阿里云曾震宇：实现理想的智慧交通很难，但可以在一定范围内协同

编者按：7月12日-7月14日，2019第四届全球人工智能与机器人峰会（CCF-GAIR 2019）于深圳正式召开。峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）承办，深圳市人工智能与机器人研究院协办，得到了深圳市政府的大力指导，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流博览盛会，旨在打造国内人工智能领域极具实力的跨界交流合作平台。

阿里云智能事业群副总裁、数据智能产品事业部总经理曾震宇  

智慧城市作为复杂巨系统，一直是近十几年来产业界、学术界重点研判的话题。毋庸置疑，智慧城市的发展将会是一个逐渐演进的过程。阿里云智能事业群副总裁、数据智能产品事业部总经理曾震宇在CCF-GAIR 2019 智慧城市专场发表了主题为《全局协同的城市数据智能》的演讲，他在演讲中指出，智慧城市的演进将需要经历感、知、动的过程，并形成闭环。

他还表示，智慧城市面临技术和非技术层面的挑战，其中非技术层面的挑战更大。智慧城市的发展要用系统化、全局化的方式，充分利用数据，解决城市面临的问题。阿里云进入智慧城市领域率先布局的是交通，因为这是一个有大量数据，更容易看到效果的领域。

目前，阿里城市大脑已经在城市交通出行、城市旅游、城市停车管理、城市规划建设等多个领域发获得了明显的效果。

那么，对于未来智慧城市的发展，曾震宇的态度如何？

以下为曾震宇的主题演讲内容，雷锋网作了不改变原意的编辑与整理：

我今天跟大家分享的主题是《全局协同的城市数据智能》，想跟大家探讨我们提出的以数据为核心，用城市大脑的方式提升城市的智慧程度。我想先分享我如何看待城市智能化演进的过程。

城市智能化演进的过程

第一阶段是感， “感”是指城市安装的各样感知设备，如摄像头、IoT等设备。不过现在的情况是，很多城市装了感知设备，但这些设备大部分处于闲置状态，没有被有效利用起。比如，监控类摄像头很多是用于事后的研判。

第二阶段是知， 我们把前面感知设备所采集的数据在这个阶段可以真正收集起来，不仅仅是存储，还会对这些数据进行加工、处理、融合，从数据中获取事件与事件之间的相关性。我们从过去发生的问题中找到对有帮助的信息，同时可以对未来做出预测。

第三阶段是动， 借助设备产生的数据，城市和企业沉淀的各种数据，随后对设备产生的数据会进行数据加工，加工后生成新的数据和信息，这些信息可以在城市各种应用中流转，帮助我们做决策，形成动的过程。这是我们从感到知到动形成决策的闭环。在决策闭环中，数据起到了非常重要的作用。

我们现在城市的运营通过感、知、动的数据形成闭环，从而产生价值。在城市运营阶段形成的决策闭环沉淀出来的数据和智能，可以运用到城市规划中，帮助我们提升城市规划有效的程度，形成更大的闭环。

用体系化解决城市发展面临的困局

随着城市人口越来越多，城市面临很多困局，这些困局表面看起来是资源的不足，面对这些不足，似乎可以通过增加资源的方式解决问题。仔细想想在一个空间有限城市里，各种物理有形资源可以增加的程度同样有限，这就需要通过体系化来解决。

以交通为例，根据布雷斯悖论（Braess's paradox），随着城市越来越大以及人口越来越多，要缓解交通问题可以通过修路的方式解决。但在城市当中修一条新的路后发现交通拥堵没有得到缓解，反而变得更加拥堵，这形成悖论。

人的需求和预期变化很快，面对城市的困局，我们需要用系统化、全局化的方式看待。这个过程中我们可以充分利用数据，解决城市面临的问题。我们提出用城市大脑的方式解决城市面临的问题和挑战。

2016年开始，阿里云和杭州市政府合作做“城市大脑”，过程中我们发现用数据的方式解决城市面临的问题，是正确的方向。我们在杭州以及其他城市的实验中，以城市大脑中构建的数据核心，为城市带来了诸多的好处。

城市大脑的三驾马车

从这些年实践中， 我们总结出城市大脑几方面重要能力：

第一是数据能力。 前面我提到城市中有大量的数据，但数据散落在政府各个部门的手里，还有社会化的数据，通过城市大脑的建设把数据汇聚在一起，这个汇聚不是把数据从不同的地方搬到云上，进行分布式存储。真正的数据融合是把一个领域内，不同系统内的数据进入一个统系统后进行加工、融合、处理。

