中圖分類號：TP399 ? ? ? ? 文獻標識碼：A

1 ?可持續發展及面臨的難題

可持續發展是世界對發展道路的審慎選擇，也是我國的基本發展戰略。隨著全球資源枯竭、環境惡化的日益嚴重以及人類文明的演進和對生態保護理念的不斷深化，可持續發展已經成為全球共識，對這一領域的研究也越來越熱，日漸深入。

實現可持續發展的關鍵是如何制定合理的、能夠平衡環境、經濟和社會需求的復雜決策。然而自然、社會、經濟系統本身的高度復雜性、動態性以及不確定性使得實現這一最優或近似最優的決策成為一個巨大的挑戰。目前，可持續發展戰略的實施仍然停留在政策驅動的層面，如何落實到技術實戰，成為切實實現可持續發展的瓶頸問題。

2 ?可持續發展的新興研究領域

近年來出現的計算可持續性（computational sustainability）是為解決可持續發展面臨的挑戰而出現的一個新興的跨學科研究領域^[1,2]，其目的是綜合應用計算機科學、信息科學、運籌學、應用數學、統計學等多學科交叉技術來平衡環境、經濟以及社會需求，以支持可持續的發展。計算可持續性研究涉及能源、生態、經濟、環境等眾多學科，匯集了計算領域和各種具有悠久傳統的可持續性問題，如生態多樣性、自然資源管理、生物與環境工程、資源經濟學等。

計算可持續性研究的重點是針對可持續發展問題，開發計算模型、數學模型及相關方法，以幫助解決一些與可持續發展相關的最具挑戰性的問題。計算可持續性研究涉及面極其廣泛，從野生動物保護、生物多樣性到社會經濟需求平衡、大規模環境部署以及再生能源的管理等都有涉及。如Cornell大學的計算可持續性研究機構（Institute for Computational Sustainability，ICS）采用計算的方法，對生態保護、物種遷移、人口分布等進行研究，構建數學模型并進行優化^[3,4]。

3 ?大數據助力可持續發展研究

大數據時代的來臨為可持續發展研究帶來新的機遇和挑戰。衛星技術、傳感技術的發展日新月異，每天可以采集到的各類環境數據無時無刻不在增加。大數據蘊含豐富的信息和潛在的知識，給人們研究可持續發展開辟了一個以數據為驅動的全新的研究方式，將極大地促進可持續發展研究^[5,6]。

目前，數據驅動的可持續發展研究已成為一個國際研究熱點，各種會議正在持續熱烈地舉行。近年來，在人工智能（artificial intelligence，AI）、機器學習（machine learning, ML）等國際權威學術會議上，每年都有關于可持續發展的專題研討。圖1給出了《人工智能》雜志2014年“計算可持續性（Comp Sust）”專刊發表的可持續與人工智能相關的文章主題，由此可以看到，越來越多的人工智能、機器學習、數據挖掘等方法被應用到城市規劃、物種分布、政策制定、健康、農業、交通、能源、智能電網等多種可持續性問題研究中^[7-9]。這些研究進展預示著大數據將成為可持續發展研究中的重要技術支撐，基于數據驅動的可持續發展問題研究是一個很有潛力的研究方向，為解決生態、環境、經濟等諸多可持續發展問題提供以數據為驅動的解決途徑，具有重要意義。

圖1 2014年《人工智能》雜志Comp Sust專刊發表的計算可持續性相關研究主題

4 ?基于大數據挖掘的計算可持續性研究新動向

在大數據時代，計算可持續性研究同樣面臨著新的機遇和挑戰。一方面，大數據限制了研究者可以使用相對簡單的分析技術，已有的構建和優化這些模型的方法遇到了可擴展性等挑戰；另一方面，大數據所蘊含的豐富信息和潛在知識，將開辟一個以數據為驅動的全新的研究方式，可以幫助解決更加復雜、更大規模的計算可持續性問題。筆者所帶領的研究團隊，在國內率先開展基于大數據的計算可持續性研究，研究思路如圖2所示。

圖2 基于大數據的可持續發展研究思路

綜合運用各種大數據處理、大數據分析以及大數據挖掘技術，解決大數據環境下計算可持續性面臨的問題復雜性、計算效率、方法可擴展性等挑戰，并結合可持續發展中亟待解決的焦點問題，開展可持續發展應用研究，整體研究框架如圖3所示。

圖3 ?基于大數據的計算可持續性研究框架

在該研究思路和框架下，認為大數據是應用、算法、數據和平臺4個要素的有機結合，并通過理論、算法研究與實際問題、應用研究相結合，以平臺建設為支撐，將可持續發展研究從現有的政策驅動真正落實到技術實施。下面以可持續發展中的一個焦點問題——建筑環境影響評價為例，簡要闡述上述研究思路的具體實施^[10]。

氣候變化與環境污染的首要因素是溫室氣體（green housegases，GHG）的排放，而建筑行業和建筑物正是產生GHG的主要來源之一^[11]。在我國，建筑環境影響更是城市化加速發展過程中無法回避的重要議題。目前，我國的建筑業仍處于高投入、高消耗換取高增長的發展模式，給我國的生態環境帶來了巨大影響^[12]。近年來，我國碳排放和建筑揚塵等導致霧霾天氣頻發，嚴重影響了人們的正常生產和生活。開展建筑環境影響評價有助于緩解日益突出的建筑發展與環境惡化之間的矛盾，具有重要意義。

