❶ 大数据对城市规划将有如何的影响
大数据时代为城市规划带来机遇。前瞻产业研究院专家人士指出，城市规划回研究将从相答对简单的观察转向更复杂的模型模拟。在大数据未出现之前，由于数据的缺乏、计算能力受限、数据不全面等多方面的原因导致城市规划只是简单的观察，而没有深入去探索研究。
同时，大数据时代也给城市规划来带的挑战。随着网络技术的发展，互联网已经遍布全球，但是依然存在着城市规划中数据难以获取的窘境。由于技术、体制、成本的影响，只有公司和政府才能对大数据资源进行收集、存储、和处理，因此，政府掌握了大数据的绝大部分，这对城市规划者在规划中无疑是一个非常大的挑战。
❷ 大数据规划的五个步骤
大数据规划的五个步骤
数据分析的未来将朝着更为普及化、更为实时的数据分析去迈进，也就是说“针对正确的人，在正确的时间，获得正确的信息”，从这个意义来说，它已经超越了技术本身，是更为接近业务层面的实时分析。
对于一个成功企业来说，数据整合能力、分析能力和行动能力不可或缺。如果不具备完善的数据整合、分析和行动能力的企业迟早面临被淘汰的风险。在经营环境发生巨变的情况下，任何企业都必须在大数据规划上做好准备，这样才能抢先竞争对手发现市场新的趋势。
三种能力
我们建议企业和政府机构进行数据整合能力、分析能力和行动能力的建设。对于任何公司的管理层来说，要充分认识到数据的重要性，在管理层充分认识到数据的重要性之后，内部要有足够的人员和能力去整合、搭建和完善数据管理基础架构。有了海量数据之后，数据分析师能够对其进行分析和挖掘，使其产生理想的价值。
数据分析能力通过一定的方法论可以获得。这个方法论从宏观的角度来看，是通过数据整合探索出有效的业务价值，进而精确地协助制定商业策略或服务提升的策略，有效地采取正确的行动，来协助业务和服务质量的增长，或是解决业务已知、不确定或发现未知的问题。
另外，数据要实现普及化，不仅掌握在管理层手中，在数据安全和权限管理的机制下，企业或单位的每一个人都要了解自己的业务具体发生了什么，为何发生，预测将要发生什么情况，从而更快、更好地做出决策，最终达到智慧型的管理，通过一些主动式的事件，产生正确的行动，如业务增长的价值措施和办法，来精确有效地提升业务的增长。
五个步骤
如今大数据已经远远超出了IT的范畴，也就是说所有部门都在大数据运用的范畴中。
大数据规划有五个步骤，首先从业务驱动的角度，相关部门选择要解决和产生的业务场景。针对需求处理和采取整合这些场景需要的大数据。当然选择的重点是怎么使信息快速产生价值。场景因需求不同而包罗万象：例如企业在精确营销方面提升业务增长，对于其客户在购买哪些产品前的黄金路径统计分析等等。
其次，直接产生的价值需要与已有的客户关系管理、客户交易等数据进行结合和关联，从而为企业产生总体的关键价值效益。例如，哪些用户在购买前确实通过上述统计总结的黄金路径，而这些用户和该企业的历史关系为何，以提供企业下一步精确行动的优先顺序等等。
第三，整个企业要建立大数据分析的支持体系、分析的文化、分析数据的人才，彻底形成企业对大数据的综合管理、探索、共识。大数据能力的建设是企业或政府单位内上下及跨部门就如何提供更加智慧型服务和产品给用户的议题。
第四，随着大数据探索范围的扩大，企业要建立大数据的标准，统一数据格式、采集方法、使用方式，设定一个共享的愿景和目的，然后按照阶段化的目标去实现愿景。例如，有关数据的存储和处理长期围绕在关系型的结构数据中，提供更加智慧型服务和产品是需要结合过去难以处理分析的数据，如文本、图像等等。数据内容快速演变，因此对数据的标准、格式、采集、工具、方法等的治理能力必须与时俱进。
