0
智能城市已進(jìn)入資本快速入局、巨頭圈地暗戰(zhàn)的階段，尤其是隨著全國(guó)兩會(huì)的熱議、《粵港澳大灣區(qū)規(guī)劃綱要》等文件的發(fā)布，傳達(dá)出政府對(duì)城市智能化的巨大需求以及民眾對(duì)城市生態(tài)的呼喚，城市問題日益嚴(yán)峻、日益增多的政府訂單使得智能城市擁有一片巨大的藍(lán)海。據(jù)統(tǒng)計(jì)，國(guó)內(nèi)爭(zhēng)先上馬智能城市項(xiàng)目的城市多達(dá)500+。
無獨(dú)有偶，學(xué)術(shù)界對(duì)于智能城市也格外關(guān)注。今年年初，在國(guó)際人工智能領(lǐng)域最權(quán)威的會(huì)議AAAI 2019上，我們注意到“城市計(jì)算”成為爭(zhēng)相熱議的焦點(diǎn)。城市計(jì)算理念的提出者、京東集團(tuán)副總裁鄭宇更是成為首個(gè)受邀在AAAI大會(huì)上發(fā)表主題演講的中國(guó)大陸學(xué)者。
到底什么技術(shù)模式才適合城市？
不可忽視的問題是，在行業(yè)野蠻生長(zhǎng)的同時(shí)，到底需要怎樣的技術(shù)和模式才能夠真正支撐智能城市發(fā)展的這片藍(lán)海？
在雷鋒網(wǎng)看來，隨著感知技術(shù)的成熟，各種大數(shù)據(jù)在城市里悄然而生。與此同時(shí)，人工智能技術(shù)的日趨成熟也使數(shù)據(jù)分析更為便利。如果使用得當(dāng)，我們就可以利用這些城市大數(shù)據(jù)和智能算法來解決城市所面臨的問題，如城市規(guī)劃不合理、交通擁堵和能源消耗增加等。也就是說，對(duì)城市數(shù)據(jù)的處理和使用，必然將是IoT、云計(jì)算、大數(shù)據(jù)和AI等技術(shù)的互相融合。
在國(guó)內(nèi)，做智能城市有以下幾種模式：
第一種是傳統(tǒng)智慧城市提供商，主要提供系統(tǒng)集成、數(shù)據(jù)收集等服務(wù)；
第二種是云服務(wù)提供商，以出售云服務(wù)獲利；
第三種是只解決局部點(diǎn)問題的新型人工智能公司；
第四種是以城市痛點(diǎn)出發(fā)，能夠提供頂層設(shè)計(jì)的科技公司。
互聯(lián)網(wǎng)巨頭智能城市的技術(shù)邏輯也均有所不同，比如在京東，行業(yè)首提打造城市計(jì)算平臺(tái)，對(duì)特殊的時(shí)空數(shù)據(jù)進(jìn)行感知、管理及分析，做城市操作系統(tǒng)的野心畢露無疑；在阿里，ET城市大腦的總體架構(gòu)中有數(shù)據(jù)資源平臺(tái)，視覺AI項(xiàng)目4箭齊發(fā)；在騰訊，超級(jí)大腦的背后是一套云智天樞的系統(tǒng)，數(shù)字廣東也順勢(shì)搭建了公共服務(wù)平臺(tái)......此外，這個(gè)領(lǐng)域還活躍著平安、百度等巨頭和千尋位置、高德地圖等主打定位導(dǎo)航的一批垂直公司。
可以說，智能城市不是一場(chǎng)營(yíng)銷套路的比拼，而是實(shí)打?qū)嵉募夹g(shù)架構(gòu)、技術(shù)實(shí)力的較量。從技術(shù)角度來看，AI+云+大數(shù)據(jù)是基本的能力，這一點(diǎn)目前市面上主要廠商基本具備。但我們有三點(diǎn)疑問：
第一，技術(shù)的構(gòu)成是沒有絕對(duì)標(biāo)準(zhǔn)的，各界在AI+云+大數(shù)據(jù)上是入門級(jí)別還是專業(yè)級(jí)，這是兩回事；
