---

第1章 前言

智慧城市，是指在城市发展过程中，在城市基础设施、资源环境、社会民生、经济产业、市政治理领域中，充分利用物联网、互联网、云计算、大数据、云存储、智能分析等技术手段，对城市居民生活工作、企业经营发展和政府行政管理过程中的相关活动，进行智慧地感知、分析、集成和应对，为市民提供一个更美好的生活和工作环境，为企业创造一个更有利的商业发展环境，为政府构建一个更高效的城市运营管理环境。智慧城市的核心是构建智慧型城市运行生态系统和城市产业生态系统。

---

第2章 智慧城市建设的背景

2.1 智慧城市的发展现状

智慧城市建设是一个渐进式的过程，建设时间有些城市可能需要两三年，而有些城市则需要十年甚至更久。智慧城市建设过程中既可以全面推进，也可以重点突破。

目前国内已经提出建设智慧城市的城市中，有的是创新推进智慧城市建设，提出了“智慧深圳”、“智慧南京”、“智慧佛山”等；更多的是围绕各自城市发展的战略需要，选择相应的突破重点，提出了“数字南昌”、“健康重庆”、“生态沈阳”等，从而实现智慧城市建设和城市既定发展战略目标的有机统一。

创新推进智慧城市建设：
这类城市将建设智慧城市作为提高城市创新能力和综合竞争实力的重要途径。代表城市有深圳、南京、沈阳等。

以发展智慧产业为核心：
这类城市把建设智慧产业作为智慧城市建设的核心。如昆山提出了要大力发展物联网、电子信息、智能装备等智慧产业，支撑智慧城市建设。宁波将以建设6大智慧产业基地为重点，加快推进智慧产业发展。

以发展智慧管理和智慧服务为重点：
昆明发展重点包括智能交通、智慧医疗、服务型电子政务等方面，从而为城市运营和管理提供更好的指导能力和管控能力。

佛山市为了打造“智慧佛山”，提出了建设智慧服务基础设施十大重点工程：即信息化与工业化融合工程、战略性新兴产业发展工程、农村信息化工程、U-佛山建设工程、政务信息资源共享工程、信息化便民工程、城市数字管理工程、数字文化产业工程、电子商务工程、国际合作拓展工程。

以发展智慧技术和智慧基础设施为路径：
新推出的《上海推进云计算产业发展行动方案》，即“云海计划”，将为上海‘智慧城市’建设所需要的云计算提供非常优秀的基础条件。

南昌提出把打造“数字南昌”作为智慧城市建设的突破重点，通过实施数字南昌综合指挥调度平台、智能交通系统、市政府应急系统、“数字城运”、“数字城管”等重大工程，提升城市运行监测和城市公共信息服务水平，从而率先在中部地区建成具有区域竞争力“数字城市”的战略目标。

以发展智慧人文和智慧生活为目标：
成都提出要提高城市居民素质，完善创新人才的培养、引进和使用机制，以智慧的人文为构建智慧城市提供坚实的智慧源泉。重庆提出要以生态环境、卫生服务、医疗保健、社会保障等为重点建设智慧城市，提高市民的健康水平和生活质量，打造“健康重庆”。上海世博会的主题是“城市，让生活更美好”，借助现代信息通讯技术（ICT），打造出智慧城市的新样板，向全球展示了未来智慧人文和智慧生活的新方向。

2.2 智慧城市的发展趋势

城市可持续发展是城市发展的最佳选择，它既是城市发展的应循之路，也是城市发展的最终目标。如果说可持续发展理论是未来城市发展的理论依据，那么与之内涵一致的“智慧化”城市则可以被看成是可持续发展理论的实例示范。针对国内社会的具体需求，我国未来智慧城市将在以下三个领域重点突破：

以人为本的民生服务：
“以人为本”是智慧城市建设的核心理念。其内涵是以城市生态系统中的“人”为焦点，最大限度地为城市中的“人”提供医、食、住、行、游、教等方面全面细致的服务，最终达到使城市居民都享受到安全、高效、便捷、绿色的城市生活。具体来说，包括：智慧医疗、智慧食品、智慧家居、智慧社区、智慧交通、智慧旅游等应用系统的建设，以最终实现全面的“智慧民生服务”。

集约高效的产业体系:
过去几十年来，我们的城市经济走的是一条“高投入、高消耗、高污染、低效能”的发展之路。面对日益严峻的国际挑战和资源环境约束，未来在城市产业选择上应以信息技术与一、二、三产融合为手段，加快提升经济发展智能化水平。

从国外已有的经验来看，智慧城市的建设与发展，将催生出一批新生的产业，同时也将促进现有产业快速发展，智慧城市的发展将以智慧城市产业为纽带，从而推动整个城市的良好运转。对于我国而言，智慧城市建设将直接催生新一代信息技术产业（云计算、大数据、云存储、物联网等）的飞速发展，而且也是促进城市产业转型升级的重要契机，将会带动一大批具有广阔市场前景，资源消耗低，产业带动大，就业机会多，综合效益好的产业发展，堪称“一把钥匙开多把锁”。从产业催生、产业促进和产业提升的角度来看，智慧城市产业主要有四种形态：新一代信息技术产业、促进先进制造业、促进智慧农业和提升现代服务业。

科学合理的规划管理:
在城市中，至少包含了市民、工商组织、政府部门、公共设施（交通、通信等）、环境资源（水、能源等）等核心系统，这些核心系统相互联系并且交互利用。在城市化进程飞速发展的今天，以上系统不仅受到了来自各自内部的挑战，还面临着相互关联的挑战。如频繁的商务活动将加重公共设施系统的负担，公共设施系统的运行将占据大量的环境资源，市民的素质会影响公共设施的利用效率等等。

因此，城市建设中的规划和决策问题与生俱来就有着非同一般的复杂性。

应用信息技术手段构建一个综合的行政决策辅助系统，是提升政府部门规划和决策水平的有效方法。行政决策辅助系统能够使决策者在广泛了解决策所需信息的前提下进行决策，不但能够提高决策的效率还能保障决策结果的合理性、时效性和适应性，从而有效避免以往靠主观经验决策而导致的失误。例如，在新城的规划方面，通过对地理、人口等信息数据的分析，可以清晰地认知城市未来的人口数量和增长趋势。根据城市的发展策略和经济特点，市政部门可以在不同的地理位置设定功能区域规划，包括工业园区、物流园区、中央商务区、居住卫星城、医院、警署、大学城、文化场所、运动设施、图书馆等城市配套服务设施。在老城区的规划方面，通过分析经济快速发展和功能定位的差异、人口数量和结构性的变化，市政部门同样可以制定城市调整和优化的解决方案，比如老工业区的拆移、外迁和升级改造计划，老的商业区、居住区、城中村的改造和功能再定位等。

