智能城市已進入資本快速入局、巨頭圈地暗戰的階段，尤其是隨著全國兩會的熱議、《粵港澳大灣區規劃綱要》等文件的發布，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。據統計，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展的這片藍海？

隨著感知技術的成熟，各種大數據在城市里悄然而生。與此同時，人工智能技術的日趨成熟也使數據分析更為便利。如果使用得當，我們就可以利用這些城市大數據和智能算法來解決城市所面臨的問題，如城市規劃不合理、交通擁堵和能源消耗增加等。也就是說，對城市數據的處理和使用，必然將是IoT、云計算、大數據和AI等技術的互相融合。

在國內，做智能城市有以下幾種模式：

第一種是傳統智慧城市提供商，主要提供系統集成、數據收集等服務；

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，能夠提供頂層設計的科技公司。

互聯網巨頭智能城市的技術邏輯也均有所不同，比如在京東，行業首提打造城市計算平臺，對特殊的時空數據進行感知、管理及分析，做城市操作系統的野心畢露無疑；在阿里，ET城市大腦的總體架構中有數據資源平臺，視覺AI項目4箭齊發；在騰訊，超級大腦的背后是一套云智天樞的系統，數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+大數據是基本的能力，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+大數據上是入門級別還是專業級，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，交通、環境、民生、政務、能源、商業等復雜因素盤根錯節，如何組合AI、云、大數據是重大考驗，如何找到具有行業背景的專業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而不是孤立的數據系統，數據安全和隱私如何保護？

所以，有必要就市面上出現的“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據的流動性設置了4個梯次，分別為城市感知和數據獲取層、數據管理層、數據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生的軌跡數據來不斷感知司機的駕駛狀態。在數據管理層面，通過時空索引結構把感知到的數據組織起來，用于后續實時分析和挖掘。在數據分析層面，可以根據這些軌跡數據較為準確地確定城市的異常狀況發生的時空范圍。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等專業的廠商在打造智能城市時，第一步必然是用傳感器獲取數據，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據？如何部署和評估？怎么規避偏性樣本問題？如何防止由于數據稀疏性帶來的數據缺失？怎么應對數據丟失后的價值填補？這是行業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，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——時空大數據。

為什么說它重要？因為時空數據能很好解決前面遇到的問題，并為后續的數據管理、分析和服務提供奠定基礎。時空數據這個提法是計算機技術發展下的產物，因為人類獲取信息的渠道不僅在局部地面、地球表面，甚至已經擴展到地球各圈層乃至外太空。時空數據不僅數據龐大，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。在業內，京東城市就曾提出著名的“時空數據6種模型”，為今后數據收集進行分類匹配，定義數據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，根據結構，城市計算平臺把城市數據分為2類，即基于點的數據、基于網絡的數據；而根據相關性，把數據分為3類，即時空靜態數據、時間動態-空間靜態數據和時空動態數據。

時空靜態數據以POI數據（興趣點數據）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；空間靜態時間動態數據以IoT數據（物聯網數據）最有代表性，傳感器數據隨時間推移在變動；時空動態數據最直觀的就是Check in數據（打卡數據），滴滴與Uber上的請求就是不同人和車建立聯系的調度過程。由于城市內部最為復雜的就是軌跡數據，集合了時間、空間、方向等信息，因此上圖中第二行的基于網絡的數據就以道路網數據集作為典型代表進行研究。

另外，由于現有機器學習和云計算處理能力達不到精確處理時空數據的要求，城市計算平臺還加入了其他一些“有意思的”設計，比如時空數據混合索引（與常用的關鍵詞搜索方式不同，現在需要搜索過去某個時間段的某個事件的發生，挑戰極大）；比如對多樣數據集的處理（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、氣象學數據、交通流量、POI數據、道路網絡數據等做精確分析）；比如交互式視覺數據分析（用簡單的算法得到初級的結果，反饋給該領域的專家，用專業知識來進行提煉和剔除無用環節，最后這個數據將返還給算法，讓機器學習計算出最新一輪結果）。

數據的獲取和管理層完成有效的歸類、標準化之后，數據分析層就會變得更加高效?？梢哉f，對時空數據思考地越深，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據都能進行處理，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，但每一層都有代表性的技術，甚至相互間構成了一個循環，最上層的服務提供層就是它要走向的實際場景。智能商業、智能交通、城市規劃、環境能耗、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據，迸發新的需求，這套城市計算的系統將被更多地區域采用（已經在北京、上海、南京、成都等地落地）。

智能交通解決方案的異同

交通行業是目前智能城市落地比較成熟的行業之一，目前也出現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、道路數據都接入系統，通過人工智能分析技術，把龐大的數據轉化為科學合理的業務模式，就此形成城市交通實時大視圖，以此來完成城市交通系統的調度和管理。阿里認為，互聯網+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。將數據可視化，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系統的業務需求，整合各類動態交通數據，城市計算平臺打造規劃、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劃自行車道建設、城市路網交通狀態實時掌控、智能違章停車檢測等，為城市管理部門和交管機構提供數據驅動的交通管控優化指導，實現城市科學安全運轉效率最大化。

走向行業實踐是共同的大考

值得一提的是，數據來源于生活，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據留在數據源頭。雷鋒網此前做過調研，發現大多市面公司是以和政府簽保密協議的方式來規避數據泄露的風險，實際上這種冒險做法被城市計算平臺舍棄了。如何實現？即不同組織間的城市計算平臺可以實現互聯，只要通過一個數字網關的轉換，數據將留在政府內部——實際上這種做法就是將原始數據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，從業的數據科學家需要同時具備行業知識和專業技能，利用領域A的數據解決領域B的問題，實現跨域數據的融合。再者，還需要盡可能多地掌握數據科學各個分支的技術，包括數據管理、數據挖掘、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。

這個領域已經活躍著一批志在改變現狀的科學家、學者和企業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、京東數字科技首席數據科學家鄭宇教授，比如阿里城市大腦負責人閔萬里，比如數字廣東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、城市之間的網絡基礎設施能力將進一步提升，云計算、大數據、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，人才爭奪戰也將在2019年迅速拉開。

未來智能實驗室是人工智能學家與科學院相關機構聯合成立的人工智能，互聯網和腦科學交叉研究機構。

未來智能實驗室的主要工作包括：建立AI智能系統智商評測體系，開展世界人工智能智商評測；開展互聯網（城市）云腦研究計劃，構建互聯網（城市）云腦技術和企業圖譜，為提升企業，行業與城市的智能水平服務。