第二，無場(chǎng)景即無落地能力，因?yàn)槌鞘胁⒉皇枪铝⒌囊粋€(gè)系統(tǒng)，交通、環(huán)境、民生、政務(wù)、能源、商業(yè)等復(fù)雜因素盤根錯(cuò)節(jié)，如何組合AI、云、大數(shù)據(jù)是重大考驗(yàn)，如何找到具有行業(yè)背景的專業(yè)人才去落地技術(shù)也是問題所在。
第三，從政府的角度來看，智能城市需要構(gòu)建生態(tài)而不是孤立的數(shù)據(jù)系統(tǒng)，數(shù)據(jù)安全和隱私如何保護(hù)？
所以，有必要就市面上出現(xiàn)的“城市大腦”、“城市計(jì)算”類的平臺(tái)做重點(diǎn)技術(shù)剖析。
為什么是城市計(jì)算？
以京東城市的城市計(jì)算平臺(tái)舉例，我們注意到，城市計(jì)算平臺(tái)針對(duì)城市數(shù)據(jù)的流動(dòng)性設(shè)置了4個(gè)梯次，分別為城市感知和數(shù)據(jù)獲取層、數(shù)據(jù)管理層、數(shù)據(jù)分析層和服務(wù)提供層。例如，在城市感知層面，通過車載 GPS 或用戶的智能手機(jī)產(chǎn)生的軌跡數(shù)據(jù)來不斷感知司機(jī)的駕駛狀態(tài)。在數(shù)據(jù)管理層面，通過時(shí)空索引結(jié)構(gòu)把感知到的數(shù)據(jù)組織起來，用于后續(xù)實(shí)時(shí)分析和挖掘。在數(shù)據(jù)分析層面，可以根據(jù)這些軌跡數(shù)據(jù)較為準(zhǔn)確地確定城市的異常狀況發(fā)生的時(shí)空范圍。在服務(wù)提供層面，這些信息會(huì)被及時(shí)地傳遞到交管部門和周邊通行的人群，以快速處理異常并避免更多人陷入混亂。
城市計(jì)算架構(gòu)圖
BATJ等專業(yè)的廠商在打造智能城市時(shí)，第一步必然是用傳感器獲取數(shù)據(jù)，但是不可避免會(huì)遇到同一類問題，比如有限傳感器下如何最大化獲取關(guān)鍵數(shù)據(jù)？如何部署和評(píng)估？怎么規(guī)避偏性樣本問題？如何防止由于數(shù)據(jù)稀疏性帶來的數(shù)據(jù)缺失？怎么應(yīng)對(duì)數(shù)據(jù)丟失后的價(jià)值填補(bǔ)？這是行業(yè)必須跨過的第一個(gè)門檻。
以北京的空氣質(zhì)量檢測(cè)和交通流量預(yù)測(cè)為例，即便35個(gè)空氣質(zhì)量監(jiān)測(cè)子站已全面覆蓋這座城市，但由于空氣質(zhì)量隨著時(shí)間和地點(diǎn)的不同發(fā)生巨大的非線性變化，給空氣質(zhì)量檢測(cè)帶來難度。同樣如果從出租車的GPS軌跡來預(yù)測(cè)城市交通流量，也會(huì)遭遇偏性樣本的挑戰(zhàn)，畢竟私家車和出租車屬性不同，出租車的分布并不具有普遍的代表性。
這里就不得不引申出一個(gè)重要概念——時(shí)空大數(shù)據(jù)。
為什么說它重要？因?yàn)闀r(shí)空數(shù)據(jù)能很好解決前面遇到的問題，并為后續(xù)的數(shù)據(jù)管理、分析和服務(wù)提供奠定基礎(chǔ)。時(shí)空數(shù)據(jù)這個(gè)提法是計(jì)算機(jī)技術(shù)發(fā)展下的產(chǎn)物，因?yàn)槿祟惈@取信息的渠道不僅在局部地面、地球表面，甚至已經(jīng)擴(kuò)展到地球各圈層乃至外太空。時(shí)空數(shù)據(jù)不僅數(shù)據(jù)龐大，還具有非線性和時(shí)變等特征。
