CIM的这些基本知识你真的知道吗？

CIM的理念

CIM基本理念总结为：依托先进技术、面向具体需求、融合动态信息、描述实体单元、支撑各类应用。

首先要依托于对 BIM、GIS、IOT技术的透彻理解和深度应用，并与云计算、大数据等技术充分融合。

同时，针对不同区域、不同运行管理对象、不同运行管理业务的需求差异，需要不同级别、不同内容、不同丰富程度的CIM模型支持，因此CIM模型的研究、设计与建立应完全面向需求。

其次CIM模型是用来组织信息的，信息之所以需要这项新技术来组织，源于其多源性、复杂性和融合性，尤其是为了满足应用需求，实时动态的物联传感信息应是CIM模型的必选数据源。

然后CIM模型要针对空间实体进行对象化的描述，根据需求划分描述对象的空间粒度，并以此作为最小模型单元。

另外CIM应该落脚于业务应用，为各类业务应用中协同工作、预警预测提供支撑。

CIM的本质

智慧城市建设的核心在于有效地运用信息技术，并通过技术与城市本身的高度融合，支撑城市的发展，提升城市的功能，服务城市中的自然人及法人。而CIM正是一项新型信息技术，这项技术：

产生于——对已有技术进行集成的需要。

本质是——一种技术集成和提升。如前文所述，与CIM相关的核心技术主要包括BIM、GIS和 IOT，CIM技术首先应深度集成这3项技术，同时融合应用云计算和大数据等技术。

这种集成的技术（CIM)比本源技术具有更多优点。

比GIS富含更多来自于BIM和IOT的语义信息

CIM需要能够从多个维度完整地描述结构复杂的城市系统，丰富的语义信息是必不可少的，这些语义信息更多的来自于对微观的城市实体要素的详细描述，如前文中列举的建筑、各类设施、植被、水体、地貌、部件、设备、自然人、法人等，而这种详细描述能力恰恰是BIM的专长。

GIS 实现了人们对于空间信息的1-19级（地图瓦片的一般设置，此处仅为示意）的面向对象化，赋予了空间实体现实含义。我们看这个地块是草地，不是因为它的图形填充了草地样式，而是计算机知道了它是草地，然后输出表格、符号、图或文字，告诉我们这是一个什么样的草地。如果不出图，标注是不需要的，线型颜色也是不需要的，计算机可自行运算。而BIM需要完成的，就是第20级的面向对象化。GIS对于空间世界的面向对象化属于从亚宏观向宏观和微观同时发展，继续往微观的每一级前进，伴随的是数量和困难的级数倍激增。到了第20级，也就是BIM需要解决的问题，如此高级别微观世界的语义信息含量远远大于前19级的总量。

CIM因为集成了BIM而自然具有了高级别微观世界的语义信息存储、更新、管理和表达的能力，这是CIM 相比 GIS的一大进化。

当CIM应用于城市（园区）的运行管理时，如果没有实时的物联感知信息，就无法及时、透彻地感知建筑、桥梁、地下空间设施、地上基础设施、植被、水体、各类设备等物理实体对象的运行状况以及各类法人、自然人的生产、生活活动。要模拟城市中各实体对象的运行状态，对各类对象的实时在线监测是必不可少的。

通过物联网监测感知到的信总可以成为CIM的“能量”，只有根据管理需求对城市（园区）常态运行和应急情况的关键参数进行实时监控，不断吸收能量、汇聚能量，才能支撑城市（园区）运行全面感知、全面接入、全面监控、全面预警的实现，进而通过海量物联感知信息的积累和机器学习，提高问题识别、预测预警、运行评估的准确性，进一步提高城市（园区）运行主动保障能力。显而易见 CIM 因为集成了IOT而具有了类型极其丰富的实时物联感知信息，其中包括视频、音频等，从时态上和信息类型上增加了GIS信息的语义维度。