---

第3章 智慧城市“十二五”规划要点

3.1 国民经济和社会发展“十二五”规划要点

扩大内需方面：智慧城市建设将使得市民的生活更加便利，生活内容更加丰富，为市民增加更多消费的机会；通过智慧城市建设对产业经济的改造，将保障城市的经济平稳快速增长，有助于增加人民收入扩大内需；智慧城市建设需要大量投资，投资对内需的拉动作用也将相当显著。

产业结构优化升级方面：智慧城市建设的重点领域是发展智慧产业，智慧产业的发展将促进城市的产业结构优化升级，有助于城市的现代产业体系、提升产业层次、优化产业布局。同时，实现对现有产业的改造，促进优势产业和重点产业的集聚，有助于城市大产业大平台大企业的形成。

统筹城乡区域发展方面：智慧城市建设是对城市发展的又一次规划和布局，通过智慧城市的规划和建设将加快城市各区域之间的功能划分和协调发展。

提升基础设施现代化水平方面：对原有设施的智慧化升级改造，以及新建智慧的基础设施是贯穿整个智慧城市建设项目中的重点建设领域，不管是交通、水利、能源、网络等任何方面的基础设施都将会在智慧城市的建设中获益。

建设生态型城市方面：通过智慧环保领域的建设将使得城市变得更加节能、低碳、环境更加优美等等，有利于城市真正实现建设生态型城市的目标。

建设创新型城市和建设学习型城市方面：智慧城市的建设将使市民获取知识和信息的途径更多、效率更高，使企业更加可以更加高效快捷的开展技术创新和公关。智慧城市的建设将真正成为城市将自己建设成为创新型、学习城市的助推器。

3.2 “十二五”信息化发展规划要点

以信息化推动经济转型升级方面：智慧城市建设的重点之一是以信息化的智慧手段对原有的产业经济进行升级改造以及发展相关的智慧产业，实现“两化”融合，这将极大的推动城市经济的升级。

实现信息产业跨越式发展方面：通过智慧城市建设所带动的相关智慧产业将是城市信息产业的重要的新兴增长点，智慧产业的高速发展的同时也将带动传统信息产业的发展，这毕竟实现城市信息产业的跨越式发展。
推进电子政务的深度应用方面：智慧政务的建设将使现有的电子政务更加人性化、智能化、合理化，并将开拓出诸多电子政务的新功能和新应用，这将成为推进电子政务深度应用的良好契机。

全面提升社会信息化水平和构建新一代信息基础设施方面：智慧城市的建设将对现有的基础设施进行信息化的智慧改造并将新建一大批智慧化基础设施。这对于全面提升智慧的信息化水平和构建新一代信息基础设施将起到决定性作用。

“十二五”战略性新兴产业发展规划要点:
综合实力显著增强方面：智慧城市在产业方面的建设是将城市原有的产业加以智慧化改造，同时还将因为智慧城市的发展催生一批战略新兴产业。无论是原有产业还是新生产业都会因智慧城市的建设而在能力上能到本质上的提升。

创新能力大幅提升方面：智慧城市建设将是一个复杂的系统性工程，在建设过程中将会使用众多新产生的技术，对先进技术的需求将会使当地的科研院所、研发机构、高校、企业等单位充分发挥在你身的创新能力来满足市场需要。另一方面，智慧城市的建设为当地的各类单位和企业提供了良好的科研环境和相关的基础设施，只对于提升城市创新能力也将大有帮助。

空间布局明显优化方面：随着智慧城市的建设，城市必将出台相关政策来扶植战略新兴产业，并会出台相关政策加速城市区域内的战略新兴产业的合理优化布局达到优势产业集聚的效果，从而最为充分的发挥智慧城市建设为战略新兴产业发展带来的优势。

可持续发展能力持续提高方面：智慧城市的发展将加快城市产业结构的优化升级并促进新一代信息技术产业和战略新兴产业的发展，加快城市的产业结构调整和落后产业淘汰，改变原有的发展模式，实现产业的可持续发展。

利于重点产业的打造方面：物联网产业、软件产业、通信网络等市规划的重点产业，也是智慧城市产业建设中重点加以倾斜的产业，这些产业的发展反过来也会促进智慧城市更好的建设。

---

第4章 大数据：智慧城市的智慧引擎

4.1 大数据技术—智慧城市的智慧引擎

智慧城市是城市信息化向智慧化发展的必经阶段，同时在建设智慧城市过程中也会带动相关产业的整体发展，成为经济转型、产业升级、城市提升的新引擎。

从智慧城市的体系结构来看，由于智慧城市的基础在于物联网技术，因此智慧城市体系架构和物联网的体系结构相类似，也可分为四层，分别为感知层、传输层、平台层、应用层。智慧城市相对于之前数字城市概念，最大的区别在于对感知层获取的信息进行了智慧的处理，因此也可以认为智慧城市是数字城市的升级版。由城市数字化到城市智慧化，关键是要实现对数字信息的智慧处理，其核心是引入了大数据处理技术。

4.2 大数据技术—处理感知层数据的必然选择

感知层是智慧城市体系对现实世界进行感知、识别和信息采集的基础性物理网络，海量的数据在感知层产生。以视频监控为例，北京目前用于视频监控的摄像头有50万个，一个摄像头一个小时的数据量就是几G，每天北京市的视频采集数据量在3PB左右，而一个中等城市每年视频监控产生的数据在300PB左右，这些摄像头实时回传信息，海量数据对数据存储、并发处理的要求是近乎苛刻的。同时，对于海量数据的处理不单是智慧化的必然要求，同时也是对IT投资的一种保护，否则非但不能充分挖掘数据的价值，还将为海量数据所累。

从上图可以看出，大量各种类型的数据进入数据库，经过组织、分析、决策之后，将最后的处理结果提供给决策者供参考，形成了完整的大数据处理流程。如在智慧交通领域，目前已经实现了通过对交通流量的监测，从而动态调节红绿灯的间隔时间，实现缓解拥堵的目的，此外还可以为司机提供优化的行车路线，避开拥堵路段。

由此可见，面对智慧城市中产生的海量数据，大数据技术将是必然的选择。

4.3 大数据技术—实现智慧城市的核心要素

智慧城市的建设带来数据量的爆发式增长，而大数据就像血液一样遍布智慧交通、智慧医疗、智慧生活等智慧城市建设的各个方面，城市管理正在从“经验治理”转向“科学治理”。

大数据为智慧城市的各个领域提供强大的决策支持。在城市规划方面，通过对城市地理、气象等自然信息和经济、社会、文化、人口等人文社会信息的挖掘，可以为城市规划提供强大的决策支持，强化城市管理服务的科学性和前瞻性。在交通管理方面，通过对道路交通信息的实时挖掘，能有效缓解交通拥堵，并快速响应突发状况，为城市交通的良性运转提供科学的决策依据。在舆情监控方面，通过网络关键词搜索及语义智能分析，能提高舆情分析的及时性、全面性，全面掌握社情民意，提高公共服务能力，应对网络突发的公共事件，打击违法犯罪。在安防与防灾领域，通过大数据的挖掘，可以及时发现人为或自然灾害、恐怖事件，提高应急处理能力和安全防范能力。

