京东数科：搭建“城市操作系统”与合作伙伴共同解决城市痛点

亿欧网 • 5年前扫码分享

我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。

自十年前智慧城市的概念从实验室走出来，建设智慧城市已逐渐成为一项如日方升的计划。

2012 年，中国正式启动国家智慧城市试点，2014 年则首次将智慧城市建设引入国家战略规划。相关资料显示，截至 2017 年底，中国超过 500 个城市均已明确提出或正在建设智慧城市。除了北京、上海、广州、深圳等一线城市外，杭州、厦门等一些东部沿海地区也纷纷开始了「智慧城市」的建设。另外，湖南、山东、四川等省会城市也提出了建设「智慧城市群」。

但在京东数字科技看来，智慧城市（Smart City）的建设还不够，智能城市（Intelligent City）才是更重要的努力方向。京东集团副总裁、京东数字科技首席数据科学家郑宇教授在极客公园 IF 创新大会上说到：「智慧城市（Smart City）用智能城市（Intelligent City）来表达更为合适。智慧城市更像是搜集数据的阶段，而智能城市更多指的是在获得数据的基础上进一步发展。」

有学者认为，新城市理论提出的出发点，是为了决解当时城市中所面临的问题。例如，花园城市希望利用刚成熟不久的输电技术，来拯救被上百万煤炉搞得乌烟瘴气的伦敦；汽车主导的城市，则基于汽车的大量普及，希望通过修建大量连接城市与郊区的高速公路，来保持城市活力。

而最初关于智慧城市的定义，也透露着类似的想法。纽约大学的 Anthony Townsend 教授在其专著《智慧城市》中所写下的智慧城市定义：「一个将信息技术与基础设施、建筑、日常生活用品甚至我们的身体相结合，来解决社会、经济和环境问题的城市」。简单说来，用信息技术来解决城市发展中出现的问题。

京东数字科技也沿袭了类似的思路。不过在问题的选择上，并非以商业为重心，更多考虑的是社会责任，例如雾霾治理和交通规划都是京东智能城市研究院要利用城市计算平台解决的重点问题。

但真正建设智能城市的过程面临着很多难题。比如在生态上，如何避免烟囱林立、一家独大。除了京东数字科技的城市计算平台外，华为也推出了智慧城市神经系统、阿里巴巴提出了 ET 城市大脑、腾讯发布了数字城市，各家都期待制定标准和通则。在数据融合和安全方面，如何打破壁垒以及保障数据安全也是问题。除此以外，郑宇教授还提出目前智能城市建设的商业模式、人才也面临新挑战。

以下是郑宇在极客公园 IF2019 创新大会上的演讲实录（经过极客公园编辑，略有删减）

京东数科：搭建“城市操作系统”与合作伙伴共同解决城市痛点

大家上午好！大家都知道现在城市发展得非常快，但是各种问题也接踵而至（交通拥堵、环境恶化、能耗增加）。解决这样的问题在很多年前看似几乎不可能，因为这个城市设置非常复杂，环环相扣，牵一发而动全身。

现在随着大数据、云计算、人工智能技术的到来，我们似乎也看到了新的希望，能否利用这些技术解决这些问题呢？

在这样一个新的动机之下，各地政府加入了智慧城市建设的队列中来。按照严格的英文表达，智慧城市的英文是 Smart City，其实应该用 Intelligent City 来翻译和表达，这样更为精准，而 Intelligent City 再翻回中文的话，「智能城市」是一个更好的表达。

但是，大家似乎又发现智能城市的建设并没有想像的那么容易和顺利，因为在这个过程中我们会面临四个方面的挑战：

挑战一： 我们需要一个生态 。不需要烟囱林立的系统，互相不互联也不互通，但是很难有一家公司能够把整个城市里面所有问题都解决，怎么解决这个矛盾是一个问题。

挑战二： 数据共享和数据安全一直是一个矛盾 。政府倡导数据的开放和共享，但是同时有很多委办局的数据有安全性和机密性，所以不能拿出来给到其它部门，在保证数据安全的前提下，实现数据共享也是一个问题。