第五，最终建成企业或政府单位内的“统一数据架构”，从各类所需的多元的结构化数据源建立整合能力（采集、存储、粗加工）。在此基础上，建设数据探索和分析能力（从整合出来的海量数据里快速探索出价值），之后如何有效、实时、精确地与已有的业务数据结合，产生精确的业务行动能力（进行更深度的利用和提供更智慧型的服务），从而达到“针对正确的人，在正确的时间，正确的方式，提供正确的信息”的目标。
❸ 如何将手机信令等大数据应用到城市交通规划实践中
您好，希望以下复回答能帮助您
你要制把你的问题说清楚才可以呀~否则别人没法帮助你啊！
在网络提问页面的顶端都可以看到“我要提问”的提问输入框，可以在提问输入框中输入您的问题，或直接点击“我要提问”进入提问页，在这里您需要描述清楚您的问题，为了更好地得到答案，您也可以对问题进行更详细的描述并悬赏，然后把你疑惑的问题写出来，就可以啦！
❹ 大数据在智慧城市中的应用及其发展
作者 | 网络大数据
来源 | raincent_com
城市大数据是指在城市运行过程中产生或获取的数据，是其与信息收集、处理、利用和通信能力相关的活动要素组成的有机系统，是国民经济和社会发展的重要战略资源，简单易懂的公式可以表述为：城市大数据=城市数据+大数据技术+城市职能。
城市大数据的数据资源来源丰富多样，广泛存在于经济、社会各个领域和部门，是政务、行业、企业等各类数据的总和。同时，城市大数据的异构特征显著，数据类型丰富、数量大、速度增长快、处理速度和实时性要求高，且具有跨部门、跨行业流动的特征。
按照数据源和数据权属不同，城市大数据可以分为政务大数据、产业大数据和社会公益大数据。政务大数据指的是政务部门在履行职责过程中制作或获取的，以一定形式记录、保存的文件、资料、图表和数据等各类信息资源。产业大数据指的是在经济发展中产生的相关数据，包括工业数据、服务业数据等。
此外，还有一些社会公益大数据。当前，城市大数据多数为政务大数据和产业大数据，所以城市大数据的主要推动者应为一个城市的政府和相关的具有一定数据规模的企业。
为保障城市运转的安全高效，智慧城市建设需要对海量的数据资源进行收集、整合、存储与分析，并使用智能感知、分布式存储、数据挖掘、实时动态可视化等大数据技术实现资源的合理配置。因此，城市大数据是实现城市智慧化的关键支撑，是推动“政通、惠民、兴业”的重要引擎。
新型智慧城市发展面临挑战数据驱动的新型智慧城市发展面临诸多问题。白皮书认为，虽然当前各级地方政府和企业都在积极探索智慧城市建设，但仍存在着特色不明、体验不佳、共享不足等问题。究其根源在于，未能实现城市大数据资源与城市业务的良好融合。
具体而言，挑战包括三个方面：一是信息系统烟囱林立，阻碍数据共享;二是数据治理普遍薄弱，价值大打折扣;三是数据管理水平不一，缺乏整体联动。
如何应对新型智慧城市建设中的困难和挑战?白皮书认为城市大数据平台的建设能够发挥积极作用，具体表现在三个方面。
一、通过数据汇集加速信息资源整合应用
第一，城市大数据平台建立了数据治理的统一标准，提高数据管理效率。通过统一标准，避免数据混乱冲突、一数多源等问题。通过集中处理，延长数据的“有效期”，快速挖掘出多角度的数据属性以供分析应用。
通过质量管理，及时发现并解决数据质量参差不齐、数据冗余、数据缺值等问题。第二，城市大数据平台规范了数据在各业务系统间的共享流通，促进数据价值充分释放。通过统筹管理，消除信息资源在各部门内的“私有化”和各部门之间的相互制约，增强数据共享的意识，提高数据开放的动力。通过有效整合，提高数据资源的利用水平。
二、通过精准分析提升政府公共服务水平
