大数据与绿色发展
|
摘要
改革开放以来,中国经济获得了长期高速增长,经济实力显著提升,人民生活水平明显提高,但也随之产生了高能耗、高排放、高污染等严重问题。为适应人民对美好生活向往的需要,绿色发展是中国发展的必然选择。大数据的迅速发展给中国绿色发展提供了一种重要途径。本文从绿色发展和大数据的概念及特征出发,结合中国近年来发展现状,从经济、社会、环境三个角度分析中国绿色发展的可行性及大数据在其中可以发挥的作用;在此基础上,以货车帮、滴滴出行等大数据平台对绿色发展的影响为例,从实证层面对本研究提出的理论命题加以检验。绿色发展是经济、社会、环境三者之间的相互协调,因此,中国要实现绿色发展,需要从传统产业转型升级、需求结构优化、经济提质增效等方面下功夫,而大数据在其中扮演着重要角色,特别是在资源整合、科学决策、环境监管等方面发挥着重要作用,可为绿色生产、绿色生活、美好环境提供重要手段和保障。
Since the beginning of reform and opening up, China's rapid economic development has been at the cost of high energy consumption, high emissions and high pollution. To meet the people's needs for a better life, green development is an inevitable choice for China. However, how to realize the green development has become the primary breakthrough issue. The advent of the big data era pointed out the direction for green development. The article starts with the concept and characteristics of green development and big data, combining with the current situation of China's development in recent years, analyzes the feasibility of green development in China from the economic, environment-friendly viewpoints. On this basis, we take the impact of big data platforms such as Truck Alliance and Didi Chuxing on green development as examples, to test the theory of proposition from the empirical level examination, then to discover the role in the green development. The research results show that the green development is the interaction between the economy, society, and environment. China needs to do somethings, including transformation and upgrading of traditional industries, optimizing demand structure, increasing efficiency and so on, to achieve green development. And the big data plays an important role in resources integration, scientific decision-making, and environmental monitoring to provides important means and guarantee for the green production, green living, and beautiful environment.
Since the beginning of reform and opening up, China's rapid economic development has been at the cost of high energy consumption, high emissions and high pollution. To meet the people's needs for a better life, green development is an inevitable choice for China. However, how to realize the green development has become the primary breakthrough issue. The advent of the big data era pointed out the direction for green development. The article starts with the concept and characteristics of green development and big data, combining with the current situation of China's development in recent years, analyzes the feasibility of green development in China from the economic, environment-friendly viewpoints. On this basis, we take the impact of big data platforms such as Truck Alliance and Didi Chuxing on green development as examples, to test the theory of proposition from the empirical level examination, then to discover the role in the green development. The research results show that the green development is the interaction between the economy, society, and environment. China needs to do somethings, including transformation and upgrading of traditional industries, optimizing demand structure, increasing efficiency and so on, to achieve green development. And the big data plays an important role in resources integration, scientific decision-making, and environmental monitoring to provides important means and guarantee for the green production, green living, and beautiful environment.
引文
[1]鲍健强,苗阳,陈锋.低碳经济:人类经济发展方式的新变革[J].中国工业经济,2008,(4):153-160.
[2]曹静,周亚林.人工智能对经济的影响研究进展[J].经济学动态,2018,(1):103-115.
[3]滴滴出行.滴滴出行企业公民报告[R].北京:滴滴出行,2017.
[4]方巍,郑玉,徐江.大数据:概念、技术及应用研究综述[J].南京信息工程大学学报(自然科学版),2014,(5):405-419.
[5]付允,马永欢,刘怡君,牛文元.低碳经济的发展模式研究[J].中国人口·资源与环境,2008,(3):14-19.
[6]胡鞍钢,周绍杰.绿色发展:功能界定、机制分析与发展战略[J].中国人口·资源与环境,2014,(1):14-20.
[7]蒋南平,向仁康.中国经济绿色发展的若干问题[J].当代经济研究,2013,(2):50-54.
[8]李胜,陈晓春.低碳经济:内涵体系与政策创新[J].科技管理研究,2009,(10):41-44.
[9]潘家华,庄贵阳,郑艳,朱守先,谢倩漪.低碳经济的概念辨识及核心要素分析[J].国际经济评论,2010,(4):88-101.
[10]谢雄标,吴越,严良.数字化背景下企业绿色发展路径及政策建议[J].生态经济,2015,(11):88-91.
[11]许宪春.新经济的作用及其给政府统计工作带来的挑战[J].经济纵横,2016,(9):1-5.
