“我不是环境专家，这些对于环境方面的分析全部基于对异构数据的研究。”郑宇举例说，在同一时刻、同一城市的不同地方，空气质量受到交通流量、工业排放、道路密度等因素影响差别会很大，这些因素在城市不同地方都不一样，这让我们很难精确地判断一个没有建空气监测站点的地方，空气质量到底如何，它不能用平均值来替代，因为是非线性的。

“怎么做呢？我们用两部分的大数据做实时的细粒度空气质量分析，第一部分是已有站点实时和历史的空气质量读数。第二部分加了其他数据源，第一个：气象条件，比如说刮风、下雨、风速、气压、湿度等；第二个：交通流量，比如这个区域里面车的平均速度是多少；第三个：该区域人的移动性，有多少人进出这个区域；最后是这个区域里面的兴趣点分布，比如有多少厂矿，有多少个电影院、酒吧、红绿灯等。”郑宇说，有了这样的异构数据之后我们就可以建立一个地方的数据分布，以及这个地方空气质量观测值的网络模型，最后得到一公里乘一公里范围内的细粒度。

郑宇表示，基于这样的数据，就可以为决策者们提供科学依据。“我们可以做实时污染物排放预警，比如这边车辆产生大量的污染，我们可以对周边的老百姓进行预警。除此外，在做交通限流管控的时候可以更加精确。因为某些区域并不是因为车辆产生的尾气排放导致的污染物，我们只需要在某个特定时间段对某个区域做单双号限行即可，没有必要做全城限行。”

郑宇说，以上的例子说得就是城市计算中异构数据的融合问题，这也是大数据的核心问题。除了常用的环境数据之外，我们需要更多其他的异构数据源，可能看上去和环境数据并不直接相关，但是能够帮助我们解决环境的问题。对此，环保部信息中心主任程春明表示赞同，他认为如何更好地融合和利用城市中的异构数据，对环保信息化工作至关重要。郑宇表示环保部信息中心对于双方的研究合作给予了大力的支持，除京津冀及周边地区，未来双方希望在全国环保重点城市推广Urban Air模型。