“數(shù)據(jù)要素×”典型案例

5月24日，國(guó)家數(shù)據(jù)局會(huì)同生態(tài)環(huán)境部、交通運(yùn)輸部、金融監(jiān)管總局、中國(guó)科學(xué)院、中國(guó)氣象局、國(guó)家文物局、國(guó)家中醫(yī)藥局等相關(guān)部門(mén)在第七屆數(shù)字中國(guó)建設(shè)峰會(huì)上發(fā)布第一批20個(gè)“數(shù)據(jù)要素×”典型案例，通過(guò)示范引領(lǐng)，激勵(lì)多方主體積極參與，釋放數(shù)據(jù)要素價(jià)值。

本篇文章，海南國(guó)際知識(shí)產(chǎn)權(quán)交易所整理國(guó)家數(shù)據(jù)局發(fā)布的“數(shù)據(jù)要素×”典型案例第11-20個(gè)案例，涵蓋科技創(chuàng)新、醫(yī)療健康、氣象服務(wù)、城市治理、應(yīng)急管理、綠色低碳等領(lǐng)域，以饗讀者。

典型案例之十一 | 圖書(shū)出版數(shù)據(jù)融合創(chuàng)新應(yīng)用推動(dòng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)

作為文化產(chǎn)業(yè)的重要組成部分，出版業(yè)高質(zhì)量發(fā)展既是順應(yīng)信息化時(shí)代發(fā)展的需要，也有助于滿足人民群眾的多樣化需求。當(dāng)前，傳統(tǒng)出版行業(yè)存在多元化市場(chǎng)需求難以捕捉、數(shù)據(jù)利用分析能力不足等問(wèn)題，武漢理工數(shù)字傳播工程有限公司通過(guò)整合出版圖書(shū)產(chǎn)業(yè)鏈上下游不同渠道的數(shù)據(jù)資源，打造了智能化數(shù)據(jù)平臺(tái)，助力出版單位以數(shù)據(jù)洞察更好把握市場(chǎng)趨勢(shì)和用戶需求，推動(dòng)出版業(yè)數(shù)字化轉(zhuǎn)型與創(chuàng)新發(fā)展。

一是推動(dòng)圖書(shū)出版數(shù)據(jù)融合匯聚。平臺(tái)通過(guò)整合中國(guó)國(guó)家版本館圖書(shū)數(shù)據(jù)、1.7億會(huì)員讀者數(shù)據(jù)、全國(guó)各省新華集團(tuán)的線下銷售數(shù)據(jù)，以及京東、天貓、抖音等線上平臺(tái)的銷售數(shù)據(jù)，構(gòu)建了包含標(biāo)簽、發(fā)行渠道、讀者評(píng)價(jià)、線上數(shù)字化服務(wù)使用偏好等豐富信息的數(shù)據(jù)資源庫(kù)。二是強(qiáng)化數(shù)據(jù)質(zhì)量管理。應(yīng)用全國(guó)統(tǒng)一的出版圖書(shū)數(shù)據(jù)標(biāo)準(zhǔn)，制定精細(xì)化的實(shí)施規(guī)范，確保數(shù)據(jù)格式、結(jié)構(gòu)和質(zhì)量統(tǒng)一。做好清洗、驗(yàn)證、加密及訪問(wèn)控制等精細(xì)化數(shù)據(jù)治理，確保數(shù)據(jù)準(zhǔn)確、可靠和安全。三是開(kāi)發(fā)數(shù)據(jù)產(chǎn)品與服務(wù)。對(duì)平臺(tái)圖書(shū)數(shù)據(jù)進(jìn)行深度挖掘和融合分析，為出版單位提供選題策劃、讀者偏好、市場(chǎng)風(fēng)向、競(jìng)品分析等數(shù)據(jù)服務(wù)。依托平臺(tái)豐富的圖書(shū)出版數(shù)據(jù)資源，開(kāi)發(fā)人工智能（AI）大模型，推出了首個(gè)AI閱讀服務(wù)數(shù)字人等數(shù)據(jù)產(chǎn)品，拓展圖書(shū)出版數(shù)據(jù)應(yīng)用場(chǎng)景和價(jià)值空間。

圖  出版圖書(shū)數(shù)據(jù)平臺(tái)界面

自2014年成立以來(lái)，公司為300多家出版單位提供了覆蓋知識(shí)策劃、整合、發(fā)行、服務(wù)等全鏈條的1300多款應(yīng)用與產(chǎn)品，幫助出版單位在文化產(chǎn)品的選題、策劃等方面明顯提高了效率和準(zhǔn)確性，引導(dǎo)出版企業(yè)為社會(huì)提供更多更符合大眾需求的優(yōu)質(zhì)文化產(chǎn)品，累計(jì)為出版行業(yè)創(chuàng)造了近150億元實(shí)際收入。同時(shí)，平臺(tái)緊跟社會(huì)文化需求風(fēng)向，不僅提高了經(jīng)濟(jì)效益，也繁榮了文化市場(chǎng)。