挑战三： 我们需要一个商业模式 。政府的资金永远是有限的，如果单纯地依赖政府的投入来建设智能城市，很可能每当我们开出一批新项目时，就有一批旧的项目失去经费支持，如果这些项目本身没有良好的商业模式，就很难持续的运营存活下去。

挑战四： 人才的优势和缺失 。我们在建设智能城市时需要一大批复合型人才，既懂大数据、人工智能，又懂行业、交通、环境，只有这样的人才能帮我们解决问题。我们发现，单纯依靠高校的几门课程很难真正成为这样的复合型人才。

那么，如何解决这四大问题成为了每一个要建设智能城市的公司所需要回答的问题。

京东城市通过 城市计算平台 搭建城市操作系统、构建生态，解决数据安全和数据壁垒之间的矛盾。

城市计算平台是专门针对城市大数据、数据标准化、算法模块化、平台生态化的平台，城市计算平台可以搭在任何一个现有的云平台上，对云进行赋能，来解决现在城市里的问题，它有四个特性：

特性一：数据的标准化 。

我们在城市里面会面临纷杂的数据，数据种类特别多，如果没有一种标准化的数据模型，就会出现「一种数据建一种模型」的情况，使得系统变得过于庞大，最后趋于崩溃。

在城市计算平台里面，我们把整个城市的数据归结为六个模型，也就是，无论有什么数据过来，我们都可以通过这六个模型或者它们的组合把数据装进去，这样就可以使得不同部门、不同企业之间的数据标准化、互联互通、可共享，同时也使得系统变得可扩展。

特性二：算法的模块化 。

我们发现很多不同应用背后的算法模型可能是公共的，当你做了大量城市服务之后，能否把这些公共的人工智能算法抽象出来，沉淀成积木化的模块，再把这些模块开放、复用，这样就大大降低了其它企业做 AI + 城市的准入门槛。

有了这两个技术还不够，在城市计算平台里面有数字网关的组件，它可以实现不同城市计算平台之间的互联互通，在数据不出各自企业的服务器，数据还在各自委办局内部的情况下，做到知识共享。

我们可以把平台落在公安局、政务办、企业内部，通过网关把不同平台连到一块，最终构建了一个城市操作系统。这是一个特别新的技术，有了这样的技术之后，我们就能够真正构建城市操作系统。然后把这个城市操作系统开放出来，通过货架式的方法，让更多的第三方企业利用这个平台标准化的数据模型和积木化的算法模块能力，快速搭建自己的应用，这样就变成了一个生态，让更多企业一起解决智能城市问题。

很多企业有业务的背景，也有需要用人工智能的诉求，但是很难自己去养一支人工智能和大数据团队，有了这样的开放式生态平台之后，他们就可以快速提升自己的能力，更好地服务于城市。

从开发者的角度来看，你使用这个平台是非常简便的，以前我们做各种人工智能算法模型时非常复杂，花的人力、物力特别大，而在这里，只要通过图形化的、简单的拖、拉、拽，就像搭积木一样，很快就能实现人工智能的应用。

以前我们团队有20几个人做空气质量分析和预测，大概需要花两年时间。但现在，通过这样的一套系统（拖、拉、拽），一个人花两天时间就能把基于大数据和人工智能的空气质量分析预测搭建出来，极大降低了开发成本，为其它行业赋能。

再之后我们提升了通过拖、拉、拽的方法快速搭建数据展现的表达能力，因为你做了大量计算之后要把你的系统展现出来，我们提供了一个非常简便的操作方法，通过拖、拉、拽的形式，快速构建可视化的展现系统，让用户最后能看到计算结果，帮助他们做辅助决策。

在城市操作系统下面，一定需要更多的应用。下面做一个类比，如果我们把云计算平台看成 PC 机，智能城市操作系统就像这个 PC 机上的 Windows 系统，在这个城市操作系统上面的应用就好比 Windows 上的 Office。用这个做类比大家就可以明白什么是云、智能城市操作系统和上面的应用，就相当于 PC、Windows 和 Office 的关系。