比BIM更具模拟分析能力

我们可以将BIM 比喻为CIM的优秀基因，将GIS视为CIM的血肉。假如一个可以拥有大眼睛、长睫毛的强大基因脱离了具体的血肉躯体，它可能是控制了一个大美女，也可能是一头小毛驴。因此 BIM是一个微观世界的优秀基因，但是离不开GIS的宏观支撑，BM体现的微观特征需要依托GIS这个框架，才能具备精确完整的空间位置信息、城市实体对象精细逼真的外观纹理以及大尺度地呈现城市内更多更全的主题对象，从而使CIM的应用真正落地于定位、大尺度模拟和综合分析等功能的实现。

比IOT具有空间掌控能力

CIM通过对GIS技术的集成，为IOT提供了处理相关空间信息的支撑平台。在大尺度、大范国应用领域，不再只限于感知传感器监控点位处空间对象的物理特征，能够通过现有的、有限的监测数据获取范围内的任意连续点的信息，以此接受某个地方的某个事件及其随时间的变化过程，对现象的变化过程作出判断，对未来作出预测和对过去作出回溯，在大尺度空间范畴更好地掌控全局信息及空间对象运行态势。

CIM 的目的

经过技术集成，CIM 的目的是通过对信息的有效组织，形成城市的数字化镜像，并依托这一镜像，有力支撑具体应用，实现针对城市各专业领域的规划、建设和运行管理等应用层级的有效协同、精确分析、实时预警预测以及动态的高仿真可视化管理。

为高度聚焦人工智能和物联网技术和产品在智慧交通、智慧 健康 、智慧治理等领域的场景应用，工业和信息化部教育与考试中心正式开启城市信息模型集成与应用工程师专业技术人员培训工作。面向BIM、GIS、IoT、城市管理、城市规划、计算机信息等专业毕业人员以及从业人员，开展城市信息模型集成与应用培育工作，旨在培养更多符合行业发展规划，拥有国际视野，具备高水平的城市信息模型集成与应用技术人员。

物联网工程专业专接本的专业课考试科目为C语言程序设计、微机原理与接口含汇编语言，公共课考试科目为高等数学（一）、英语。专业课，物联网工程专业的专业课分为专业基础课和专业综合课。其中C语言程序设计为专业基础课，微机原理与接口含汇编语言为专业综合课。C语言程序设计、微机原理与接口含汇编语言在考试过程中，采取合卷考试，满分为300分。考生在最终的成绩单上，只能查询到专业课成绩，而无法查询单科成绩。专业课的考试时间为150分钟。考试形式为闭卷，笔试。在专接本考试中，物联网工程专业属于理工类。因此其公共课的考试内容为高等数学（一）和英语。

扩展资料：

物联网工程专业介绍如下：
数学和英语的考试满分均为100分。考试时长每科60分钟，在考试过程中，采取两科统一发卷，统一收卷的形式进行考试，因此两科的考试时间合计为120分钟。考试形式为闭卷，笔试。物联网工程专业专接本的录取采取的是总成绩排名，不参考单科成绩。因此考生在复习过程中，要合理分配自己在各科目上的时间，尤其注意补足公共课数学和英语短板科目，以期考取最优总成绩。参考资料来源：人民网-“专升本”需综合排名前40%，并非剥夺考试权参考资料来源：百度百科-物联网专业