而城市計(jì)算平臺(tái)正是融合了這一重要的技術(shù)。在業(yè)內(nèi)，京東城市就曾提出著名的“時(shí)空數(shù)據(jù)6種模型”，為今后數(shù)據(jù)收集進(jìn)行分類匹配，定義數(shù)據(jù)管理和機(jī)器學(xué)習(xí)的算法，使之具備可擴(kuò)展性和重復(fù)利用屬性。
具體來說，根據(jù)結(jié)構(gòu)，城市計(jì)算平臺(tái)把城市數(shù)據(jù)分為2類，即基于點(diǎn)的數(shù)據(jù)、基于網(wǎng)絡(luò)的數(shù)據(jù)；而根據(jù)相關(guān)性，把數(shù)據(jù)分為3類，即時(shí)空靜態(tài)數(shù)據(jù)、時(shí)間動(dòng)態(tài)-空間靜態(tài)數(shù)據(jù)和時(shí)空動(dòng)態(tài)數(shù)據(jù)。
時(shí)空靜態(tài)數(shù)據(jù)以POI數(shù)據(jù)（興趣點(diǎn)數(shù)據(jù)）最為典型，比如位置固定的加油站、商場(chǎng)、地鐵等，最大特點(diǎn)就是人流量的變化，其他屬性不變；空間靜態(tài)時(shí)間動(dòng)態(tài)數(shù)據(jù)以IoT數(shù)據(jù)（物聯(lián)網(wǎng)數(shù)據(jù)）最有代表性，傳感器數(shù)據(jù)隨時(shí)間推移在變動(dòng)；時(shí)空動(dòng)態(tài)數(shù)據(jù)最直觀的就是Check in數(shù)據(jù)（打卡數(shù)據(jù)），滴滴與Uber上的請(qǐng)求就是不同人和車建立聯(lián)系的調(diào)度過程。由于城市內(nèi)部最為復(fù)雜的就是軌跡數(shù)據(jù)，集合了時(shí)間、空間、方向等信息，因此上圖中第二行的基于網(wǎng)絡(luò)的數(shù)據(jù)就以道路網(wǎng)數(shù)據(jù)集作為典型代表進(jìn)行研究。
另外，由于現(xiàn)有機(jī)器學(xué)習(xí)和云計(jì)算處理能力達(dá)不到精確處理時(shí)空數(shù)據(jù)的要求，城市計(jì)算平臺(tái)還加入了其他一些“有意思的”設(shè)計(jì)，比如時(shí)空數(shù)據(jù)混合索引（與常用的關(guān)鍵詞搜索方式不同，現(xiàn)在需要搜索過去某個(gè)時(shí)間段的某個(gè)事件的發(fā)生，挑戰(zhàn)極大）；比如對(duì)多樣數(shù)據(jù)集的處理（以空氣質(zhì)量檢測(cè)為例，城市計(jì)算可以對(duì)實(shí)時(shí)與歷史的天氣情況、氣象學(xué)數(shù)據(jù)、交通流量、POI數(shù)據(jù)、道路網(wǎng)絡(luò)數(shù)據(jù)等做精確分析）；比如交互式視覺數(shù)據(jù)分析（用簡(jiǎn)單的算法得到初級(jí)的結(jié)果，反饋給該領(lǐng)域的專家，用專業(yè)知識(shí)來進(jìn)行提煉和剔除無用環(huán)節(jié)，最后這個(gè)數(shù)據(jù)將返還給算法，讓機(jī)器學(xué)習(xí)計(jì)算出最新一輪結(jié)果）。