[12]王海芹,高世楫.中国绿色发展萌芽、起步与政策演进:若干阶段性特征观察[J].改革,2016,(3):6-26.
[13]王玲玲,张艳国.“绿色发展”内涵探微[J].社会主义研究,2012,(5):143-146.
[14]王建民.《生态环境大数据建设总体方案》政策解读[J].环境保护,2016,(14):12-14.
[15]庄贵阳,潘家华,朱守先.低碳经济的内涵及综合评价指标体系构建[J].经济学动态,2011,(1):132-136.
[16]中华人民共和国交通运输部.中国城市客运发展报告[M].北京:人民交通出版社,2017.
[17]世界银行和国务院发展研究中心联合课题组.2030年的中国:建设现代、和谐、有创造力的社会[R].北京:中国财政经济出版社,2012.
[18]Brynjolfsson,E,A.Mcafee.The Second Machine Age[J].Milken Institute Review:A Journal of Economic Policy,2014,14(11):1895-1896.
[19]Chae,B.K.Insights from Hashtag Supply Chain and Twitter Analytics:Considering Twitter and Twitter Data for Supply Chain Practice and Research[J].International Journal of Production Economics,2015,(165):247-259.
[20]Fan,J.,F.Han,and H.Liu.Challenges of Big Data Analysis[J].National Science Review,2014,1(2):293-314.
[21]Wu,J.G.Landscape Sustainability Science:Ecosystem Services and Human Well-Being in Changing Landscapes[J].Landscape Ecology,2013,28(6):999-1023.
[22]Mark,A.B.,and D.Laney.The Importance of‘BigData’:A Definition[R].Stamford:Gartner,2012.
[23]Wamba,S.F.,S.Akter,A.Edwards,G.Chopin,and G.Denis.How‘Big Data’Can Make Big Impact:Findings from a Systematic Review and a Longitudinal Case Study[J].International Journal of Production Economics,2015,(165):234-246.
[24]White,M.Digital Workplaces:Vision and Reality[J].Business Information Review,2012,29(4):205-214.
(1)参见维基百科(http://en.wikipedia.org/wild/Bigdata)。
(1)能源加工转化率是指一定时期内能源经过加工、转换后产出的各种能源产品的数量与同期内投入加工转换的各种能源数量的比率,旨在反映能源加工转换装置和生产工艺先进与落后、管理水平高低等情况。
(2)2012年世界自然基金会(WWF)与自然资源保护协会(NRDC)联合发布《2012年中国能源流向图与煤炭流向图》报告,通过可视化的方式显示中国能源利用和损失关系。
(3)能源加工转换损失量是指一定时期内,全国投入加工转换的各种能源数量之和与产出各种能源产品之和的差额。该指标是观察能源在加工转换过程中损失量变化的指标。
(4)能源损失量是指一定时期内,能源在输送、分配、储存过程中发生的损失和由客观原因造成的各种损失量,不包括各种气体能源放空、放散量。
(5)能源生产总量是指一定时期内,全国一次能源生产量的总和。该指标是观察全国能源生产水平、规模、构成和发展速度的总量指标。一次能源生产量包括原煤、原油、天然气、水电、核能及其他动力能(如风能、地热能等)发电量,不包括低热值燃料生产量、生物质能、太阳能等的利用和由一次能源加工转换而成的二次能源产量。
(1)Air BnB(Air Bed and Breakfast的缩写),是一家联系旅游人士和家有空房出租的房主的服务型网站,成立于2008年8月,总部位于美国加利福尼亚州的旧金山市。该网站可以为用户提供各式各样的住宿信息。
(2)Uber(优步)是美国的一家创业公司,成立于2009年,总部位于加州旧金山。Uber主要提供在线租车服务,乘客与司机通过移动App(App是Application的缩写,通常专指手机上的应用软件,或称手机客户端)链接,达到租车、拼车等目的,目前已在全球100多个城市开展业务。Uber在快速成长的同时,也受到很多的争议和批评,包括受到多起非法营运车辆的指控等。2014年Uber正式进入中国市场,2016年滴滴出行收购Uber中国的品牌、业务、数据等全部资产。
