近段時(shí)間，國(guó)內(nèi)范圍內(nèi)尤其是京津冀地區(qū)接連陷入霧霾之困，北京更是**發(fā)布空氣重污染紅色預(yù)警，中小學(xué)連續(xù)停課3天，機(jī)動(dòng)車單雙號(hào)限行。霧霾的背后，重污染天氣的預(yù)警預(yù)測(cè)工作顯得尤為重要，不僅可以讓公眾提前合理安排生產(chǎn)生活，也可以讓政府相關(guān)部門及時(shí)采取應(yīng)急措施，緩解重污染天氣帶來的危害。

　　微軟亞洲研究院主管研究員鄭宇一直從事大數(shù)據(jù)挖掘和算法研究，希望用大數(shù)據(jù)解決現(xiàn)代城市所面臨的問題。他和他的團(tuán)隊(duì)已經(jīng)成功用大數(shù)據(jù)計(jì)算出1km×1km細(xì)粒度的空氣質(zhì)量狀況、尾氣排放數(shù)據(jù)和噪聲污染指數(shù)。

　　那么，大數(shù)據(jù)是如何預(yù)測(cè)霧霾的呢？

　　大數(shù)據(jù)能不能成功預(yù)測(cè)霧霾？

　　Urban Air正是由微軟亞洲研究院開發(fā)，用大數(shù)據(jù)預(yù)測(cè)城市空氣質(zhì)量的項(xiàng)目。目前，Urban Air已經(jīng)實(shí)現(xiàn)國(guó)內(nèi)70多個(gè)城市空氣質(zhì)量預(yù)測(cè)，可以對(duì)京津冀、長(zhǎng)三角、珠三角、成渝城市群未來48小時(shí)的空氣質(zhì)量進(jìn)行預(yù)測(cè)。

　　“大數(shù)據(jù)不僅能預(yù)測(cè)霧霾，還可以精細(xì)化預(yù)測(cè)?！编嵱钫f，依靠經(jīng)典模擬方法預(yù)測(cè)預(yù)警霧霾，只能算出空氣質(zhì)量的均值，而大數(shù)據(jù)可以對(duì)1~6小時(shí)的空氣質(zhì)量逐小時(shí)進(jìn)行預(yù)測(cè)，對(duì)7~12小時(shí)、12~24小時(shí)、24~48小時(shí)進(jìn)行*大值和*小值的預(yù)測(cè)。

　　除了在預(yù)測(cè)精度上有優(yōu)勢(shì)外，大數(shù)據(jù)精細(xì)化預(yù)測(cè)還體現(xiàn)在地域范圍上。目前，傳統(tǒng)模擬方法預(yù)測(cè)霧霾只能精細(xì)到區(qū)的范圍，比如可以預(yù)測(cè)到北京市海淀區(qū)、朝陽區(qū)的空氣質(zhì)量，而大數(shù)據(jù)可以精細(xì)化到每個(gè)空氣質(zhì)量站點(diǎn)，比如可以預(yù)測(cè)海淀區(qū)萬柳站點(diǎn)未來48小時(shí)的空氣質(zhì)量狀況。

　　大數(shù)據(jù)不僅能預(yù)測(cè)霧霾，還可以很快速。據(jù)鄭宇介紹，傳統(tǒng)的重污染天氣預(yù)測(cè)工作需要6小時(shí)左右的模擬運(yùn)算時(shí)間，無法快速實(shí)時(shí)發(fā)布，而大數(shù)據(jù)可以在幾秒鐘之內(nèi)快速算出重污染空氣質(zhì)量數(shù)據(jù)。

　　未來，霧霾的運(yùn)行軌跡也將有望實(shí)現(xiàn)，霧霾從哪來，到哪去都將不是難題。記者了解到，鄭宇和他的團(tuán)隊(duì)正在從事霧霾因果相關(guān)性的研究，目前還處在研發(fā)階段，預(yù)計(jì)明年將正式投入應(yīng)用。

　　大數(shù)據(jù)怎么預(yù)測(cè)霧霾？

　　既然大數(shù)據(jù)可以預(yù)測(cè)霧霾，那么，能夠預(yù)測(cè)霧霾的大數(shù)據(jù)究竟包含哪些數(shù)據(jù)？這些數(shù)據(jù)又如何預(yù)測(cè)霧霾？