典型案例之十二 | 醫(yī)療數(shù)據(jù)智能化分析輔助提升基層診療水平

基層醫(yī)療衛(wèi)生體系是守護(hù)億萬(wàn)人民群眾身體健康的“第一道防線”，事關(guān)每個(gè)人的生活質(zhì)量。但基層醫(yī)療機(jī)構(gòu)往往面臨人才不足、醫(yī)生隊(duì)伍不穩(wěn)定、資源供給有限等問(wèn)題，難以完全滿足廣大群眾對(duì)醫(yī)療服務(wù)的需求。為提升基層醫(yī)療服務(wù)水平，訊飛醫(yī)療科技股份有限公司通過(guò)對(duì)海量醫(yī)療數(shù)據(jù)的收集和分析，構(gòu)建醫(yī)療AI大模型，為基層診療提供智能化輔助，促進(jìn)基層醫(yī)療服務(wù)提質(zhì)增效。

圖1  場(chǎng)景流程圖

一是匯聚高質(zhì)量數(shù)據(jù)資源訓(xùn)練模型。與中華醫(yī)學(xué)會(huì)雜志社、開(kāi)放醫(yī)療與健康聯(lián)盟等權(quán)威機(jī)構(gòu)合作，匯聚公開(kāi)脫敏數(shù)據(jù)，構(gòu)建涵蓋疾病知識(shí)、癥狀體征、檢驗(yàn)檢查、藥物信息、臨床路徑、診療規(guī)范及指南等內(nèi)容的數(shù)據(jù)資源庫(kù)，訓(xùn)練形成智慧醫(yī)療AI模型。二是推進(jìn)醫(yī)療數(shù)據(jù)與“問(wèn)、診、治”場(chǎng)景深度結(jié)合。模型與行業(yè)信息平臺(tái)和醫(yī)院信息系統(tǒng)對(duì)接，以“數(shù)據(jù)不出本地局域網(wǎng)”方式匯聚分析患者病歷數(shù)據(jù)及歷史健康信息數(shù)據(jù)。實(shí)現(xiàn)在醫(yī)生問(wèn)診過(guò)程中，根據(jù)問(wèn)診邏輯提示病情問(wèn)診；在診斷過(guò)程中，對(duì)患者病歷數(shù)據(jù)進(jìn)行智能化分析和判斷，協(xié)助醫(yī)生對(duì)病情進(jìn)行合理診斷；在醫(yī)生下處方和檢查檢驗(yàn)時(shí)，及時(shí)給出常見(jiàn)用藥和常見(jiàn)檢查檢驗(yàn)建議，并將異常診斷結(jié)果數(shù)據(jù)及時(shí)報(bào)送醫(yī)療主管部門(mén)復(fù)核。截至目前，該系統(tǒng)已在全國(guó)506個(gè)縣區(qū)的近5.3萬(wàn)個(gè)基層醫(yī)療機(jī)構(gòu)應(yīng)用，服務(wù)6萬(wàn)余名基層醫(yī)生，累計(jì)提供7.7億次AI輔診建議，規(guī)范病歷2.9億次。經(jīng)該系統(tǒng)提醒而修正診斷的有價(jià)值病歷超139萬(wàn)例，累計(jì)識(shí)別不合理處方數(shù)6200萬(wàn)，AI輔助診斷合理率提升至95%（重點(diǎn)地區(qū)97%），覆蓋疾病數(shù)量超1680種。

圖2   統(tǒng)一標(biāo)準(zhǔn)、規(guī)范的數(shù)據(jù)采集處理流程

典型案例之十三 | 高質(zhì)量藥物數(shù)據(jù)集提高新藥研發(fā)質(zhì)效

提升創(chuàng)新藥自主研發(fā)能力關(guān)乎國(guó)家生物醫(yī)藥產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，也與國(guó)家生物安全自主可控、國(guó)民生命健康緊密相連。高質(zhì)量藥物數(shù)據(jù)在新藥研發(fā)的過(guò)程中至關(guān)重要，目前國(guó)內(nèi)藥物數(shù)據(jù)來(lái)自不同細(xì)分領(lǐng)域的學(xué)術(shù)數(shù)據(jù)庫(kù)，存在流通不暢、資源分散和標(biāo)準(zhǔn)不統(tǒng)一等問(wèn)題。北京市計(jì)算中心有限公司通過(guò)多渠道、合規(guī)收集海量藥物研發(fā)關(guān)鍵數(shù)據(jù)，建立專業(yè)的新藥研發(fā)數(shù)據(jù)集，進(jìn)行智能化分析和數(shù)據(jù)挖掘，有效降低新藥研發(fā)周期，賦能上百個(gè)新藥研發(fā)項(xiàng)目。