linked
data
按字面的意思是被连接起来的数据。Tim
berners-lee的一篇博客的介绍，从网络的发展上来看，“Net”或是“internet”是计算机直接通过网线形成的远距离通信网路，“Web”或是“world
wide
web”是计算机里的文件直接互联。而网络发展的下一步就是实现文件中的数据的直接互联，也就是所谓的“linked
data”。
Tim认为这就是他构想中的web
30中的基础环节之一。也就是说数据的直接互联能够让计算机“理解”文件中的语义。对于如何实现，不同的流派有提出过不同的方法。目前一种通用的做法简单来说是把网页文件中的每一个实体用元数据做标记（好理解的例子是一篇文章的“标题”部分用title标注，“作者”部分用author标注），然后通过建立RDF和ontology（RDF理解成一种主谓宾之类的句式关系模型就好，至于ontology我的理解是跨数据系统间的通用关系模型，可能理解的不对，不过不要试着去百度这个词，我试过。。）将不同的元数据标注下的实体的关系表现出来
（我真的不是学技术的，再细化解释不下去了）。
这对于构建“semantic
web”（即
语义网）甚至是现在非常热的“the
Internet
of
thing”
(即物联网)
有着重要的意义。这样又扯出了很多新的概念，比如语义网，比如物联网，不过这与题主的问题有点远，我下面用一个语义搜索的例子来稍微帮助下阐述。我们知道现在主流的搜索引擎都是关键字搜索引擎，这种引擎的实现思路在核心上可以说是受到早期的图书馆管理中的索引检索的启发，搜索引擎事先遍历，抓取网上的网页，将网页中的内容做为索引连同url等信息一并存入数据库中。
举个例子，在用户输入搜索语句，比如“苹果”时，因为机器无法判断这个“苹果”是指水果还是苹果公司，所以会将数据库中含有“苹果”两字的网页都返回给用户。如果输入的检索是一个句子,
比如“苹果手机”，现阶段的搜索引擎仍然无法判断“苹果手机”是特指苹果公司的手机，返回的结果里会有很大一部分是含有“苹果”，“手机”这样的关键词的网页（含有“苹果手机”这个关键词的网页一样会出现在结果里，并可能因为一些优化算法被集中靠前显示，这样看上去就好像搜索引擎知道你在检索“苹果手机”一样）。
当用户的检索变得复杂的时候，比如上面说的“苹果手机”
（其实还不算复杂，真正复杂的是：我的朋友中谁适合做我女朋友。。。），linked
data的作用就显现了。对，通过前面提到的元数据标注，RDF关系模型，机器能够了解当“苹果”和“手机”一齐出现的时候，很大程度上是指“苹果手机”。当连接的数据多了之后，就会形成巨大的一个知识图谱，现实中的例子就是google
的knowledge
graph，建议搬个梯子看下。如果我们在其中加入人的社会关系和她在社交网络中的分享，就可以对搜索结果做进一步的优化（判断自己和好友的兴趣，爱好并以此作为依据筛选结果等等），成功帮我找到一个女朋友。恩，这才是我写毕业论文的初衷，不过离题主的问题有点偏了。
总之，linked
data
是一种实现机器智能的基础手段，相比于传统知识库的一个优势是能够执行更精确智能的检索。欢迎讨论，补充和纠正。

信息技术的发展从哪两个方面去理解？
信息技术发展及趋势
我国在“十三五”规划纲要中，将培育人工智能、移动智能终端、第五代移动通信(5G)、先进传感器等作为新一代信息技术产业创新重点发展，拓展新兴产业发展空间。
当前，信息技术发展的总趋势是从典型的技术驱动发展模式向应用驱动与技术驱动相结合的模式转变，信息技术发展趋势和新技术应用主要包括以下10个方面：
1高速度大容量
速度和容量是紧密联系的，鉴于海量信息四处充斥的现状，处理高速、传输和存储要求大容量就成为必然趋势。而电子元器件、集成电路、存储器件的高速化、微型化、廉价化的快速发展，又使信息的种类、规模以更高的速度膨胀，其空间分布也表现为“无处不在”，在时间维度上，信息可以整合到信息系统初建的80年代。
2．集成化和平台化
以行业应用为基础的，综合领域应用模型（算法）、云计算、大数据分析、海量存储、信息安全、依托移动互联的集成化信息技术的综合应用是目前的发展趋势。信息技术和信息的普及促进了信息系统平台化的发展，各种信息服务的访r结果和表现形式，与访问途径和访问路径无关，与访问设备无关，信息服务部署灵活，共享便利。信息系统集成化和平台化的特点，使得信息消费型注重良好的用户体验，而不必关心信息技术细节。
3．智能化
随着工业和信息化的深度融合成为我国目前乃至今后相当长的一段时期的产业政策和资金投入的主导方向，以“智能制造”为标签的各种软硬件应用将为各行各业的各类产品带来“换代式”的飞跃甚至是“革命”，成为拉动行业产值的主要方向。“智慧地球”“智慧城市”等基于位置的应用模式的成熟和推广，本质上是信息技术和现代管理理念阳环境治理、交通管理、城市治理等领域的有机渗透。
4虚拟计算
在计算机领域，虚拟化( Virtualization)这种资源管理技术，是将计算机的各种实体资源，如服务器、网络、内存及存储等，抽象、捌装、规范化并呈现出来，打破实体结构间的不可切割的障碍，使用户可以比原本的组态更好的方式来使用这些资源。这些虚拟资源不受现有资源的地域、物理组态和部署方式的限制。一般所指的虚拟化资源包括计算能力和数据存储能力。通常所说的虚拟计算，是一种以虚拟化、网络、云计算等技术的融合为核心的一种计算平台、存储平台和应用系统的共享管理技术。虚拟化已成为企业IT部署不可或缺的组成部分。一般来看，虚拟化技术主要包括服务器虚拟化、内存虚拟化、存储虚拟化、网络虚拟化、应用虚拟化及桌面虚拟化。
在实际的生产环境中，虚拟化技术主要用来解决高性能的物理硬件产能过剩和老的旧的硬件产能过低的重组重用，透明化底层物理硬件，从而最大化地利用物理硬件。由于实际物理部署的资源由专业的技术团队集中管理，虚拟计算可以带来更低的运维成本，同时，虚拟计算的消费者可以获得更加专业的信息管理服务。虚拟计算应用于互联网上，是云计算的基础，也是云计算应用的一个主要表现，这已经是当今和未来信息系统架构的主要模式。

