# 方案概述
#### 应用场景
- **客户痛点**
  1. 传统前端监测终端投入大、后期维护成本高；
  
  2. 传统系统平台仅涉及信息化、业务系统繁多，数据壁垒高，业务全生命周期数据无法有效整合；
  
  3. 传统管治服务重线下排查，准确率和时效性低，个人经验要求高，管治效果差，投入大，成效低。
  
  4. 传统环境行业重机理微观分析，并无智能化手段在管治端将政策落地，管治最后一公里的手段太有限，盲区多。
  
  5. 监测硬件铺设与运维是较大的难点，大气污染频发、点位散乱、根因难以确定，人海战术摸排容易出现问题甚至出现误导。
  
  6. 决策风险高：在决策层面由于研判错误，管制失效的风险很高。
  
  7. 在管治层面缺乏有效监管与评估，缺乏宏观角度的综合性分析服务。
  
  8. 决策风险高：研判错误可能导致管制失效。
   
- **通过本方案实现的业务效果**
  1. **打破数据孤岛：**借力机器学习与深度学习核心算法模型，打破区级各部门数据壁垒，可实现中台化、标准化、自动化的数据汇聚、存取、质控，推进一网统管、一网通享、一网通办能力。
  
  2. **构建多场景应用**：基于核心算法赋能感知监测，充分利用各区现有监测数据，打造对移动源、扬尘源、工业源的全流程跟踪及指挥调度，实现精细画像、融合分析、准确管控，助力监管层面环境改善。
  
  3. **创新商业模式：**脱离末端管治模式，由监管转向帮扶，由toG转向toB，携手华为构建安全可靠的企业云帮扶平台。
   
本方案特别适用于以下场景：智慧城市、环境局各职能、科研和信息部门、城管委、工商、住建、交通部门、工业园区。
#### 方案架构
通过人工智能核心算法、物联网、大数据等技术手段，结合"固定+移动"式大气监测模式实现对城市空间进行有效监测覆盖。对大气污染防治中"第一时间发现问题"、"第一时间排查问题"、"第一时间解决问题"的挑战，通过"以算代测"、"人工智能研判"、"闭环学习"三大创新技术实现全域污染无盲点网格化监测，实时定位污染热点区域，自动研判疑似污染源，智能化推送污染事件并进行自主闭环学习。提高环保督查执法效率，为政府精细化管控企业提供决策支撑，避免治理"一刀切"，实现城市绿色运转和碳减排并最小化经济损失，从而为产业布局的调整和城市功能升级提供有力支撑，助力其完成"指挥实时化、监控可视化、决策自动化"。
图1业务架构   
![](https://support.huaweicloud.com/semss-government/zh-cn_image_0000001838296496.png)
图2技术架构   
![](https://support.huaweicloud.com/semss-government/zh-cn_image_0000001884457533.png)
架构说明：
基于国蓝中天和华为云联合打造的解决方案，智慧大气治理系统核心自下而上由技术中台、数据中台、AI中台和生态大脑组成，在鲲鹏平台的加持下，结合华为云容器、云原生数据湖等组件，进一步强化城市多源大数据存算、生态大脑训练、服务弹性伸缩等能力，实现安全可控。
- 以鲲鹏硬件为基座，采用openEuler操作系统，并依靠华为鲲鹏容器集群、鲲鹏大数据集群、高斯数据库等组件，实现大气治理平台和业务的全栈优化；
- 以鲲鹏为底座的基础资源及技术平台，国蓝中天可以无需不同设施的深度适配问题，快速实现向安全可信路线的技术转型；
- 采用华为云的MRS存算分离以及鲲鹏解决方案，在保证性能的前提下，实现计算与存储独立按需扩容，帮助国蓝中天轻松应对业务浪涌，提升资源整体利用率，有效降低了未来激增的信息存储成本；提升国蓝中天后续自主技术改造，打造更贴合自身的技术驱动力。
 
#### 方案优势
- **本地化污染研判策略**：国蓝中天的大气污染管治策略聚焦于城市本地污染，这使其能够更好地理解和应对特定区域的污染问题，确保管制措施更加贴近实际需求。
- **自研算法降低成本**：通过自主研发算法，国蓝中天实现了以算代测，显著降低了业主在硬件铺设和运维方面的成本。这既提高了管制效率，也减轻了业主的经济负担。
- **综合利用本地污染数据**：国蓝中天充分利用了城市本地污染现状数据，包括工地建设、重型车辆、交通污染、工业生产、视频监控等，从而能够更全面、深入地了解污染来源和分布情况。
- **单点数据挖掘与污染溯源**：基于单点数据挖掘技术，国蓝中天为污染溯源提供了有效支撑。这有助于快速、准确地找到污染源，为后续的管制措施提供有力依据。
- **综合数据挖掘分析支持决策**：通过综合数据挖掘分析，国蓝中天能够为管治提供决策支持。这种数据驱动的决策方式更加科学、合理，有助于提高管制策略的有效性和针对性。
- **闭环管理与自主学习机制**：国蓝中天实现了污染摸排流程化反馈数据的闭环管理与自主学习。这种机制使得管制系统能够不断学习和优化，进一步提高污染管治的有效性。通过持续的数据反馈和学习，系统能够不断完善自身，适应不断变化的污染状况。