我们打造了一个智能交通整体解决方案，包括对不同交通工具的覆盖（自行车、出租车、公交车、地铁、自驾），以及针对不同的委办局（公安局、交管局、行业服务公司），做了一个全方面的智能交通方案。

现实生活中有很多机动车占道停车（特别是占用自行车道停车），这不仅容易造成交通拥堵，也带来了很多安全隐患。我们没有那么多警力、人力在每一个街道部署管理人员，但是一个地方有和没有机动车占道停车，人们骑共享单车的行为和轨迹发生了很大变化。比如说，如果这条路上没有人占道停车，骑自行车经过这个道路时就可以很顺畅地骑过去，但是一旦有人占道停车，就不得不绕过这辆车，骑到马路中间，再骑回来，而这个绕过的动作就会通过共享单车的GPS轨迹自动记录下来。

在我们的城市里面，已经有大量的共享单车在骑行了，我们不需要装任何新的传感器，不需要添加任何新设备，就可以利用人们骑共享单车的轨迹数据，高效地自动检测什么时间、什么地方有违章停车，然后把管理人员精准投放到这些区域，加强管控，保证人们的骑行安全，减少交通拥堵。这样的技术已经实现了高效自动化，既和城管相关，也和交通相关，而它只是智能交通方案中的一个点而已。

下面看一下智慧环保。我们从环保的规划-环保监测-环保预测-环保溯源，涉及到环境的水、空气、土壤、固废等很多方面。大家最有感触的可能就是空气质量，这么多年来，政府持续的关注空气质量，建设了很多的空气质量传感器、检测站点，但是这样的站点非常昂贵，在北京只有 35 个站点。

但是，这个城市的空气是非常不均匀的，因为会受很多复杂因素的影响，包括交通流量、污染源、扩散条件，这些都是不一样的，也就是说我们现在站在这个地方，我们所在的位置，它的空气质量到底是多少，其实我们并不知道，你不能简单地根据周边的一个站点来做一个线性差值得到。

我们结合大数据和人工智能的技术，考虑交通、环境本身、大气、天气预报、道路结构、扩散条件，用人工智能去算出城市每一个角落里面，每一平方公里里面，这种细粒度的空气质量。即便这个地方没有建站点，只要这些数据是存在的，我们就能够算出来，而且准确率很高，这样不但大大节约了国家的建设成本，也能让我们清楚地知道，当空气质量从好到坏的过程中，哪里先变坏，哪里后变坏，从而可以追溯污染源。

进一步我们还去预测未来，48 小时各个地方的空气质量变化。特别强调一下，空气质量预测，不是简单的雾霾预测，雾霾预测其实挺容易做的，就是一个天气状况。

有雾霾的时候空气质量不一定会差，没有雾霾的时候，空气质量也不一定会好，只是雾霾形成了一个锅盖效应，导致地面尾气的排放不能及时地扩散，你想象如果雾霾出现在原始森林里面，没有地面的尾气和人的活动，我们也不会有 PM2.5 的积聚。

所以，空气质量预测既要看天，也要看地、人，是一个非常复杂的预测过程，而且我们做到非常精细化的预测，我不是说明天北京有没有雾霾，这太容易做了。我要说的是，在 798 园区这个地方，未来的 4 个小时怎么样，清华大学未来 12 小时怎么样，天安门未来的 48 小时、24 小时又是怎么样，这种精细化的预测，就会变得更加的难以把握。

这一系列都是通过大数据和人工智能的技术来实现的，目前这个服务已经覆盖了中国 300 多个城市，持续为政府提供技术支持。我们再看一下公共安全领域的一个例子，在公共安全里面，涉及到事前的分析、事中的决策，事后的处置。

这是一个大而全的系统，在这里面我们跟我们的合作伙伴来共同搭建这样一套完整的智能公安的解决方案，不是一个简单的点，因为公安涉及领域太多、复杂。

我们讲一个具体的点，在城市里面，人的流动是一个很关键的因素，首先会带来公共安全的隐患，比如说如果区域有很多人要涌入，但是这个区域的地方只有这么小，就很容易造成踩踏事件。如果你们还记得在某个地方 1 月 1 号的灯光秀，就是因为很多人涌入狭窄地带，使得短期之内难以疏解，如果我们能够提前几个小时就能预测，未来各个区域城市的各个区域到底会有多少人进去，以及多少人出来，我们就可以提前管控，降低这种风险和成本。