一是多渠道收集藥物研發(fā)數(shù)據(jù)。通過(guò)公開(kāi)數(shù)據(jù)庫(kù)下載、文獻(xiàn)信息整理、公開(kāi)渠道購(gòu)買等多種方式，收集藥物相關(guān)的分子結(jié)構(gòu)、理化性質(zhì)和靶點(diǎn)信息等藥物研發(fā)關(guān)鍵數(shù)據(jù)，并通過(guò)計(jì)算機(jī)輔助和人工校驗(yàn)確保數(shù)據(jù)質(zhì)量可靠，為科研人員提供了較強(qiáng)的數(shù)據(jù)支持，明顯提高藥物研發(fā)的準(zhǔn)確性、可靠性和實(shí)用性。

二是建立高質(zhì)量新藥研發(fā)數(shù)據(jù)集。對(duì)匯聚數(shù)據(jù)進(jìn)行統(tǒng)一處理，形成能夠支撐藥物數(shù)據(jù)研發(fā)的高質(zhì)量數(shù)據(jù)集，該數(shù)據(jù)集包括小分子、多肽和蛋白靶點(diǎn)數(shù)據(jù)，其中小分子和多肽信息400余萬(wàn)條（幾乎覆蓋當(dāng)前全部藥物數(shù)據(jù)領(lǐng)域），潛在的藥物活性位點(diǎn)超過(guò)11萬(wàn)個(gè)。

三是智能化分析和挖掘數(shù)據(jù)。基于人工智能算法對(duì)藥物數(shù)據(jù)集進(jìn)行數(shù)據(jù)挖掘和藥物特征提取，形成疾病相關(guān)的藥物有效特征，為新疾病靶點(diǎn)預(yù)測(cè)和對(duì)應(yīng)藥物研發(fā)提供準(zhǔn)確、個(gè)性化、智能化分析服務(wù)。目前已與全國(guó)30余家高校和科研院所開(kāi)展合作，利用高質(zhì)量藥物數(shù)據(jù)集和智能服務(wù)開(kāi)展的新藥研發(fā)項(xiàng)目100余項(xiàng)，人工智能預(yù)測(cè)靶點(diǎn)超1萬(wàn)余個(gè)，基本覆蓋了已知疾病。

圖  與北京某高校合作，針對(duì)已知藥物的靶標(biāo)確認(rèn)展開(kāi)研究

典型案例之十四 | “一網(wǎng)統(tǒng)管”風(fēng)險(xiǎn)防控與應(yīng)急指揮體系——以高質(zhì)量數(shù)據(jù)要素推動(dòng)應(yīng)急管理能力提升

應(yīng)急管理?yè)?dān)負(fù)保護(hù)人民群眾生命財(cái)產(chǎn)安全和維護(hù)社會(huì)穩(wěn)定的重要使命。先進(jìn)的技術(shù)支持是實(shí)施好應(yīng)急預(yù)防和救援處置的有效保障。當(dāng)前，應(yīng)急管理領(lǐng)域存在數(shù)據(jù)共享融合深度不足，對(duì)安全生產(chǎn)、自然災(zāi)害防治和突發(fā)事件處置支撐力度有限等問(wèn)題。廣東省應(yīng)急管理廳全面整合氣象、水利、林業(yè)等跨部門(mén)監(jiān)測(cè)數(shù)據(jù)以及危化、礦山等企業(yè)物聯(lián)感知數(shù)據(jù)，構(gòu)建個(gè)性化的應(yīng)急場(chǎng)景智能算法，打造共建、共治、共創(chuàng)、共享的應(yīng)急管理信息化新模式，推進(jìn)跨層級(jí)、跨地域、跨系統(tǒng)、跨部門(mén)、跨業(yè)務(wù)協(xié)同治理，切實(shí)提升應(yīng)急管理業(yè)務(wù)綜合實(shí)戰(zhàn)能力。

一是加快數(shù)據(jù)匯聚融合，夯實(shí)數(shù)據(jù)支撐基礎(chǔ)。梳理完善應(yīng)急管理部門(mén)公共數(shù)據(jù)資源目錄和數(shù)據(jù)需求目錄，加快推動(dòng)數(shù)據(jù)資源匯聚共享，已成功接入27個(gè)外部廳局以及14個(gè)應(yīng)急廳內(nèi)部機(jī)構(gòu)，涵蓋1171類業(yè)務(wù)數(shù)據(jù)，總量高達(dá)36.1億條，提供1372類數(shù)據(jù)服務(wù)，有效促進(jìn)了數(shù)據(jù)要素在跨部門(mén)、跨系統(tǒng)、跨平臺(tái)間的順暢流通。

二是構(gòu)建應(yīng)急智能算法，為業(yè)務(wù)場(chǎng)景提供精準(zhǔn)支持。面向應(yīng)急管理行業(yè)監(jiān)測(cè)預(yù)警、監(jiān)督管理、輔助決策和指揮調(diào)度等業(yè)務(wù)需求，結(jié)合人口、電力、工程機(jī)械、化工商品價(jià)格等指數(shù)以及各類監(jiān)測(cè)預(yù)警、巡查上報(bào)、預(yù)測(cè)分析數(shù)據(jù)，構(gòu)建數(shù)據(jù)模型開(kāi)展智能輔助分析，有效提高應(yīng)急管理部門(mén)預(yù)測(cè)、預(yù)警、預(yù)知能力和及時(shí)處置、科學(xué)救援等數(shù)據(jù)智能輔助決策能力。2023年，廣東省通過(guò)實(shí)時(shí)監(jiān)測(cè)臺(tái)風(fēng)路徑、漁船坐標(biāo)、水位監(jiān)測(cè)數(shù)據(jù)等重要信息，有效應(yīng)對(duì)了30輪強(qiáng)降雨和6次臺(tái)風(fēng)，未發(fā)生群死群傷和重要工程損毀事件。