在交通领域，通过卫星分析和开放云平台等实时流量监测，感知交通路况，帮助市民优化出行方案;在平安城市领域，通过行为轨迹、社会关系、社会舆情等集中监控和分析，为公安部门指挥决策、情报研判提供有力支持。
在政务服务领域，依托统一的互联网电子政务数据服务平台，实现“数据多走路，群众少跑腿”;在医疗健康领域，通过健康档案、电子病历等数据互通，既能提升医疗服务质量，也能及时监测疫情，降低市民医疗风险。
三、通过数据开放助推城市数字经济发展
开放共享的大数据平台，将推动政企数据双向对接，激发社会力量参与城市建设。一方面，企业可获取更多的城市数据，挖掘商业价值，提升自身业务水平。
另一方面，企业、组织的数据贡献到统一的大数据平台，可以“反哺”政府数据，支撑城市的精细化管理，进一步促进现代化的城市治理。
六个方面推进平台建设白皮书认为，当前我国城市大数据平台的建设仍处于起步阶段，且各地在管理机制、业务架构和技术能力等方面各有优劣，不利于城市大数据平台的长远发展。对于建设城市大数据平台的具体路径，白皮书提出了六点建议。
一、强化平台顶层设计
科学合理的顶层设计是城市大数据平台建设的关键，需从落实国家宏观政策出发，结合地方实际需求，统筹考虑平台目标、数据主权、关键技术、法制环境、实现功能等各个方面，以“高起点、高定位、稳落地”开展平台的顶层设计，保障城市大数据平台建设有目标、有方向、有路径、有节奏地持续推进，并且根据项目进展状况，不断迭代更新、推陈出新。
二、完善平台配套保障机制
城市大数据平台建设与运营须有相应的配套保障机制，并充分发挥保障机制的导向作用和支撑作用，以确保平台规划建设协调一致和平台整体效能的实现。
如建立城市大数据资源管理机制，明确数据内容的归口管理部门、数据采集单位和共享开放方式等;建立城市大数据平台运行管理机制，明确平台使用中数据、流程、安全等各项内容和管理标准，保障平台持续稳定运行。
三、加强数据管理
加强城市大数据管理，实现数据从采集环节到数据资产化的全过程规范化管理。明确数据权属及利益分配，以及个人信息保护、数据全生命周期的管理责任问题。明确数据资源分类分级管理，健全数据资源管理标准。
分类指的是通过多维数据特征准确描述政府基础数据类型;分级是指确定各类数据的敏感程度，为不同类型数据的开放和共享制订相应策略，完善数据采集、管理、交换、架构、评估认证等标准，推动数据共享与开放的基本规范和标准出 台。
以资源目录汇编、资源整合汇聚、交换共享平台为三大标准步骤，坚持“一数一源”、多元校核，统筹建设政务信息资源目录体系和共享交换体系。建立一套科学合理的数据分类体系，将不同领域、多种格式的数据整合在一起，通过多元的检索途径、分析工具与应用程序，方便用户查找和利用数据内容。
四、因地制宜开展平台建设与运营
城市大数据平台的建设与应用要结合，避免出现重平台建设轻平台使用的现象。政府、产业和城市的数据资源极其庞杂，需要明确平台数据资源的权属性，保障数据所有权的归属。
政府拥有政府数据资源所有权，互联网企业往往掌握着先进的数据技术和拥有互联网思维的专业队伍，本地企业对当地的人才资源、市场环境、产业发展等因素有更清晰、更准确的认识，需要充分盘活政府、互联网企业、本地企业等各方资源，参与平台的建设与运营。
城市大数据平台的数据治理和运营体系相当复杂，平台建设的模式和路径没有固定模式，需要发挥各方的主观能动性，因地制宜，挖掘地方优势，突出地方特色，为城市大数据决策提供有力的支撑。
五、开展城市大数据综合评价
各省市大数据主管部门应制定平台长效运行机制和考评办法，建立完善的上报、检查、考评机制，设计量化考核内容和标准，加强平台数据质量管控，管好用好城市大数据平台。