由此可见，大数据是智慧城市各个领域都能够实现“智慧化”的关键性支撑技术，智慧城市的建设离不开大数据。建设智慧城市，是城市发展的新范式和新战略。大数据将遍布智慧城市的方方面面，从政府决策与服务，到人们衣食住行的生活方式，再到城市的产业布局和规划，直到城市的运营和管理方式，都将在大数据支撑下走向“智慧化”，大数据成为智慧城市的智慧引擎。

4.4 大数据在智慧城市中的应用发展建议

1、加强统筹规划，优化大数据形成机制。强化对大数据建设工作的组织协调，打破地区和部门数据壁垒，实现数据资源联合共建、广泛共享。建立政府和社会联动的大数据形成机制，以政府数据公开共享，推动公共数据资源的开发利用。

2、加强数据收集和信息感知，提高城市感知水平。加强政府部门在管理和服务过程中对数据的主动采集，建立政府大数据库。鼓励制造业企业和商业机构加强对生产经营活动中的数据采集，形成覆盖生产过程和商业各环节各流程的数据库。推进无线识别技术、传感器、无线网络、传感网络等新技术的广泛应用，提高数据采集的智能化水平。

3、推进大数据应用，提高经济社会智慧化水平。推进政务信息公开。推行政府网上办事，收集分析挖掘社会政务服务需求，推进公共服务个性化和政府决策智能化。支持公共服务机构和商业机构开放与社会民生密切相关的公共数据。推进国民经济各行业和企业数据开发，发展商业智能。鼓励开展服务大众的大数据应用，提升智慧生活品质。

---

第5章 大数据时代来临

5.1 大数据时代，何为大数据

如今，云计算方兴未艾，“大数据”又悄然兴起，三大技术趋势正在重塑IT世界。云计算、社交计算、和移动计算正在不断提供令人惊叹的新价值。为充分发挥大数据的业务价值，我们需要一个可扩展、灵活而可管理的数据基础架构。

大数据是规模非常巨大和复杂的数据集，传统数据库管理工具处理起来面临很多问题，比如说获取、存储、检索、共享、分析和可视化，数据量达到 PB、EB或ZB的级别。

大数据有三个V，一是数据量 （Volume），数据量是持续快速增加的；二是高速度 （Velocity）的数据I/0；三是多样化（Variety）数据类型和来源。

大数据引发了一些问题，如对数据库高并发读写要求、对海量数据的高效率存储和访问需求、对数据库高可扩展性和高可用性的需求，传统SQL主要性能没有用武之地。互联网巨头对于NoSQL数据模式应用非常广，比如谷歌的Big Table、Facebook的Cassandra、Oracle的NoSQL及亚马逊的Dynamo等。 支撑大数据以及云计算的底层原则是一样的，即规模化、自动化、资源配置、自愈性、因此实际上大数据和云之间存在很多合力的地方，大数据应用是在云端跑的，非常典型的应用。 关系型数据库上对大规模数据进行操作会造成系统性能严重下降，当数据集和索引变大时，传统关系型数据库如Oracle、Sybase在对大规模数据进行操作会造成系统性能严重下降，因为在处理数据时SQL请求会占用大量的CPU周期，并且会导致大量的磁盘读写，性能会变得让人无法忍受。

到2012年4月，Facebook每天评论32亿条、新上传照片近3亿张，每周新增图片容量60TB，图片总量约2600亿张，已超过20PB，平均每秒3500次写操作。亚马逊目前EC2有450000台服务器。谷歌搜索、Facebook的帖子和微博消息使得人们的行为和情绪的细节化测量成为可能。有46亿全球移动电话用户有1亿美元和20亿人访问互联网。基本上，人们比以往任何时候都与数据或信息交互。 1990年至2005年，全球超过1亿人进入中产阶级，这意味着越来越多的人，谁收益的这笔钱将成为反过来导致更多的识字信息的增长。思科公司预计，到2013年，在互联网上流动的交通量将达到每年667艾字节。 挖掘用户的行为习惯和喜好，凌乱纷繁的数据背后找到更符合用户兴趣和习惯的产品和服务，并对产品和服务进行针对性地调整和优化，这就是大数据的价值。

5.2 大数据时代对于智能交通行业的挑战

大数据目前的应用可能性，从行业应用特点讲，智能交通行业切合度很高，从应用需求讲，智能交通行业跟大数据技术切合度也很高，会有比较大的应用前景。平安城市、智能交通、互联网监测、疫情分析、微博管理、论坛管理、公共场所信息安全、案件分析、人口数据管理、流动人口管理、重点设施安全等等，智能交通信息系统需要对大量的结构化数据、海量的非结构化数据进行管理，大量的数据需要一个有效的、能够产生价值的管理手段。

仅交警信息系统来看，每年过车信息数据量达到数百亿级记录规模，市局和区县的数据中心两级架构，分布式存储，集中管理。如何实现多条件组合快速查询：卡口名称、车道名称、车辆类型、车牌类型、车牌号码、车身颜色、 车牌颜色、车速范围、车长范围、号牌段范围、时间范围。 同时还支持海量过车信息的模糊匹配检索、支持各种统计分析、数据挖掘：车辆违章率统计、过车识别率统计、套牌分析、关联性分析、 支持各种统计分析、数据挖掘：车辆违章率统计、过车识别率统计、套牌分析、关联性分析、 黑名单等，如何更加有效、快速的管理这些数据，为更高效的社会提供公共服务，对智能交通行业，尤其交警信息化来说，提出了更高的要求。

5.3 大数据时代对于医疗行业的挑战

随着大数据在医疗与生命科学研究过程中的广泛应用和不断扩展，其数量之大和种类之多令人难以置信。比如：一个CT图像含有大约150MB的数据，而一个基因组序列文件大小约为750MB， 一个标准的病理图则大得多，接近5 GB。如果将这些数据量乘以人口数量和平均寿命，仅一个社区医院或一个中等规模制药企业就可以生成和累积达数个TB甚至数个PB级的结构化和非结构化数据。

