亚洲av婷婷五月产av中文,久久99国产精品久久99果冻传媒,无套中出丰满人妻无码,国产SUV精品一区二区69

近年來,全國乃至全世界都掀起了智慧城市建設熱潮。有數(shù)據(jù)顯示,全球智慧城市相關(guān)產(chǎn)業(yè)市場規(guī)模預計從2017年的4246.8億美元增至2022年的12016.9億美元,年復合增長率達23.1%

2017-12-07 09:30:00 · 中國科學報 閱讀:358
近年來,全國乃至全世界都掀起了智慧城市建設熱潮。有數(shù)據(jù)顯示,全球智慧城市相關(guān)產(chǎn)業(yè)市場規(guī)模預計從2017年的4246.8億美元增至2022年的12016.9億美元,年復合增長率達23.1%
近年來,全國乃至全世界都掀起了智慧城市建設熱潮。有數(shù)據(jù)顯示,全球智慧城市相關(guān)產(chǎn)業(yè)市場規(guī)模預計從2017年的4246.8億美元增至2022年的12016.9億美元,年復合增長率達23.1%。近日在烏鎮(zhèn)舉行的2017世界互聯(lián)網(wǎng)大會上,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、能耗增加等城市問題?!霸谌斯ぶ悄軙r代,城市計算是解決城市問題的必然選擇,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人工智能前沿應用與人才發(fā)展論壇上說。

1

    據(jù)介紹,城市計算包括城市數(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)的服務和提供。“這四個層面連成一個環(huán)路,不斷地、自動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。

    城市計算,預測未來

    城市計算是一個交叉學科,是計算機科學以城市為背景,跟城市規(guī)劃、交通、能源、環(huán)境、社會學和經(jīng)濟等學科融合的新興領(lǐng)域。更具體地說,城市計算是一個通過不斷獲取、整合和分析城市中多種異構(gòu)大數(shù)據(jù)來解決城市所面臨的挑戰(zhàn)的過程。按鄭宇所述:“城市計算能幫助我們理解各種城市現(xiàn)象的本質(zhì),甚至預測城市的未來?!?

    任何計算都要以數(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)?!拔覀兡玫降臄?shù)據(jù)往往只是一個采樣,某些屬性在這個采樣上的分布跟它在整體數(shù)據(jù)上的分布有很大差異?!编嵱畋硎?,數(shù)據(jù)是否具有代表性是需要考慮的第一個問題。其次,數(shù)據(jù)的有限性、易缺失、使用的準確性等,都是城市計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的過程,數(shù)據(jù)是智慧的基礎(chǔ)。”山東大學計算機與軟件學院院長陳寶權(quán)指出,從眾多候選集中選出所需要的數(shù)據(jù)很重要,可以解決很多實際問題,比如在城市區(qū)域內(nèi)確定設立充電樁的位置,規(guī)劃空氣質(zhì)量檢測站點的設置等等。

    為了進一步說明數(shù)據(jù)感知與獲取對城市公共設施配置的重要性,鄭宇展示了天津市的救護車站布局圖,“以前選救護車站點基本就是根據(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雜,我們可以根據(jù)真實的120求救信號數(shù)據(jù)和救護車搶救病人的GPS軌跡等數(shù)據(jù)對站點進行重新布局,以優(yōu)化平均搶救時間。”鄭宇說。

    另外,救護車輛如何在各個站點之間動態(tài)調(diào)度,使得系統(tǒng)運力最大化是第二步需要解決的問題。“就是要找到一個使得很多人到此的匯聚時間最優(yōu)化的點?!编嵱罱ㄗh,所有以速度優(yōu)先級最高的應用都可以考慮這個選址模型。

    城市大數(shù)據(jù)平臺發(fā)揮效力

    未來的智慧城市應該什么樣?陳寶權(quán)認為,智慧城市有兩個層面的含義: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)設施能合理滿足市民需求,比如交通設計能完全按照人流的需求來考慮;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,生活舒適度不斷提高。

    要達到以上目標,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:點數(shù)據(jù)與網(wǎng)絡結(jié)構(gòu)數(shù)據(jù)。一旦建成后任何屬性都不會變動的是空間和時間都靜態(tài)的點數(shù)據(jù);位置不變,但是每個小時的讀數(shù)不斷變化的是空間不變但是時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,不同時間有不同的人在不同地方發(fā)出請求,這就是一個時空多變的數(shù)據(jù);網(wǎng)絡結(jié)構(gòu)中,路網(wǎng)就是一個靜態(tài)的網(wǎng)絡結(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、時間變化的數(shù)據(jù)。”鄭宇說,最復雜的是軌跡數(shù)據(jù),時間和空間都在變,并且點和點之間有連續(xù)的關(guān)系。

    “定義好這些數(shù)據(jù)結(jié)構(gòu)模型以后,我們就可以針對特定的模型設計特定的算法,提高系統(tǒng)的利用率?!编嵱钫f,“我們是給整個城市提供服務,對整個城域作推斷、預測,運算量非常大,而且要求實時。因此,數(shù)據(jù)和應用之間就需要一個平臺來連接?!?