圖  廣東省應(yīng)急管理廳大數(shù)據(jù)治理平臺(tái)

典型案例之十五 | 強(qiáng)化大數(shù)據(jù)應(yīng)用 構(gòu)建數(shù)字應(yīng)急體系

應(yīng)急管理是國(guó)家治理體系和治理能力的重要組成部分，擔(dān)負(fù)保護(hù)人民群眾生命財(cái)產(chǎn)安全和維護(hù)社會(huì)穩(wěn)定的重要使命。應(yīng)急管理涉及地質(zhì)、森林、海洋、河流等業(yè)務(wù)場(chǎng)景眾多，對(duì)打通部門(mén)間數(shù)據(jù)共享，推動(dòng)實(shí)現(xiàn)各場(chǎng)景業(yè)務(wù)高效協(xié)同具有迫切需求。福建省電子政務(wù)建設(shè)運(yùn)營(yíng)有限公司通過(guò)打通數(shù)據(jù)間壁壘，匯聚部、省、市三級(jí)應(yīng)急基礎(chǔ)信息資源，搭建數(shù)字應(yīng)急綜合應(yīng)用平臺(tái)，實(shí)現(xiàn)多種災(zāi)害預(yù)警，強(qiáng)化全鏈條監(jiān)管，為全省“數(shù)字應(yīng)急”體系建設(shè)提供有力支撐。

一是高效匯聚應(yīng)急數(shù)據(jù)。實(shí)現(xiàn)與應(yīng)急管理部、各地市應(yīng)急平臺(tái)的縱向貫通，與省級(jí)氣象、水利、地質(zhì)等20多個(gè)行業(yè)廳局的39個(gè)關(guān)聯(lián)業(yè)務(wù)系統(tǒng)橫向鏈接，匯聚約59.8億條氣象預(yù)報(bào)、應(yīng)急物資、救援隊(duì)伍等應(yīng)急基礎(chǔ)數(shù)據(jù)及89萬(wàn)條部級(jí)、2.41億條省級(jí)危險(xiǎn)化學(xué)品、工貿(mào)、礦山等企業(yè)基礎(chǔ)信息數(shù)據(jù)。

二是數(shù)據(jù)賦能監(jiān)測(cè)預(yù)警。接入?；?、非煤礦山、森林防火、海上安全等重點(diǎn)領(lǐng)域1.4萬(wàn)條感知數(shù)據(jù)和2.2萬(wàn)路視頻監(jiān)控，依托風(fēng)險(xiǎn)評(píng)估模型、AI視頻分析等技術(shù)，自動(dòng)發(fā)布預(yù)警信息（如圖1所示），實(shí)現(xiàn)安全生產(chǎn)隱患的主動(dòng)監(jiān)測(cè)，推動(dòng)應(yīng)急管理“以治為主”向“以防為主”轉(zhuǎn)變。2023年以來(lái)，全省消除各類傳感器異常報(bào)警約19萬(wàn)次，處置各類安全事故550余起，事故死亡人數(shù)下降11%。

圖1  監(jiān)測(cè)預(yù)警平臺(tái)

三是推進(jìn)一體化監(jiān)管執(zhí)法。結(jié)合企業(yè)畫(huà)像數(shù)據(jù)治理模型，動(dòng)態(tài)建立全省監(jiān)管對(duì)象臺(tái)賬庫(kù)，將5.1萬(wàn)家危化品、煙花爆竹、礦山、工貿(mào)等企業(yè)納入管理平臺(tái)，通過(guò)構(gòu)建安全生產(chǎn)指數(shù)，實(shí)現(xiàn)精準(zhǔn)監(jiān)管、靶向治理（如圖2所示）。

圖2   監(jiān)管執(zhí)法平臺(tái)

四是高效協(xié)同應(yīng)急指揮救援。匯聚全省多部門(mén)、跨層級(jí)3萬(wàn)多條救援相關(guān)數(shù)據(jù)，提升各部門(mén)在應(yīng)急救援場(chǎng)景下的協(xié)同作戰(zhàn)能力?；趹?yīng)急聯(lián)動(dòng)小程序等方式快速調(diào)度隊(duì)伍、裝備等，實(shí)時(shí)掌握救援進(jìn)展動(dòng)態(tài)，做到快速響應(yīng)、高效協(xié)同、扁平化指揮調(diào)度（如圖3所示）。

圖3 救援指揮平臺(tái)