在中国，2010年，国家公布的“十二五”规划中指出要重点建设国家级、省级和地市级三级卫生信息平台，建设电子档案和电子病历两个基础数据库等诸项目标，也就是推进医疗信息化的“3521”工程。过去由于缺少统一的电子病历系统(EMR)标准，中国的电子病历系统发展比较缓慢，医院之间不能实现共享病患信息共享，医疗服务水平也因此受到影响。为改善这一现状，国家会逐渐加大对电子病历的投入，适应这一趋势，各级医院也将加大在数据中心，IT外包等领域的投入。而随着医疗信息数据的几何倍数增长，医院信息存储将越来越受到重视，医疗信息中心的关注点也将由传统“计算”领域转移到“存储”领域上来。

有“弊”就有“利”
对于许多医疗和生命科学机构而言，努力控制大数据造成的呈螺旋上涨的成本、复杂性和风险已经成为一个至关重要的问题。然而，从另一个角度来看，医疗大数据能够带来的收益要远远超出管理它们的成本，如开放新的具有医疗价值的信息源、提高诊断准确性和速度、预测疾病和健康形态，以及取得生命科学创新的不同见解。美国管理咨询公司麦肯锡全球研究院（MGI）预测，如果美国的医疗行业能够有效利用不断增长的大数据来提高效率和质量，那么每年可创造超过3000亿美元的额外价值。而且，在欧洲的发达国家中，仅在提高运行效率一项上，政府行政管理部门就可以利用大数据节省1000亿欧元以上的费用。

对于大多数成功的医疗机构来说，利用大数据已经成为提高生产力、改进护理水平、增强竞争力、加快增长和创新的关键策略。那么，我们该如何在两方面进行平衡，实现可观的效果和利润呢？

答案存在于数据经济学中，即如何使从数据中获取价值的成本低于数据能产生的效益？如果我们能够有效地将数据存储、处理和保护成本降至最低，然后利用尖端技术将数据转化成支持临床需要与业务增长的可执行信息，我们就能实现最高的数据经济效益。

医疗大数据的挑战
然而，如何有效地将大数据存储成本降至最低，是企业和IT领导者，尤其是内容驱动的医疗和生命科学企业面临的根本性挑战。因为除了数据数量和形态的迅速增加，医疗数据还需要越来越长的保留期。患者的病历可能需要保存70或80年，甚至更长。许多情况下，病历还必须以原始格式永久保存，以满足法规遵从的要求。同样，生命科学研究机构有选择性的选择价值足以保留和维护数十年的数据，以期为新研究提供依据。
另外，许多医疗与生命科学研究机构在竭力应对资源紧张、持续的业务增长和新医疗技术带来的挑战。事实上，存储消费速度加快，存储资产未得到充分利用，对空间的持续需求以及动力和冷却成本的增加，都推动了总体拥有成本的不断攀升。而且，一旦存储系统的安全性出现问题，导致医疗数据丢失，医院会面临更严重的局面。对于研究机构来说，数据存取是创新和竞争力的核心。这样看来，文件数据不断增长导致的管理成本提升被认为是当今全球5000强公司面临的五大难题之一，这种结论就不足为奇了。

医疗行业应对大数据的理想基础架构
要实现最高数据经济效益，关键是能够对包括结构性数据和非结构性数据在内的所有医疗大数据进行集成，实现集中管理和更好的资源配置。为了整合医院不同部门或不同生命科学系统的大数据，实现最充分的信息搜索和共享，理想的存储架构必须是一个适用块数据、文件和内容的集成系统，并且拥有强大的容量、性能和吞吐量，在处理、移动和访问多个大型数据集和大量数据（数量常常达到数个TB甚至是PB）时能够保持运行的一致性。为了尽量降低存储成本并满足临床业务需要，理想的存储架构还必须支持临床创新的数据互操作性，必须能够智能分层，根据访问频率、临床价值和实际存储成本自动完成数据分布。这种动态分层功能有助于进一步提高容量利用和资源配置水平，从而全面优化存储资源的成本效率。

5.4 “十二五”信息化规划对于智能交通信息化的影响

信息化是充分利用信息技术，开发利用信息资源，促进信息交流和知识共享，提高经济增长质量，推动经济社会发展转型的历史进程。信息化发展对中国经济、社会具有十分重大的影响。我国信息化的五大应用领域如下：经济领域的信息化， 包括农业信息化、服务业信息化、两化融合、信息产业等；社会领域的信息化， 包括民生、公共卫生、劳动保障等；政务领域的信息化，包括政府办公、对外服务等；文化领域的信息化，包括图书、档案、文博、广电、网络治理等；军事领域的信息化， 包括装备、情报、指挥、后勤等。国民经济和社会发展信息化“十二五”规划主要关注经济、社会和政务领域的信息化，部分地区包含文化领域信息化。
近年来， 党和国家对信息化的认识逐步深入，从“十六大”的“以信息化带动工业化、以工业化促进信息化”论断，到党的“十七大”进一步上升为“促进信息化与工业化融合，走新型工业化道路”。信息化与工业化融合是党中央、国务院在我国经济社会发展新的历史起点上所做出的重大战略部署，是时代发展的必然要求。两化融合是工业化与信息化双赢的战略，就是通过信息化我们可以对我们的传统制造业进行信息化的改造，实现传统产业的升级换代，达到带动工业化创新、发展、升级的目的。另外一方面，工业化的发展，又可以提高我们先进制造业的水平，反过来促进我们信息化的核心技术和产业的发展，也为信息化的深入发展提供技术和产业的支撑。还有，两化融合也会催生一批信息化的新兴产业，推动信息时代新的经济体系和产业结构的形成。

作为信息化发展的基础， 信息产业作为新兴产业受到极大的关注，“十一五”期间取得了很大成绩。“十二五”期间将以提高计算机企业创新能力为着力点，积极实施自主创新的标准化战略，及时跟踪国际信息产业技术标准的发展动态，支持计算机企业通过重大项目和市场化利益共享机制建立组成技术创新联盟。同时利用社会集中力量的优势，进行若干重大科研项目的攻关，在“十二五”规划期间实现在重点前沿科技领域中逐渐缩小与国际先进研发水平的差距，提高计算机产业的整体水平和竞争力。

大力发展智能交通，缓解城市交通问题。随着城市交通问题的日益发展，城市交通综合信息平台、全球定位与车载导航系统、城市公共交通车辆以及出租车的车辆指挥与调度系统、城市综合应急系统将会成为未来发展特点。同时，在现有的业务管理信息系统和政府部门的办公业务系统基础上，有必要建设交通行业政务信息交换体系和重大基础性、战略性数据库；开展跨部门、跨行业信息交换与共享，建成关键业务系统并发挥重要作用，促成部门间业务协同；通过信息技术与业务的结合使各级交通主管部门的管理决策能力、公共服务能力、应急处理能力以及企事业单位的市场竞争能力得到较大提高。扩大市民卡应用领域。未来市民卡要在传统公交服务的基础上，通过创新经营模式，提供包括员工卡、考勤、门禁管理、在出租车、水、电、气收费等方面的应用，让市民卡真正变成市民手中的电子钱包，方便人民群众的衣食住行。

