当前位置:首页 - 新闻中心 - “城市大脑 ”让城市的数据流动起来
“城市大脑 ”让城市的数据流动起来
发布日期:2017-10-16 来源:smartbuildingnt 浏览次数:341

(中国智慧城市网讯):


我提出一个概念叫“城市大脑”。为什么命名为城市大脑?其中有三个核心的想法。第一个,关于城市数据的事情。想法比较简单,就是希望大家能理解数据是城市不可分割的一部分。我们去杭州规划院的时候,规划院的目的是利用数据将规划做的更好,交流之后,我说要将数据当城市的一部分来规划。所以存在两种不同看法,一种是将数据看成是为原来的规划服务,一种是数据就是规划的一部分。


城市规划是以土地为载体。今天遇到的问题,是数据的沉淀是足够的,但从来没有认真的分析。主要没有从城市运行的角度来看待,把城市的数据当成城市不可分割的一部分来考虑。我认为城市中所有人的数据、所有车的数据,都应该是城市不可分割的一部分。这是初衷。 这是一件事情。


第二件事情是,我很早前考虑一个观点,人类在进化的过程中,是在消耗大自然的资源,土地、水、石油等都是大自然产生的资源,今天将城市数据当成一个资源,则是人类自身产生的资源,是不一样的。所以,城市大脑的第二件事情,就是我在思考人类自身产生的资源是否可以拿来优化公共资源的调配。过去的公共资源的调配靠政策,有没有可能因为人类自身产生新的数据资源后,能将公共资源调配的更好。

第三个想法,为什么叫做大脑,规划说只是用数据将规划做到最优,其实就是个静态问题,城市弄完,数据就没用了。但城市运行其实是动态的东西,在运行过程中才会发现问题,而不是只在一开始设计的时候。所以为何叫大脑?即能在运行中发现自己的问题。


以上是最基本的三个想法,总结而言就是,发现多了一个资源,资源叫数据,是人类自身产生的,数据可以极大的来调节原来对公共资源的分配,并在运营中发现问题。


我们说到人工智能。有三个东西很重要,第一是数据本身,第二是后台的云计算,第三是和人工智能的关系。在这儿我想说对人工智能的看法。这是蛮有意思的事情。


人工智能这个词从五十年代就出现了,是有争议的。翻译成中文的时候歧义就更大了。最早说的 intelligence是指 human   intelligence说的就是人的智能,人知道自己的智能是不够用的,所以在很早以前开始使用人以外的资源了,开始使用Animal  intelligence。五十年代提出人工智能这个词的时候,数据一说,都是算法。当时,让任何计算机去做人或动物去做的事情,大家都觉得是非常了不起的事情。这就是为何五十年代人工智能出来的时候完全是逻辑学为基础,用逻辑学来模拟人的逻辑思维。任何想拿计算机去模拟人可以做的事情,都是人工智能,这是我自己的理解。而今天发生了巨大的变化,今天机器的能力大大超过五十年代机器的能力,这个超过不是一点点,今天的机器和当时的机器有什么样的差别,我举个例子,一个芯片的能力,看有多少个晶体管。70年代初的时候,一个CPU上只有两千个晶体管,今天一个手机上的处理器增加到一亿个晶体管,两千到一个亿是乘上了多少倍,不用说处理能力增加了多少,更不用说我们现在人均消耗掉的晶体管了,大概每年能达到20亿晶体管,这个数字是超出我们大米的数字。现在人“吃”晶体管的速度比吃大米的还快。 这是一个方面,让我们来想想这其中发生的巨大变化。


第二个,来看计算机发生的变化,大家知道在20年代有深蓝,在当时的超级计算机里能排名到二百五十名以内。今天手机的处理能力和深蓝是一样的。就是20年的时间,我们每个人口袋里都带着一个在20年前排到两百多名的深蓝计算机。我们再用alphago来说明一下,alphago没有正式公布他的硬件的配置,但我根据信息推断,alphago在下棋的时候,计算能力大概是深蓝的两万到三万倍。所以大家想一下,实际上,今天的计算能力是这样变化的,所以才出现今天的machine  intelligence。机器可以干的事情,是人都不能做的了。例如人脸识别,这个阶段技术发生了一个非常大的变化,机器认脸比人认脸还要准,不是简单地说机器做了人做的事情,而是有的事情,机器比人做的还好,只要机器比人做得好,那那件事情就不应该由人来做。这是我自己的观点。


