各位老铁们，大家好，今天由我来为大家分享gis云交易平台，以及智慧园区的智慧园区平台层面的相关问题知识，希望对大家有所帮助。如果可以帮助到大家，还望关注收藏下本站，您的支持是我们最大的动力，谢谢大家了哈，下面我们开始吧！

本文目录

1. 智慧园区的智慧园区平台层面
2. 大数据和云计算关系

一、智慧园区的智慧园区平台层面

智慧园区平台主要包含三大模块：智能化应用系统、绿色节能管理和政务办公服务平台。广州中国科学院软件应用技术研究所开发的智慧园区信息服务平台面向的对象包括园区管理者、运营商、政府部门、企业和业主。用户的多元化对平台的需求各不相同，因此对不同用户的需求进行分析，研究各类应用的面向对象和领域，通过统一服务管理平台实现应用定制化是最终可以面向各类服务对象的关键。智慧园区信息服务平台智能化应用系统是针对园区管理推出的，通过研究各类企事业单位的运行现状和管理需求，所研发的综合智能化管理系统，主要包括考勤、门禁、停车场、电梯控制、访客登记、消费管理、电子巡更、资产管理等园区综合服务应用。其典型应用是广州软件所智慧园区工程中心为南沙区行政中心定制研发的智慧园区信息服务平台。

南沙区行政中心智慧园区信息服务平台主要包括智能停车、访客登记、感应式门禁通道管理、电梯控制、会议自动签到以及多功能消费管理六个子系统。采用业内首创的超薄双频rfid复合卡，集成有源和无源芯片于一卡，打造全新的园区智能化管理和自动化的体验模式。有源部分具备优良的远距离自动感应识别效果，用于停车场管理、感应式门禁和会议自动签到等，只需将卡作为工作证佩戴，无需主动刷卡，到达设定的感应距离便可自动识别，大大提高了车辆人员的通行和识别速度。无源部分可存储个人信息、账户资金等内容，具备良好的信息安全加密手段，用于餐饮消费等小额支付场景；无源部分芯片采用国际统一标准，具备16个存储空间，每个存储空间相对独立，可扩展至各种其他应用；同时还可作为一种备用手段，用于停车场管理、门禁管理、电梯管理和会议签到等系统。调查显示，建筑能耗占国民经济总能耗的1/3，空调和照明则占总耗能的80%以上。如何有效解决能源浪费对于园区耗能管理具有十分重大的意义。智慧园区信息服务平台绿色节能管理系统是针对园区能源管控推出的，通过研究各类园区和企事业单位的能源消耗和节能控制需求，所研发的综合节能管理系统，主要包含智能照明管理、空调节能自控和节水控制等系统。其典型应用是东莞松山湖科技产业园区的智慧路灯照明管理系统。

智慧路灯照明管理系统通过应用先进高效的电力线载波通信技术和无线GPRS/CDMA通信技术等，实现来对单灯及远程路灯进行集中控制与管理，具有根据车流量自动调节亮度、设备参数采集、故障报警、线缆防盗、灯具防盗、自动抄表、远程集中监控、数据统计分析、电子地图等功能，同时系统运用间隔开关路灯和智能调节路灯亮度等多种组合方式，大幅节省电力资源，提升路灯管理水平，节省维护成本。省电最高可达70%以上。政务办公服务信息平台最核心的是拥有安全、高效的云平台数据中心。云平台数据中心实现终端设备的数据汇聚和分析，研究对终端设备的统一调度模型，建立安全的事务管理机制，通过多租户引擎在应用层为用户提供定制化服务。

园区主导的服务体系建设，优化深化服务能力,就需要构建云计算平台，作为基础服务提供商与企业间中央信息处理、存储和计算的中心,集成园区产业链的上下游系统,为企业提供公共服务的园区级的运营服务。通过分析园区服务运营平台的功能和性能需求，以下几个方面显现出了云计算特征:（1）对资源有大规模、超量需求；（2）资源负载变化大；（3）以服务方式提供计算能力。

政务服务云计算平台同时满足政务办、办公、信息流通和对外展示等需求，并对企业提供包括：（1）业务受理、开通、计费功能；（2）网络节点配置和控制功能；（3）需求信息采集、存储、计算、服务信息展示功能；（4）公共服务平台的应用集成。智慧园区对内服务主要包含如下内容：

1、园区内物流服务与追溯服务：针对园区内的企业与商户，提供整体的一站式物流服务，可以形成对园区内任何产品的快速、精确的溯源机制，从而为产品质量、事件应急等提供强大的支持，从而帮助企业的经营与管理，促进企业的发展。

2、园区内金融服务：通过对园区内的企业、个人等进行授信、担保、消费、LC、贷款以及相关的征信服务，实现金融与园区管理、产业化等方面的紧密结合与相互促进，共同进步。