进一步，我们不光是想知道，每一个区域有多少人进和出，我们还能知道，这个区域和区域之间的转移，也就是说我以前只知道这个区域进来了 1 万个人，我并不知道他从哪儿来的，现在我知道他可能是从清华、北大、天安门过来的。

我也知道这个人离开了这个区域之后他去了哪里。如果你能够知道人的源头，你就可以在源头进行分流，而不是人到了目的地之后再说请你离开，我就可以在他上地铁站的时候就打出一个警告说，「未来你的目的地将会出现人满为患的隐患，你要不要改变你的行程。」

所以，这样一个系统不但帮助了我们的公共安全，也对我们的物流调度也有很大的帮助。你想象一下，这个模型可以用在任何一种「流」的预测，可以是人流、物流、外卖流、出租车流、共享单车流，实际上，已经有很多的公司在用这个模型去做各自业务的流量预测，甚至你可以把区域里面的人流换成区域里面的用电量、用水量，在很多年前，这个技术很难实现，因为它太复杂了。

比如说人流预测，跟很多的因素相关，跟天气、事件，跟你周边的人流变化都相关。直到深度学习出来之后，我们才有新的解决方案能够攻破这个难点，但是，这里的深度学习，并不是大家所熟知的人脸识别那套系统。它是针对城市大数据特有的人工智能技术，特有的深度学习算法，这其实是一个比较新的领域，过去的研究还是有一定的缺失。

讲完公共安全之后，我们看一看城市信用，现在城市信用在很多的地方都大力提倡，包括了居民的信用、企业的信用，也包括了政府的信用。居民的信用涉及衣食住行，企业的信用涉及到企业的贷款、融资、上市、补贴等等，政府的信用可以帮助其评估自己的环境，衡量自己的效率。

这里我们讲一个关于企业信用的案例，这个是我们在福州搭建的一个企业信用的地图，这里面每一根柱子代表了一个企业，柱子的高度就是企业的信用风险，红的柱子这里，越高的风险越大。

这里面我们用了企业的经营数据、司法数据、创新数据等等很多的数据，然后利用大数据和人工智能的方法来计算一个信用分数，我要强调我们是用大数据和人工智能方法动态计算这样的分数，而不是简单的加减分规则。

因为，信用一定是跟场景相关的，一个公共的信用分数意义并不是那么大，比如说我去租一辆共享单车的时候，他的信用应该考虑的因素和我去贷款买车的时候，所需要考虑的因素是不一样的。我去租一辆共享单车的时候，有没有房产可能并不是那么重要，但是你去贷款买车的时候，你有房可能就很重要，因此同样一个因素，在不同的信用场景里，它的贡献是不一样的，甚至不同的场景里面，我们需要考虑的因素是不一样的。所以，绝对不能用一个简单的规则和一个简单的分数提供信用服务。

在这里我们用大数据和人工智能算法。动态的计算到底哪一个数据在这个场景里更重要，哪个数据不是那么重要，这就是动态的计算权重，同时还可以预测企业的信用。我们更多地希望能提早知道哪些企业的信用可能会出现问题，我们不希望和它合作之后，出了问题他们卷钱跑了，然后才通知我那个企业不好，事后处置成本太高了。如果能够提前告知，做出预测，就可以降低风险。

我们更希望告诉政府为什么会有这个问题，比这个企业到底出了什么问题，或者这一片区域有什么样的政策性风险。有了这样的抓手之后，政府可以更好地管理企业、帮助企业，企业也可以更好地规避自身风险。

大家可能会问，为什么京东要做智能城市？其实之前 12 年时间，我在微软一直做智能城市，去年 2 月份加入了京东集团，京东数科在 2018 年 11 月 20 号 JDD 大会上，成功做了品牌升级，我们从最开始的金融业务扩展到城市、农牧、广告。