加强对城市大数据平台项目的后评价和项目稽查，强化对数据资源建设以及数据共享开放、数据质量和安全的审计监督。科学构建城市大数据平台综合评价指标体系，开展城市大数据平台建设成效综合评价工作，引导各地城市大数据平台建设工作，不断提升城市大数据平台建设应用成效。
六、加强平台数据安全保障
城市大数据平台包含大量政务和产业数据，涉及国家利益、公共安全、商业秘密、个人隐私，具有高度敏感性，因此必须加强平台数据安全保障能力建设。
落实等级保护、安全测评、电子认证、应急管理等基础制度，建立数据采集、传输、存储、使用、开放等各环节的安全评估机制，明确数据安全的保护范围、主体、责任和措施。研究制定数据权利准则、数据利益分配机制、数据流通交易规则，明确数据责任主体，加大对技术专利、数字版权、数字内容产品、个人隐私等的保护力度。
❺ 谈谈国家针对大数据发展规划是怎样的
实施国家大数据战略部署和顶层设计，需要我们做到“四个结合”：把政府数据开放和市场基于数据的创新结合起来。政府拥有80%的数据资源，如果不开放，大数据战略就会成为无源之水，市场主体如果不积极利用数据资源进行商业创新，数据开放的价值就无从释放；把大数据与国家治理创新结合起来。国务院的部署明确提出，“将大数据作为提升政府治理能力的重要手段”“提高社会治理的精准性和有效性”，用大数据“助力简政放权，支持从事前审批向事中事后监管转变”。
具体如下：
1、此外，我国作为世界制造业第一大国，需要高度关注一个现实——大数据重新定义了制造业创新升级的目标和路径。无论是德国提出的工业4.0战略，还是美国通用公司提出的工业互联网理念，本质正是先进制造业和大数据技术的统一体。大数据革命骤然改变了制造业演进的轨道，加速了传统制造体系的产品、设备、流程贬值淘汰的进程。
2、数字工厂或称智能工厂，是未来制造业转型升级的必然方向。我国面临着从“制造大国”走向“制造强国”的历史重任，在新的技术条件下如何适应变化、如何生存发展、如何参与竞争，是非常现实的挑战。
3、在政府治理方面，政府可以借助大数据实现智慧治理、数据决策、风险预警、智慧城市、智慧公安、舆情监测等。大数据将通过全息的数据呈现，使政府从“主观主义”“经验主义”的模糊治理方式，迈向“实事求是”“数据驱动”的精准治理方式。
在公共服务领域，基于大数据的智能服务系统，将会极大地提升人们的生活体验，智慧医疗、智慧教育、智慧出行、智慧物流、智慧社区、智慧家居等等，人们享受的一切公共服务将在数字空间中以新的模式重新构建。
❻ 如何将大数据和规划云平台结合
所谓的大数据平台不是独立存在的，比如网络是依赖搜索引擎获得大数据并开展业务的，阿里是通过电子商务交易获得大数据并开展业务的，腾讯是通过社交获得大数据并开始业务的，所以说大数据平台不是独立存在的，重点是如何搜集和沉淀数据，如何分析数据并挖掘数据的价值。
我可能还不够资格回答这个问题，没有经历过一个公司大数据平台从无到有到复杂的过程。不过说说看法吧，也算是梳理一下想法找找喷。
这是个需求驱动的过程。
曾经听过spotify的分享，印象很深的是，他们分享说，他们的hadoop集群第一次故障是因为，机器放在靠窗的地方，太阳晒了当机了（笑）。从简单的没有机房放在自家窗前的集群到一直到现在复杂的数据平台，这是一个不断演进的过程。
对小公司来说，大概自己找一两台机器架个集群算算，也算是大数据平台了。在初创阶段，数据量会很小，不需要多大的规模。这时候组件选择也很随意，Hadoop一套，任务调度用脚本或者轻量的框架比如luigi之类的，数据分析可能hive还不如导入RMDB快。监控和部署也许都没时间整理，用脚本或者轻量的监控，大约是没有ganglia、nagios，puppet什么的。这个阶段也许算是技术积累，用传统手段还是真大数据平台都是两可的事情，但是为了今后的扩展性，这时候上Hadoop也许是不错的选择。
