“智”愈城市

沈玉姗

无论从人口规模、土地面积还是城市功能来看，北上广已位列当之无愧的三座世界级特大型城市。单上海地铁突破1000万次的日均客流量，就足以令人咋舌。

城市化进程构建了高耸入云的建筑和随处可见的商场，也带来了如织的人流和拥挤的交通。随着大数据、云计算和人工智能的综合运用，市场规模千亿元级的智慧交通成为智慧城市的一项核心板块，而一座城市的毛细血管——道路交通正在以新的方式被不断激活。如何更智能化、精细化地规划与管理一座城市？

突破经验主义

对于管理者而言，城市规划及管理是一项多学科交叉的高难度工作。而对于居住者来说，城市系统或许比想象的还要更复杂。

微软亚洲研究院城市计算负责人郑宇博士給《21CBR》记者打了个比方。

围棋棋盘由纵横各19道线形成，共有361个交叉点，每个点有黑子、白子和空着不摆子三种状态，就能衍生出千万种棋局。和情况更为复杂的城市交通比起来，AlphaGo面对的问题可能是“小巫见大巫”了。因为，国内中大型城市的道路数以千计，如果将城市中的每个十字路口都比作一个点，“城市棋盘”的点数足可达到十万级别以上。

对于每日穿梭在各个点之间的都市人群，最关心的出行问题是堵车。智慧交通需要从城市运转的中心大脑一路延伸至神经末端，才能让一座城市流动起来。

将宏大的智能交通项目落实到一座城市的某个十字路口，具体包含哪些要素？

视频监控产品及解决方案供应商宇视科技的首席架构师姚华告诉《21CBR》记者，相关部门出台了在业内被称为“19项标准”的部署细则，比如通常正反方向各需要一台摄像机，补光灯和爆闪灯则是标配。此外，所有路口都设有网络机箱、信号控制机和流量传感器，部分路口甚至需要不间断电源。

2016年4月，福州启用了宇视科技的智能交通整体解决方案，对全市309个路口实行覆盖前中后端的一体化管理。以核心的监控摄像头为例，从早期的200万像素到常用的300万-700万像素，具体部署时如何选择型号，大有讲究。

比如，对于路面较宽的单向4-6车道，往往需要在前端配备两台900万像素的高清设备，数据源源不断地传输至后端，再通过在指挥中心建立大数据平台和相应的传输、存储和显示配置，实现交通业务的外部呈现和表达。

实际运作起来，这套系统每日产生700万条过车数据，福州交警一个月内处理了3950辆涉及闯红灯、超速等违法行为的车辆。前端摄像头智能识别、自动抓拍并一路追踪违法车辆的轨迹，后台则在比对复合后自动开出罚单。对于套牌等行为，系统还会进入车牌库进行二次比对。一线交管的力量则集中用于酒驾等突发事件，取证更严谨了，大量的人力却因此可以解放出来。

智能化出现以前，各地交管的治理方式可以被归结为“经验主义”。得益于2002年全国交通信息化工作的启动开展，一线交警通过大屏指挥中心等方式监控到城市拥堵情况，就会立即加大一线人手派出，强化车辆疏导，同时对特定拥堵路段进行红绿灯次控制，比如，将绿灯间隔的长度延长1分钟。

这样的做法常常是有效、可控的，因为在大部分时间段里，每座城市的交通流量“其实是相对固定的”，姚华介绍，“每个交警都有自己的现实管理经验。”

但是，经验在某些时刻未必能发挥作用，比如，向来缺少降雨的北京市，在2016年7月遇到降水量达200毫米以上的特大暴雨，哪些地方会在什么时间点出现道路积水，影响交通正常运作？这些问题足以问倒任何一个城市管理者。

又如，周杰伦在广州举办演唱会，会对体育馆周边的交通造成什么影响？姚华表示，业内太缺少这样的特殊样本积累，理论上，需要周杰伦连续来三年，才能在第四年提前做出预测。“因为周杰伦与李宗盛（演唱会）对交通的影响，又是不尽相同的。”

目前，宇视科技的两个主要交通业务模块——违法违章处理和流量控制管理，在收入端呈现7：3左右的比例。鉴于深度学习和机器视觉近年来的爆发式突破和增长，国内智慧交通在车辆及行人管理上成效显著，形成了实时监控、全面取证、智慧研判等一整套常规作业流程。不过，姚华也坦言，现阶段仍有交通流量的预测管理等诸多难题尚未被解决。

