近段时间，全国范围内尤其是京津冀地区接连陷 入雾霾之困，北京更是首次发布空气重污染红色预警，中小学连续停课3天，机动车单双号限行。雾霾的背后，重污染天气的预警预测工作显得尤为重要，不仅可以 让公众提前合理安排生产生活，也可以让政府相关部门及时采取应急措施，缓解重污染天气带来的危害。

微软亚洲研究院主管研究员郑宇一直从事大数据挖掘和算法研究，希望用大数据解决现代城市所面临的问题。他和他的团队已经成功用大数据计算出1km×1km细粒度的空气质量状况、尾气排放数据和噪声污染指数。

那么，大数据是如何预测雾霾的呢？

大数据能不能成功预测雾霾？

Urban Air正是由微软亚洲研究院开发，用大数据预测城市空气质量的项目。目前，Urban Air已经实现全国70多个城市空气质量预测，可以对京津冀、长三角、珠三角、成渝城市群未来48小时的空气质量进行预测。

“大数据不仅能预测雾霾，还可以精细化预测。”郑宇说，依靠经典模拟方法预测预警雾霾，只能算出空气质量的均值，而大数据可以对1~6小时的空气质量逐小时进行预测，对7~12小时、12~24小时、24~48小时进行最大值和最小值的预测。

除了在预测精度上有优势外，大数据精细化预测还体现在地域范围上。目前，传统模拟方法预测雾霾只能精细到区的范围，比如可以预测到北京市海淀区、朝阳区的空气质量，而大数据可以精细化到每个空气质量站点，比如可以预测海淀区万柳站点未来48小时的空气质量状况。

大数据不仅能预测雾霾，还可以很快速。据郑宇介绍，传统的重污染天气预测工作需要6小时左右的模拟运算时间，无法快速实时发布，而大数据可以在几秒钟之内快速算出重污染空气质量数据。

未来，雾霾的运行轨迹也将有望实现，雾霾从哪来，到哪去都将不是难题。记者了解到，郑宇和他的团队正在从事雾霾因果相关性的研究，目前还处在研发阶段，预计明年将正式投入应用。

大数据怎么预测雾霾？

既然大数据可以预测雾霾，那么，能够预测雾霾的大数据究竟包含哪些数据？这些数据又如何预测雾霾？

雾霾的大数据主要包括当前空气质量数据、气象 条件、未来天气预报3类数据。郑宇特别介绍说，空气质量数据并不是指单纯的空气质量站点数据，而是以某空气质量站点为圆心，囊括了方圆300公里范围内所 有的与空气质量相关的数据，比如空气质量站点数据、交通流数据、气象数据、厂矿数据、人口流动数据、路网结构等。

与传统模拟空气质量不同，大数据预测雾霾依靠的是多元融合方法，也就是说，空气质量的预测不仅仅看空气质量数据，还要看与之相关的气象数据、交通流量数据、厂矿数据、城市路网结构等不同领域的数据，不同领域的互相叠加，相互补强，从而预测空气质量状况。

“大数据应用于预测雾霾，首先，由于每个站 点、每个时段空气质量的影响因素都不尽相同，所以针对每个空气质量站点，我们都会为这个站点每个时段单独建一个空气质量模型，之后再将三者数据叠加，最后 将数据进行融合，制作出空气质量预测模型。”郑宇说，这样算下来 ，为预测北京市空气质量，建立的模型已经达上百个。

大数据预测得准不准？

那么，多元融合的大数据算法与传统的空气模拟预测相比，是否更准确？

“其实，大数据预测与传统模拟方法有一定的相 似性，都是通过数据来拟合模型，只不过是数据量大小不同。”郑宇说，以往由于获知的数据有限，传统模拟方法只能基于有限的样本数据，由科研人员通过经验、 假设找出这些数据间的规律，模拟出简单的模型，预测空气质量。而随着数据增多，单单依靠人工已经无法从海量繁杂的数据中找出规律，所以需要借助机器学习和 数据挖掘等工具来发现多源数据中隐含的规律。

如今影响空气质量的因素越来越多，传统模拟的方法显得“力不从心”。郑宇介绍说，传统模拟空气质量预测首先需要搜集完整的污染源数据，比如企业的排污数据和汽车尾气排放等，而这些数据无法全部获知；其次模型太理想化，污染物在空气中传播和变化的实际情况，要复杂很多。

随着影响空气质量的因素增多，数据量的增大， 大数据在空气质量预测上颇有优势。比如传统方法要拿到精确的地面污染源数据才能预测，而大数据则可以解决数据缺失的问题。比如对于交通尾气数据难获取的情 况，大数据运算可以采用与交通尾气相关的交通流量、排量等相关数据，间接地分析其与空气质量的关系。“大数据的精髓就是A领域的问题可以借助B领域、C领 域、D领域的数据来一起解决，通过多元数据融合的方法来解决数据缺失和不精准的问题。”郑宇说。

空气质量站点、相关领域的数据、大数据先进的挖掘技术和模型，保证了大数据预测的准确性。据了解，现在大数据对京津冀雾霾的预测精度可以达到75%，对成渝等地的预测精度会更高，平均准确率比统模拟方法高15%~20%。

大数据预测还存在哪些困难？

虽然大数据对雾霾的预测已经成功实践，但郑宇也坦言，大数据预测雾霾确实还有很多困难。

数据量少是大数据发展的掣肘，大数据的预测是基于对大量的数据进行学习。但我国数据开放进程比较晚，并且很多污染源数据都还不完善。

“数据量大小直接影响大数据预测的精准度。” 郑宇说，比如数据样本量不够，会导致雾霾的拐点很难预测，目前传统经典模型和大数据模型都很难说清楚雾霾何时会消散。“很多人认为大风来了，雾霾一定会散 去，真实情况并非如此，雾霾消散与大风的强度、持续时间、风向来源地都有非常大的关系。比如，如果风向的来源地本身是污染源，那么雾霾不但不会散去，反而 会加重。”郑宇说，目前有关拐点出现次数的数据特别少，可能一百天出现一次，对简单的统计学模型来说，拐点出现就是少数派，模型很难预测拐点。目前，郑宇 和他的团队也在单独对拐点进行建模，准确度已经提高到30%。

针对大数据在环保领域未来的发展，郑宇认为国 家首先要培养数据科学家，不仅仅是懂大数据挖掘算法，还要动行业知识，这样才能把大数据转化为生产力。其次，大数据时代要求政府开放数据。只要数据足够， 未来工业园区的建设与空气质量的变化情况，整个城市设计与空气质量的变化情况，完全可以依靠大数据实现。