新型智慧城市应用系统AI建模与实践

2017-09-03

中国建设信息化 2017年18期

智慧城市和人工智能是当前经济、社会发展的热门领域。2008年IBM提出智慧地球的概念，2012年中国政府开始提出发展智慧城市。1956年科学家们提出人工智能的概念。智慧城市是社会、城市发展的新形态，也是国家治理的新手段。人工智能则是一种基础通用理论和技术。在智慧城市和人工智能各自蓬勃发展的今天，二者不断相互渗透，在碰撞交叠中又诞生了很多新的商业模式和新的发展方向，继而催生了新的经济增长点。

人工智能发展概况

1956年，达特茅斯会上，麦肯锡、明斯基、香农等获得图灵奖、诺贝尔奖的大科学家们共同提出了人工智能的概念。1970年前后是人工智能发展的第一次浪潮，可以通过第一代神经网络算法，证明《数学原理》这本书中的绝大部分的原理。1984年是第二次浪潮，霍普菲尔德网络推出，让人工智能的神经网络具备了历史记忆功能。现在是第三次浪潮，典型技术特征是：以深度神经网络理论为基础，通过云计算平台和移动互联网协同工作把各种训练数据采集到人工智能算法平台。

2016年10月，美国白宫发布了《为人工智能的未来做好准备》《美国国家人工智能研究与发展策略规划》，将人工智能上升到美国国家战略高度。十二届全国人大五次会议上，国务院总理李克强在政府工作报告中指出，要“全面实施战略性新兴产业发展规划，加快新材料、人工智能、集成电路、生物制药、第五代移动通信等技术研发和转化”。人工智能第一次出现在总理政府工作报告中。2017年年初召开的全国科技工作会议中，科技部部长万钢透露，目前正在编制人工智能专项规划，同时在研究论证人工智能重大项目的立项工作。

在人工智能第三次大潮到来的当前历史时期，人工智能已经不再是一个概念，而是经过几十年的积淀和发展，真正进入并深刻影响着一个又一个的行业。

我国智慧城市发展概况

图1 智慧城市系统AI建模及产业应用流程

图2 智慧城市CPS（信息物理）系统概念模型

我国首次提到智慧城市是2012年1月颁布的《国务院关于印发工业转型升级规划(2011-2015年)的通知》，该通知从推进物联网应用的角度，明确了智慧城市的应用领域。2014年3月，中共中央、国务院印发《国家新型城镇化规划(2014-2020年)》，提出利用大数据、云计算、物联网等新一代信息技术，推动智慧城市发展，首次把智慧城市建设引入国家战略规划，并提出到2020年，建成一批特色鲜明的智慧城市。2014年8月，经国务院同意，国家发展改革委等八部委联合印发了《关于促进智慧城市健康发展的指导意见》。

党的十八届五中全会提出了创新、协调、绿色、开放、共享的新发展理念，这是在深刻总结国内外发展经验教训、深入分析国内外发展大势的基础上提出的，集中反映了我们党对我国经济社会发展规律的新认识。新型智慧城市理念正是顺应这种新的发展趋势而提出的，是按照十八届五中全会新发展理念推动我国经济社会发展的重要支柱和落脚点。

自新型智慧城市理念提出以来，国家从政策层面予以大力支持和积极引导。

2016年3月，“十三五”规划明确提出“以基础设施智能化、公共服务便利化、社会治理精细化为重点，充分运用现代信息技术和大数据，建设一批新型示范性智慧城市”。

2016年4月19日，习近平总书记在网络安全和信息化工作座谈会上的讲话中提到“新型智慧城市”，即“分级分类推进新型智慧城市建设，打通信息壁垒，构建全国信息资源共享体系，更好用信息化手段感知社会态势、畅通沟通渠道、辅助科学决策。”

2016年4月，国家发改委提出，“十三五”期间我国将推出100个新型智慧城市试点。

2016年11月22日，国家发展改革委、中央网信办、国家标准委联合发布《关于组织开展新型智慧城市评价工作的通知》，要求根据相关评价指标，开展新型智慧城市评价工作。

据统计，截至2016年6月，全国95%的副省级以上城市、超过76%的地级城市，超过500座城市，明确提出或正在建设智慧城市，我国已经成为世界智慧城市建设的“试验场”。