典型案例之十六 | 跨部門(mén)氣象數(shù)據(jù)共享 助力地質(zhì)災(zāi)害分級(jí)預(yù)警體系建設(shè)

精準(zhǔn)及時(shí)的地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警是保障人民生命安全的“防護(hù)堤”，實(shí)踐表明“預(yù)警早一秒，風(fēng)險(xiǎn)少一分”。地質(zhì)災(zāi)害和氣象風(fēng)險(xiǎn)往往相互交織，通過(guò)對(duì)氣象與地質(zhì)數(shù)據(jù)的深度融合應(yīng)用，可以顯著提升風(fēng)險(xiǎn)預(yù)警的實(shí)時(shí)性、精確度與實(shí)用性，進(jìn)而有效增強(qiáng)防災(zāi)減災(zāi)的能力。四川省修復(fù)防治院聯(lián)合四川省氣象臺(tái)通過(guò)共搭平臺(tái)，實(shí)現(xiàn)地質(zhì)、氣象等數(shù)據(jù)的協(xié)同效應(yīng)，用數(shù)據(jù)的“油”點(diǎn)亮防災(zāi)減災(zāi)的“燈”。

一是推動(dòng)氣象數(shù)據(jù)實(shí)時(shí)匯聚共享。建立地質(zhì)災(zāi)害氣象數(shù)據(jù)共享平臺(tái)，實(shí)時(shí)采集共享全省4000余處氣象站點(diǎn)降水實(shí)況、逐小時(shí)天氣預(yù)報(bào)、雷達(dá)衛(wèi)星多源融合資料等氣象數(shù)據(jù)及7000余處地災(zāi)專業(yè)監(jiān)測(cè)雨量站點(diǎn)數(shù)據(jù)，并打通氣象、自然資源、水利、應(yīng)急等部門(mén)數(shù)據(jù)，為全省的氣象預(yù)報(bào)、災(zāi)害預(yù)警以及相關(guān)決策支持提供了更為堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。

二是實(shí)現(xiàn)災(zāi)害精準(zhǔn)分析預(yù)測(cè)。四川省修復(fù)防治院通過(guò)搭建可自主適配本地化的氣象預(yù)測(cè)模型，為全省21個(gè)市（州）、175個(gè)地災(zāi)易發(fā)縣提供“6小時(shí)、3小時(shí)、1小時(shí)”短期預(yù)測(cè)信息，使區(qū)域內(nèi)地質(zhì)災(zāi)害氣象預(yù)測(cè)更加精細(xì)化、具有針對(duì)性（如圖1所示）。2022年以來(lái)，在氣象、地質(zhì)等數(shù)據(jù)大量精確匯聚支撐下，短臨預(yù)測(cè)信息有效性顯著提升，精準(zhǔn)性高達(dá)55.6%。

圖1  省市縣分級(jí)制作地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警產(chǎn)品

三是實(shí)現(xiàn)災(zāi)害及時(shí)預(yù)警預(yù)防。通過(guò)電視、網(wǎng)站、自媒體等渠道發(fā)布和短信點(diǎn)對(duì)點(diǎn)通知的方式，同步將地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警信息及時(shí)發(fā)送到有關(guān)部門(mén)單位和人民群眾，實(shí)現(xiàn)預(yù)警信息數(shù)據(jù)有效傳達(dá)共享（如圖2所示）。2022年以來(lái)，有效支撐全省范圍發(fā)布地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警共5839次，實(shí)現(xiàn)成功避險(xiǎn)123起，避免2400余人可能的因?yàn)?zāi)傷亡。

圖2 地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警體系

典型案例之十七 | “氣象保險(xiǎn)增值服務(wù)”賦能風(fēng)電設(shè)施建設(shè)運(yùn)營(yíng)減損增效

在全球氣候變暖背景下，我國(guó)極端天氣事件增多增強(qiáng)，統(tǒng)籌發(fā)展和安全對(duì)防范氣象災(zāi)害提出了更高要求。精準(zhǔn)氣象預(yù)測(cè)借助大數(shù)據(jù)、AI算法等現(xiàn)代科技技術(shù)，可對(duì)具體區(qū)域和場(chǎng)景的氣象變化做出系統(tǒng)性監(jiān)測(cè)和預(yù)判，從而有針對(duì)性地提升氣象預(yù)測(cè)對(duì)生命財(cái)產(chǎn)的保駕護(hù)航能力。臺(tái)州市氣象局、人保臺(tái)州分公司、浙能集團(tuán)三方合作探索“買保險(xiǎn)送氣象服務(wù)”模式，為風(fēng)電企業(yè)提供定制化氣象預(yù)測(cè)，助力企業(yè)預(yù)防災(zāi)害、順利施工、高效運(yùn)營(yíng)。