当进入高速发展期，也许扩容会跟不上计划，不少公司可能会迁移平台到云上，比如AWS阿里云什么的。小规模高速发展的平台，这种方式应该是经济实惠的，省了运维和管理的成本，扩容比较省心。要解决的是选择平台本身提供的服务，计算成本，打通数据出入的通道。整个数据平台本身如果走这条路，可能就已经基本成型了。走这条路的比较有名的应该是netflix。
也有一个阶段，你发现云服务的费用太高，虽然省了你很多事，但是花钱嗖嗖的。几个老板一合计，再玩下去下个月工资发布出来了。然后无奈之下公司开始往私有集群迁移。这时候你大概需要一群靠谱的运维，帮你监管机器，之前两三台机器登录上去看看状态换个磁盘什么的也许就不可能了，你面对的是成百上千台主机，有些关键服务必须保证稳定，有些是数据节点，磁盘三天两头损耗，网络可能被压得不堪重负。你需要一个靠谱的人设计网络布局，设计运维规范，架设监控，值班团队走起7*24小时随时准备出台。然后上面再有平台组真的大数据平台走起。
然后是选型，如果有技术实力，可以直接用社区的一整套，自己管起来，监控部署什么的自己走起。这个阶段部署监控和用户管理什么的都不可能像两三个节点那样人肉搞了，配置管理，部署管理都需要专门的平台和组件；定期Review用户的作业和使用情况，决定是否扩容，清理数据等等。否则等机器和业务进一步增加，团队可能会死的很惨，疲于奔命，每天事故不断，进入恶性循环。
当然有金钱实力的大户可以找Cloudera，Hortonworks，国内可以找华为星环，会省不少事，适合非互联网土豪。当然互联网公司也有用这些东西的，比如Ebay。
接下去你可能需要一些重量的组件帮你做一些事情。
比如你的数据接入，之前可能找个定时脚本或者爬log发包找个服务器接收写入HDFS，现在可能不行了，这些大概没有高性能，没有异常保障，你需要更强壮的解决方案，比如Flume之类的。
你的业务不断壮大，老板需要看的报表越来越多，需要训练的数据也需要清洗，你就需要任务调度，比如oozie或者azkaban之类的，这些系统帮你管理关键任务的调度和监控。
数据分析人员的数据大概可能渐渐从RDBMS搬迁到集群了，因为传统数据库已经完全hold不住了，但他们不会写代码，所以你上马了Hive。然后很多用户用了Hive觉得太慢，你就又上马交互分析系统，比如Presto，Impala或者SparkSQL。
你的数据科学家需要写ML代码，他们跟你说你需要Mahout或者Spark MLLib，于是你也部署了这些。
至此可能数据平台已经是工程师的日常工作场所了，大多数业务都会迁移过来。这时候你可能面临很多不同的问题。
比如各个业务线数据各种数据表多的一塌糊涂，不管是你还是写数据的人大概都不知道数据从哪儿来，接下去到哪儿去。你就自己搞了一套元数据管理的系统。
你分析性能，发现你们的数据都是上百Column，各种复杂的Query，裸存的Text格式即便压缩了也还是慢的要死，于是你主推用户都使用列存，Parquet，ORC之类的。
又或者你发现你们的ETL很长，中间生成好多临时数据，于是你下狠心把pipeline改写成Spark了。
再接下来也许你会想到花时间去维护一个门户，把这些零散的组件都整合到一起，提供统一的用户体验，比如一键就能把数据从数据库chua一下拉到HDFS导入Hive，也能一键就chua一下再搞回去；点几下就能设定一个定时任务，每天跑了给老板自动推送报表；或者点一下就能起一个Storm的topology；或者界面上写几个Query就能查询Hbase的数据。这时候你的数据平台算是成型了。