然而，目前廣泛使用的環境影響評價方法代價高昂，且僅能從建筑生態學的角度給出局部或簡化的評價結果，無法充分利用海量、高維、異構的建筑環境影響評價數據。對此，基于計算可持續性的研究理念，采用大數據挖掘技術，提出了基于數據驅動的建筑環境影響評價模型（如圖4所示）。在該模型中，利用基于約束的特征選擇研究解決環境熱點分析問題；利用異構社區發現、半監督聚類集成研究降低大規模建筑環境影響評價的代價；利用多重異構聚類研究輔助綠色建筑設計指導。

圖4 基于數據驅動的建筑環境影響評價模型

在該研究中，建筑環境影響評價數據處理的難題被轉化為一系列特征選擇、分類、聚類的數據挖掘問題，再通過構建大規模分布式可持續發展數據處理平臺，實現任務的分解與集成以及大規模算法的高效求解，從而利用大數據挖掘技術填補現有環境影響評價問題中數據處理的缺陷，并大大降低已有評估方法所需的時間和代價。

5 ?結束語

在計算可持續性研究的框架下，可持續發展的關鍵問題最終可以轉化成計算和信息科學領域的決策和優化問題。大數據技術使得計算可持續性研究中大規模、動態、復雜問題的建模和求解可以以數據驅動的方式來解決，從而極大地提升了計算可持續性研究的效力并擴展了其研究范圍，進一步地，將可持續發展問題從人們普遍認為的政策驅動，真正落實到技術踐行。

參考文獻：

[1] GOMES C P. Computational sustainability: computational methods for a sustainable environment, economy, and society[J]. The Bridge, 2009, 39(4):5-13.

[2] FRENKEL K A. Computer science meets environmental science[J]. Communications of the ACM, 2009, 52(9):23.

[3] CONRAD J, GOMES C, HOEVE W J V, et al. Connections in networks: hardness of feasibility versus optimality [C] // Proceedings of the Fourth International Conference on the Integration of AI and OR Techniques Constraint Programming, Brussels, Belgium, May 23-26, 2007. Berlin: Springer Berlin Heidelberg, 2007:16-28.

[4] BARRETT C B, LITTLE P, CARTER M. Understanding and Reducing Persistent Poverty in Africa[M]. London:Routledge, 2008.

[5] 周綺鳳，李濤. 大數據與計算可持續性[J] . 南京郵電大學學報（自然科學版）, 2015, 35(5): 20-31.

ZHOU Q F, LI T. Big data and computational sustainability[J]. Journal of Nanjing University of Posts and Telecommunications(Natural Science), 2015, 35(5): 20-31.

[6] 李濤. 數據挖掘的應用與實踐[M]. 廈門：廈門大學出版社，2013.

LI T. Data Mining Where Theory Meets Practice[M]. Xiamen: Xiamen University Press, 2013.

[7] KRAUSE A,GOLOVIN D,CONVERSE S. Sequential decision making in computational sustainability via adaptive submodularity [J ]. AI Magazine, 2014, 35(2):8-18.

[8] FINK D, HO CH ACHK A W M, SORTE F A L, et al. Documenting stewardship responsibilities across the annual cycle for birds on US public lands[J]. Ecological Applications, 2015, 25(1): 39-51.

[9] MILANO M , O’SULLIVAN B , GAVANELLI M. Sustainable policy making: astrategic challenge for artificial intelligence[J]. AI Magazine, 2014, 35(3): 22-35.

[10] ZHOU Q, ZHOU H, ZHU Y, et al. Data-driven solutions for building environmental impact assessment [C]// Proceedings of IEEE International Conference on Semantic Computing (ICSC), Anaheim, CA, USA , February 7-9 , 2015. Piscataway: IEEE Press, 2015: 316-319.

[11] COMSTOCK M, GARRIGAN C, POUFFARY S, et al. Building Design and Construction: Forging Resource Efficiency and Sustainable Development[R]. Technical Report, United National Environmental Program (UNEP), 2012.

[12]2012-2016年中國建筑行業市場全景調研及投資價值分析研究報告[R/OL]. (2012-07). http://www.chinabgao.com/ report/372466.html.

Research report of the research and investment value analysis of the Chinese construction industry market in 2012-2016[R/OL]. (2012-07). http:// www. chinabgao.com/report/372466.html.

周綺鳳（1976-），女，博士，廈門大學自動化系副教授。2002年起從事數據挖掘及智能系統方面的研究工作，2014-2015年在美國佛羅里達國際大學訪學，主要研究興趣包括機器學習、數據挖掘及其在可持續發展等領域的應用。

李濤（1975-），男，南京郵電大學計算機學院、軟件學院院長，南京郵電大學大數據研究院院長。2004年7月獲美國羅徹斯特大學（University of Rochester）計算機科學博士學位，2004-2014年先后任美國佛羅里達國際大學（Florida International University）計算機學院助理教授、副教授（終身教授）、教授（full professor）、研究生主管（graduate program director）。由于在數據挖掘及應用領域成效顯著的研究工作，曾多次獲得各種榮譽和獎勵，其中包括2006年美國國家自然科學基金委員會頒發的杰出青年教授獎，2010年IBM大規模數據分析創新獎，并于2009年獲得美國佛羅里達國際大學最高學術研究獎。

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的【2016年第1期】从政策驱动到技术践行：大数据开辟可持续发展研究新途径的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。