一是創(chuàng)新“氣象保險(xiǎn)增值服務(wù)”合作模式。風(fēng)電企業(yè)僅需支付商業(yè)保險(xiǎn)費(fèi)用，即可享受由保險(xiǎn)公司采購(gòu)、氣象部門(mén)提供的實(shí)時(shí)風(fēng)向、風(fēng)速、雨量、溫度、能見(jiàn)度等氣象數(shù)據(jù)服務(wù)，改變了原來(lái)需要分別向氣象部門(mén)和保險(xiǎn)公司定制氣象服務(wù)和工程保險(xiǎn)的常規(guī)流程。

二是實(shí)現(xiàn)氣象數(shù)據(jù)產(chǎn)品與項(xiàng)目運(yùn)營(yíng)管理有機(jī)融合。將天氣預(yù)報(bào)產(chǎn)品、氣象模型接入業(yè)主方現(xiàn)有的智慧工地平臺(tái)，實(shí)現(xiàn)當(dāng)致災(zāi)氣象要素發(fā)生異常時(shí)，通過(guò)電話、短信方式對(duì)指定位置進(jìn)行告警。同時(shí)，通過(guò)建立風(fēng)功率預(yù)報(bào)、災(zāi)害風(fēng)險(xiǎn)等模型（如圖所示），實(shí)現(xiàn)3天內(nèi)的天氣預(yù)報(bào)，為電力調(diào)度、工程推進(jìn)提供決策建議。

三是探索數(shù)據(jù)利益分配模式。該模式形成了保險(xiǎn)公司降經(jīng)營(yíng)風(fēng)險(xiǎn)、風(fēng)電企業(yè)降本增效、氣象服務(wù)中心獲取更多研究場(chǎng)景和經(jīng)費(fèi)的多方共贏局面。2023年，在專業(yè)化的氣象數(shù)據(jù)服務(wù)下，某海上風(fēng)電項(xiàng)目未出現(xiàn)災(zāi)害理賠情況，為保險(xiǎn)公司節(jié)約了大量理賠成本。同時(shí)，該項(xiàng)目在當(dāng)年額外增加了45天的作業(yè)窗口期，工期提前1個(gè)月完成。

圖  短期風(fēng)電預(yù)測(cè)流程

典型案例之十八 | 跨層級(jí)數(shù)據(jù)貫通提升基層治理現(xiàn)代化水平

基層治理是服務(wù)群眾的最前沿，也是群眾感知基層治理效能和公共服務(wù)溫度的“神經(jīng)末梢”。但基層治理往往面臨人員少、任務(wù)多、資源不足等現(xiàn)實(shí)問(wèn)題，為解決基層政務(wù)服務(wù)重復(fù)工作多、數(shù)字化程度低等問(wèn)題，煙臺(tái)市大數(shù)據(jù)中心建設(shè)市縣鄉(xiāng)村四級(jí)聯(lián)動(dòng)、上下貫通的鎮(zhèn)街綜合數(shù)據(jù)平臺(tái)，通過(guò)智能報(bào)表、智能臺(tái)賬等有效減少基層重復(fù)摸排、重復(fù)報(bào)表工作，推動(dòng)數(shù)據(jù)賦能公共服務(wù)，為基層減負(fù)和基層治理現(xiàn)代化提供了有力支撐。

一是打造全量匯聚、多級(jí)聯(lián)動(dòng)、上下貫通的數(shù)據(jù)應(yīng)用體系。通過(guò)建設(shè)鎮(zhèn)街綜合數(shù)據(jù)平臺(tái)，整合了市、縣、鄉(xiāng)、村四級(jí)共15大類、177子類、1300多萬(wàn)條數(shù)據(jù)，實(shí)現(xiàn)了基層基礎(chǔ)數(shù)據(jù)“應(yīng)歸盡歸”。同時(shí)，建立數(shù)據(jù)返還機(jī)制，針對(duì)基層共性數(shù)據(jù)需求定期返還，累計(jì)返還166類國(guó)家級(jí)、省級(jí)和市級(jí)數(shù)據(jù)，實(shí)現(xiàn)基層所需數(shù)據(jù)“應(yīng)返盡返”。在數(shù)字底座基礎(chǔ)上，通過(guò)智能報(bào)表、智能臺(tái)賬等方式，實(shí)現(xiàn)報(bào)表自由定制、數(shù)據(jù)自動(dòng)復(fù)用、結(jié)果實(shí)時(shí)統(tǒng)計(jì)，有效減少基層數(shù)據(jù)重復(fù)填報(bào)和手工篩查，減輕了基層“指尖上”的負(fù)擔(dān)，基層表格縮減率達(dá)34%、填報(bào)縮減率超過(guò)52% 。

