返回
科技新闻
分类

AI领域最高尚会议首邀大陆读书人焦点演说 郑宇详细解释城市总括结构

日期: 2020-04-18 13:45 浏览次数 : 107

智能城市已进入资本快速入局、巨头圈地暗战的阶段,尤其是随着全国两会的热议、《粤港澳大湾区规划纲要》等文件的发布,传达出政府对城市智能化的巨大需求以及民众对城市生态的呼唤,城市问题日益严峻、日益增多的政府订单使得智能城市拥有一片巨大的蓝海。据统计,国内争先上马智能城市项目的城市多达500+。

最近,国际人工智能领域最为权威与重要的大会AAAI 2019在美国举办,京东集团和京东数字科技共有16篇论文被大会录用,相关技术已经应用到京东商城、金融、广告等场景中。京东集团副总裁、京东数字科技首席数据科学家郑宇教授作为首位受邀发表大会主旨演讲的中国大陆学者,以《城市计算:用AI和大数据打造智能城市》为题,向来自全世界三千多位人工智能领域专家学者们,介绍了AI在智能城市场景下的发展。与此同时,京东集团还联合京东数字科技共同参展,在展示中国科技公司研究成果的同时,也面向全球招聘AI顶尖人才。

当下阶段,中国的智慧城市进程是与信息化、城镇化、农业现代化、绿色经济发展等相依相存,彼此成为抓手,互为转型动力。

无独有偶,学术界对于智能城市也格外关注。今年年初,在国际人工智能领域最权威的会议AAAI 2019上,我们注意到“城市计算”成为争相热议的焦点。城市计算理念的提出者、京东集团副总裁郑宇更是成为首个受邀在AAAI大会上发表主题演讲的中国大陆学者。

郑宇教授在AAAI大会上做主旨演讲

智慧城市成为了科学技术“阅兵场”,一批批新的技术在城市场景下沉,最终转换为城市治理的新的要素。AI、大数据、云计算、IoT等最热门的技术已经实现了对社区、交通、医疗、教育、金融、安防、工业等的赋能。

图片 1

郑宇教授在演讲中谈到,城市计算是大数据、云计算和人工智能技术在城市场景下的有机结合,通过不断获取、整合和分析城市中的多源时空异构数据,从而解决城市所面临的交通、环境、能耗等问题。城市计算的基本框架包括城市感知、城市数据管理、城市数据分析、服务提供等四个环节。以交通拥堵为例,汽车行驶的GPS轨迹可以不断感知路面上的交通状况,基于时空索引结构我们可以将感知到的数据管理起来,进而利用时空数据的分析建模方法从这些轨迹数据挖掘出城市中的交通拥堵状况,从而最终将相关的拥堵信息传递给有关部门和周边通行的人群,以便道路交通的通畅。

图片 2

到底什么技术模式才适合城市?

图片 3

据统计,我国有超过500个地级城市提出建设智慧城市,各地纷纷上马所谓“一号工程”,这个过程中,也诞生了诸多的“城市大脑”、“城市计算平台”、“城市操作系统”,大有赛道被占满、市场被分割完的错觉。

不可忽视的问题是,在行业野蛮生长的同时,到底需要怎样的技术和模式才能够真正支撑智能城市发展的这片蓝海?

▲城市计算架构图

但是千寻位置副总经理李戈杨在接受雷锋网采访时表示,智慧城市是政府的长期需求,虽然很多城市在如火如荼建设之中,但是这依旧是一块存量市场,没有谁能吞下整个市场,也没有现象表明这个市场接近饱和——仍然有很多价值空间值得挖掘。

在雷锋网看来,随着感知技术的成熟,各种大数据在城市里悄然而生。与此同时,人工智能技术的日趋成熟也使数据分析更为便利。如果使用得当,我们就可以利用这些城市大数据和智能算法来解决城市所面临的问题,如城市规划不合理、交通拥堵和能源消耗增加等。也就是说,对城市数据的处理和使用,必然将是IoT、云计算、大数据和AI等技术的互相融合。

城市感知

这就必须提到“未来之城”的概念。实际上,作为高精度时空服务的提供商,千寻位置是“未来之城”概念的首提者。在他们的理解里,“未来之城”实践方案第一次让现实城市与虚拟城市之间的精确、动态映射成为可能。这既是智慧城市资源优化配置的前提,也是城市跨越式发展,实现全面升级的重要工具。

在国内,做智能城市有以下几种模式:

