近年來(lái),全國(guó)乃至全世界都掀起了智慧城市建設(shè)熱潮。有數(shù)據(jù)顯示,全球智慧城市相關(guān)產(chǎn)業(yè)市場(chǎng)規(guī)模預(yù)計(jì)從2017年的4246.8億美元增至2022年的12016.9億美元,年復(fù)合增長(zhǎng)率達(dá)23.1%。近日在烏鎮(zhèn)舉行的2017世界互聯(lián)網(wǎng)大會(huì)上,亦有眾多企業(yè)發(fā)布自己的智慧城市云解決方案。
智慧城市要解決的是日益凸顯的交通擁堵、環(huán)境惡化、能耗增加等城市問(wèn)題。“在人工智能時(shí)代,城市計(jì)算是解決城市問(wèn)題的必然選擇,也很可能是最好的路徑。”微軟亞洲研究院首席研究員鄭宇在12月2日于北京舉辦的2017人工智能前沿應(yīng)用與人才發(fā)展論壇上說(shuō)。
據(jù)介紹,城市計(jì)算包括城市數(shù)據(jù)的感知和獲取、數(shù)據(jù)的管理、數(shù)據(jù)的分析和挖掘以及數(shù)據(jù)的服務(wù)和提供。“這四個(gè)層面連成一個(gè)環(huán)路,不斷地、自動(dòng)地在不干擾人生活的情況下,用大數(shù)據(jù)解決城市的大挑戰(zhàn)。”鄭宇說(shuō)。
城市計(jì)算,預(yù)測(cè)未來(lái)
城市計(jì)算是一個(gè)交叉學(xué)科,是計(jì)算機(jī)科學(xué)以城市為背景,跟城市規(guī)劃、交通、能源、環(huán)境、社會(huì)學(xué)和經(jīng)濟(jì)等學(xué)科融合的新興領(lǐng)域。更具體地說(shuō),城市計(jì)算是一個(gè)通過(guò)不斷獲取、整合和分析城市中多種異構(gòu)大數(shù)據(jù)來(lái)解決城市所面臨的挑戰(zhàn)的過(guò)程。按鄭宇所述:“城市計(jì)算能幫助我們理解各種城市現(xiàn)象的本質(zhì),甚至預(yù)測(cè)城市的未來(lái)。”
任何計(jì)算都要以數(shù)據(jù)為基礎(chǔ),但在數(shù)據(jù)的感知和獲取環(huán)節(jié)則面臨多重挑戰(zhàn)。“我們拿到的數(shù)據(jù)往往只是一個(gè)采樣,某些屬性在這個(gè)采樣上的分布跟它在整體數(shù)據(jù)上的分布有很大差異。”鄭宇表示,數(shù)據(jù)是否具有代表性是需要考慮的第一個(gè)問(wèn)題。其次,數(shù)據(jù)的有限性、易缺失、使用的準(zhǔn)確性等,都是城市計(jì)算在感知層面的挑戰(zhàn)。
“城市發(fā)展是從數(shù)字化到信息化再到智慧化遞進(jìn)的過(guò)程,數(shù)據(jù)是智慧的基礎(chǔ)。”山東大學(xué)計(jì)算機(jī)與軟件學(xué)院院長(zhǎng)陳寶權(quán)指出,從眾多候選集中選出所需要的數(shù)據(jù)很重要,可以解決很多實(shí)際問(wèn)題,比如在城市區(qū)域內(nèi)確定設(shè)立充電樁的位置,規(guī)劃空氣質(zhì)量檢測(cè)站點(diǎn)的設(shè)置等等。
為了進(jìn)一步說(shuō)明數(shù)據(jù)感知與獲取對(duì)城市公共設(shè)施配置的重要性,鄭宇展示了天津市的救護(hù)車站布局圖,“以前選救護(hù)車站點(diǎn)基本就是根據(jù)人口數(shù)量或者道路房屋密度決定。但是人的急救需求的影響因素很復(fù)雜,我們可以根據(jù)真實(shí)的120求救信號(hào)數(shù)據(jù)和救護(hù)車搶救病人的GPS軌跡等數(shù)據(jù)對(duì)站點(diǎn)進(jìn)行重新布局,以優(yōu)化平均搶救時(shí)間。”鄭宇說(shuō)。
另外,救護(hù)車輛如何在各個(gè)站點(diǎn)之間動(dòng)態(tài)調(diào)度,使得系統(tǒng)運(yùn)力最大化是第二步需要解決的問(wèn)題。“就是要找到一個(gè)使得很多人到此的匯聚時(shí)間最優(yōu)化的點(diǎn)。”鄭宇建議,所有以速度優(yōu)先級(jí)最高的應(yīng)用都可以考慮這個(gè)選址模型。
城市大數(shù)據(jù)平臺(tái)發(fā)揮效力
未來(lái)的智慧城市應(yīng)該什么樣?陳寶權(quán)認(rèn)為,智慧城市有兩個(gè)層面的含義:一是宏觀層面,城市總體資源的分配是智慧的,特別是基礎(chǔ)設(shè)施能合理滿足市民需求,比如交通設(shè)計(jì)能完全按照人流的需求來(lái)考慮;二是微觀層面,智慧城市下人人都能享受到更加便利、高效、安全和環(huán)保的服務(wù),生活舒適度不斷提高。
要達(dá)到以上目標(biāo),數(shù)據(jù)的管理不可或缺。城市中所有數(shù)據(jù)根據(jù)結(jié)構(gòu)可分為兩種:點(diǎn)數(shù)據(jù)與網(wǎng)絡(luò)結(jié)構(gòu)數(shù)據(jù)。一旦建成后任何屬性都不會(huì)變動(dòng)的是空間和時(shí)間都靜態(tài)的點(diǎn)數(shù)據(jù);位置不變,但是每個(gè)小時(shí)的讀數(shù)不斷變化的是空間不變但是時(shí)間屬性在不停變化的結(jié)構(gòu)數(shù)據(jù)。