　大数据泛指巨量的数据集，因可从中挖掘出有价值的信息而受到重视。《华尔街日报》将大数据时代、智能化生产和无线网络革命称为引领未来繁荣的三大技术变革。麦肯锡公司的报告指出数据是一种生产资料，大数据是下一个创新、竞争、生产力提高的前沿。世界经济论坛的报告认定大数据为新财富，价值堪比石油。因此，发达国家纷纷将开发利用大数据作为夺取新一轮竞争制高点的重要抓手。
大数据时代的来临
互联网特别是移动互联网的发展，加快了信息化向社会经济各方面、大众日常生活的渗透。有资料显示，1998年全球网民平均每月使用流量是1MB（兆字节），2000年是10MB，2003年是100MB，2008年是1GB（1GB等于1024MB），2014年将是10GB。全网流量累计达到1EB（即10亿GB或1000PB）的时间在2001年是一年，在2004年是一个月，在2007年是一周，而2013年仅需一天，即一天产生的信息量可刻满188亿张DVD光盘。我国网民数居世界之首，每天产生的数据量也位于世界前列。淘宝网站每天有超过数千万笔交易，单日数据产生量超过50TB（1TB等于1000GB），存储量40PB(1PB等于1000TB)。百度公司目前数据总量接近1000PB，存储网页数量接近1万亿页，每天大约要处理60亿次搜索请求，几十PB数据。一个8Mbps（兆比特每秒）的摄像头一小时能产生36GB数据，一个城市若安装几十万个交通和安防摄像头，每月产生的数据量将达几十PB。医院也是数据产生集中的地方。现在，一个病人的CT影像数据量达几十GB，而全国每年门诊人数以数十亿计，并且他们的信息需要长时间保存。总之，大数据存在于各行各业，一个大数据时代正在到来。
信息爆炸不自今日起，但近年来人们更加感受到大数据的来势迅猛。一方面，网民数量不断增加，另一方面，以物联网和家电为代表的联网设备数量增长更快。2007年全球有5亿个设备联网，人均01个；2013年全球将有500亿个设备联网，人均70个。随着宽带化的发展，人均网络接入带宽和流量也迅速提升。全球新产生数据年增40%，即信息总量每两年就可以翻番，这一趋势还将持续。目前，单一数据集容量超过几十TB甚至数PB已不罕见，其规模大到无法在容许的时间内用常规软件工具对其内容进行抓取、管理和处理。
数据规模越大，处理的难度也越大，但对其进行挖掘可能得到的价值更大，这就是大数据热的原因。首先，大数据反映舆情和民意。网民在网上产生的海量数据，记录着他们的思想、行为乃至情感，这是信息时代现实社会与网络空间深度融合的产物，蕴含着丰富的内涵和很多规律性信息。根据中国互联网络信息中心统计，2012年底我国网民数为564亿，手机网民为42亿，通过分析相关数据，可以了解大众需求、诉求和意见。其次，企业和政府的信息系统每天源源不断产生大量数据。根据赛门铁克公司的调研报告，全球企业的信息存储总量已达22ZB（1ZB等于1000EB），年增67％。医院、学校和银行等也都会收集和存储大量信息。政府可以部署传感器等感知单元，收集环境和社会管理所需的信息。2011年，英国《自然》杂志曾出版专刊指出，倘若能够更有效地组织和使用大数据，人类将得到更多的机会发挥科学技术对社会发展的巨大推动作用。
大数据应用的领域
