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。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。
近日，微软亚洲研究院主管研究员郑宇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，解决了这一困扰城市生活的一大难题。
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。
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，而大数据可以精细化到每个空气质量站点。而且未来，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。
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。
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。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”。而大数据在空气质量预测上却颇有优势，大数据可以解决数据缺失的问题，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，可以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。据悉，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%。
针对大数据在环保领域未来的发展，它是一个多方位的
智慧城市建设问题，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。