城市感知层面主要通过以传感器为中心和以人为中心的两大类感知方式来不断收集和获取城市里的各种数据。在以传感器为中心的感知场景里,通过将传感器部署到固定的地点或者移动的物体上,进而让传感器自动地收集并发送数据。在以人为中心的感知场景里,每个人被看作一个传感器,不断地通过人群的规模、移动等方面的数据来感知周边情况。

可见,在行业玩家还没有意识到基础的时空能力、基础的运算能力是实现智慧城市的必备条件的时候,千寻位置已经提早占领C位。

第一种是传统智慧城市提供商,主要提供系统集成、数据收集等服务;

图片 4

智慧城市发展的瓶颈:时空能力缺失

第二种是云服务提供商,以出售云服务获利;

城市感知主要有四个方面的挑战。

IBM在2010年提出智慧城市的概念,认为城市由关系到城市主要功能的不同类型的网络、基础设施和环境六个核心系统组成:组织、业务/政务、交通、通讯、水和能源。这些系统不是零散的,而是以一种协作的方式相互衔接。而城市本身,则是由这些系统所组成的宏观系统。

第三种是只解决局部点问题的新型人工智能公司;

1)资源的合理配置。在有限的资源情况下,如何在城市里尽可能多地收集有用的资源。假设我们要在北京布几个充电桩,在哪些路口部署充电桩可以使经过它们的车辆数量最大化?这是一个覆盖最大化问题,它的解法经常是NP-Hard问题。

这决定了城市是个放大的场景体系,也是个极为复杂的巨系统。

第四种是以城市痛点出发,能够提供顶层设计的科技公司。

2)数据的有偏采样。我们在城市里可以得到的数据通常是一个采样,而不是完整的数据。某些属性在采样上的分布跟它在整体数据上的分布具有很大差异。比如我们可以拿到出租车的GPS轨迹,但这只是整个城市交通流量的一部分,出租车的数量和真实道路上流量是非线性的。如何在有偏数据中将真实的信息推测出来,这是一个难点。

对于城市管理者而言,全盘掌握城市的变化,实时知晓城市的运转,快速反映城市的应急等等成为迫切的需求。目前来看,业界已经产生一些诸如3D数字建模的方案,将城市现实场景做了虚拟的数字化呈现。

互联网巨头智能城市的技术逻辑也均有所不同,比如在京东,行业首提打造城市计算平台,对特殊的时空数据进行感知、管理及分析,做城市操作系统的野心毕露无疑;在阿里,ET城市大脑的总体架构中有数据资源平台,视觉AI项目4箭齐发;在腾讯,超级大脑的背后是一套云智天枢的系统,数字广东也顺势搭建了公共服务平台......此外,这个领域还活跃着平安、百度等巨头和千寻位置、高德地图等主打定位导航的一批垂直公司。

3)数据的稀疏性。城市的规模非常大,但部署的传感器是有限的。如何通过有限的传感器来获得整个城市的相关信息是一个挑战?比如在北京有35个空气质量监测站,如何感知整个城市中每个地方的空气质量是一个难点。

不过,雷锋网了解到,这种方式最大的瓶颈在于只能肉眼看建模后的效果,而没有更多新机制和功能。为什么?第一是精度不够高,第二是没有时空数据的计算能力。其数据只是满足管理和展示的需要,而无法参与计算和决策——这明显不是真正的数字世界。而广义的高精度时空定位能力,即有没有能力给现实世界中每一个信息标注一个高精度的时空信息,是决定厂商能否构建这个数字平行世界的关键。

可以说,智能城市不是一场营销套路的比拼,而是实打实的技术架构、技术实力的较量。从技术角度来看,AI+云+大数据是基本的能力,这一点目前市面上主要厂商基本具备。但我们有三点疑问:

4)数据的缺失。由于通信错误或传感器故障,我们经常发现丢失了一些的数据。这些缺失数据的位置是不可预计的,几乎随机的。而且传感器的数据并不是线性的,我们不能简单地通过使用线性插值算法来填补缺失的数据。

这一点,恰恰就是千寻位置这家公司在做的事:提供定位能力,获取时空数据并进行精确计算,其本质是将物理世界在虚拟世界中实现一对一完美“映射”。什么是映射关系?在Gartner的报告里,这一概念被描述为“数字孪生”,简单来说就是现实世界中的任何物体在虚拟世界中都有一个精准的时空定位,现实变化了,虚拟世界也会相应变化。

第一,技术的构成是没有绝对标准的,各界在AI+云+大数据上是入门级别还是专业级,这是两回事;

图片 5

图片 6

第二,无场景即无落地能力,因为城市并不是孤立的一个系统,交通、环境、民生、政务、能源、商业等复杂因素盘根错节,如何组合AI、云、大数据是重大考验,如何找到具有行业背景的专业人才去落地技术也是问题所在。

城市时空数据

千寻位置“未来之城”方案架构图

第三,从政府的角度来看,智能城市需要构建生态而不是孤立的数据系统,数据安全和隐私如何保护?