大数据技术可运用到各行各业。宏观经济方面，IBM日本公司建立经济指标预测系统，从互联网新闻中搜索影响制造业的480项经济数据，计算采购经理人指数的预测值。印第安纳大学利用谷歌公司提供的心情分析工具，从近千万条网民留言中归纳出六种心情，进而对道琼斯工业指数的变化进行预测，准确率达到87%。制造业方面，华尔街对冲基金依据购物网站的顾客评论，分析企业产品销售状况；一些企业利用大数据分析实现对采购和合理库存量的管理，通过分析网上数据了解客户需求、掌握市场动向。有资料显示，全球零售商因盲目进货导致的销售损失每年达1000亿美元，这方面的数据分析大有作为。
在农业领域，硅谷有个气候公司，从美国气象局等数据库中获得几十年的天气数据，将各地降雨、气温、土壤状况与历年农作物产量的相关度做成精密图表，预测农场来年产量，向农户出售个性化保险。在商业领域，沃尔玛公司通过分析销售数据，了解顾客购物习惯，得出适合搭配在一起出售的商品，还可从中细分顾客群体，提供个性化服务。在金融领域，华尔街“德温特资本市场”公司分析34亿微博账户留言，判断民众情绪，依据人们高兴时买股票、焦虑时抛售股票的规律，决定公司股票的买入或卖出。阿里公司根据在淘宝网上中小企业的交易状况筛选出财务健康和讲究诚信的企业，对他们发放无需担保的贷款。目前已放贷300多亿元，坏账率仅03%。
在医疗保健领域，“谷歌流感趋势”项目依据网民搜索内容分析全球范围内流感等病疫传播状况，与美国疾病控制和预防中心提供的报告对比，追踪疾病的精确率达到97%。社交网络为许多慢性病患者提供临床症状交流和诊治经验分享平台，医生借此可获得在医院通常得不到的临床效果统计数据。基于对人体基因的大数据分析，可以实现对症下药的个性化治疗。在社会安全管理领域，通过对手机数据的挖掘，可以分析实时动态的流动人口来源、出行，实时交通客流信息及拥堵情况。利用短信、微博、微信和搜索引擎，可以收集热点事件，挖掘舆情，还可以追踪造谣信息的源头。美国麻省理工学院通过对十万多人手机的通话、短信和空间位置等信息进行处理，提取人们行为的时空规律性，进行犯罪预测。在科学研究领域，基于密集数据分析的科学发现成为继实验科学、理论科学和计算科学之后的第四个范例，基于大数据分析的材料基因组学和合成生物学等正在兴起。
麦肯锡公司2011年报告推测，如果把大数据用于美国的医疗保健，一年产生潜在价值3000亿美元，用于欧洲的公共管理可获得年度潜在价值2500亿欧元；服务提供商利用个人位置数据可获得潜在的消费者年度盈余6000亿美元；利用大数据分析，零售商可增加运营利润60%，制造业设备装配成本会减少50%。
大数据技术的挑战和启示
目前，大数据技术的运用仍存在一些困难与挑战，体现在大数据挖掘的四个环节中。首先在数据收集方面。要对来自网络包括物联网和机构信息系统的数据附上时空标志，去伪存真，尽可能收集异源甚至是异构的数据，必要时还可与历史数据对照，多角度验证数据的全面性和可信性。其次是数据存储。要达到低成本、低能耗、高可靠性目标，通常要用到冗余配置、分布化和云计算技术，在存储时要按照一定规则对数据进行分类，通过过滤和去重，减少存储量，同时加入便于日后检索的标签。第三是数据处理。有些行业的数据涉及上百个参数，其复杂性不仅体现在数据样本本身，更体现在多源异构、多实体和多空间之间的交互动态性，难以用传统的方法描述与度量，处理的复杂度很大，需要将高维图像等多媒体数据降维后度量与处理，利用上下文关联进行语义分析，从大量动态而且可能是模棱两可的数据中综合信息，并导出可理解的内容。第四是结果的可视化呈现，使结果更直观以便于洞察。目前，尽管计算机智能化有了很大进步，但还只能针对小规模、有结构或类结构的数据进行分析，谈不上深层次的数据挖掘，现有的数据挖掘算法在不同行业中难以通用。