二是賦能基層數(shù)據(jù)應(yīng)用場(chǎng)景，推進(jìn)公共服務(wù)普惠化。綜合數(shù)據(jù)平臺(tái)聚焦民生保障、鄉(xiāng)村振興、補(bǔ)貼發(fā)放等重點(diǎn)領(lǐng)域，推進(jìn)256個(gè)基層業(yè)務(wù)上網(wǎng)運(yùn)行。在賦能補(bǔ)貼發(fā)放方面，設(shè)立社會(huì)救助、社會(huì)福利、計(jì)生獎(jiǎng)扶等3大類、13小類補(bǔ)貼認(rèn)證事項(xiàng)，通過(guò)跨部門(mén)數(shù)據(jù)共享和融合比對(duì)，主動(dòng)發(fā)現(xiàn)老年補(bǔ)助發(fā)放、殘疾人補(bǔ)助發(fā)放和農(nóng)村獎(jiǎng)扶發(fā)放人員，協(xié)助基層進(jìn)行低保人員、特困人員、殘疾人等相關(guān)補(bǔ)貼的認(rèn)證工作，有效助力提升補(bǔ)貼發(fā)放精準(zhǔn)性、高效性。

圖  基層數(shù)據(jù)熱力圖

典型案例之十九 | 推動(dòng)數(shù)據(jù)要素創(chuàng)新應(yīng)用 助力新能源發(fā)展及消納

能源是保障行業(yè)發(fā)展的“糧食”。大力發(fā)展新能源是緩解我國(guó)傳統(tǒng)能源對(duì)外依賴性高、碳排放強(qiáng)度大等問(wèn)題的關(guān)鍵解決方案。但風(fēng)電光伏等新能源受自然條件影響，發(fā)電量具有隨機(jī)性、波動(dòng)性等特點(diǎn)，隨著新能源并網(wǎng)增加，帶來(lái)的系統(tǒng)運(yùn)行穩(wěn)定性問(wèn)題和棄風(fēng)棄光問(wèn)題也日益突出。國(guó)網(wǎng)新疆電力有限公司通過(guò)匯聚分析新能源項(xiàng)目審批、場(chǎng)站運(yùn)行、氣象等數(shù)據(jù)，建立新能源功率預(yù)測(cè)及消納能力分析模型，為新能源項(xiàng)目建設(shè)、并網(wǎng)運(yùn)行、動(dòng)態(tài)消納等提供科學(xué)決策依據(jù)。

一是推動(dòng)新能源數(shù)據(jù)匯聚融合。打破各平臺(tái)數(shù)據(jù)壁壘，獲取多源監(jiān)測(cè)分析數(shù)據(jù)指標(biāo)260項(xiàng)，匯聚807家新能源場(chǎng)站的8497萬(wàn)條光伏運(yùn)行數(shù)據(jù)和5.7億條風(fēng)電運(yùn)行數(shù)據(jù)；獲取沙塵、寒潮、大風(fēng)等5種非平穩(wěn)轉(zhuǎn)折性氣象環(huán)境數(shù)據(jù)，沙漠、盆地、戈壁、荒漠及其交疊的10種特殊地形地貌下的9534萬(wàn)余條云圖數(shù)據(jù)。

二是開(kāi)展新能源數(shù)據(jù)的建模分析應(yīng)用。構(gòu)建新能源多維分析框架和全景可視化場(chǎng)景，聚焦新能源運(yùn)行和消納環(huán)節(jié)，應(yīng)用機(jī)器學(xué)習(xí)等技術(shù)測(cè)算不同技術(shù)路徑下的新能源消納量和利用率提升情況，提前預(yù)測(cè)可能發(fā)生的并網(wǎng)風(fēng)險(xiǎn)，提供消納措施選取建議，輔助開(kāi)展各項(xiàng)措施應(yīng)用后評(píng)估。明顯提高新能源發(fā)電上網(wǎng)的監(jiān)測(cè)準(zhǔn)確性，其中，風(fēng)電短期預(yù)測(cè)精度提高4.3%，光伏短期預(yù)測(cè)精度提高2.2%。明顯減少棄風(fēng)棄電現(xiàn)象，增加新能源上網(wǎng)電量31.9億千瓦時(shí)，相當(dāng)于克拉瑪依地區(qū)全年用電量。

三是開(kāi)展新能源數(shù)據(jù)的共享定制服務(wù)。基于能源大數(shù)據(jù)統(tǒng)一門(mén)戶，對(duì)外提供多元定制化數(shù)據(jù)共享服務(wù)，為800余家新能源企業(yè)提供一鍵式新能源并網(wǎng)信息跟蹤查詢，為政府部門(mén)提供實(shí)時(shí)動(dòng)態(tài)的新能源發(fā)展全場(chǎng)景數(shù)據(jù)服務(wù)和分析報(bào)告，實(shí)現(xiàn)新能源場(chǎng)站的提前規(guī)劃、全景監(jiān)測(cè)、智能分析、消納預(yù)測(cè)和風(fēng)險(xiǎn)管控，在保障電力系統(tǒng)安全穩(wěn)定運(yùn)行的前提下提高新能源應(yīng)用效率。通過(guò)大數(shù)據(jù)智能化管控，優(yōu)化并縮短并網(wǎng)流程15項(xiàng)，提升并網(wǎng)效率30%，節(jié)約新能源發(fā)電項(xiàng)目建設(shè)和運(yùn)營(yíng)成本，加速了新能源項(xiàng)目在新疆落地發(fā)展，為“雙碳”目標(biāo)實(shí)現(xiàn)和能源安全貢獻(xiàn)力量。