建设应急指挥系统，提高灾害处理能力。利用先进的信息技术建设城市公共安全应急指挥信息传输与处理平台，将110、119、120、122、环保监测、森林防火监测、抗旱防汛、防空防灾、地震监测、重要基础设施保护、公共事业等各专业系统联网，实现公共安全应急视频会议会商、图像监控、数据网络互联、电话调度等功能，使各专业系统的信息能实时、迅速、准确地汇集到指挥中心，实现高度自动化的人情、工情、灾情监测网络系统和无纸化办公。这样，决策者就能根据整个全局的形势，做出最准确、最有效的调度方案，实时地进行全方位的远程指挥和调度，运筹帷幄，决胜于千里之外，最大限度地减少灾害造成的损失。

完善基础信息资源目录和交换体系，实现基础数据的整合与共享。基础信息资源是政府在履行职能过程中产生或使用的人口基础信息库、法人单位基础数据库、自然资源和空间地理信息基础数据库、宏观经济数据库，为基础公开、业务协同、辅助决策、公共服务等提供信息支持。基础信息资源目录体系与交换体系是信息化建设的重要基础设施，是面向需求实现信息共享和业务协同的重要支撑，是实现部门间基础信息资源共享的基础。为了解决政府部门之间的业务协同和信息共享问题，关键之一是建立由接入网关、基础信息交换平台、服务网关、管理系统4个部分组成的基础信息资源交换体系。

从国家十二五规划关于对信息化的要求来看，智能交通行业信息化迎来了大数据时代。

5.5 “十二五”医疗信息化对智慧医疗的影响

国家公布的“十二五”规划中指出要重点建设国家级、省级和地市级三级卫生信息平台，建设电子档案和电子病历两个基础数据库等诸项目标，也就是推进医疗信息化的“3521”工程。过去由于缺少统一的电子病历系统(EMR)标准，中国的电子病历系统发展比较缓慢，医院之间不能实现共享病患信息共享，医疗服务水平也因此受到影响。为改善这一现状，国家会逐渐加大对电子病历的投入，适应这一趋势，各级医院也将加大在大数据中心，IT外包等领域的投入。而随着医疗信息数据的几何倍数增长，医院信息存储将越来越受到重视，医疗信息中心的关注点也将由传统“计算”领域转移到“存储”领域上来。

第6章 智能交通信息化在新时代的需求分析

6.1 智能交通信息化现有模式

智能交通现在部署多套业务系统，如相对核心的警务综合应用系统、出入境管理信息系统、暂住人口管理信息系统、经侦信息管理系统、刑侦管理信息系统、智能交通综合查询系统、电子档案影像管理系统，此外还有平安城市系统、交警的交通应急指挥系统、指纹系统等等。
此类系统用户众多，中间件服务器，大小数据库服务器及服务器群集众多，应用部署模式大多相似，如图

大量各种类型的工作站（PC、移动工作站、外单位系统、面向普通群众网上系统、社会单位）通过各种中间件服务器发出数据请求，中间件服务器通过检索文件或者数据库将结果返回到工作站，完成请求。

业务系统众多，现有各种PCSERVER、小型机、各种存储设备几百台，部署在市局、交警、各支队、各县区。

6.2 智能交通信息化面临的困惑

对于工作站而言，多种业务系统，多个登陆窗口，数据共享麻烦，数据采集分散且重复工作强度较大。另外，服务器极多，但是负载分配不平衡，造成部分计算性能不够，部分长期无开销，诸多服务器难以采取群集方式实现高可用性，设备维护、更新，需要长期暂停业务，以便于维护，百十台甚至更多服务器，投资巨大，设备运行，供电、制冷能耗消耗极大，多种不兼容架构都是现有结构不可规避的问题。

随着社会信息化的不断深入，不仅仅采用数据库管理的数据迅猛增长，无法采用关系数据库表达的数据更是迅猛增长，大量有价值的数据因为无法有效管理被丢弃，从而造成无法查询、归档，无法从中得到需要信息。

随着大数据时代的到来，数据管理方式的改变也在发生根本性的转变。扎克伯格解释，根据Facebook统计数据，社交分享信息量以倍数增长，今天分享信息总量是两年前的两倍，从现在开始后的一年，用户所产生的信息分享总量将是今天的两倍，扎克伯格的社交分享定律可以用一个公式来表示：Y = C *2^X。其中，X代表时间，Y代表用户的信息分享量，C是一个常数。

对于智能交通信息化而言，大数据不仅仅数据量快速增加，数据存储的类型更是改变巨大，由原来结构化、关系型数据管理转变为非结构化、离散的数据存储，对当前数据管理模式提出了非常高的挑战，同时带来了传统数据管理方式无法满足的访问效率问题，更是无法应对物联网时代带来的数据压力。
总结以上，现阶段，智能交通信息化的压力主要为
工作站众多，业务窗口多
 大量服务器资源利用不合理，部分资源紧张，更大部分资源闲置
 大量服务器缺乏安全部署，部分部署群集，更多单点运行
 新增业务系统，仍然需要大量设备采购，周期长，且资金投入大
 机房供电、制冷耗费严重
 业务主机维护麻烦，业务中断时间长
 面对激增的数据增长，缺乏高效的管理手段
 面对更多的非结构化数据，缺乏有效的管理手段
 智能交通内部诸多系统数据资源未能有效利用
 更多数据被丢弃，没有发挥其应有价值

6.3 智能交通信息化需求

综合对上面新业务、新需求分析，集合现有信息化状态，我们提出了一个进入大数据时代的可行性方案。

大数据时代，业务在改变，简化、灵活、共享、节能、透明、集成是基本要求，将各种类型数据，有效管理进行分析和挖掘，得出决策性分析结果，是目标。

为了紧跟十二五信息化规划要求，实现对业务和数据的有效管理，适应当前及未来信息化发展，我们整理智能交通信息化需求，归纳如下
 建设一个节省成本的数据中心，实现节能减排，为建设资源节约型、环境友好型社会做出表率；
 数据中心能够提高效率，提高设备利用率，建立一个弹性的、可自由伸缩的数据中心；
 建立一个高度安全的，能够保障业务系统连续不间断运行的，可自由维护的数据中心；
 能够实现整体性能优化、高度自动化的数据中心；
 能够实现核心数据库快照分析；
 能够管理海量的非结构化数据，将其赋予一定的可查询属性，能够执行海量数据分析；
 能够管理分布式数据；
 能够按照智能交通行业特征，实现数据挖掘。