大数据技术的运用前景是十分光明的。当前，我国正处在全面建成小康社会征程中，工业化、信息化、城镇化、农业现代化任务很重，建设下一代信息基础设施，发展现代信息技术产业体系，健全信息安全保障体系，推进信息网络技术广泛运用，是实现四化同步发展的保证。大数据分析对我们深刻领会世情和国情，把握规律，实现科学发展，做出科学决策具有重要意义，我们必须重新认识数据的重要价值。
为了开发大数据这一金矿，我们要做的工作还很多。首先，大数据分析需要有大数据的技术与产品支持。发达国家一些信息技术（IT）企业已提前发力，通过加大开发力度和兼并等多种手段，努力向成为大数据解决方案提供商转型。国外一些企业打出免费承接大数据分析的招牌，既是为了练兵，也是为了获取情报。过分依赖国外的大数据分析技术与平台，难以回避信息泄密风险。有些日常生活信息看似无关紧要，其实从中也可摸到国家经济和社会脉搏。因此，我们需要有自主可控的大数据技术与产品。美国政府2012年3月发布《大数据研究与发展倡议》，这是继1993年宣布“信息高速公路”之后又一重大科技部署，联邦政府和一些部委已安排资金用于大数据开发。我们与发达国家有不少差距，更需要国家政策支持。
中国人口居世界首位，将会成为产生数据量最多的国家，但我们对数据保存不够重视，对存储数据的利用率也不高。此外，我国一些部门和机构拥有大量数据却不愿与其他部门共享，导致信息不完整或重复投资。政府应通过体制机制改革打破数据割据与封锁，应注重公开信息，应重视数据挖掘。美国联邦政府建立统一数据开放门户网站，为社会提供信息服务并鼓励挖掘与利用。例如，提供各地天气与航班延误的关系，推动航空公司提升正点率。
大数据的挖掘与利用应当有法可依。去年底全国人大通过的加强网络信息保护的决定是一个好的开始，当前要尽快制定“信息公开法”以适应大数据时代的到来。现在很多机构和企业拥有大量客户信息。应当既鼓励面向群体、服务社会的数据挖掘，又要防止侵犯个体隐私；既提倡数据共享，又要防止数据被滥用。此外，还需要界定数据挖掘、利用的权限和范围。大数据系统本身的安全性也是值得特别关注的，要注意技术安全性和管理制度安全性并重，防止信息被损坏、篡改、泄露或被窃，保护公民和国家的信息安全。
大数据时代呼唤创新型人才。盖特纳咨询公司预测大数据将为全球带来440万个IT新岗位和上千万个非IT岗位。麦肯锡公司预测美国到2018年需要深度数据分析人才44万—49万，缺口14万—19万人；需要既熟悉本单位需求又了解大数据技术与应用的管理者150万，这方面的人才缺口更大。中国是人才大国，但能理解与应用大数据的创新人才更是稀缺资源。
大数据是新一代信息技术的集中反映，是一个应用驱动性很强的服务领域，是具有无穷潜力的新兴产业领域；目前，其标准和产业格局尚未形成，这是我国实现跨越式发展的宝贵机会。我们要从战略上重视大数据的开发利用，将它作为转变经济增长方式的有效抓手，但要注意科学规划，切忌一哄而上。

---