3、推广活动与跟踪：借助园区的招商与推广平台，促进园区企业进行各类宣传、推广、促销等市场营销活动，并对活动的效果以及后续的跟踪、服务等提供支持，从而帮助企业的经营与管理，促进企业的发展。

4、商业综合服务：支持一卡通在园区内的各类消费、抵押、透支，同时建立电子商务服务平台，为企业和员工建立配套的商业服务平台，从而帮助企业的经营与管理，促进企业的发展。

5、桌面云服务：为园区内企业提供桌面云服务，使得企业不必再购买大量的桌面计算机，而只需租用园区的云终端即可，不仅节省采购成本，更可以节省大量的运维成本、能源成本等，从而帮助企业的经营与管理，促进企业的发展。

6、虚拟资源租用服务：提供虚拟服务器、虚拟存储、虚拟安全、虚拟空间等一系列新型服务，从而帮助企业的经营与管理，促进企业的发展。

7、中小企业软件云服务：为园区内的各类企业提供SaaS服务，从而降低企业的采购、维护、升级的成本，同时也帮助企业避免陷入由于知识产权纠纷、软件质量、服务质量引起的一系列风险，从而帮助企业的经营与管理，促进企业的发展。

8、网络资源服务：帮助园区内企业更快捷、更安全、更低成本地使用网络资源，从而帮助企业的经营与管理，促进企业的发展。园区资源管理：对人力、物资、设备、物料、车辆、房屋等进行管理；

人力资源与培训管理：对园区管理人员，以及园区内部人力资源服务提供支持；

客户关系管理：支持园区管理部门对客户进行管理跟跟踪，并对招商线索和机会进行管理，同时也是对招商人员的绩效和工作进行考核；

统一财务与结算系统：支持园区内的结算、交易、结汇等工作；

物业管理：支持园区的物业管理部门开展工作；

资产与物料管理：对园区内的特种资产、设备、物料等进行实时的卡片式单独跟踪与管理；

协同办公管理：流程审批，同时支持在线和离线协同工作，支持多通道访问；

地产与业务管理：支持园区地产营销与管理业务的开展。广州中国科学院软件应用技术研究所对园区内的各类突发事件进行全方位的监测、预警、判断、决策、调度和处置，以预案为核心，立足日常管理与感知园区，形成统一的应急协调、应急指挥体系。

视频会议：用于协调专家、领导等共同讨论，协同决策和指挥；

多媒体智能预警与环境感知预警：根据感知校园的传感器网络，形成对整个园区的综合预警体系；

统一接处警：对接警和处警以及应急值守、事件判断等进行统一的管理；

事件报告管理：按照国家各类标准以及云平台自定标准，对突发事件进行综合的报告管理，形成完整的闭环流程；

重大事件保障与联动管理：协调各机构、各部门共同处置、工作，并进行信息的共享和通报，同时负责与各级指挥中心进行沟通和联动；

综合展示与应急处置：借助大屏幕系统、GIS系统等对事件信息和事件进展进行展示，并对处置内容进行跟踪和展示；

园区突发事件应急调度指挥：对各资源进行统一的调度指挥；

预案管理与决策支持：建立针对园区的文本与数字预案体系，并通过对数据的增值运算对事件处置决策进行支持。外网门户：统一对外的信息发布、交流互动的接口；

统一网上大商城与交易中心：园区统一的B2B2C的对外电子商务平台；

外部交流咨询与招商推进：对招商工作和咨询工作等进行支持；

园区活动宣传与交流互动管理：对园区内的各类活动进行推进，同时支持与外部人员交流互动

二、大数据和云计算关系

1、关于大数据和云计算的关系人们通常会有误解。而且也会把它们混起来说，分别做一句话直白解释就是：云计算就是硬件资源的虚拟化；大数据就是海量数据的高效处理。

2、虽然上面的一句话解释不是非常的贴切，但是可以帮助你简单的理解二者的区别。另外，如果做一个更形象的解释，云计算相当于我们的计算机和操作系统，将大量的硬件资源虚拟化之后再进行分配使用，在云计算领域目前的老大应该算是Amazon，可以说为云计算提供了商业化的标准，另外值得关注的还有VMware（其实从这一点可以帮助你理解云计算和虚拟化的关系），开源的云平台最有活力的就是Openstack了；