　　霧霾的大數(shù)據(jù)主要包括當(dāng)前空氣質(zhì)量數(shù)據(jù)、氣象條件、未來天氣預(yù)報(bào)3類數(shù)據(jù)。鄭宇特別介紹說，空氣質(zhì)量數(shù)據(jù)并不是指單純的空氣質(zhì)量站點(diǎn)數(shù)據(jù)，而是以某空氣質(zhì)量站點(diǎn)為圓心，囊括了方圓300公里范圍內(nèi)所有的與空氣質(zhì)量相關(guān)的數(shù)據(jù)，比如空氣質(zhì)量站點(diǎn)數(shù)據(jù)、交通流數(shù)據(jù)、氣象數(shù)據(jù)、廠礦數(shù)據(jù)、人口流動(dòng)數(shù)據(jù)、路網(wǎng)結(jié)構(gòu)等。

　　與傳統(tǒng)模擬空氣質(zhì)量不同，大數(shù)據(jù)預(yù)測(cè)霧霾依靠的是多元融合方法，也就是說，空氣質(zhì)量的預(yù)測(cè)不僅僅看空氣質(zhì)量數(shù)據(jù)，還要看與之相關(guān)的氣象數(shù)據(jù)、交通流量數(shù)據(jù)、廠礦數(shù)據(jù)、城市路網(wǎng)結(jié)構(gòu)等不同領(lǐng)域的數(shù)據(jù)，不同領(lǐng)域的互相疊加，相互補(bǔ)強(qiáng)，從而預(yù)測(cè)空氣質(zhì)量狀況。

　　“大數(shù)據(jù)應(yīng)用于預(yù)測(cè)霧霾，首先，由于每個(gè)站點(diǎn)、每個(gè)時(shí)段空氣質(zhì)量的影響因素都不盡相同，所以針對(duì)每個(gè)空氣質(zhì)量站點(diǎn)，我們都會(huì)為這個(gè)站點(diǎn)每個(gè)時(shí)段單獨(dú)建一個(gè)空氣質(zhì)量模型，之后再將三者數(shù)據(jù)疊加，*后將數(shù)據(jù)進(jìn)行融合，制作出空氣質(zhì)量預(yù)測(cè)模型?！编嵱钫f ，這樣算下來 ，為預(yù)測(cè)北京市空氣質(zhì)量，建立的模型已經(jīng)達(dá)上百個(gè)。

　　大數(shù)據(jù)預(yù)測(cè)得準(zhǔn)不準(zhǔn)？

　　那么，多元融合的大數(shù)據(jù)算法與傳統(tǒng)的空氣模擬預(yù)測(cè)相比，是否更準(zhǔn)確？

　　“其實(shí)，大數(shù)據(jù)預(yù)測(cè)與傳統(tǒng)模擬方法有一定的相似性，都是通過數(shù)據(jù)來擬合模型，只不過是數(shù)據(jù)量大小不同?！编嵱钫f，以往由于獲知的數(shù)據(jù)有限，傳統(tǒng)模擬方法只能基于有限的樣本數(shù)據(jù)，由科研人員通過經(jīng)驗(yàn)、假設(shè)找出這些數(shù)據(jù)間的規(guī)律，模擬出簡(jiǎn)單的模型，預(yù)測(cè)空氣質(zhì)量。而隨著數(shù)據(jù)增多，單單依靠人工已經(jīng)無法從海量繁雜的數(shù)據(jù)中找出規(guī)律，所以需要借助機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘等工具來發(fā)現(xiàn)多源數(shù)據(jù)中隱含的規(guī)律。

　　如今影響空氣質(zhì)量的因素越來越多，傳統(tǒng)模擬的方法顯得“力不從心”。鄭宇介紹說，傳統(tǒng)模擬空氣質(zhì)量預(yù)測(cè)首先需要搜集完整的污染源數(shù)據(jù)，比如企業(yè)的排污數(shù)據(jù)和汽車尾氣排放等，而這些數(shù)據(jù)無法全部獲知；其次模型太理想化，污染物在空氣中傳播和變化的實(shí)際情況，要復(fù)雜很多。