开放公共数据

2008年，微软亚洲研究院设立城市计算研究方向，由郑宇博士担任负责人。团队的主要工作是通过对城市大数据的融合与分析，解决城市交通、市政规划、能源环境中面临的问题，并为环保部和上海、贵阳、福州、成都等地方政府部门提供咨询服务。

郑宇表示，微软的方向很明确，不是花时间讨论智慧城市的概念和标准，而是用计算机知识和人工智能技术，解决城市里实际面临的各种问题。

城市计算是一门融合计算机与城市规划等专业的新兴交叉学科，与纯图像、语言处理相比，属于典型的“多数据多任务”。面对大到全市生产总值，小到一间杂货铺每日用电量的海量数据，研究者一开始就容易陷入一个巨大的疑问：如何知道哪些数据能为我所用？

郑宇坦言：“很多学生做完了项目A，到了项目B还是不知道怎么开始，需要具备很强的演化推理能力。”获得这一能力的门槛不低，既要懂得机器学习、数据挖掘和数据可视化等技术，又要掌握一定的交通、环境等领域知识。培养出这样一个行业稀缺的数据科学家，在郑宇看来至少需要7-10年，与微软合作的纽约大学于2013年8月专门开设了城市信息学的硕士专业，时任纽约市长的布隆伯格亲自揭牌欢迎新生入学。

要用好数据，首先必须懂得数据。比如，一间本地商场属于时空不变的静态点数据，城市路网则是静态网络结构数据，单车骑行轨迹则是最复杂却最有价值的动态点数据——时间和空间都有变化，且点和点之间关系连续。

城市问题的数据特征属于典型的“多源异构”，大量跨领域、跨特征、结构不统一的时空数据，在政府系统内通常涉及多个部门，对数据的质量要求又高，获取难度可想而知。美国纽约曾为此颁布了《纽约市开放数据法案》，要求各部门打破壁垒，建立公共数据开放平台。

贵阳在国内率先提出城市大数据开放平台的计划。2016年，郑宇主持了该数据平台的设计和实施。2017年1月，上述平台开始试运行。截至目前，平台上可以浏览、下载到535万条数据，涉及51个部门的1180个数据资源。比如，市交管局提供闯红灯设备路口点位表，市交通委则发布市区加油站的分布情况。城市计算组后来还开发出一款基于出租车数据的实时大人流预测系统。

同时，各地也纷纷开始行动。2016年下半年，摩拜单车的公司注册地——上海徐汇区政府牵头微软和摩拜，开展基于大数据的自行车道规划工作，并给出了实际场景及问题：为辖区内的5个片区建设30公里的自行车道。建设经费和土地资源是有限的，同时，自行车道作为一项公共资源，必须尽可能服务更多的人，并在有限区域内相连分布，便于施工和后续管理。

基于1万多名摩拜用户一个月的20多万条骑行轨迹，郑宇团队开发设计了一套软件系统，输入修路预算和对应的修建里程数，系统就会自动生成在徐汇区内的车道规划路线建议。徐汇区一方面联合上海市规划院，试图在全市范围内推广，另一面与微软方面的第二阶段合作也已悄然启动。

市民或许更想了解的是，系统生成的路线规划是否切实符合实际使用需要，车道建成后，会因为大量流量涌入而产生新的拥堵吗？

郑宇解释，整体业务逻辑并非地图类App通常给出的“推荐行车路线”，而是聚合多人的实际骑行数据，找出覆盖最多行驶人数的线路。试想一下，对于一条特定路线，隨着骑行长度的持续增加，走同样路线的人数通常会相应减少。因此，对于每一个都市通勤的个体，规划路线或许都不意味着“家到单位”之间的两端最短线路。但对群体而言，道路的实际效用将获得最大化的满足。

试验人流预测

在城室科技联合创始人刘浏看来，相比城市管理者掌管的海量数据，中国互联网界的BAT和独角兽们在数据优势方面渐渐后来居上。这些公司手中握有大量的定位、消费、支付等数据，在城市管理领域的商业价值尚未明晰，但应用潜力巨大。