当然，磕磕碰碰免不了。每天你都有新的问题和挑战，否则你就要失业了不是？
你发现社区不断在解决你遇到过的问题，于是你们架构师每天分出很多时间去看社区的进展，有了什么新工具，有什么公司发布了什么项目解决了什么问题，兴许你就能用上。
上了这些乱七八糟的东西，你以为就安生了？Hadoop平台的一个大特点就是坑多。尤其是新做的功能新起的项目。对于平台组的人，老板如果知道这是天然坑多的平台，那他也许会很高兴，因为跟进社区，帮忙修bug，一起互动其实是很提升公司影响力的实情。当然如果老板不理解，你就自求多福吧，招几个老司机，出了问题能马上带路才是正道。当然团队的技术积累不能不跟上，因为数据平台还是乱世，三天不跟进你就不知道世界是什么样了。任何一个新技术，都是坑啊坑啊修啊修啊才完善的。如果是关键业务换技术，那需要小心再小心，技术主管也要有足够的积累，能够驾驭，知道收益和风险。
❼ 如何在大数据时代下进行城市管理
一、大数据时代城市管理的机遇：
首先,有利于数字化城市建设。城市化过程中出现的管理问题，传统的城市管理方式早已对我国出现的城市问题束手无策,在大数据时代到来的背景下,数字化城市建设就呼之欲出。
其次,有利于电子政务建设。长期以来,我国政府在处理公共事务时都基本采用了传统的处理方式,纸质化的模式占据了主要地位。随着信息技术的不断更新以及大数据时代的到来,电子政务也随之应运而生。由于大数据时代的特点以及不断更新发展,电子政务的形式也不断得到更新。
最后,有利于智慧城市建设。智慧城市建设则是在大数据技术上产生的城市建设和管理方案。可见,大数据时代的到来更加有利于我国的智慧城市建设,为智慧城市的最终建成提供真实可靠的信息基础。会在一定程度上难以实现真正共享。另外,因为信息化很不平衡,各地各部门使用的信息技术标准很难统一,最后导致数据孤岛的现象也并非个例。
二、大数据时代城市管理的挑战 ：
大数据时代,机遇存在的同时也不可避免会遇到许多挑战,数据开放不足、数据共享不足、数据质量不优等等都面临着严峻的挑战。
首先，数据开放不足。数据是信息的重要载体,信息的公开在一定意义上就是数据的公开。在所有的数据公开中,政府相关数据公开尤为引人瞩目。国外早就对数据公开确立了“公开为原则,不公开为例外”的原则,我国也有类似规定,但是真实执行情况令人堪忧。
其次，数据共享不足。就目前来看,谁掌握了大量真实可靠的信息,谁就掌握了主动权,信息在一定程度上就是权威的象征,权力和利益的象征。再者,政府各部门大部分存在利己倾向, 信息就会在一定程度上难以实现真正共享。另外,因为信息化很不平衡,各地各部门使用的信息技术标准很难统一,最后导致数据孤岛的现象也并非个例。
然后，数据质量不优。数据质量问题直接影响依靠数据获得的信息的真实有效性,最终影响整体决策的有效性。数据质量主要包括数据的真实性、完整性和有效性。数据在收集、整合、存储和使用四个阶段当中,每个阶段都极有可能出现数据质量问题。在我国城市管理中,各级各部门每天都会面对大量繁琐的数据,数据收集渠道主要有下级单位上报数据、调查统计、普查等等,每一个渠道也同样会有很多因素影响数据质量。
❽ 大数据对城市规划将有怎样的影响
个人判断不是规划换一批人来做，而是行业会细分。一部分人倾向于通过数据分析，判断问题症结，解决建成区问题，优化格局；另一批人更偏向于设计，提供不同的解决方案。
