阿里雲曾震宇：城市大腦驅動城市智能化演進

編者按：7月12日-7月14日，2019第四屆全球人工智慧與機器人峰會（CCF-GAIR 2019）於深圳正式召開。峰會由中國計算機學會（CCF）主辦，雷鋒網、香港中文大學（深圳）承辦，深圳市人工智慧與機器人研究院協辦，得到了深圳市政府的大力指導，是國內人工智慧和機器人學術界、工業界及投資界三大領域的頂級交流博覽盛會，旨在打造國內人工智慧領域極具實力的跨界交流合作平台。

阿里雲智能副總裁、數據智能總裁曾震宇

智慧城市作為複雜巨系統，一直是近十幾年來產業界、學術界重點研判的話題。毋庸置疑，智慧城市的發展將會是一個逐漸演進的過程。阿里雲智能副總裁、數據智能總裁曾震宇在CCF-GAIR 2019 智慧城市專場發表了主題為《全局協同的城市數據智能》的演講，他在演講中指出，智慧城市的演進將需要經歷感、知、動的過程，並形成閉環。

他還表示，智慧城市面臨技術和非技術層面的挑戰，其中非技術層面的挑戰更大。智慧城市的發展要用系統化、全局化的方式，充分利用數據，解決城市面臨的問題。阿里雲進入智慧城市領域率先布局的是交通，因為這是一個有大量數據，更容易看到效果的領域。

目前，阿里城市大腦已經在城市交通出行、城市旅遊、城市停車管理、城市規劃建設等多個領域發獲得了明顯的效果。

那麼，對於未來智慧城市的發展，曾震宇的態度如何？

以下為曾震宇的主題演講內容，雷鋒網作了不改變原意的編輯與整理：

我今天跟大家分享的主題是《全局協同的城市數據智能》，想跟大家探討我們提出的以數據為核心，用城市大腦的方式提升城市的智慧程度。我想先分享我如何看待城市智能化演進的過程。

城市智能化演進的過程

第一階段是感，「感」是指城市安裝的各樣感知設備，如攝像頭、IoT等設備。不過現在的情況是，很多城市裝了感知設備，但這些設備大部分處於閑置狀態，沒有被有效利用起。比如，監控類攝像頭很多是用於事後的研判。

第二階段是知，我們把前面感知設備所採集的數據在這個階段可以真正收集起來，不僅僅是存儲，還會對這些數據進行加工、處理、融合，從數據中獲取事件與事件之間的相關性。我們從過去發生的問題中找到對有幫助的信息，同時可以對未來做出預測。

第三階段是動，藉助設備產生的數據，城市和企業沉澱的各種數據，隨後對設備產生的數據會進行數據加工，加工後生成新的數據和信息，這些信息可以在城市各種應用中流轉，幫助我們做決策，形成動的過程。這是我們從感到知到動形成決策的閉環。在決策閉環中，數據起到了非常重要的作用。

我們現在城市的運營通過感、知、動的數據形成閉環，從而產生價值。在城市運營階段形成的決策閉環沉澱出來的數據和智能，可以運用到城市規劃中，幫助我們提升城市規劃有效的程度，形成更大的閉環。

用體系化解決城市發展面臨的困局

隨著城市人口越來越多，城市面臨很多困局，這些困局表面看起來是資源的不足，面對這些不足，似乎可以通過增加資源的方式解決問題。仔細想想在一個空間有限城市裡，各種物理有形資源可以增加的程度同樣有限，這就需要通過體系化來解決。

以交通為例，根據布雷斯悖論（Braess"s paradox），隨著城市越來越大以及人口越來越多，要緩解交通問題可以通過修路的方式解決。但在城市當中修一條新的路後發現交通擁堵沒有得到緩解，反而變得更加擁堵，這形成悖論。

人的需求和預期變化很快，面對城市的困局，我們需要用系統化、全局化的方式看待。這個過程中我們可以充分利用數據，解決城市面臨的問題。我們提出用城市大腦的方式解決城市面臨的問題和挑戰。