---

第7章 智能交通大数据解决方案

7.1 大数据对于智能交通的重要性

随着智能交通私有云的建设完成，并取得了显著的收益时，并不意味者对智能交通行业云的利用和目的已经完成。
最大的问题是数据分析，智能交通系统有大量的图像、视频数据，比如指纹、交通视频、监控等等资料，省级智能交通厅也有大量的数据，每天大约新产生200TB数据，现在对视频的处理主要靠人工，例如通过视频资料查找可疑人员，因为没有适当的设备、软件进行智能化处理，效率是非常低的，虽然视频的智能分析能够完成部分预筛选工作，但是精确程度不高，另外，智能交通局数据平台采用了两种模式，传统的数据库数据仍然用结构化数据处理模型解决，非结构化数据，例如视频、图片等资料需要进一步开发大数据处理系统，智能交通系统需要对视频内容进行分析，并识别其中的关键信息。

7.2 智能交通行业在当前数据存储问题和价值体现

系统问题
 大量的平安城市视频数据、图片数据、卡口、大量的情报、业务数据。
 互联网监测、企业上网记录、人口数据等，多种复杂、多变、迅速增长数据。
管理问题
 如何有效的管理和存储此类数据，如何面对数据的采集、分类和有效访问。
 大量的社会个人信息、单位信息、如何规避信息风险。
应用问题
 大量数据，如何进行有效组织管理。
 存在大量的，极少访问的数据，如何进行管理和取舍。
 如何支持大量非结构化数据的智能分析和事务处理。
数据价值
 疫情分析
 热点统计
 人物分析
 案件分析
 热点追踪
 数据分析
信息挖掘
 关联图谱
 传播图谱及分类
 疫情动态、走势、监视跟踪趋势
 敏感预警、多维检索
 新闻、论坛、微博、搜索引擎和wiki

7.3 智能交通行业大数据产生

智能交通数据包括系统内部业务数据、交警数据以及社会其它来源的数据。
业务系统
警用地理信息、人口管理、移动人口管理、网警疫情、综合查询平台、情报信息、刑侦、经侦数据、警务系统、出入境管理、国保监测、电子档案等数据。
平安城市
社区视频监控、道路视频监控、卡口图片信息、移动辅助监控、应急指挥、视频智能分析、车辆追踪等。
分布式数据
互联网监控、微博、wiki、搜索引擎数据、县区分布数据采集、平安城市、卡口监控、数字城管信息、其他部分共享数据、如公检法院、质监、安监等

---

第8章 智慧医疗大数据解决方案

8.1 大数据对智慧医疗的重要性

所谓大数据是指在允许的时间里，无法用常规软件对数据进行抓取、管理和处理而产生的数据集合。而在医疗数字化的过程中，医院成了大数据产生的重要来源，病历、影像、远程医疗等都会产生大量的数据。

大数据的应用首当其冲的就是智慧医疗,具体可应用在临床诊断、远程监控、药品研发、防止医疗诈骗等方面。

大数据的应用可产生很高的经济价值。“按照世界经济论坛的说法，大数据是新财富，价值堪比石油。麦肯锡曾说，大数据就是生产资料。一份报告显示，医疗大数据的分析会为美国产生3000亿美元的价值，减少8%的美国国家医疗保健的支出。”

但是，要把医疗大数据转换为经济价值，最难的是医疗数据的挖掘。“关键是怎么能够提取出与诊疗有关的数据。”

帮助医生临床诊断
大数据的第一个应用是临床诊断，这首先体现在对病人的数据分析，精准地分析病人的体征、治疗费用和疗效数据，可避免过度治疗、避免副作用较为明显的治疗。通过进一步比较各种治疗措施的效果，医生可更好地确定临床最有效、效益最好的治疗方法。
其次体现在临床决策系统。通过将医生处方和医疗专家库医学指导比较，系统可提醒医生避免出错，如药品不良反应、过度使用抗生素等，帮助医生降低医疗风险。“美国的一个儿科医院通过使用临床决策支持系统，两个月内减少了40%的药品不良反应。”
最后是可以让临床医疗数据更加透明。美国疾控中心公布了医疗数据，帮助病人作出更明智的决定，从而选择性价比更高的治疗方案。“通过告诉病人多种不同的医疗方案，病人可以自己选择治疗方案。美国还公开发布不同医院的医疗质量和绩效数据，这有助于督促医院改进医疗服务质量。”“仅仅这个医疗临床决策系统，对美国来讲，一年就能减少1650亿美元医疗支出。”

实现远程监护医疗
大数据的第二个应用是计算机远程监护
首先，通过收集数据，医生可以更好地判断病人病情。比如，充血性心脏衰竭的治疗检查费用非常高。但是通过大数据分析发现，凡是充血性心脏衰竭的病人，他的颈静脉会扩张。所以根据颈静脉扩张的检查，就能判断他是不是充血性心脏衰竭。而颈静脉的检查，根本就不要成本，摸一下就够了。而这也是通过大量数据的搜集而总结出来的。

其次，通过对数据的收集和分析，可实现计算机远程监护，对慢性病进行管理。比如，充血性心脏的标志之一是由于保水而增加体重，因此通过远程监控体重可发现相关疾病，提醒医生及时采取治疗措施，防止急性状况发生。

计算机远程监护还可以减少病人住院时间、减少急诊量，提高家庭护理比例和门诊医生预约量。

加快药品研发入市
大数据的第三个应用是医疗研发，这首先体现在预测建模。通过收集临床实验前期和结果的数据，可以评价新药的安全性、有效性以及潜在的副作用，提高研发效率。原来，一般新药从研发到推向市场的时间大约为13年，使用预测模型至少可以提早3-5年。

其次是临床实验设计的统计工具和算法。通过挖掘病人数据，可以评估和招募患者是否符合试验条件，并进一步找出最合适的临床实验基地，从而加快临床试验进程。

8.2 医疗行业大数据应用的15个场景

1989年，Gartner提出BI概念。2008年，Gartner将BI概念进一步升级为高级分析(Advanced Analytics)。2011年，麦肯锡阐释大数据概念。虽然名称不同，但实际上它们要解决的问题从来没变过。只不过，现在的大数据分析技术能处理相比20年前更大量、多样、实时(Volume、Variety、Velocity)的数据，即大数据。相比20年前的BI，现在的大数据分析能够产生更大的商业价值，大数据存储和分析技术的发展也得益于商业场景中数据量的激增和数据种类的多样化。

因此在实施大数据分析项目之前，企业不仅应该知道使用何种技术，更应该知道在什么时候、什么地方使用。除了较早前就开始利用大数据的互联网公司，医疗行业可能是让大数据分析最先发扬光大的传统行业之一。医疗行业早就遇到了海量数据和非结构化数据的挑战，而近年来很多国家都在积极推进医疗信息化发展，这使得很多医疗机构有资金来做大数据分析。因此，医疗行业将和银行、电信、保险等行业一起首先迈入大数据时代。麦肯锡在其报告中指出，排除体制障碍，大数据分析可以帮助美国的医疗服务业一年创造3000亿美元的附加价值。
现在我们列出了医疗服务业5大领域(临床业务、付款/定价、研发、新的商业模式、公众健康)的15项应用，这些场景下，大数据的分析和应用都将发挥巨大的作用，提高医疗效率和医疗效果。