(3)知识产权产品是指研究、开发、调查或者创新等活动的成果,开发者通过销售或者在生产中使用这些成果而获得经济利益,包括研究与开发、矿藏勘探与评估、计算机软件与数据库、娱乐及文学和艺术品原件,以及其他知识产权产品等5大类,而中国现有GDP核算只将研究与开发支出、矿藏勘探与评估支出、计算机软件支出作为固定资本形成计入GDP,未将数据库支出、娱乐及文学艺术品原件支出等知识产权产品支出作为固定资本形成总额计入GDP。
(1)智能派单是指每次分配订单,都是一次系统的决策过程,求解最优分配策略使得全局收益最大,最快接驾,降低空驶,满足更多乘客出行需求。
(2)智能调度是指运用大数据,进行预测与调度,利用深度学习模型预测未来若干时间后的供需差,为司机调度服务,未来30分钟供需缺口预测精度已经达到85%。
(1)空驶里程减少量=出租车客运里程×空驶率降低量=1552.50亿公里×30%=465.75亿公里;油耗节约量=空驶里程减少量×出租车单位里程平均耗油=465.75亿公里×8升/百公里=37.26亿升;碳排放减少量=油耗节约量×单位汽油碳排放量=37.26亿升×2.254千克/升=839.85万吨。
(1)请求量指的是用户访问网页的次数,本文是指货车帮数据平台每日被打开的次数为1.5亿次,其中包含了司机与货车两部分,用来反映该数据平台的活跃程度。
(1)空载里程减少量=货运卡车数量×日均里程数×天数×空载率减少量=1368.6万辆×200公里/辆天×365天×26%≈2597.6亿公里;油耗节约量=货运卡车平均耗油量×空载里程减少量=17升/百公里×2597.60亿公里≈442.6亿升;碳排放减少量=油耗节约量×单位汽油碳排放量=442.6亿升×2.3千克/升≈1.02亿吨。
[2]曹静,周亚林.人工智能对经济的影响研究进展[J].经济学动态,2018,(1):103-115.
[3]滴滴出行.滴滴出行企业公民报告[R].北京:滴滴出行,2017.
[4]方巍,郑玉,徐江.大数据:概念、技术及应用研究综述[J].南京信息工程大学学报(自然科学版),2014,(5):405-419.
[5]付允,马永欢,刘怡君,牛文元.低碳经济的发展模式研究[J].中国人口·资源与环境,2008,(3):14-19.
[6]胡鞍钢,周绍杰.绿色发展:功能界定、机制分析与发展战略[J].中国人口·资源与环境,2014,(1):14-20.
[7]蒋南平,向仁康.中国经济绿色发展的若干问题[J].当代经济研究,2013,(2):50-54.
[8]李胜,陈晓春.低碳经济:内涵体系与政策创新[J].科技管理研究,2009,(10):41-44.
[9]潘家华,庄贵阳,郑艳,朱守先,谢倩漪.低碳经济的概念辨识及核心要素分析[J].国际经济评论,2010,(4):88-101.
[10]谢雄标,吴越,严良.数字化背景下企业绿色发展路径及政策建议[J].生态经济,2015,(11):88-91.
[11]许宪春.新经济的作用及其给政府统计工作带来的挑战[J].经济纵横,2016,(9):1-5.
[12]王海芹,高世楫.中国绿色发展萌芽、起步与政策演进:若干阶段性特征观察[J].改革,2016,(3):6-26.
[13]王玲玲,张艳国.“绿色发展”内涵探微[J].社会主义研究,2012,(5):143-146.
[14]王建民.《生态环境大数据建设总体方案》政策解读[J].环境保护,2016,(14):12-14.
[15]庄贵阳,潘家华,朱守先.低碳经济的内涵及综合评价指标体系构建[J].经济学动态,2011,(1):132-136.
[16]中华人民共和国交通运输部.中国城市客运发展报告[M].北京:人民交通出版社,2017.
[17]世界银行和国务院发展研究中心联合课题组.2030年的中国:建设现代、和谐、有创造力的社会[R].北京:中国财政经济出版社,2012.
[18]Brynjolfsson,E,A.Mcafee.The Second Machine Age[J].Milken Institute Review:A Journal of Economic Policy,2014,14(11):1895-1896.
[19]Chae,B.K.Insights from Hashtag Supply Chain and Twitter Analytics:Considering Twitter and Twitter Data for Supply Chain Practice and Research[J].International Journal of Production Economics,2015,(165):247-259.
[20]Fan,J.,F.Han,and H.Liu.Challenges of Big Data Analysis[J].National Science Review,2014,1(2):293-314.
[21]Wu,J.G.Landscape Sustainability Science:Ecosystem Services and Human Well-Being in Changing Landscapes[J].Landscape Ecology,2013,28(6):999-1023.