2016年開始，阿里雲和杭州市政府合作做「城市大腦」，過程中我們發現用數據的方式解決城市面臨的問題，是正確的方向。我們在杭州以及其他城市的實驗中，以城市大腦中構建的數據核心，為城市帶來了諸多的好處。

城市大腦的三駕馬車

從這些年實踐中，我們總結出城市大腦幾方面重要能力：

第一是數據能力。前面我提到城市中有大量的數據，但數據散落在政府各個部門的手裡，還有社會化的數據，通過城市大腦的建設把數據匯聚在一起，這個匯聚不是把數據從不同的地方搬到雲上，進行分散式存儲。真正的數據融合是把一個領域內，不同系統內的數據進入一個統系統後進行加工、融合、處理。

第二是演算法能力。數據融合後變成各個城市相關的實體類數據和實體相關的各類明細。我們需要用演算法對數據進行加工，演算法不僅是大家熟悉的深度學習演算法，還包括結構化的機器學習演算法、圖演算法等，發現數據中的相關性，對數據異常點提前檢測，對未來作出預測，給相關城市的監管部門、決策部門提供相應的依據。

第三是計算能力。強調計算能力是因為我們覺得對城市大體量的數據而言，如果沒有高效的、價格低廉的處理能力、計算能力，數據是加工不動的。有一些地方把BI（Business Intelligence，商業智能）當做計算，我們認為它不是嚴格的真正的計算，真正的計算是需要用各種各樣的演算法。我們認為城市大腦包括數據能力、演算法能力和計算能力，這是三大核心，三大核心缺一不可。沒有這個三大核心我們根本無法把城市數據利用起來，無法讓城市真正變得智能。

城市大腦建成後有一個非常重要的核心，我們稱之為城市級別的數據資源平台，這個平台是把我剛才提到的數據能力、計算能力、演算法能力融合在一起的物理平台，這個平台可以跑在我們阿里雲上，可以把城市實時的海量數據進行融合、加工和處理，進行相關的預測。

預測生成的數據可以在各個業務系統中用於自動決策，並形成全局的協同。不過，城市會涉及非常多的領域，如交通、旅遊、環保、醫療，我們可以針對不同的領域，建立相應的大型資料庫，我們稱之為「租戶」，因為每個領域對數據安全性的要求不同，所以每個領域的數據在平台上既可以融合打通，也可以在大物理平台上通過邏輯隔離的方式進行相應的保護。

城市大腦如何運作？

接下來我們看在一些行業中的嘗試。我們最早嘗試在交通行業做城市大腦，交通問題讓老百姓和政府深受其害。我們解這個問題做的第一件事，是把數車做好。這看似是很簡單的問題，實際上很複雜。我們關於交通的數據散落在各個地方，傳統方式了解這個城市有多少輛車直接到車管所查詢。這是非常靜態的數據，也是不完整的數據，沒有包括外地來的車輛，無法反映一個城市此時此刻車的數量。

城市大腦把政府數據、感知數據、互聯網、高德導航各類數據進入融合，得到每一輛車的軌跡從而計算一個城市有多少輛車。統計好數據就可以獲得一個城市的交通生命體征，就像人的血壓、心跳和脈搏。

我們通過城市大腦獲得城市生命體征，它包括宏觀層面，就是整個城市有多少輛車在跑，有多少輛車停在停車場沒有動，我們有主幹道、快速路，這些路上平均速度是怎樣的，細分到每一個區，區的特徵是怎樣的。微觀到每一個交通路口的狀況，我們都可以計算得到其生命體征。這對於交管、政府而言非常有用，它可以作為決策非常客觀、量化的依據。以往是拍腦袋大概知道怎麼做，現在有了數據的指導。

有了城市大腦中的數據資源平台的幫助，我們可以對交通信號燈進行優化。現在城市用了很多交通信號優化技術，這是最早在上世紀澳大利亞、歐洲起來的技術，現在很多城市用的是類似技術，這些技術是自適應技術，靠在每個路口下埋線圈、車感探測儀，通過這些數據動態獲得此時此刻每一個路口有多少輛車，動態調整這個綠燈放多少時間。

大家知道一個城市發展快的話有很多交通重型卡車，這些車會對道路進行損傷，讓地上安裝的感應設備受到影響、損壞，一些城市最糟糕的情況是50%以上的路口感應器不起作用，沒有數據。相當於這些信號燈「瞎」了，一旦遇到問題要靠人工配時專家進行處理。

我們建立城市大腦後完全可以把各類數據，如攝像頭數據、感知數據、高德等各種數據進行融合。有了數據後，對交通信號優化配時做得更全面。以往交通信號優化時是為了車，交通不只是駕駛員，還有行人。我們在商業區要考慮到行人特點。比如大雨天或者發生重大事故，某個地方在舉行重大會議時，每一個時候的交通需求不一樣，優化的目標不一樣，用傳統的方式無法處理複雜的場景，只有通過大腦的方式做交通優化配時。

城市大腦無法把所有的城市管控起來，我們可以把非常簡單的人工重複的工作用城市大腦接替，如有些城市的高架上的車流和地面上去的車流合併，這種場景比較簡單，只有幾個速度，包括上下游速度、地面速度。

城市大腦的處理可以自動進行計算，判斷什麼時候亮燈，綠燈周期是什麼樣子。這種簡單的場景可以被城市大腦接替，形成從感到知到動態的決策。大量城市配時專家可以聚焦在重點、難點的問題上進行人工個性化的配時。這是我們做的城市大腦的信號優化配時。

2018年我們發布了城市大腦2.0。一路走來我們堅信這是正確的方向，一定可以通過這種方式讓城市的交通、效率變得更高。

城市大腦還能做什麼？

前面談我們通過信號優化配時解決問題，這個做法不是包治百病，只能對城市部分交通效率得到提升。有些問題在根源上，交通組織是否合理？我們可以對數據進行大量的分析，分析後發現城市中交通的亂點、堵點、隱患點以及城市的供給不平衡點給出建議，如路口車道劃分，工作區早晚的流量不對稱，我們能否通過增加潮汐車道的方式緩解交通。以往是通過人工經驗區分，我們有了數據可以通過數據做客觀的評判。

高速層面，高速是城市與城市之間的交通主動脈，一旦高速發生問題對城市的影響非常大。高速安裝了非常多攝像頭，可以對他們進行實時事件檢測，一旦發現問題，比如發現車禍或者部分的擁堵，大腦及時發現警情發給交警，交警立刻派出地面警員對事件進行處理。在高速上事件處理及時，解決問題的效率會更高。

中國有很多旅遊城市，旅遊城市效率的高低可以用數據的方式進行相應的優化。杭州是一個典型的旅遊城市，旅遊旺季有很多遊客來到杭州，他們首先進入交通樞紐，能否及時、快速的離開交通樞紐，對他們的旅遊體驗幫助非常大。我們可以對交通樞紐數據進行融合，對客流進行分析，對去向和熱力進行分析，給交通樞紐的疏散資源進行動態調配，疏散資源包括接駁大巴、計程車、網約車。讓外部運輸資源根據內部交通樞紐的需求量進行動態的判斷和決策。

另外，還可以對景區人員熱力進行相應的分析，用數據判斷出景區是否遊客過載，進行動態誘導。杭州推出數字旅遊專線，通過大腦對城市旅遊景點的人員進行相應的分析，找出相應的熱點，把遊客疏散到周邊人比較少，但同樣風景優美的點。

城市應急場景，比如發生火災，以往的做法是讓消防、公安、醫療救護等各單位人員進行協調。我們可以通過城市大腦的方式作為中樞，它有各種各樣數據的匯聚，讓城市大腦中樞協調各個部門。讓以前處理的預案從靜態的方式變成動態預案，讓各個部門從以往離散、各不相關的關係變成聯動的關係。

城市停車，是非常麻煩的問題，很多公司嘗試解決問題都沒有真正解決。城市停車是典型的交通信息不對稱的問題，需要停車的人找不到位置停車。我們在杭州嘗試做一件事，杭州市政府把一些優先嘗試的區域、停車場停車位信息打通，信息可以透明共享，讓司機知道什麼地方有停車位，更重要的是我們可以通過信息和數據打通做到先離場，後付費。

現在停車是進入停車場、拍下車牌、閘機起來，現在有很多付費方式，新的駕駛員不知道如何付錢，到了出口發現要去另一個地方付錢，這會造成堵塞。我們可以做到先離場後付費。駕駛員在支付寶上進行綁定，你先把車開走，支付寶扣掉相應的錢，讓離場效率大幅提升。

城市全要素瞬時預演，這是有了城市大腦和數據資源平台才會發生的事情。城市平台以往是模擬的需求，某個地方需要拓寬路、修地鐵站，以往的交通模擬是憑藉經驗預測可能產生的影響。城市大腦把城市過去歷史的各種交通數據展現出來，可以在城市大腦上進行預演。

前面楊教授談到城市數字規劃，阿里雲和中規院在雄安城市規劃中深度合作。剛開始我們是門外漢，逐漸做下來我們認為城市規劃領域，數據可以幫助規划起到非常重要的作用。我們在整個城市的運行階段沉澱了大量的數據以及計算出有用的信息，對城市規律的了解，我們可以用到城市的規劃階段，讓整個城市的規劃效率更高，讓其他城市規劃效率變得更高。

現在技術發展非常快，有IoT、5G技術等，種種技術的發展讓我們非常高興，這些技術的發展可以幫助我們城市沉澱獲取更多的數據，有了數據後，城市大腦可以對數據進行加工處理，對城市的運行可以掌握得更精準。有了更精準的數據後，這些數據在平台上跑的模型可以不停的迭代和演進，讓整個城市變得更加智能。我們提出城市大腦可以幫助我們實現在線、實時、自演進的全局協同城市智能。我們希望城市大腦可以幫助我們讓城市的生活變得更加美好。

這是我的分享，謝謝。

演講結束後曾震宇接受了雷鋒網的專訪，以下是採訪內容精選：

雷鋒網：除了交通，智慧樓宇是否也是智慧城市重要的方向？

曾震宇：智慧樓宇也是蘊含著大量的機會，但樓宇相對而言挑戰更大，因為數據散布在各個地方，要面對的企業會非常多，解決問題難度也更大，很難收斂。所以我們先做容易出效果的交通，並不是說樓宇並不做，未來，在消防、社區等等領域，都需要把樓宇的信息納入其中。

雷鋒網：智慧城市發展的主要挑戰是什麼？

曾震宇：智慧城市的發展是個逐漸演進的過程，因為這個過程一部分挑戰在技術層面，當然很大的部分挑戰是在非技術層面。非技術層面的挑戰在於數據是在各個不同的地方，包括各個不同的企業政府部門，這些數據的融合，可能也需要去摸索，找一條相對比較合適的一些務實的一些路徑。我們沒辦法一廂情願的去做一些事情，一定要是比較務實的方式來做這個事情。