其实判断大数据对城市规划未来的影响，看看当下大数据在城市规划领域的处境多少能够明白些。在现在的城市规划中大数据在研究中是热门事物，但在实际项目中却不是。在城市规划实务中，大数据分析一般作为专题研究附在如总体规划等较高层面的发定规划之中。除上海、北京等一线城市及二线主要城市，少有城市有专门的大数据研究专题，个人接触到的也仅上海2040的上轮总规评估与武汉市总体规划的评估有涉及相应技术，其他项目基本无涉及，仅按需要自己使用。究其原因如下，想到哪些写哪些，排名无先后顺序：
1、难立项。难立项主要体现在两个方面，其一是因为城市规划属于法定流程，明文规定相应程序所需要的内容，由于大数据技术方法多样，多针对特异性的具体问题研究，这给大数据研究应用法定化带来极大难点。怎么给一个或多个合适的名头立项、立法定流程，如何定价，都是大难题，而这也是现在以专题形式依附总体规划的主要原因之一。其二是主管部门分散，城市规划业务主要针对住建、城建、规土口，但大数据（算上智慧城市建设吧）很多时候是工信部主导，跨部门操作也是一个问题。
2、高成本、低收益（这里仅指项目收益，不谈社会收益）。目前，大数据在城市领域多立于学术研究领域，可以说很多时候是研究兴趣使然下的自发行为。一项技术如果难以以模式化的方式应用，就很难降低成本，那么就很难在市场上大范围推广，在城市规划领域正是如此。对于一般的项目，比如一个1平方公里的旧城更新的控规项目，应用大数据分析需要几个模块？解决哪些问题？需要投入哪些成本？又能够带来哪些收益呢？有没有替代方案，替代方案又会有多大差距，不用大数据分析，仅用常规数据做数据分析能否得到相近的成果？会不会增加项目的时长？思考完这些问题，再算笔账就会发现，当下在大量控规、城市设计等项目中，运用大数据分析很可能是不划算的。
3、没有数据的时候怎么办？虽然城市规划进入了存量规划时代，但即使是存量规划过程中也有大量新建的过程，部分地块必然是要采用推平重建的方式（或者说是重要手段之一），大数据可以给出方案的限制，可以比选方案，但方案从无到有怎么产生？
（想到再补充）
如果上述问题得以解决，那么大数据一定能够改变这个行业，不过这需要时间。有可能因为数据安全、隐私等问题，最终大数据分析的业务完全由规划局或是其他政府部门完成也说不定，我相信那时，城市的大数据运营中心应该已经建成了。也可能有专门的运营公司运营，并完成相应的分析报告，这些报告最终成为规划的基础材料。可能今后大数据分析会成为单独立项的东西，支持的也不仅仅是城市规划，而是城市的全部过程。
❾ 个推的大数据技术在城市规划领域有哪些应用
个推基抄于自身的数据积累，积极探袭索人口与空间大数据研究。在城市规划领域，个推人口与空间规划数据服务通过挖掘时间、空间、人三大元素的内在联系，有效勾勒出立体的城市画像，助力有关部门深度了解城市人口变化、人口居住情况、人口出行行为特征和城市交通运行特征等数据，让城市综合规划更加高效智能。
❿ 大数据在地理信息系统中有什么应用
GIS 的应用领域
地理信息系统在最近的30多年内取得了惊人的发展，广泛应用于资源调查、环境评估、灾害预测、国土管理、城市规划、邮电通讯、交通运输、军事公安、水利电力、公共设施管理、农林牧业、统计、商业金融等几乎所有领域。 (加测绘、应急、石油石化等国民经济各个领域。)
以下地理信息系统的应用领域分别回答了在各自领域内的作用
◆ 资源管理 (Resource Management)
主要应用于农业和林业领域，解决农业和林业领域各种资源(如土地、森林、草场)分布、分级、统计、制图等问题。主要回答“定位”和“模式”两类问题。
◆ 资源配置 (Resource Configuration)