智慧城市应用系统AI建模

人工智能作为一种通用的理论和技术如何有效地融合应用到智慧城市呢？首先要明确两个问题：一是智慧城市应用系统的业务模型，二是人工智能落地到智慧城市的结合点。

我们提出的智慧城市系统AI建模方法及产业应用流程如图1所示。

智慧应用AI系统构建时的关键点是：以应用需求为驱动，以系统建模为核心，以算法、数据为重点。基于AI闭环反馈系统通用模型，可建立智慧城市CPS（信息物理系统）概念模型，如图2所示。

分类器构建的核心和难点是机器学习算法。机器学习算法有三类：（1）有监督学习。其特点是对样本进行标记。（2）无监督学习。其特点是由显示或隐式准则确定自组织结果，典型应用：能源负荷聚类、人员密度聚类。（3）强化学习。根据输出类别和已知类别的误差来改善分类器性能。评估网络使用时序差分预测方法和反向传播BP算法进行学习，而对行动网络进行遗传操作，使用内部强化信号作为行动网络的适应度函数。深度学习是机器学习研究中一个新的领域，模型如图3所示。其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像、声音和文本。深度机器学习方法也有监督学习与无监督学习之分。

智慧城市AI应用实践案例

1.智慧社区民生大数据

智慧社区利用物联网、云计算、大数据、移动互联网、智能终端等新一代信息技术，通过对各类与居民生活密切相关信息的自动感知、及时传送、及时发布和信息资源的整合共享，提升社区治理和小区管理现代化，让居民生活更智慧、更幸福、更安全、更和谐、更文明，促进社区公共服务和便民利民服务智能化的一种社区管理和服务的创新模式。智慧社区的发展表明了对人主体需求（吃、穿、住、行、游、养老、健康、宜居等）的关注，是城市向高质量、精致化、人性化发展的体现。

结合智慧社区业务特点和业务流程，人工智能叠加智慧社区的交叉落地点如下：（1）社区大数据（能源大数据、社交大数据、电商大数据、信用大数据）分析；（2）语音交互、语音识别（购物机器人、聊天机器人）；（3）计算机视觉（小区安防视频信息挖掘分析、目标跟踪）；（4）智能机器人（保安巡逻机器人、消防机器人、家庭教育机器人、护理机器人）；（5）基于社区大数据池的搜索、检索；（6）虚拟现实、三维（VR售房、购物、家庭娱乐、教育培训）。

智慧社区大数据来源包括：居民消费数据、报修维修数据、社区物流产品数据、社区社交媒体数据。通过大数据分析产生用户画像，进而产生有效的智慧社区人工智能落地应用：消费理解、精准营销、消费升级服务、征信及商业决策支持、政务决策支撑、预测预警。

图3 深度学习模型

图4 智慧社区能源互联网平台基本架构

2.智慧建筑能源互联网

目前，大数据的范围一般从几个TB到数个PB。大数据技术的战略意义：有目的性的处理数据、利用数据。大数据的处理过程包括至少四个步骤：数据采集，数据导入及预处理，数据可视化分析和数据挖掘。

智慧建筑能源互联网构建的方法是：以某智慧建筑（例如：智慧社区建筑群）周能源大数据分析为例，获取该社区从周一到周日七天各部分、各时间段能源消耗数据，把相关数据用R语言进行数据导入和预处理，在整合数据后，通过R语言程序对数据进行可视化分析并进行更深一步的数据挖掘，从而对能源消耗情况进行综合分析，提出优化建议。可推广应用领域：轨道交通站、场馆建筑、医院建筑、学校建筑等。智慧社区能源互联网平台的基本架构如图4所示。

按照以上方法做出的某智慧建筑一周七天能耗变化趋势如图5所示。

每天各项能耗占总能耗的百分比如图6所示。

3.智能保安巡逻机器人

近年来研制成功并推向市场的智能保安巡逻机器人代表如图7所示。

图5 某智慧建筑一周七天能耗变化

图6 某智慧建筑每天各项能耗百分比

图7 保安巡逻机器人

基本功能：（1）视频监控：机器人头部可以实现360°控制，通过前端视频采集系统将周围环境记录下来传输到控制台；（2）自主巡逻：能够根据自主构建的地图自主导航、自主巡逻，发挥保安作用；（3）违规停放识别：遇到违规停放车辆，实现自主上前语音提示车主将车库停入车库；（4）行人指路：当有行人向其问路，能通过语音提示将行人带往目的地；（5）辅助功能：垃圾检测、车牌识别、行人检测、人脸检测、热成像监控、井盖监测、空气质量检测等。