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。

    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。