數(shù)據(jù)的獲取和管理層完成有效的歸類、標(biāo)準(zhǔn)化之后，數(shù)據(jù)分析層就會(huì)變得更加高效。可以說，對(duì)時(shí)空數(shù)據(jù)思考地越深，技術(shù)復(fù)雜度就越高，其操作手法就越加精細(xì)。特殊的AI算法和機(jī)器學(xué)習(xí)算法讓城市計(jì)算平臺(tái)對(duì)這些數(shù)據(jù)都能進(jìn)行處理，從而形成 “新的技術(shù)門檻”。
實(shí)際上，城市計(jì)算的四層架構(gòu)雖然每一層都有挑戰(zhàn)，但每一層都有代表性的技術(shù)，甚至相互間構(gòu)成了一個(gè)循環(huán)，最上層的服務(wù)提供層就是它要走向的實(shí)際場(chǎng)景。智能商業(yè)、智能交通、城市規(guī)劃、環(huán)境能耗、公共安全、智能政務(wù)等模塊，是城市計(jì)算平臺(tái)目前的重點(diǎn)領(lǐng)域。隨著城市源源不斷提供新的數(shù)據(jù)，迸發(fā)新的需求，這套城市計(jì)算的系統(tǒng)將被更多地區(qū)域采用（已經(jīng)在北京、上海、南京、成都等地落地）。
智能交通解決方案的異同
交通行業(yè)是目前智能城市落地比較成熟的行業(yè)之一，目前也出現(xiàn)幾種較為清晰的模式，例如阿里城市大腦、京東城市計(jì)算平臺(tái)和千尋位置時(shí)空大腦，通過對(duì)比，或許能看出各自技術(shù)的異同點(diǎn)。
阿里的城市大腦是將人、車、道路數(shù)據(jù)都接入系統(tǒng)，通過人工智能分析技術(shù)，把龐大的數(shù)據(jù)轉(zhuǎn)化為科學(xué)合理的業(yè)務(wù)模式，就此形成城市交通實(shí)時(shí)大視圖，以此來完成城市交通系統(tǒng)的調(diào)度和管理。阿里認(rèn)為，互聯(lián)網(wǎng)+信號(hào)燈比只用傳感器的信號(hào)燈更具有預(yù)見性，其具體做法是在大腦平臺(tái)上植入高德地圖的定位導(dǎo)航能力，每輛用APP導(dǎo)航的車去哪一目了然。一旦擁堵，大腦在全局視角下經(jīng)過計(jì)算，將這個(gè)方向的綠燈通過時(shí)間延長(zhǎng)，同時(shí)縮短其他幾個(gè)方向的綠燈時(shí)間。等這個(gè)方向的車輛變少了，大腦會(huì)自動(dòng)重新規(guī)劃，始終保證紅綠燈時(shí)間與車流量的合理匹配。
而千尋位置的時(shí)空大腦更關(guān)注在底層基礎(chǔ)設(shè)施上運(yùn)用多樣化的IoT尋求厘米級(jí)定位能力，以此來對(duì)交通疏導(dǎo)做出反應(yīng)。其做法是把傳統(tǒng)的路燈、攝像頭、警示牌、道路邊上其它設(shè)施通過傳感器的方式升級(jí)為新的IoT設(shè)備，自動(dòng)獲取路況實(shí)時(shí)情況，最后這些信息傳到司機(jī)的地圖APP上指導(dǎo)出行。將數(shù)據(jù)可視化，是千尋位置打通物理世界和虛擬空間的邏輯。
京東城市計(jì)算平臺(tái)的做法則是一種新的技術(shù)途徑。通過深度挖掘各交通行業(yè)系統(tǒng)的業(yè)務(wù)需求，整合各類動(dòng)態(tài)交通數(shù)據(jù)，城市計(jì)算平臺(tái)打造規(guī)劃、管控及預(yù)測(cè)的全覆蓋智能交通解決方案，比如利用共享單車軌跡規(guī)劃自行車道建設(shè)、城市路網(wǎng)交通狀態(tài)實(shí)時(shí)掌控、智能違章停車檢測(cè)等，為城市管理部門和交管機(jī)構(gòu)提供數(shù)據(jù)驅(qū)動(dòng)的交通管控優(yōu)化指導(dǎo)，實(shí)現(xiàn)城市科學(xué)安全運(yùn)轉(zhuǎn)效率最大化。