[22]Mark,A.B.,and D.Laney.The Importance of‘BigData’:A Definition[R].Stamford:Gartner,2012.
[23]Wamba,S.F.,S.Akter,A.Edwards,G.Chopin,and G.Denis.How‘Big Data’Can Make Big Impact:Findings from a Systematic Review and a Longitudinal Case Study[J].International Journal of Production Economics,2015,(165):234-246.
[24]White,M.Digital Workplaces:Vision and Reality[J].Business Information Review,2012,29(4):205-214.
(1)参见维基百科(http://en.wikipedia.org/wild/Bigdata)。
(1)能源加工转化率是指一定时期内能源经过加工、转换后产出的各种能源产品的数量与同期内投入加工转换的各种能源数量的比率,旨在反映能源加工转换装置和生产工艺先进与落后、管理水平高低等情况。
(2)2012年世界自然基金会(WWF)与自然资源保护协会(NRDC)联合发布《2012年中国能源流向图与煤炭流向图》报告,通过可视化的方式显示中国能源利用和损失关系。
(3)能源加工转换损失量是指一定时期内,全国投入加工转换的各种能源数量之和与产出各种能源产品之和的差额。该指标是观察能源在加工转换过程中损失量变化的指标。
(4)能源损失量是指一定时期内,能源在输送、分配、储存过程中发生的损失和由客观原因造成的各种损失量,不包括各种气体能源放空、放散量。
(5)能源生产总量是指一定时期内,全国一次能源生产量的总和。该指标是观察全国能源生产水平、规模、构成和发展速度的总量指标。一次能源生产量包括原煤、原油、天然气、水电、核能及其他动力能(如风能、地热能等)发电量,不包括低热值燃料生产量、生物质能、太阳能等的利用和由一次能源加工转换而成的二次能源产量。
(1)Air BnB(Air Bed and Breakfast的缩写),是一家联系旅游人士和家有空房出租的房主的服务型网站,成立于2008年8月,总部位于美国加利福尼亚州的旧金山市。该网站可以为用户提供各式各样的住宿信息。
(2)Uber(优步)是美国的一家创业公司,成立于2009年,总部位于加州旧金山。Uber主要提供在线租车服务,乘客与司机通过移动App(App是Application的缩写,通常专指手机上的应用软件,或称手机客户端)链接,达到租车、拼车等目的,目前已在全球100多个城市开展业务。Uber在快速成长的同时,也受到很多的争议和批评,包括受到多起非法营运车辆的指控等。2014年Uber正式进入中国市场,2016年滴滴出行收购Uber中国的品牌、业务、数据等全部资产。
(3)知识产权产品是指研究、开发、调查或者创新等活动的成果,开发者通过销售或者在生产中使用这些成果而获得经济利益,包括研究与开发、矿藏勘探与评估、计算机软件与数据库、娱乐及文学和艺术品原件,以及其他知识产权产品等5大类,而中国现有GDP核算只将研究与开发支出、矿藏勘探与评估支出、计算机软件支出作为固定资本形成计入GDP,未将数据库支出、娱乐及文学艺术品原件支出等知识产权产品支出作为固定资本形成总额计入GDP。
(1)智能派单是指每次分配订单,都是一次系统的决策过程,求解最优分配策略使得全局收益最大,最快接驾,降低空驶,满足更多乘客出行需求。
(2)智能调度是指运用大数据,进行预测与调度,利用深度学习模型预测未来若干时间后的供需差,为司机调度服务,未来30分钟供需缺口预测精度已经达到85%。
(1)空驶里程减少量=出租车客运里程×空驶率降低量=1552.50亿公里×30%=465.75亿公里;油耗节约量=空驶里程减少量×出租车单位里程平均耗油=465.75亿公里×8升/百公里=37.26亿升;碳排放减少量=油耗节约量×单位汽油碳排放量=37.26亿升×2.254千克/升=839.85万吨。
(1)请求量指的是用户访问网页的次数,本文是指货车帮数据平台每日被打开的次数为1.5亿次,其中包含了司机与货车两部分,用来反映该数据平台的活跃程度。
(1)空载里程减少量=货运卡车数量×日均里程数×天数×空载率减少量=1368.6万辆×200公里/辆天×365天×26%≈2597.6亿公里;油耗节约量=货运卡车平均耗油量×空载里程减少量=17升/百公里×2597.60亿公里≈442.6亿升;碳排放减少量=油耗节约量×单位汽油碳排放量=442.6亿升×2.3千克/升≈1.02亿吨。
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |