一文看懂京東城市計算平臺如何感知、管理、分析城市數(shù)據(jù)

智能城市已進入資本快速入局、巨頭圈地暗戰(zhàn)的階段，尤其是隨著全國兩會的熱議、《粵港澳大灣區(qū)規(guī)劃綱要》等文件的發(fā)布，傳達出政府對城市智能化的巨大需求以及民眾對城市生態(tài)的呼喚，城市問題日益嚴峻、日益增多的政府訂單使得智能城市擁有一片巨大的藍海。據(jù)統(tǒng)計，國內爭先上馬智能城市項目的城市多達500+。

無獨有偶，學術界對于智能城市也格外關注。今年年初，在國際人工智能領域最權威的會議AAAI 2019上，我們注意到“城市計算”成為爭相熱議的焦點。城市計算理念的提出者、京東集團副總裁鄭宇更是成為首個受邀在AAAI大會上發(fā)表主題演講的中國大陸學者。

到底什么技術模式才適合城市?

不可忽視的問題是，在行業(yè)野蠻生長的同時，到底需要怎樣的技術和模式才能夠真正支撐智能城市發(fā)展的這片藍海?

在雷鋒網(wǎng)看來，隨著感知技術的成熟，各種大數(shù)據(jù)在城市里悄然而生。與此同時，人工智能技術的日趨成熟也使數(shù)據(jù)分析更為便利。如果使用得當，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，對城市數(shù)據(jù)的處理和使用，必然將是IoT、云計算、大數(shù)據(jù)、和AI等技術的互相融合。

在國內，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，第二種是云服務提供商，以出售云服務獲利，第三種是只解決局部點問題的新型人工智能公司，第四種是以城市痛點出發(fā)，能夠提供頂層設計的科技公司。

互聯(lián)網(wǎng)巨頭智能城市的技術邏輯也均有所不同，比如在京東，行業(yè)首提打造城市計算平臺，對特殊的時空數(shù)據(jù)進行感知、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中有數(shù)據(jù)資源平臺，視覺AI項目4箭齊發(fā);在騰訊，超級大腦的背后是一套云智天樞的系統(tǒng)，數(shù)字廣東也順勢搭建了公共服務平臺......此外，這個領域還活躍著平安、百度等巨頭和千尋位置、高德地圖等主打定位導航的一批垂直公司。

可以說，智能城市不是一場營銷套路的比拼，而是實打實的技術架構、技術實力的較量。從技術角度來看，AI+云+大數(shù)據(jù)是基本的能力，這一點目前市面上主要廠商基本具備。但我們有三點疑問：

·第一，技術的構成是沒有絕對標準的，各界在AI+云+大數(shù)據(jù)上是入門級別還是專業(yè)級，這是兩回事;

·第二，無場景即無落地能力，因為城市并不是孤立的一個系統(tǒng)，交通、環(huán)境、民生、政務、能源、商業(yè)等復雜因素盤根錯節(jié)，如何組合AI、云、大數(shù)據(jù)是重大考驗，如何找到具有行業(yè)背景的專業(yè)人才去落地技術也是問題所在。

第三，從政府的角度來看，智能城市需要構建生態(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?

所以，有必要就市面上出現(xiàn)的“城市大腦”、“城市計算”類的平臺做重點技術剖析。

為什么是城市計算?

以京東城市的城市計算平臺舉例，我們注意到，城市計算平臺針對城市數(shù)據(jù)的流動性設置了4個梯次，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 或用戶的智能手機產(chǎn)生的軌跡數(shù)據(jù)來不斷感知司機的駕駛狀態(tài)。在數(shù)據(jù)管理層面，通過時空索引結構把感知到的數(shù)據(jù)組織起來，用于后續(xù)實時分析和挖掘。在數(shù)據(jù)分析層面，可以根據(jù)這些軌跡數(shù)據(jù)較為準確地確定城市的異常狀況發(fā)生的時空范圍。在服務提供層面，這些信息會被及時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。