雷鋒網：技術層面最大的挑戰是什麼？

曾震宇：我們現在看到技術層面挑戰更多在於對於對各種各樣的數據的加工處理，特別是在數據缺失或質量不好的情況下，怎麼去解決實際的業務問題，這是一個非常大的挑戰。

雷鋒網：智慧城市發展的過程中如何建立一套統一的標準，加快智慧城市的發展？

曾震宇：智慧城市的標準現在可能還沒有真正到行業標準這個程度，但我們認為幾個領域是一定要去做一些標準化的事情，讓這個行業可以發展的更快，少走一些彎路。

第一個就是對整個城市的一些重要領域建模的標準，進行標準化之後，各個應用系統都能考慮到這樣的標準化，應用系統出來的數據很容易的進入到這種模型當中，在這個模型當中的上層就可以很容易做各種各樣的演算法處理，支撐上層的應用。所以我認為城市的數據模型標準化，是比較重要的一個事情。

第二個就是在交通領域，我在演講中也提到交通信號的優化配置，就是從城市大腦裡面產生的配時方案，要能夠實際落地到那些信號機上，但信號機非常多，在這個層面就需要有從軟體的這些大腦產生出來這樣的一些指令，能夠跟不同的信號機廠商實現互聯，這需要有一套協議，實現雙向互通。

雷鋒網：阿里雲的如何深耕產業，實現更好的數據融合、分析、處理，實現更智能的智慧城市？

曾震宇：我們用的是一種生態的策略，我在演講中提到的那些上層應用都是跟我們生態合作夥伴一起合作，包括中控、千方、朗新科技、浩鯨科技等。我們做底下的基於數據，包含演算法的智能引擎，然後支撐他們做各種各樣的標杆性應用。我們發揮演算法、數據、計算的強項，他們擅長做應用，形成互補。

當然，許多演算法的需求都是在實際業務中提出來的，根據他們提出的各種各樣的需求和反饋，我們會和他們配合來解決這個問題，在這個過程中加深對產業的了解。

雷鋒網：基於阿里雲的城市大腦未來還有哪些應用？

曾震宇：在我們的平台上還會有各種可能性，行業廠商可以在平台上去做應用。未來，可以鼓勵行業性的創新，很多年輕人以前想做創新，技術手段是有很多，但離開了業務的土壤，就沒辦法做事情。有我們的平台之後，可以鼓勵創新，在開放的不涉及安全和隱私的數據上，讓這些創業公司百花齊放。

我們也希望建立這樣的一個生態，這樣的生態建立起來之後，城市大腦、數據資源平台就可以變成每一個城市的一個非常重要基礎設施，在上面將會有非常多的可能性。

雷鋒網：智慧城市發展的推動力主要來自哪裡？

曾震宇：政府可能還是一個很重要的一個因素，因為最關鍵的數據還是在政府手裡。作為企業，我們能做的就是做一個助手，提供我們的能力。

雷鋒網：以智慧停車的應用為例，撬動這一市場的挑戰在哪？如何解決成本問題實現普及？

曾震宇：智慧停車依賴於每個停車場的基礎設施，但這會增加每個停車場的成本。這也是停車市場很難撬動的原因，因為它太過分散，不可能談一兩家公司就把停車場都搞定。另外，位置不同的停車場對於智能化基礎設施投入的意願也不相同，鬧市區的停車場不愁客源意願不大，偏一些的地方可能就願意把信息公布出來。

我認為未來一定會朝著這個方向發展，未來成為趨勢之後，也可能會促進公布信息意願不強的停車場加入其中，他們應該不想成為一個獨立王國。

雷鋒網：智慧城市的發展挑戰重重，我們也看到政府在積極倡導「大交通」。對於未來智慧城市的發展，您持什麼樣的看法？

曾震宇：阿里現在很多業務部門做的事情都和智慧城市相關，我們從不從的方面去推動智慧城市的進程。就智能交通而言，大交通包含了交通的方方面面，我覺得這是一個理想的狀況，這一步很難達到，但可以在一定範圍內協同。在整個大的體系內形成一個弱連接，每個地方的智能提升可以讓整個的交通出行的效率都能得到很大的提升。

至於智慧城市的整體發展，涉及的面太廣，而且既有技術的挑戰，也有非技術層面的挑戰，要成為一個體系挑戰非常大，但可以先實現垂直領域的智能化。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！