在城市中各种公用设施、救灾减灾中物资的分配、全国范围内能源保障、粮食供应等到机构的在各地的配置等都是资源配置问题。GIS在这类应用中的目标是保证资源的最合理配置和发挥最大效益。
◆ 城市规划和管理 (Urban Planning and Management)
空间规划是GIS的一个重要应用领域，城市规划和管理是其中的主要内容。例如，在大规模城市基础设施建设中如何保证绿地的比例和合理分布、如何保证学校、公共设施、运动场所、服务设施等能够有最大的服务面(城市资源配置问题)等。
◆ 土地信息系统和地籍管理 (Land Information System and Cadastral Applicaiton)
土地和地籍管理涉及土地使用性质变化、地块轮廓变化、地籍权属关系变化等许多内容，借助GIS技术可以高效、高质量地完成这些工作。
◆ 生态、环境管理与模拟 (Environmental Management and Modeling)
区域生态规划、环境现状评价、环境影响评价、污染物削减分配的决策支持、环境与区域可持续发展的决策支持、环保设施的管理、环境规划等。
◆ 应急响应 (Emergency Response)
解决在发生洪水、战争、核事故等重大自然或人为灾害时，如何安排最佳的人员撤离路线、并配备相应的运输和保障设施的问题。
◆ 地学研究与应用 (Application in GeoScience)
地形分析、流域分析、土地利用研究、经济地理研究、空间决策支持、空间统计分析、制图等都可以借助地理信息系统工具完成。
◆ 商业与市场 (Business and Marketing)
商业设施的建立充分考虑其市场潜力。例如大型商场的建立如果不考虑其他商场的分布、待建区周围居民区的分布和人数，建成之后就可能无法达到预期的市场和服务面。有时甚至商场销售的品种和市场定位都必须与待建区的人口结构(年 龄构成、性别构成、文化水平)、消费水平等结合起来考虑。地理信息系统的空间分析和数据库功能可以解决这些问题。房地产开发和销售过程中也可以利用GIS功能进行决策和分析。
◆ 基础设施管理 (Facilities Management)
城市的地上地下基础设施(电信、自来水、道路交通、天然气管线、排污设施、 电力设施等)广泛分布于城市的各个角落、且这些设施明显具有地理参照特征的。它们的管理、统计、汇总都可以借助GIS完成，而且可以大大提高工作效率。
◆ 选址分析 (Site Selecting Analysis)
根据区域地理环境的特点，综合考虑资源配置、市场潜力、交通条件、地形特征、环境影响等因素，在区域范围内选择最佳位置，是GIS的一个典型应用领域，充分体现了GIS的空间分析功能。
◆ 网络分析 (Network System Analysis)
建立交通网络、地下管线网络等的计算机模型，研究交通流量、进行交通规则、处理地下管线突发事件(爆管、断路)等应急处理。 警务和医疗救护的路径优选、车辆导航等也是GIS网络分析应用的实例。
◆ 可视化应用 (Visualization Application)
以数字地形模型为基础，建立城市、区域、或大型建筑工程、著名风景名胜区的三维可视化模型，实现多角度浏览，可广泛应用于宣传、城市和区域规划、大型工程管理和仿真、旅游等领域。
◆ 分布式地理信息应用 (Distributed Geographic Information Application)
随着网络和Internet技术的发展，运行于Intranet或Internet环境下的地理信息系统应用类型，其目标是实现地理信息的分布式存储和信息共享，以及远程空间导航等。