3、大数据相当于海量数据的“数据库”，而且通观大数据领域的发展也能看出，当前的大数据处理一直在向着近似于传统数据库体验的方向发展，Hadoop的产生使我们能够用普通机器建立稳定的处理TB级数据的集群，把传统而昂贵的并行计算等概念一下就拉到了我们的面前，但是其不适合数据分析人员使用（因为MapReduce开发复杂），所以PigLatin和Hive出现了（分别是Yahoo！和facebook发起的项目，说到这补充一下，在大数据领域Google、facebook、twitter等前沿的互联网公司作出了很积极和强大的贡献），为我们带来了类SQL的操作，到这里操作方式像SQL了，但是处理效率很慢，绝对和传统的数据库的处理效率有天壤之别，所以人们又在想怎样在大数据处理上不只是操作方式类SQL，而处理速度也能“类SQL”，Google为我们带来了Dremel/PowerDrill等技术，Cloudera（Hadoop商业化最强的公司，Hadoop之父cutting就在这里负责技术领导）的Impala也出现了。

4、整体来看，未来的趋势是，云计算作为计算资源的底层，支撑着上层的大数据处理，而大数据的发展趋势是，实时交互式的查询效率和分析能力，借用Google一篇技术论文中的话，“动一下鼠标就可以在秒级操作PB级别的数据”难道不让人兴奋吗？（田原）

5、在谈大数据的时候，首先谈到的就是大数据的4V特性，即类型复杂，海量，快速和价值。IBM原来谈大数据的时候谈3V，没有价值这个V。而实际我们来看4V更加恰当，价值才是大数据问题解决的最终目标，其它3V都是为价值目标服务。在有了4V的概念后，就很容易简化的来理解大数据的核心，即大数据的总体架构包括三层，数据存储，数据处理和数据分析。类型复杂和海量由数据存储层解决，快速和时效性要求由数据处理层解决，价值由数据分析层解决。

6、数据先要通过存储层存储下来，然后根据数据需求和目标来建立相应的数据模型和数据分析指标体系对数据进行分析产生价值。而中间的时效性又通过中间数据处理层提供的强大的并行计算和分布式计算能力来完成。三层相互配合，让大数据最终产生价值。

7、数据有很多分法，有结构化，半结构化，非结构化；也有元数据，主数据，业务数据；还可以分为GIS，视频，文件，语音，业务交易类各种数据。传统的结构化数据库已经无法满足数据多样性的存储要求，因此在RDBMS基础上增加了两种类型，一种是hdfs可以直接应用于非结构化文件存储，一种是nosql类数据库，可以应用于结构化和半结构化数据存储。

8、从存储层的搭建来说，关系型数据库，NoSQL数据库和hdfs分布式文件系统三种存储方式都需要。业务应用根据实际的情况选择不同的存储模式，但是为了业务的存储和读取方便性，我们可以对存储层进一步的封装，形成一个统一的共享存储服务层，简化这种操作。从用户来讲并不关心底层存储细节，只关心数据的存储和读取的方便性，通过共享数据存储层可以实现在存储上的应用和存储基础设置的彻底解耦。

9、数据处理层核心解决问题在于数据存储出现分布式后带来的数据处理上的复杂度，海量存储后带来了数据处理上的时效性要求，这些都是数据处理层要解决的问题。

10、在传统的云相关技术架构上，可以将hive，pig和hadoop-mapreduce框架相关的技术内容全部划入到数据处理层的能力。原来我思考的是将hive划入到数据分析层能力不合适，因为hive重点还是在真正处理下的复杂查询的拆分，查询结果的重新聚合，而mapreduce本身又实现真正的分布式处理能力。

11、mapreduce只是实现了一个分布式计算的框架和逻辑，而真正的分析需求的拆分，分析结果的汇总和合并还是需要hive层的能力整合。最终的目的很简单，即支持分布式架构下的时效性要求。

12、最后回到分析层，分析层重点是真正挖掘大数据的价值所在，而价值的挖掘核心又在于数据分析和挖掘。那么数据分析层核心仍然在于传统的BI分析的内容。包括数据的维度分析，数据的切片，数据的上钻和下钻，cube等。

13、数据分析我只关注两个内容，一个就是传统数据仓库下的数据建模，在该数据模型下需要支持上面各种分析方法和分析策略；其次是根据业务目标和业务需求建立的KPI指标体系，对应指标体系的分析模型和分析方法。解决这两个问题基本解决数据分析的问题。

14、传统的BI分析通过大量的ETL数据抽取和集中化，形成一个完整的数据仓库，而基于大数据的BI分析，可能并没有一个集中化的数据仓库，或者将数据仓库本身也是分布式的了，BI分析的基本方法和思路并没有变化，但是落地到执行的数据存储和数据处理方法却发生了大变化。

15、谈了这么多，核心还是想说明大数据两大核心为云技术和BI，离开云技术大数据没有根基和落地可能，离开BI和价值，大数据又变化为舍本逐末，丢弃关键目标。简单总结就是大数据目标驱动是BI，大数据实施落地式云技术。

好了，本文到此结束，如果可以帮助到大家，还望关注本站哦！