抓住用户，就抓住了数据。归根结底，城市的核心仍在于人。

城室科技是一个提供城市大数据咨询服务和分析工具开发的初创团队，刘浏毕业于美国麻省理工学院城市规划专业。2015年底，刘浏在中国城规院上海分院，负责承担住建部的全国城镇体系规划人口流动大数据专项。当时刘浏作为外聘专家，在腾讯深圳总部工作了一个多月，调用QQ后台的活跃数据进行人口流动分析。

彼时，上海外滩的新年踩踏事件余波未平，腾讯内部也基于QQ的6亿活跃用户数据，进行大人流监测产品的开发工作。理想的产品形态是，依托腾讯云的大数据计算平台，对人群进行动态跟踪和分析，帮助政府管理部门对城市警力、交通和电信等公共服务资源进行及时的优化配置调整，比如当某个地方的人流超过正常值，系统就会自动报警，该地区的QQ用户则会在手机上收到通知，将危险降至最低程度。

2015年4月13日，上海市政府与腾讯签署战略合作框架协议，共同提升智慧城市的服务水平。尽管合作细节不为人知，但此后两年间，上海国庆长假期间的轻微无损交通事故数量，直线锐减至2016年的7969起，约为2014年同期的一半。

大人流监测的实现也基于车辆违章、人脸识别等场景的机器视觉技术，业内俗称“数人头”。2017年1月，广州火车站上线国内首个春运大数据实战应用项目，宇视科技为其部署具备人数统计功能的智能高清IP摄像机，后台安装CPU+GPU混插的“昆仑”高性能计算平台，最多可并发处理2.4亿人脸大库智能搜索。广州火车站是全国春运历年发送旅客最多的车站，宇视科技的方案覆盖了滞留人数最多的站前广场区域。

广州地区春运指挥部实时关注着整个火车站区域的滞留情况，并对接广州市教委的大数据分析平台进行比对，从而快速调整指挥工作，防止严重聚集和踩踏事件的发生。比如，当人数达到5万时，火车站会启动五级响应，并通过高铁转普铁来缓解火车站压力。当人数超过10万，则会全面组织旅客退票。

上海外滩踩踏事件发生后，郑宇第一时间发布微博，表示可以采用大数据和人工智能的方式做出预测分析。有网友对此不解：“都知道会有很多人去，还需要预测吗？”在清华大学的大数据讲座上，郑宇进一步说明，“政府需要知道的是‘多的程度、人数达到峰值的具体时间，甚至是每个单位时间的人员进出数量，才能做出决策，50万人和100万人对应的安全等级和措施是完全不一样的。”

微软方面因此提出了“城市黑洞”和“城市火山”的概念。“城市黑洞”是指一段时间内进入一处区域的人群数量远远大于流出数量，而“城市火山”则恰恰相反。

还是以周杰伦开演唱会为例，演唱会开始前体育馆和周边会形成一个黑洞，演唱会结束后，大量歌迷涌出则像是“火山喷发”。郑宇团队的研究发现，黑洞和火山的大小呈动态变化，边界则不固定，形成一段时间内，范围还会逐步扩大。

2016年底，微软亚洲研究院的人流预测系统在贵阳市落地试验。系统将城市地图分为1公里×1公里的均匀网格，再把贵阳出租车的实时GPS轨迹信息投射到网格里，通过预测每个格子未来有多少出租车进和出，得出3-5个小时内贵阳市内以及相应每个格子所属区域的人流估计情况。系统在视觉呈现上是一个二维热力图，颜色越红的地方代表人越多。

和交通流量预测一样，人流预测同样十分困难，天气、时间都是影响因素，甚至相隔很远地方的人流进出也要纳入考虑。多名业内人士告诉《21CBR》记者，北京市交管也在采用类似的方法积极探索。以公交车、出租车的流量状态来辅助预测整个城市的交通、人流情况，成为当前这一领域的热门研究方向。

中国正在建设智慧城市的道路上拼命追赶。

姚华眼中的智慧交通与一座城市的经济繁荣密切关联，“上了部分业务后，一些城市的交通改善了，但随着买车的人增多，拥堵情况又会出现”。

这样的螺旋式上升在微软看来，贯穿城市的前世、今生和未来：用大数据和人工智能洞察历史、高效运营和合理规划，形成一个环路，最终将带来更美好的城市。