圖1  新能源功率預(yù)測(cè)系統(tǒng)

圖2   新能源消納-運(yùn)行視角

典型案例之二十 | 貫通多層級(jí)多行業(yè)生態(tài)環(huán)境數(shù)據(jù) 提升藍(lán)藻治理水平

湖泊是地表水資源的重要載體，與人類生產(chǎn)生活息息相關(guān)，對(duì)水資源安全保障、生態(tài)服務(wù)功能、防汛抗旱等都具有重要作用。水體富營(yíng)養(yǎng)化會(huì)導(dǎo)致藻類迅速繁殖、水體溶解氧氣量下降、水質(zhì)惡化，造成水生生物大量死亡，嚴(yán)重危害人體健康。巢湖藍(lán)藻治理經(jīng)歷了長(zhǎng)達(dá)30余年的艱難歷程，投入大量人力和資金成本，仍長(zhǎng)期面臨防控戰(zhàn)線長(zhǎng)、人力成本高、監(jiān)測(cè)監(jiān)控手段不足、分析預(yù)警能力不強(qiáng)等問(wèn)題。合肥市生態(tài)環(huán)境局以提高巢湖藍(lán)藻監(jiān)測(cè)預(yù)警能力為核心，整合跨層級(jí)、跨領(lǐng)域、跨部門(mén)、跨平臺(tái)藍(lán)藻治理相關(guān)數(shù)據(jù)，構(gòu)建水文水質(zhì)、水動(dòng)力、藻類生長(zhǎng)等智能模型，精準(zhǔn)預(yù)測(cè)藍(lán)藻發(fā)生情況，提前介入管控，使巢湖流域生態(tài)得到系統(tǒng)性改善。推動(dòng)了當(dāng)?shù)厣鷳B(tài)環(huán)境改善和文娛產(chǎn)業(yè)發(fā)展，打造了“綠水青山就是金山銀山”的實(shí)踐案例。

一是打通數(shù)據(jù)壁壘，實(shí)現(xiàn)多源數(shù)據(jù)匯聚。建立地表水自動(dòng)監(jiān)測(cè)網(wǎng)絡(luò)，貫通生態(tài)環(huán)境部、安徽省、合肥市等跨層級(jí)的環(huán)境、氣象、城建、水利、漁政等多個(gè)行業(yè)涉水?dāng)?shù)據(jù)，共接入國(guó)控點(diǎn)23個(gè)、省控點(diǎn)11個(gè)、市控點(diǎn)46個(gè)，匯聚共享衛(wèi)星遙感、視頻監(jiān)控等各類數(shù)據(jù)達(dá)11億條，構(gòu)建水環(huán)境數(shù)據(jù)庫(kù)（如圖1所示）。通過(guò)多源數(shù)據(jù)匯聚融合，實(shí)現(xiàn)以“數(shù)”治藻，改變了監(jiān)測(cè)靠人、巡查靠走的傳統(tǒng)工作模式，大幅降低了藍(lán)藻治理成本，有效提高了治理成效。

圖1  數(shù)據(jù)匯聚機(jī)制

二是創(chuàng)新構(gòu)建模型，實(shí)現(xiàn)藻情精準(zhǔn)預(yù)測(cè)。基于巢湖流域水文水質(zhì)、湖體水質(zhì)、藻類、氣象、光照、水溫等多元數(shù)據(jù)，綜合運(yùn)用大數(shù)據(jù)、人工智能、地理信息等數(shù)字技術(shù)，創(chuàng)新構(gòu)建巢湖流域水文水質(zhì)模型、三維水動(dòng)力模型、藻類生長(zhǎng)動(dòng)力學(xué)模型等模型庫(kù)，精準(zhǔn)預(yù)測(cè)藍(lán)藻生長(zhǎng)態(tài)勢(shì)，實(shí)現(xiàn)藻情“早”預(yù)報(bào)（如圖2所示）。

圖2 巢湖水質(zhì)模擬預(yù)測(cè)

三是推進(jìn)模型應(yīng)用，賦能治理科學(xué)決策。建設(shè)巢湖防控全景駕駛艙，每日整理形成藍(lán)藻日?qǐng)?bào)，實(shí)時(shí)發(fā)布藻情預(yù)測(cè)預(yù)警信息，為精準(zhǔn)調(diào)度藍(lán)藻治理提供決策支持，推進(jìn)污染點(diǎn)源、線源、面源、內(nèi)源“四源同治”，實(shí)現(xiàn)巢湖“慧”治藻。巢湖水質(zhì)由2015年的劣V類轉(zhuǎn)變?yōu)?023年穩(wěn)定保持Ⅳ類，創(chuàng)1979年有監(jiān)測(cè)記錄以來(lái)最好水平。藍(lán)藻從大面積爆發(fā)、異味強(qiáng)烈轉(zhuǎn)變?yōu)檫B續(xù)3年藍(lán)藻無(wú)聚集、無(wú)異味，巢湖流域生態(tài)得到系統(tǒng)性改善。