　　城市計算架構圖

BATJ等專業(yè)的廠商在打造智能城市時，第一步必然是用傳感器獲取數(shù)據(jù)，但是不可避免會遇到同一類問題，比如有限傳感器下如何最大化獲取關鍵數(shù)據(jù)?如何部署和評估?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?怎么應對數(shù)據(jù)丟失后的價值填補?這是行業(yè)必須跨過的第一個門檻。

以北京的空氣質量檢測和交通流量預測為例，即便35個空氣質量監(jiān)測子站已全面覆蓋這座城市，但由于空氣質量隨著時間和地點的不同發(fā)生巨大的非線性變化，給空氣質量檢測帶來難度。同樣如果從出租車的GPS軌跡來預測城市交通流量，也會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重要概念——時空大數(shù)據(jù)。

為什么說它重要?因為時空數(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、分析和服務提供奠定基礎。時空數(shù)據(jù)這個提法是計算機技術發(fā)展下的產(chǎn)物，因為人類獲取信息的渠道不僅在局部地面、地球表面，甚至已經(jīng)擴展到地球各圈層乃至外太空。時空數(shù)據(jù)不僅數(shù)據(jù)龐大，還具有非線性和時變等特征。

而城市計算平臺正是融合了這一重要的技術。在業(yè)內，京東城市就曾提出著名的“時空數(shù)據(jù)6種模型”，為今后數(shù)據(jù)收集進行分類匹配，定義數(shù)據(jù)管理和機器學習的算法，使之具備可擴展性和重復利用屬性。

具體來說，根據(jù)結構，城市計算平臺把城市數(shù)據(jù)分為2類，即基于點的數(shù)據(jù)、基于網(wǎng)絡的數(shù)據(jù);而根據(jù)相關性，把數(shù)據(jù)分為3類，即時空靜態(tài)數(shù)據(jù)、時間動態(tài)-空間靜態(tài)數(shù)據(jù)和時空動態(tài)數(shù)據(jù)。

時空靜態(tài)數(shù)據(jù)以POI數(shù)據(jù)(興趣點數(shù)據(jù))最為典型，比如位置固定的加油站、商場、地鐵等，最大特點就是人流量的變化，其他屬性不變;空間靜態(tài)時間動態(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)隨時間推移在變動;時空動態(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上的請求就是不同人和車建立聯(lián)系的調度過程。由于城市內部最為復雜的就是軌跡數(shù)據(jù)，集合了時間、空間、方向等信息，因此上圖中第二行的基于網(wǎng)絡的數(shù)據(jù)就以道路網(wǎng)數(shù)據(jù)集作為典型代表進行研究。

另外，由于現(xiàn)有機器學習和云計算處理能力達不到精確處理時空數(shù)據(jù)的要求，城市計算平臺還加入了其他一些“有意思的”設計，比如時空數(shù)據(jù)混合索引(與常用的關鍵詞搜索方式不同，現(xiàn)在需要搜索過去某個時間段的某個事件的發(fā)生，挑戰(zhàn)極大);比如對多樣數(shù)據(jù)集的處理(以空氣質量檢測為例，城市計算可以對實時與歷史的天氣情況、氣象學數(shù)據(jù)、交通流量、POI數(shù)據(jù)、道路網(wǎng)絡數(shù)據(jù)等做精確分析);比如交互式視覺數(shù)據(jù)分析(用簡單的算法得到初級的結果，反饋給該領域的專家，用專業(yè)知識來進行提煉和剔除無用環(huán)節(jié)，最后這個數(shù)據(jù)將返還給算法，讓機器學習計算出最新一輪結果)。

數(shù)據(jù)的獲取和管理層完成有效的歸類、標準化之后，數(shù)據(jù)分析層就會變得更加高效。可以說，對時空數(shù)據(jù)思考地越深，技術復雜度就越高，其操作手法就越加精細。特殊的AI算法和機器學習算法讓城市計算平臺對這些數(shù)據(jù)都能進行處理，從而形成 “新的技術門檻”。

