我们的女性用户15到23岁的用户有十倍的增长，年轻人口占到了71%，这些都是当时发生拥挤和踩踏不稳定的因素，加剧这样一个因素的发生。

 
我们把这个帖子发到了腾讯的内网QM平台引起了同学们积极的响应和热议，大家提出来，是否可以做一个拥挤监测的产品，不是做一个事后的分析，我们想我们来做这个事情有什么样的优势？或者有什么样的能力做这样一个产品？数据基础都不陌生，QQ、点评、滴滴APP上面都有很多的数据合作，同时有地图开放平台，每天有接近350亿次定位数据，定位的动作，同时有大数据的数据分析和挖掘的技术，对我们 产生的行为，对每个人群做一些相应的分析，同时这所有的分析基于腾讯因大数据的存储和计算平台可以很好的支撑这样一个分析和挖掘的事情。其实基于位置社会化网络，LBSN它和刚才外滩分析一样其实有三个非常关键的因素，其中最重要的就是位置，是不是有了这个数据就可以，不然，我们需要对位置做一个详细的分析，到底是一座楼宇还是一个广场或者是一条小街道，带来的风险是不同的，时间因素上面我们早上、中午、早高峰、晚高峰，效果也是不一样的，人群来讲，在外滩，71%占比的15岁到23岁的年轻人口对我们的风险有一个加剧的作用。
 
基于位置这里刚才简单提了一点，有一个直观的表现这个图是深圳的腾讯大厦，有39车，那个图是非常稠密的圆饼图，是不是代表有风险的情况呢？其实不然，因为有39层，存五千人或者两千人是非常安全的数字，但是下面看似松散的，这是深圳东门广场，是一条商业街，这条商业街上看起来很松散，而事实上这个街很狭窄，其实已经处于非常拥挤的状态，位置的理解是我们要解决非常重要的问题。我们推出了我们的易出行这样一个产品，这个产品是公众号的形式出现在to C端，在to C、to B、toG都有非常广的应用，2C来讲，去一个地方之前看看这个地方是否足够的拥挤，这个不是道路，而是整个区域，整个片区人口的情况。
 
这个也是今天总体来讲的一点，外滩人流异常的聚集是可以一定的监测或预警的作用，对我们的城市规划，比如说上海迪斯尼开园了，开园前和开园后对经济有什么样的改变，这这些都可以做一些事情，对旅游规划和发展都有相应的帮助。to b可以做商圈的分析，可以做网址、商址的选择。从移动化这件事情开始，优衣库事件炒得沸沸扬扬，2015年7月15号的时候，易出行的东西是不是能监测或者预测这样一种人群密集的聚集，我们可以发现左上角这个红色的图是7月16号，优衣库发生后的第二天发现这里平常没百平方米只有70人的三里屯的太古里，到第二天210人，增长了三倍，是不是在一些人的位置上面有数据之后在行为上面，在我们的日常产生数据上面有不同，我们挑了一个，QQ搜索数据，上面可以看到平时一两百次的提及优衣库或者三里屯，7月16号增长当将近25000次的提及，大家的行为、位置关联到有意思情况，右上角是女士拍照片的事件，下面是人流确实很多，这里面还有很多分析的数据，男性多于女性。真正跟我们城市管理有什么样帮助的地方，刚才我们从外滩说到能能不能实时的监测，这张图打在上海市公安局屏幕上面，能实时看到整个上海市每一个片区人口的聚集情况，监测之后我们还有一个预警，预警是什么意思呢？左上角有一个阈值，刚才也说了，不同的建筑、不同的场地它可能一个风险阈值是不同的，比如是，我们把左上角的人数改成每百平方米600人的时候，这里有一个冒泡的地方，提前给警务人员布控或者人流限制措施。除了预警以外还有一个预测，根据以往的数据和当前人的移动，能预测出来接下来的下一分钟怎样的曲线，在人群聚集上面起到对城市管理者非常好的帮助，我们就在想，如果上海外滩当时能有这样的一套系统在中间是否可以减少这种惨剧的发生。
 
我们刚才讲了很多聚集，优衣库的事件也好，讲的是在线情况，我们在地震或者救灾当中怎么发挥作用，这里看到是一个掉馅人数和规模，这是和国家地震局一直开展的课题，这个地方人口基数很大，发生灾难的一瞬间或者那个掉陷过程中是我们救助的地方。大家想到如果通讯设备都断了怎么办？这个地方说明非常严重。回到刚才说的旅游分析这里，比如说一个国家的旅游局或者一个城市的旅游局，我们哪个景点的人数是最多的，如果他们要去完成这样一个统计是为要统计到所有的交通工具过来的票剧、所有的出行数据可能要很久或者说要一段时间才能有，但是通过我们的QQ大数据可以很快的发现，2015年国庆节的数据发现杭州西湖是旅客最多的地方，同时增长最快的地方是龙门石窟。
 
我们的西安游客，这是说跟西安旅游局合作的东西，我们想说我们到西安来的用户主要从哪里来的？我们从这个图可以很快的发现，西安的旅游局的广告不用管工作了，他们应该去北京、重庆、成都甚至于上海。我们出游会是什么样的结对形式最多呢？分析了济南到桂林的网络，两两结对是最多的，三人结对是最少的，其实我们分析这个图，最想分析是中间那团红色的区域，代表异常、危险还是什么意思，我们真正的调研是一个报社的团建活动。
 
我们看一个动态图，除了旅游之外，在通勤，联通方总也提到了通勤这里，有什么样的帮助呢？我们在工作的时候可以看到，早上8点钟开始天通苑的居民通过地铁线路覆盖在北京的全城下午大概7点钟左右回到自己小区，而周末说明我们都很宅，基本上就在小区附近活动而已。
 
腾讯做得最多的是聊天，我们的微信、QQ，我们有没有想过哪些城市的消息量最大，从这个图可以看出来，跟我们的经济中心很类似，北京、上海、广东、深圳、重庆、成都这代表了北京的经济带，长三角、珠三角、京津冀，每个片区确实有覆盖的地方，重庆、成都覆盖西南，可以的技看出来北京和广东的交流没有那么多。很荣幸小小的研究得到了大数据产业联盟颁发的技术创新奖，也是鼓励我们继续前行，我今天的内容大概是这些。