“在摩拜單車使用中,不同時(shí)間有不同的人在不同地方發(fā)出請(qǐng)求,這就是一個(gè)時(shí)空多變的數(shù)據(jù);網(wǎng)絡(luò)結(jié)構(gòu)中,路網(wǎng)就是一個(gè)靜態(tài)的網(wǎng)絡(luò)結(jié)構(gòu),把路網(wǎng)疊加了交通流量信息以后就變成空間不變、時(shí)間變化的數(shù)據(jù)。”鄭宇說(shuō),最復(fù)雜的是軌跡數(shù)據(jù),時(shí)間和空間都在變,并且點(diǎn)和點(diǎn)之間有連續(xù)的關(guān)系。
“定義好這些數(shù)據(jù)結(jié)構(gòu)模型以后,我們就可以針對(duì)特定的模型設(shè)計(jì)特定的算法,提高系統(tǒng)的利用率。”鄭宇說(shuō),“我們是給整個(gè)城市提供服務(wù),對(duì)整個(gè)城域作推斷、預(yù)測(cè),運(yùn)算量非常大,而且要求實(shí)時(shí)。因此,數(shù)據(jù)和應(yīng)用之間就需要一個(gè)平臺(tái)來(lái)連接。”
“很遺憾現(xiàn)在任何一家公司的云計(jì)算平臺(tái)都不能很好地支持我們的時(shí)空大數(shù)據(jù)。”鄭宇坦言,“城市大數(shù)據(jù)平臺(tái)并不是云計(jì)算平臺(tái),后者并不能很好地支持上述運(yùn)算。”
而鄭宇主導(dǎo)的在貴陽(yáng)落地的第一個(gè)城市大數(shù)據(jù)平臺(tái),把分布式計(jì)算環(huán)境跟索引方法結(jié)合在一起,可以使算法完成時(shí)間從幾個(gè)小時(shí)變成幾秒鐘,“這就是平臺(tái)強(qiáng)大的力量。”鄭宇說(shuō)。
把握時(shí)空數(shù)據(jù)
“城市計(jì)算處理的是時(shí)空數(shù)據(jù),它跟視頻、圖像、語(yǔ)音是不同的。這也導(dǎo)致傳統(tǒng)的深度學(xué)習(xí)模型不能直接拿來(lái)用。”鄭宇解釋說(shuō),時(shí)空數(shù)據(jù)有空間屬性和時(shí)間屬性, 時(shí)間屬性又包括時(shí)間的平滑性、周期性和趨勢(shì)性。
據(jù)介紹,數(shù)據(jù)的應(yīng)用是首先把相鄰幾個(gè)小時(shí)的數(shù)據(jù)放到一個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)里面,來(lái)模擬相鄰時(shí)間的時(shí)序的平滑性。然后把幾天內(nèi)同一時(shí)刻對(duì)應(yīng)的數(shù)據(jù)輸入到相同結(jié)構(gòu)的深度卷積神經(jīng)網(wǎng)絡(luò),來(lái)模擬周期性。再輸入更大時(shí)間范圍內(nèi)同一時(shí)間點(diǎn)對(duì)應(yīng)的數(shù)據(jù),來(lái)模擬趨勢(shì)性。因?yàn)槿齻€(gè)因素的輸出結(jié)果并不是在每個(gè)地方都一樣,因此三個(gè)數(shù)據(jù)要先做融合,并引入權(quán)重系數(shù)。
其次需要考慮外部的因素,比如氣象事件,把所有數(shù)據(jù)融合以后,再去反饋學(xué)習(xí)下一幀的數(shù)據(jù),進(jìn)而預(yù)測(cè)下一幀這個(gè)時(shí)刻的狀況。鄭宇解釋說(shuō),卷積網(wǎng)絡(luò)通過(guò)一次卷積可以把一個(gè)區(qū)域的值卷積到一個(gè)點(diǎn)上面,描述近距離的空間的局部相關(guān)性。經(jīng)過(guò)多次卷積以后可以把越來(lái)越遠(yuǎn)的地方卷積到一起,描述距離較遠(yuǎn)的空間的相關(guān)性,當(dāng)深度卷積網(wǎng)絡(luò)比較深的時(shí)候它的訓(xùn)練效果就會(huì)變差。
為了解決這一問(wèn)題,微軟研究院引入深度殘差神經(jīng)網(wǎng)絡(luò),整個(gè)架構(gòu)稱為時(shí)空殘差網(wǎng)絡(luò)。“這個(gè)比較新的模型相對(duì)于以前LSTM的模型,不需要進(jìn)行連續(xù)的數(shù)據(jù)輸入,只需要抽取關(guān)鍵幀。”鄭宇介紹說(shuō),這樣的結(jié)構(gòu)大大優(yōu)化了網(wǎng)絡(luò)結(jié)構(gòu),只需要用幾十幀就能達(dá)到原先模型里幾百幀、幾千幀的效果,甚至更好。他表示,這種深度時(shí)空殘差網(wǎng)絡(luò),在人口流動(dòng)的預(yù)測(cè)上將會(huì)有很大的應(yīng)用前景。
“隨著人工智能能夠完成的復(fù)雜任務(wù)越來(lái)越多,人們會(huì)越來(lái)越感受到其存在,享受更多的福利。”陳寶權(quán)說(shuō)。