临床操作领域：
在临床操作方面，有5个主要场景的大数据应用。麦肯锡估计，如果这些应用被充分采用，光是美国，国家医疗健康开支一年就将减少165亿美元。
1.比较效果研究
通过全面分析病人特征数据和疗效数据，然后比较多种干预措施的有效性，可以找到针对特定病人的最佳治疗途径。
基于疗效的研究包括比较效果研究(Comparative Effectiveness Research， CER)。研究表明，对同一病人来说，医疗服务提供方不同，医疗护理方法和效果不同，成本上也存在着很大的差异。精准分析包括病人体征数据、费用数据和疗效数据在内的大型数据集，可以帮助医生确定临床上最有效和最具有成本效益的治疗方法。医疗护理系统实现CER，将有可能减少过度治疗(比如避免那些副作用比疗效明显的治疗方式)，以及治疗不足。从长远来看，不管是过度治疗还是治疗不足都将给病人身体带来负面影响，以及产生更高的医疗费用。
世界各地的很多医疗机构(如英国的NICE，德国IQWIG，加拿大普通药品检查机构等)已经开始了CER项目并取得了初步成功。2009年，美国通过的复苏与再投资法案，就是向这个方向迈出的第一步。在这一法案下，设立的比较效果研究联邦协调委员会协调整个联邦政府的比较效果的研究，并对4亿美元投入资金进行分配。这一投入想要获得成功，还有大量潜在问题需要解决，比如，临床数据和保险数据的一致性问题，当前在缺少EHR(电子健康档案)标准和互操作性的前提下，大范围仓促部署EHR可能造成不同数据集难以整合。再如，病人隐私问题，想要在保护病人隐私的前提下，又要提供足够详细的数据以便保证分析结果的有效性不是一件容易的事情。还有一些体制问题，比如目前美国法律禁止医疗保险机构和医疗补助服务中心(Centers for Medicare and Medicaid Services)(医疗服务支付方)使用成本/效益比例来制定报销决策，因此即便他们通过大数据分析找到更好的方法也很难落实。

2.临床决策支持系统
临床决策支持系统可以提高工作效率和诊疗质量。目前的临床决策支持系统分析医生输入的条目，比较其与医学指引不同的地方，从而提醒医生防止潜在的错误，如药物不良反应。通过部署这些系统，医疗服务提供方可以降低医疗事故率和索赔数，尤其是那些临床错误引起的医疗事故。在美国Metropolitan儿科重症病房的研究中，两个月内，临床决策支持系统就削减了40%的药品不良反应事件数量。
大数据分析技术将使临床决策支持系统更智能，这得益于对非结构化数据的分析能力的日益加强。比如可以使用图像分析和识别技术，识别医疗影像(X光、CT、MRI)数据，或者挖掘医疗文献数据建立医疗专家数据库，从而给医生提出诊疗建议。此外，临床决策支持系统还可以使医疗流程中大部分的工作流流向护理人员和助理医生，使医生从耗时过长的简单咨询工作中解脱出来，从而提高治疗效率。

3.医疗数据透明度
提高医疗过程数据的透明度，可以使医疗从业者、医疗机构的绩效更透明，间接促进医疗服务质量的提高。
根据医疗服务提供方设置的操作和绩效数据集，可以进行数据分析并创建可视化的流程图和仪表盘，促进信息透明。流程图的目标是识别和分析临床变异和医疗废物的来源，然后优化流程。仅仅发布成本、质量和绩效数据，即使没有与之相应的物质上的奖励，也往往可以促进绩效的提高，使医疗服务机构提供更好的服务，从而更有竞争力。
数据分析可以带来业务流程的精简，通过精益生产降低成本，找到符合需求的工作更高效的员工，从而提高护理质量并给病人带来更好的体验，也给医疗服务机构带来额外的业绩增长潜力。美国医疗保险和医疗补助服务中心正在测试仪表盘，将其作为建设主动、透明、开放、协作型政府的一部分。本着同样的精神，美国疾病控制和预防中心(Centers for Disease Control and Prevention)已经公开发布医疗数据，包括业务数据。
公开发布医疗质量和绩效数据还可以帮助病人做出更明智的健康护理决定，这也将帮助医疗服务提供方提高总体绩效，从而更具竞争力。

4.远程病人监控
从对慢性病人的远程监控系统收集数据，并将分析结果反馈给监控设备(查看病人是否正在遵从医嘱)，从而确定今后的用药和治疗方案。
2010年，美国有1.5亿慢性病患者，如糖尿病、充血性心脏衰竭、高血压患者，他们的医疗费用占到了医疗卫生系统医疗成本的80%。远程病人监护系统对治疗慢性病患者是非常有用的。远程病人监护系统包括家用心脏监测设备、血糖仪，甚至还包括芯片药片，芯片药片被患者摄入后，实时传送数据到电子病历数据库。举个例子，远程监控可以提醒医生对充血性心脏衰竭病人采取及时治疗措施，防止紧急状况发生，因为充血性心脏衰竭的标志之一是由于保水产生的体重增加现象，这可以通过远程监控实现预防。更多的好处是，通过对远程监控系统产生的数据的分析，可以减少病人住院时间，减少急诊量，实现提高家庭护理比例和门诊医生预约量的目标。

5.对病人档案的先进分析
在病人档案方面应用高级分析可以确定哪些人是某类疾病的易感人群。举例说，应用高级分析可以帮助识别哪些病人有患糖尿病的高风险，使他们尽早接受预防性保健方案。这些方法也可以帮患者从已经存在的疾病管理方案中找到最好的治疗方案。

付款/定价领域：
对医疗支付方来说，通过大数据分析可以更好地对医疗服务进行定价。以美国为例，这将有潜力创造每年500亿美元的价值，其中一半来源于国家医疗开支的降低。

1.自动化系统
自动化系统(例如机器学习技术)检测欺诈行为。业内人士评估，每年有2%~4%的医疗索赔是欺诈性的或不合理的，因此检测索赔欺诈具有巨大的经济意义。通过一个全面的一致的索赔数据库和相应的算法，可以检测索赔准确性，查出欺诈行为。这种欺诈检测可以是追溯性的，也可以是实时的。在实时检测中，自动化系统可以在支付发生前就识别出欺诈，避免重大的损失。