京东数字科技是我们的母品牌，而下面是我们的独立子品牌，我们的共同理念是数字 + 产业，以前是数字 + 金融，完成了对金融业的升级，现在是数字+城市、数字+农牧、数字+广告，这符合我们的战略定位。

另外，我们这个领域和其它公司不一样，行业里面到目前为止，没有一家和我们类似的公司。大家可能听过城市操作系统这个概念，但是可能没有那么深入和细致地讲解过，我们和市面上的公司有什么区别呢？

市面上现在做智能城市的公司大概分成三个类别：

1、 传统智慧城市公司 ，主要是以系统集成、信息化为主，这个很重要，完成了城市的基础设施建设、数字化的一部分。

但是再往下一步就是我们做的，从 数字-知识-智能 ，怎么用人工智能的方法深挖数据的价值呢？一上一下形成了有机的配合，这是我们的不同点。

2、 云服务提供商 ，很多企业都在为政府提供云服务，但是更多的是云的基础设施，像底层的 PC 机，而我们做的是 PC 机上的 Windows，而且这个 Windows 是专门为城市应用做的。我们的商业模式也不一样，我们不卖云，我们下面可以用任何一个公司的云，然后为它赋能，我们把云变成了一个生态，然后再开放出来，让更多企业能够上云，共同建设智能城市，这个模式是完全不一样的。

3、 新型人工智能公司 ，它能解决一些点的问题，比如说能用摄像头识别流量，做人脸识别，这个当然也很重要，但是在智能城市里它是一个综合体系，特别复杂，环环相扣，单纯的一个点很难满足政府的需求，政府需要的是一个既有顶层设计，又有垂直应用的公司。

过去 12 年里，我们做了大量的行业应用，沉淀了很多知识，到这个时候我们才能从很多的应用里抽象出公共模块，再把那些公共模块沉淀到平台里，然后开放出来。

所以，我们既能做点线面结合的顶层设计，又能做跨领域的垂直应用，最后能推动这个城市从规划-运维-预测的闭环可持续发展模式，目前市面上没有一家和我们类似的公司，我们不是卖云的公司，也不是只做人工智能算法和系统集成的公司。

我们有几个优势：

第一个优势，技术领域的优势，我刚刚一直说针对城市大数据、时空数据的人工智能技术和数据管理技术，这一类技术在以往是缺失的，我们不能把一个简单的人脸识别技术拿来识别，不能拿一个简单的自然语言处理技术就去预测空气质量，这根本不是一回事。

所以，我们在这里有 10 多年的积淀，对时空数据的管理、分析和挖掘有大量的沉淀，同时还有基于用户隐私保护的联合建模技术（数字网关），让数据不出户，就能实现知识共享，这都是一系列的特有技术，可以解决数据的安全和数据壁垒的矛盾，同时也可以构建城市操作系统，搭建这样的一个生态。

第二个优势，行业经验。我们分为两部分：

1、对交通、环境、能耗等垂直领域，行业 know-how 的积累是非常肯定的。

我是学计算机出身的，做大数据人工智能，但是通过跟环保领域的专家学习和结合，我已经在清华大学的环境学院，给研究生上课上了四年。当你把两边的知识都掌握地很好的时候，才能把大数据和人工智能与行业知识做完美的结合，才能真正解决行业的问题。这方面的经验很重要。

2、产学研一体化的经验。我还有一个特殊的身份是教授，为什么京东集团的副总裁是教授呢，因为我之前在很多学校做兼职博导，现在还是五个学校的兼职博导。

我知道学校里面的几门课不能解决行业的问题，要把学校与企业联合在一块，共同培养人才，共建学科，用真实的数据和项目喂养人才，这样的人才培养出来之后就能够真正满足社会的需要、企业的需要，这个经验我们也很丰富。

第三个优势，政府有数据，京东也有数据，京东有三亿用户的电商、物流、金融数据，跟合作伙伴数据的融合，我们已经构建了一个强大的数据网络，可以帮助政府弥补自身数据不足的问题。