實際上，城市計算的四層架構雖然每一層都有挑戰(zhàn)，但每一層都有代表性的技術，甚至相互間構成了一個循環(huán)，最上層的服務提供層就是它要走向的實際場景。智能商業(yè)、智能交通、城市規(guī)劃、環(huán)境能耗、公共安全、智能政務等模塊，是城市計算平臺目前的重點領域。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、京東城市計算平臺和千尋位置時空大腦，通過對比，或許能看出各自技術的異同點。

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，把龐大的數(shù)據(jù)轉化為科學合理的業(yè)務模式，就此形成城市交通實時大視圖，以此來完成城市交通系統(tǒng)的調度和管理。阿里認為，互聯(lián)網(wǎng)+信號燈比只用傳感器的信號燈更具有預見性，其具體做法是在大腦平臺上植入高德地圖的定位導航能力，每輛用APP導航的車去哪一目了然。一旦擁堵，大腦在全局視角下經(jīng)過計算，將這個方向的綠燈通過時間延長，同時縮短其他幾個方向的綠燈時間。等這個方向的車輛變少了，大腦會自動重新規(guī)劃，始終保證紅綠燈時間與車流量的合理匹配。

而千尋位置的時空大腦更關注在底層基礎設施上運用多樣化的IoT尋求厘米級定位能力，以此來對交通疏導做出反應。其做法是把傳統(tǒng)的路燈、攝像頭、警示牌、道路邊上其它設施通過傳感器的方式升級為新的IoT設備，自動獲取路況實時情況，最后這些信息傳到司機的地圖APP上指導出行。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。

京東城市計算平臺的做法則是一種新的技術途徑。通過深度挖掘各交通行業(yè)系統(tǒng)的業(yè)務需求，整合各類動態(tài)交通數(shù)據(jù)，城市計算平臺打造規(guī)劃、管控及預測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、城市路網(wǎng)交通狀態(tài)實時掌控、智能違章停車檢測等，為城市管理部門和交管機構提供數(shù)據(jù)驅動的交通管控優(yōu)化指導，實現(xiàn)城市科學安全運轉效率最大化。

走向行業(yè)實踐是共同的大考

值得一提的是，數(shù)據(jù)來源于生活，服務于生活，但最終城市計算平臺會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)泄露的風險，實際上這種冒險做法被城市計算平臺舍棄了。如何實現(xiàn)?即不同組織間的城市計算平臺可以實現(xiàn)互聯(lián)，只要通過一個數(shù)字網(wǎng)關的轉換，數(shù)據(jù)將留在政府內部——實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交換的新方法。

城市問題不是一個孤立的存在，也不是短期內立竿見影的領域。解決城市問題時，從業(yè)的數(shù)據(jù)科學家需要同時具備行業(yè)知識和專業(yè)技能，利用領域A的數(shù)據(jù)解決領域B的問題，實現(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)科學各個分支的技術，包括數(shù)據(jù)管理、數(shù)據(jù)挖掘、機器學習和可視化等。最后，還需要懂得如何使用、修改以及增強云計算平臺，站在可落地的角度來解決問題。

這個領域已經(jīng)活躍著一批志在改變現(xiàn)狀的科學家、學者和企業(yè)CEO們。比如中國工程院原常務副院長潘云鶴、中國工程院院士高文、京東數(shù)字科技首席數(shù)據(jù)科學家鄭宇教授，比如阿里城市大腦負責人閔萬里，比如數(shù)字廣東CEO王景田等，比如平安智能城市董事長俞太尉，比如浪潮集團董事長孫丕恕......同樣是在AAAI大會上，鄭宇教授首次公布了《Urban Computing》這本新著作，由MIT麻省理工學院出版，在會上被搶購一空。這本全英文的深度學術研究和行業(yè)實踐成果，填補了國際城市計算領域的空白。

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年將必成關鍵之年。5G的商用、城市內部、城市之間的網(wǎng)絡基礎設施能力將進一步提升，云計算、大數(shù)據(jù)、AI、IoT的技術也將更加成熟，在其之上的各類大腦應用、城市計算平臺將走過緩慢曲線，進入急速爬坡期。

當然，除了城市資源，人才爭奪戰(zhàn)也將在2019年迅速拉開。

生成海報

免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產(chǎn)權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。