    “很遺憾現(xiàn)在任何一家公司的云計算平臺都不能很好地支持我們的時空大數(shù)據(jù)?!编嵱钐寡裕俺鞘写髷?shù)據(jù)平臺并不是云計算平臺,后者并不能很好地支持上述運算。”

    而鄭宇主導的在貴陽落地的第一個城市大數(shù)據(jù)平臺,把分布式計算環(huán)境跟索引方法結(jié)合在一起,可以使算法完成時間從幾個小時變成幾秒鐘,“這就是平臺強大的力量?!编嵱钫f。

    把握時空數(shù)據(jù)

    “城市計算處理的是時空數(shù)據(jù),它跟視頻、圖像、語音是不同的。這也導致傳統(tǒng)的深度學習模型不能直接拿來用?!编嵱罱忉屨f,時空數(shù)據(jù)有空間屬性和時間屬性,時間屬性又包括時間的平滑性、周期性和趨勢性。

    據(jù)介紹,數(shù)據(jù)的應用是首先把相鄰幾個小時的數(shù)據(jù)放到一個深度卷積神經(jīng)網(wǎng)絡里面,來模擬相鄰時間的時序的平滑性。然后把幾天內(nèi)同一時刻對應的數(shù)據(jù)輸入到相同結(jié)構(gòu)的深度卷積神經(jīng)網(wǎng)絡,來模擬周期性。再輸入更大時間范圍內(nèi)同一時間點對應的數(shù)據(jù),來模擬趨勢性。因為三個因素的輸出結(jié)果并不是在每個地方都一樣,因此三個數(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,再去反饋學習下一幀的數(shù)據(jù),進而預測下一幀這個時刻的狀況。鄭宇解釋說,卷積網(wǎng)絡通過一次卷積可以把一個區(qū)域的值卷積到一個點上面,描述近距離的空間的局部相關(guān)性。經(jīng)過多次卷積以后可以把越來越遠的地方卷積到一起,描述距離較遠的空間的相關(guān)性,當深度卷積網(wǎng)絡比較深的時候它的訓練效果就會變差。

    為了解決這一問題,微軟研究院引入深度殘差神經(jīng)網(wǎng)絡,整個架構(gòu)稱為時空殘差網(wǎng)絡?!斑@個比較新的模型相對于以前LSTM的模型,不需要進行連續(xù)的數(shù)據(jù)輸入,只需要抽取關(guān)鍵幀?!编嵱罱榻B說,這樣的結(jié)構(gòu)大大優(yōu)化了網(wǎng)絡結(jié)構(gòu),只需要用幾十幀就能達到原先模型里幾百幀、幾千幀的效果,甚至更好。他表示,這種深度時空殘差網(wǎng)絡,在人口流動的預測上將會有很大的應用前景。

    “隨著人工智能能夠完成的復雜任務越來越多,人們會越來越感受到其存在,享受更多的福利。”陳寶權(quán)說。

聲明:本文內(nèi)容來源自網(wǎng)絡,文字、圖片等素材版權(quán)屬于原作者,橙電平臺轉(zhuǎn)載素材出于傳遞更多信息,文章內(nèi)容僅供參考與學習,切勿作為商業(yè)目的使用。 如果侵害了您的合法權(quán)益,請您及時與我們聯(lián)系(2430586914@qq.com),我們會在第一時間進行處理!我們尊重版權(quán),也致力于保護版權(quán),橙電平臺感謝您的分享!
  • 2020-10-07 00:00
  • 2020-10-07 00:00
  • 2020-10-10 00:00
  • 2020-10-10 00:00
  • 2020-10-10 00:00
  • 2020-10-10 00:00
  • 2020-10-02 00:00
  • 2020-10-02 00:00
  • 2020-10-02 00:00
  • 2020-10-02 00:00

TOPS
  • 日排行 /
  • 周排行 /
  • 原創(chuàng)