同样的,我在加拿大的时候,遇到有人在做AI,就像刚才提到的情感智能。什么是情感智能呢,比如,拿普通手机摄像头照脸,不仅仅是照脸了,而是能将血压,心跳都检测出来,这事情人是完全没法完成的。实际上到今天,机器能做很多人不能做的事情。从human   intelligence到Animal  intelligence到machine  intelligence,实际上大部分讲人工智能还是在说怎样用机器模仿人做的事情,我将这个叫做机器智能。在城市这方面,城市的问题复杂,很多都是人解决不了的,人可以规划,但人不能解决。所以要用机器智能来帮助数据来帮助城市。这是整个思考的一个过程。


下面我会用交通这一件事情作为例子,但不局限于交通。大家想想,任何城市的公共资源优化,都可以用这个思路。这个也取决于我的两个观察。


一个观察是,2016年全世界卖掉了1.5亿的摄像头,中国卖掉7000万,一半都是中国卖掉的。一个普通的城市,比如杭州,甚至可能更小点的城市,也有50万到100万个摄像头在一个城市里。但我了解后发现,没有任何一个城市知道自己装了多少摄像头,因为装的太多了,没人清楚具体的量;第二个观察是,城市三分之一的摄像头是没有人检查没有人看,是否照到,是否被遮挡是都不知道的,多数是无效的。我算了一下,在杭州,交警直接管摄像头,有案可查的摄像头大概有5万个,在指挥中心看摄像头的只有15人,5万个摄像头乘上24个小时乘上7天,要一天才看的完,所以99.9%的摄像头是无效的,剩下的摄像头仅用作破案的时候查查。


大家都知道,每个城市都有做一个叫视频云的东西,但这个架构设计很不合适,视频拿来放到所谓的视频云里,但放进去就不会处理的,因为写进去的一天的数据,如果有一天要读出来使用,需要读五天。另外再看,今天所有的监控摄像头,不存到不用的视频里,而是转到阿里云上做处理,仍是没法转的,因为整个架构不是用来分发云,则会造成数据的浪费。


所以真正的监控摄像头是视而不见的,照到但没人看。所以我们用杭州举例,一个摄像头放在一个红绿灯杆子上,但摄像头照到的东西和红绿灯一点关系都没有,这个情况在全中国普遍存在。所以我说,世界上最遥远的距离是摄像头和红绿灯的距离。因为很多都不是按体系来设计的,而是按照各自的孤岛来设计的,想连都连不上。所以我们把这个监控改掉,不叫监控摄像头,叫城市摄像头,仅当成一个数据,将红绿灯当成一个交通优化,实际上优化时间。我们当时想的第一步,就是想怎么做这个事情。不是要将东西存到不使用的视频上,是要知道当时发生什么事情,是要做调控,然后安排出警。这将不只影响城市运营的模式。


第一个案例是在萧山试点,侧重的是实时监控。这个试点是非常初步的,这是比较偏大的一个区,这儿的路已经做好了绿波带,监控的摄像头条件也比较好。但是我们做了比较简单的想法,但是路上监控摄像头看到的车辆通行的数据,能不能用个模型,倒过去控制红绿灯的时间,来提高、调控车行驶的速度?这个很有意思。这条路有七八个路口,最快的时候,大概能提高百分之十几的通行速度,最慢的地方只能提高百分之四点几。提高得慢的地方,即数据少的地方,是最早做的实验。今年我们将试验范围扩大,基本上在整个范围内有百分之十五的提高,还是满鼓舞我们的。因为没有动任何的基础设施,只是将数据拿来了。我们去堵每辆车,数出来。后来发现,因为我们能够找到堵点,发现很多有堵点的地方,恰恰是摄像头不够的地方,这对将来摄像头的布置都是很好的反馈和参考。当前的摄像头布置只是一个开环系统,仅仅是布置下去了,但从来没有闭环的反馈,说这块儿的布局有没有用。这是我们在萧山做的第一个实验,是叫实时调控。目前已经准备在萧山全域推广。