走向行業(yè)實(shí)踐是共同的大考
值得一提的是，數(shù)據(jù)來源于生活，服務(wù)于生活，但最終城市計(jì)算平臺(tái)會(huì)把涉及安全和隱私的數(shù)據(jù)留在數(shù)據(jù)源頭。雷鋒網(wǎng)此前做過調(diào)研，發(fā)現(xiàn)大多市面公司是以和政府簽保密協(xié)議的方式來規(guī)避數(shù)據(jù)泄露的風(fēng)險(xiǎn)，實(shí)際上這種冒險(xiǎn)做法被城市計(jì)算平臺(tái)舍棄了。如何實(shí)現(xiàn)？即不同組織間的城市計(jì)算平臺(tái)可以實(shí)現(xiàn)互聯(lián)，只要通過一個(gè)數(shù)字網(wǎng)關(guān)的轉(zhuǎn)換，數(shù)據(jù)將留在政府內(nèi)部——實(shí)際上這種做法就是將原始數(shù)據(jù)的物理聚合找到了一條知識(shí)交換的新方法。
城市問題不是一個(gè)孤立的存在，也不是短期內(nèi)立竿見影的領(lǐng)域。解決城市問題時(shí)，從業(yè)的數(shù)據(jù)科學(xué)家需要同時(shí)具備行業(yè)知識(shí)和專業(yè)技能，利用領(lǐng)域A的數(shù)據(jù)解決領(lǐng)域B的問題，實(shí)現(xiàn)跨域數(shù)據(jù)的融合。再者，還需要盡可能多地掌握數(shù)據(jù)科學(xué)各個(gè)分支的技術(shù)，包括數(shù)據(jù)管理、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和可視化等。最后，還需要懂得如何使用、修改以及增強(qiáng)云計(jì)算平臺(tái)，站在可落地的角度來解決問題。
這個(gè)領(lǐng)域已經(jīng)活躍著一批志在改變現(xiàn)狀的科學(xué)家、學(xué)者和企業(yè)CEO們。比如中國(guó)工程院原常務(wù)副院長(zhǎng)潘云鶴、中國(guó)工程院院士高文、京東數(shù)字科技首席數(shù)據(jù)科學(xué)家鄭宇教授，比如阿里城市大腦負(fù)責(zé)人閔萬(wàn)里，比如數(shù)字廣東CEO王景田等，比如平安智能城市董事長(zhǎng)俞太尉，比如浪潮集團(tuán)董事長(zhǎng)孫丕恕...... 同樣是在AAAI大會(huì)上，鄭宇教授首次公布了《Urban Computing》這本新著作，由MIT麻省理工學(xué)院出版，在會(huì)上被搶購(gòu)一空。這本全英文的深度學(xué)術(shù)研究和行業(yè)實(shí)踐成果，填補(bǔ)了國(guó)際城市計(jì)算領(lǐng)域的空白。
綜上，如果說2018年各家智能城市的商業(yè)模式基本確立，那么可以斷定的是，2019年將必成關(guān)鍵之年。5G的商用、城市內(nèi)部、城市之間的網(wǎng)絡(luò)基礎(chǔ)設(shè)施能力將進(jìn)一步提升，云計(jì)算、大數(shù)據(jù)、AI、IoT的技術(shù)也將更加成熟，在其之上的各類大腦應(yīng)用、城市計(jì)算平臺(tái)將走過緩慢曲線，進(jìn)入急速爬坡期。
當(dāng)然，除了城市資源，人才爭(zhēng)奪戰(zhàn)也將在2019年迅速拉開。（雷鋒網(wǎng)）
相關(guān)文章：
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