城市中有着成千上万种不同种类的数据,但根据数据的结构特性和时空动态属性,可以划分为六种数据类型。根据数据的结构特性,可分为点数据和网数据;根据数据关联的时空属性,可分为时空静态数据、时间动态空间静态数据和时空动态数据。基于这六种定义好的数据类型,我们就可以将城市中的任何一个数据与之匹配,进行标准化的数据处理,方便数据的互联互通。我们还可以根据这些数据类型来设计相对应的数据管理算法和数据挖掘模型,这样就可以使得系统具备规模化扩展的能力,方便后续的重复使用。

千寻位置的做法是“软硬结合”。“软”指的是通过部署在全国范围内的地基增强站及自主研发的定位算法提供高精度时空能力,“硬”则指的是部署传感器、IoT新物种,打造3D高清地图。场景应用上,交通治理、智能出行、智慧旅游、无人机执法、城市公共安全、电动车辆监管和智慧城管等都已被覆盖。

所以,有必要就市面上出现的“城市大脑”、“城市计算”类的平台做重点技术剖析。

图片 7

目前,这些能力已经在浙江德清县落地,德清“精准时空城市大脑”项目有着厘米级的定位能力、精准的时间能力和车道级导航能力,走在了数字化的前列。

为什么是城市计算?

区别于其他文本、图像数据,城市时空大数据主要存在空间和时间两方面的特性。在空间方面可以体现在空间的距离和空间的层次上,其中包括距离的邻近性和转移性,以及不同的空间粒度和城市的结构性。在时间方面则可以体现在临近性、周期性和趋势性上,特别是周期性和趋势性,在视频和语音数据里非常不明显,甚至不存在。

时空数据+时空运算的生态打法

以京东城市的城市计算平台举例,我们注意到,城市计算平台针对城市数据的流动性设置了4个梯次,分别为城市感知和数据获取层、数据管理层、数据分析层和服务提供层。例如,在城市感知层面,通过车载 GPS 或用户的智能手机产生的轨迹数据来不断感知司机的驾驶状态。在数据管理层面,通过时空索引结构把感知到的数据组织起来,用于后续实时分析和挖掘。在数据分析层面,可以根据这些轨迹数据较为准确地确定城市的异常状况发生的时空范围。在服务提供层面,这些信息会被及时地传递到交管部门和周边通行的人群,以快速处理异常并避免更多人陷入混乱。

城市数据管理

为什么千寻位置坚持做这件事?这不得不提它的背景,这家公司之所以在时空数据基础平台和算法平台搭建上目前是走在前列的,与它强大的资源息息相关。

图片 8

城市数据的规模大、种类繁多、变化快,而且都带有很强的时空属性。因此,城市数据的管理通常都需要云计算平台的支撑。但由于以下三个方面的挑战,现有的云计算平台并不能很好地支持大规模时空数据的管理。

千寻位置成立于2015年8月,由中国兵器工业集团和阿里巴巴集团共同发起成立。基于北斗卫星系统(兼容GPS、GLONASS、Galileo)基础定位数据,利用遍布全国的北斗地基增强站及自主研发的定位算法,通过互联网技术进行大数据运算,为遍布全国的用户提供精准定位及延展服务。

城市计算架构图

1)时空数据具有独特的数据结构。例如轨迹数据是由一系列点按照一定顺序排列形成,一条轨迹中两个点的顺序不能交换,否则将会带来完全不一样的语义。并且,一辆车的轨迹会随着它在城市中的移动而不断变长,我们无法预知这条轨迹数据的长度和大小。

在时空数据能力上,依托覆盖全国的北斗地基增强系统,千寻位置构建了统一维度的“时空基础平台”,负责时空数据的获取。通过为海量城市感知终端提供亚米级精度以上的定位和毫秒级授时能力,“时空基础平台”为城市中所有的静态和动态参与者,添加上时间、空间坐标,进而实现对人、车、物、事件等目标对象的全域、全量、高精度、动态映射。