　　隨著影響空氣質(zhì)量的因素增多，數(shù)據(jù)量的增大，大數(shù)據(jù)在空氣質(zhì)量預(yù)測(cè)上頗有優(yōu)勢(shì)。比如傳統(tǒng)方法要拿到**的地面污染源數(shù)據(jù)才能預(yù)測(cè)，而大數(shù)據(jù)則可以解決數(shù)據(jù)缺失的問題。比如對(duì)于交通尾氣數(shù)據(jù)難獲取的情況，大數(shù)據(jù)運(yùn)算可以采用與交通尾氣相關(guān)的交通流量、排量等相關(guān)數(shù)據(jù)，間接地分析其與空氣質(zhì)量的關(guān)系?！按髷?shù)據(jù)的精髓就是A領(lǐng)域的問題可以借助B領(lǐng)域、C領(lǐng)域、D領(lǐng)域的數(shù)據(jù)來一起解決，通過多元數(shù)據(jù)融合的方法來解決數(shù)據(jù)缺失和不精準(zhǔn)的問題?！编嵱钫f。

　　空氣質(zhì)量站點(diǎn)、相關(guān)領(lǐng)域的數(shù)據(jù)、大數(shù)據(jù)先進(jìn)的挖掘技術(shù)和模型，保證了大數(shù)據(jù)預(yù)測(cè)的準(zhǔn)確性。據(jù)了解，現(xiàn)在大數(shù)據(jù)對(duì)京津冀霧霾的預(yù)測(cè)精度可以達(dá)到75%，對(duì)成渝等地的預(yù)測(cè)精度會(huì)更高，平均準(zhǔn)確率比統(tǒng)模擬方法高15%~20%。

　　大數(shù)據(jù)預(yù)測(cè)還存在哪些困難？

　　雖然大數(shù)據(jù)對(duì)霧霾的預(yù)測(cè)已經(jīng)成功實(shí)踐，但鄭宇也坦言，大數(shù)據(jù)預(yù)測(cè)霧霾確實(shí)還有很多困難。

　　數(shù)據(jù)量少是大數(shù)據(jù)發(fā)展的掣肘，大數(shù)據(jù)的預(yù)測(cè)是基于對(duì)大量的數(shù)據(jù)進(jìn)行學(xué)習(xí)。但我國(guó)數(shù)據(jù)開放進(jìn)程比較晚，并且很多污染源數(shù)據(jù)都還不完善。

　　“數(shù)據(jù)量大小直接影響大數(shù)據(jù)預(yù)測(cè)的精準(zhǔn)度?！编嵱钫f，比如數(shù)據(jù)樣本量不夠，會(huì)導(dǎo)致霧霾的拐點(diǎn)很難預(yù)測(cè)，目前傳統(tǒng)經(jīng)典模型和大數(shù)據(jù)模型都很難說清楚霧霾何時(shí)會(huì)消散?！昂芏嗳苏J(rèn)為大風(fēng)來了，霧霾一定會(huì)散去，真實(shí)情況并非如此，霧霾消散與大風(fēng)的強(qiáng)度、持續(xù)時(shí)間、風(fēng)向來源地都有非常大的關(guān)系。比如，如果風(fēng)向的來源地本身是污染源，那么霧霾不但不會(huì)散去，反而會(huì)加重?！编嵱钫f，目前有關(guān)拐點(diǎn)出現(xiàn)次數(shù)的數(shù)據(jù)特別少，可能一百天出現(xiàn)一次，對(duì)簡(jiǎn)單的統(tǒng)計(jì)學(xué)模型來說，拐點(diǎn)出現(xiàn)就是少數(shù)派，模型很難預(yù)測(cè)拐點(diǎn)。目前，鄭宇和他的團(tuán)隊(duì)也在單獨(dú)對(duì)拐點(diǎn)進(jìn)行建模，準(zhǔn)確度已經(jīng)提高到30%。

　　針對(duì)大數(shù)據(jù)在環(huán)保領(lǐng)域未來的發(fā)展，鄭宇認(rèn)為國(guó)家首先要培養(yǎng)數(shù)據(jù)科學(xué)家，不僅僅是懂大數(shù)據(jù)挖掘算法，還要?jiǎng)有袠I(yè)知識(shí)，這樣才能把大數(shù)據(jù)轉(zhuǎn)化為生產(chǎn)力。其次，大數(shù)據(jù)時(shí)代要求政府開放數(shù)據(jù)。只要數(shù)據(jù)足夠，未來工業(yè)園區(qū)的建設(shè)與空氣質(zhì)量的變化情況，整個(gè)城市設(shè)計(jì)與空氣質(zhì)量的變化情況，完全可以依靠大數(shù)據(jù)實(shí)現(xiàn)。