2.基于卫生经济学和疗效研究的定价计划
在药品定价方面，制药公司可以参与分担治疗风险，比如基于治疗效果制定定价策略。这对医疗支付方的好处显而易见，有利于控制医疗保健成本支出。对患者来说，好处更加直接。他们能够以合理的价格获得创新的药物，并且这些药物经过基于疗效的研究。而对医药产品公司来说，更好的定价策略也是好处多多。他们可以获得更高的市场准入可能性，也可以通过创新的定价方案，更有针对性疗效药品的推出，获得更高的收入。
在欧洲，现在有一些基于卫生经济学和疗效的药品定价试点项目。
一些医疗支付方正在利用数据分析衡量医疗服务提供方的服务，并依据服务水平进行定价。医疗服务支付方可以基于医疗效果进行支付，他们可以与医疗服务提供方进行谈判，看医疗服务提供方提供的服务是否达到特定的基准。

研发领域：
医疗产品公司可以利用大数据提高研发效率。拿美国为例，这将创造每年超过1000亿美元的价值。
1.预测建模
医药公司在新药物的研发阶段，可以通过数据建模和分析，确定最有效率的投入产出比，从而配备最佳资源组合。模型基于药物临床试验阶段之前的数据集及早期临床阶段的数据集，尽可能及时地预测临床结果。评价因素包括产品的安全性、有效性、潜在的副作用和整体的试验结果。通过预测建模可以降低医药产品公司的研发成本，在通过数据建模和分析预测药物临床结果后，可以暂缓研究次优的药物，或者停止在次优药物上的昂贵的临床试验。
除了研发成本，医药公司还可以更快地得到回报。通过数据建模和分析，医药公司可以将药物更快推向市场，生产更有针对性的药物，有更高潜在市场回报和治疗成功率的药物。原来一般新药从研发到推向市场的时间大约为13年，使用预测模型可以帮助医药企业提早3～5年将新药推向市场。

2.提高临床试验设计的统计工具和算法
使用统计工具和算法，可以提高临床试验设计水平，并在临床试验阶段更容易地招募到患者。通过挖掘病人数据，评估招募患者是否符合试验条件，从而加快临床试验进程，提出更有效的临床试验设计建议，并能找出最合适的临床试验基地。比如那些拥有大量潜在符合条件的临床试验患者的试验基地可能是更理想的，或者在试验患者群体的规模和特征二者之间找到平衡。

3.临床实验数据的分析
分析临床试验数据和病人记录可以确定药品更多的适应症和发现副作用。在对临床试验数据和病人记录进行分析后，可以对药物进行重新定位，或者实现针对其他适应症的营销。实时或者近乎实时地收集不良反应报告可以促进药物警戒(药物警戒是上市药品的安全保障体系，对药物不良反应进行监测、评价和预防)。或者在一些情况下，临床实验暗示出了一些情况但没有足够的统计数据去证明，现在基于临床试验大数据的分析可以给出证据。
这些分析项目是非常重要的。可以看到最近几年药品撤市数量屡创新高，药品撤市可能给医药公司带来毁灭性的打击。2004年从市场上撤下的止痛药Vioxx，给默克公司造成70亿美元的损失，短短几天内就造成股东价值33%的损失。

4.个性化治疗
另一种在研发领域有前途的大数据创新，是通过对大型数据集(例如基因组数据)的分析发展个性化治疗。这一应用考察遗传变异、对特定疾病的易感性和对特殊药物的反应的关系，然后在药物研发和用药过程中考虑个人的遗传变异因素。
个性化医学可以改善医疗保健效果，比如在患者发生疾病症状前，就提供早期的检测和诊断。很多情况下，病人用同样的诊疗方案但是疗效却不一样，部分原因是遗传变异。针对不同的患者采取不同的诊疗方案，或者根据患者的实际情况调整药物剂量，可以减少副作用。
个性化医疗目前还处在初期阶段。麦肯锡估计，在某些案例中，通过减少处方药量可以减少30%~70%的医疗成本。比如，早期发现和治疗可以显著降低肺癌给卫生系统造成的负担，因为早期的手术费用是后期治疗费用的一半。

5.疾病模式的分析
通过分析疾病的模式和趋势，可以帮助医疗产品企业制定战略性的研发投资决策，帮助其优化研发重点，优化配备资源。

新的商业模式
大数据分析可以给医疗服务行业带来新的商业模式。
1.汇总患者的临床记录和医疗保险数据集
汇总患者的临床记录和医疗保险数据集，并进行高级分析，将提高医疗支付方、医疗服务提供方和医药企业的决策能力。比如，对医药企业来说，他们不仅可以生产出具有更佳疗效的药品，而且能保证药品适销对路。临床记录和医疗保险数据集的市场刚刚开始发展，扩张的速度将取决于医疗保健行业完成EMR和循证医学发展的速度。

2.网络平台和社区
另一个潜在的大数据启动的商业模型是网络平台和大数据，这些平台已经产生了大量有价值的数据。比如PatientsLikeMe.com网站，病人可以这个网站上分享治疗经验;Sermo.com网站，医生可以在这个网站上分享医疗见解;Participatorymedicine.org网站，这家非营利性组织运营的网站鼓励病人积极进行治疗。这些平台可以成为宝贵的数据来源。例如，Sermo.com向医药公司收费，允许他们访问会员信息和网上互动信息。

公众健康
大数据的使用可以改善公众健康监控。公共卫生部门可以通过覆盖全国的患者电子病历数据库，快速检测传染病，进行全面的疫情监测，并通过集成疾病监测和响应程序，快速进行响应。这将带来很多好处，包括医疗索赔支出减少、传染病感染率降低，卫生部门可以更快地检测出新的传染病和疫情。通过提供准确和及时的公众健康咨询，将会大幅提高公众健康风险意识，同时也将降低传染病感染风险。所有的这些都将帮助人们创造更好的生活。

---

第九章 大数据平台项目意义

现有IT硬件能力的充分发挥
 应用部署快，设备更换简单，扩展能力强，部署灵活多变。
 安全程度高，可以采用多种数据和系统安全手段，保护数据和应用。
 运行成本低，通过云化实现“绿色数据中心”，结合国家十二五规划指导精神，建设资源节约型、环境友好型社会。

创新业务模式
 实现了业务模式创新，将分散建设系统集中化；
 具备了业务整合的可能性，从各种数据中得到数据信息；
 将何种数据看作智能交通内部资源，并且协调外部数据资源，让这些资源发生社会效益，为智能交通干警在日常工作中，更能精确对应各种突发事件。

社会意义
 工信部物联网“十二五”规划，海量数据存储、数据挖掘、图像视频智能分析，这都是大数据的重要组成部分，同时为信息处理四大关键技术。
 作为新兴关键技术，我们政府和企业一起，需要抓住机遇，迎头赶上，紧跟全球信息化步伐。
 中国人口规模，决定了中国大数据规模，数据资产管理，必须有一个有效可行的管理手段。