第二个是在杭州,侧重在智能出警。我们在杭州的试点一个是贯穿南北的最主要的高架,这是杭州最骨干的交通,另一个是杭州最堵的城区。问题在于,交通是非常动态的,过去在高架上的交通会遇到几个问题,第一个问题就是实际通行能力是三千,但突然放了那么多车出来,导致高架的通行能力降到了两千多,但交警不知道该怎么控制这事,也不懂该在哪里开始控制,没有概念。实际上每个闸口都有摄像头,所以我们用摄像头将车流量都算下来,让他知道从哪里开始上车,从哪里开始疏导。以往就是收到堵车信息,交警去了,但控制闸口的时候都是已经开始堵车半小时了。所以现在这算是帮解决了一个问题,这个上下闸道的调节,都是我们来帮忙完成,目标就是提高通行速度。第二个问题,就是高架上堵车要不是小剐蹭,停着堵了,或者是不该上去的车上去了,堵了。以前只能靠交警在路上巡逻,现在如果能缩短知道事故的时间,就能一定程度上解决很大问题。所以我们将所有的异常都帮找出来了。另外,我认为交警太辛苦又危险,当机器智能能代替交警,能够减轻他们很多压力。


另一个事情,我们都知道监控视频在后台,是展示成一个个的小方块图,这样的摆放是典型的给人看的摆放,而实际上在一个路口,真正一个时刻能看到的视频拼接起来,应该是一个全景的连续的环状图。这些方块,其实不合适人看,但机器可以看,机器可以知道路口发生了什么。交警能看到的仅仅只是一角,是无数监控图像中的一幅。我们认为球机已经能做到很多事情了,但现在很多政府只片面的看重技术设备的更换,盲目的升级基础设施,这是非常危险的事情。


我们知道所有摄像头都有视频编码,而所有的视频编码的标准都是假设视频是人眼能够看到的,可当有一天,视频不要人看了,所有的视频编码都要重新做。所以我认为摄像头的编码可以做得效率更高,做得适合机器看。这是很有意义的事情。很多事情,过去都是交警发现的,今天,我们可以设想一下,摄像头的布置,可以将一条路进行切片,收集来各切片路段的数据,明确拥堵路段,有目的的针对性的进行出警疏导。这个在杭州已经实行了。这个时候,数据就是警力,这是整个的意义所在。数据获得是全面的不是抽样的,平均数、高峰、最低都能算出来,都能获取,这个很重要,是方法论上的巨大进步。


第三个试点市在苏州,侧重的是全局数据,全局交通。是从人开始的,不是从车开始的。来苏州旅游的人里百分之九十是散客,很多是开车去的,开车进拙政园要一小时,出来要40分钟,但在园里就待半个小时时间,所以对整个交通的安排要有所不同。苏州将符合国家安全的数据,开放到了城市大脑里,后来发现在大脑上算的数据,比在自己机器算的得到更多。苏州的数据汇聚包括五大部门,三大运营商和互联网极大部分,最终汇聚产生了79种数据源、2600种数据项、3000亿条历史数据。当全局的数据融合后,能对交通数据,人流数据等做分析,指导换乘中心的设计、公交优化规划及事故预测。但这些本身复杂辛苦,都不应该是人做的,应该为数据支撑,通过数据可以看到人的流动动态,人的聚集区域等信息,从而优化规划。在苏州第一条优化好的线路,三个星期前开始试运行了。


接下来说一下技术架构。我们在讲城市大脑的时候,并没有对集中和分布做假设。我认为国内的城市发展规划一直都是在享受全世界城市发展成果的好处。当今很多想当然的事情,其实以前都不是想当然的,所有很多人的贡献,才能将一些建设变为城市最基本的基础设施。我自己的想法是,城市应该有新的基础设施,这个就叫城市大脑,主要的作用就是让城市的数据流动起来,产生价值。城市大脑不是仅仅解决城市交通问题的方案,而是城市的新的基础设施,将来可以在城市的建设发展中做更多的贡献。基于此理念,产生了一个架构,从上到下四部分依次第一个是应用场景,第二个是IT服务平台,第三个是数据资源平台,第四个是计算平台。数据要产生价值就需要计算平台,所以第三、第四两部分是最重要的。要将这两个平台真正建设成为服务的平台。这是个城市级的东西,而非部门级的东西。架构上如何设计,还可以再做探讨。


假设有了城市大脑这个基础设施后,我认为一个城市的数据,会增加100万,这个100万只是个虚数,代表增加的量会很大,将使对资源的消耗得到降低,我认为城市水、电等各种资源的消耗会降低十倍、甚至噪音都会降低十倍,当这些所有的东西都改变的时候,城市则需要重新进行更深远完善的建设思考。

网站首页 - 研究所介绍 - 新闻中心 - 科技创新 - 合作交流 - 聚集企业 - 创业大赛
版权所有