第二是算法能力。 数据融合后变成各个城市相关的实体类数据和实体相关的各类明细。我们需要用算法对数据进行加工，算法不仅是大家熟悉的深度学习算法，还包括结构化的机器学习算法、图算法等，发现数据中的相关性，对数据异常点提前检测，对未来作出预测，给相关城市的监管部门、决策部门提供相应的依据。

第三是计算能力。 强调计算能力是因为我们觉得对城市大体量的数据而言，如果没有高效的、价格低廉的处理能力、计算能力，数据是加工不动的。有一些地方把BI（Business Intelligence，商业智能）当做计算，我们认为它不是严格的真正的计算，真正的计算是需要用各种各样的算法。我们认为城市大脑包括数据能力、算法能力和计算能力，这是三大核心，三大核心缺一不可。没有这个三大核心我们根本无法把城市数据利用起来，无法让城市真正变得智能。

城市大脑建成后有一个非常重要的核心，我们称之为城市级别的数据资源平台 ，这个平台是把我刚才提到的数据能力、计算能力、算法能力融合在一起的物理平台，这个平台可以跑在我们阿里云上，可以把城市实时的海量数据进行融合、加工和处理，进行相关的预测。

预测生成的数据可以在各个业务系统中用于自动决策，并形成全局的协同。不过，城市会涉及非常多的领域，如交通、旅游、环保、医疗，我们可以针对不同的领域，建立相应的大型数据库，我们称之为“租户”，因为每个领域对数据安全性的要求不同，所以每个领域的数据在平台上既可以融合打通，也可以在大物理平台上通过逻辑隔离的方式进行相应的保护。

城市交通大脑

接下来我们看在一些行业中的尝试。我们最早尝试在交通行业做城市大脑，交通问题让老百姓和政府深受其害。我们解这个问题做的第一件事，是把数车做好。这看似是很简单的问题，实际上很复杂。我们关于交通的数据散落在各个地方，传统方式了解这个城市有多少辆车直接到车管所查询。这是非常静态的数据，也是不完整的数据，没有包括外地来的车辆，无法反映一个城市此时此刻车的数量。

城市大脑把政府数据、感知数据、互联网、高德导航各类数据进入融合，得到每一辆车的轨迹从而计算一个城市有多少辆车。统计好数据就可以获得一个城市的交通生命体征，就像人的血压、心跳和脉搏。

我们通过城市大脑获得城市生命体征，它包括宏观层面，就是整个城市有多少辆车在跑，有多少辆车停在停车场没有动，我们有主干道、快速路，这些路上平均速度是怎样的，细分到每一个区，区的特征是怎样的。微观到每一个交通路口的状况，我们都可以计算得到其生命体征。这对于交管、政府而言非常有用，它可以作为决策非常客观、量化的依据。以往是拍脑袋大概知道怎么做，现在有了数据的指导。

有了城市大脑中的数据资源平台的帮助，我们可以对交通信号灯进行优化。现在城市用了很多交通信号优化技术，这是最早在上世纪澳大利亚、欧洲起来的技术，现在很多城市用的是类似技术，这些技术是自适应技术，靠在每个路口下埋线圈、车感探测仪，通过这些数据动态获得此时此刻每一个路口有多少辆车，动态调整这个绿灯放多少时间。

大家知道一个城市发展快的话有很多交通重型卡车，这些车会对道路进行损伤，让地上安装的感应设备受到影响、损坏，一些城市最糟糕的情况是50%以上的路口感应器不起作用，没有数据。相当于这些信号灯“瞎”了，一旦遇到问题要靠人工配时专家进行处理。

我们建立城市大脑后完全可以把各类数据，如摄像头数据、感知数据、高德等各种数据进行融合。有了数据后，对交通信号优化配时做得更全面。以往交通信号优化时是为了车，交通不只是驾驶员，还有行人。我们在商业区要考虑到行人特点。比如大雨天或者发生重大事故，某个地方在举行重大会议时，每一个时候的交通需求不一样，优化的目标不一样，用传统的方式无法处理复杂的场景，只有通过大脑的方式做交通优化配时。

城市大脑无法把所有的城市管控起来，我们可以把非常简单的人工重复的工作用城市大脑接替，如有些城市的高架上的车流和地面上去的车流合并，这种场景比较简单，只有几个速度，包括上下游速度、地面速度。

城市大脑的处理可以自动进行计算，判断什么时候亮灯，绿灯周期是什么样子。这种简单的场景可以被城市大脑接替，形成从感到知到动态的决策。大量城市配时专家可以聚焦在重点、难点的问题上进行人工个性化的配时。这是我们做的城市大脑的信号优化配时。

2018年我们发布了城市大脑2.0。一路走来我们坚信这是正确的方向，一定可以通过这种方式让城市的交通、效率变得更高。

城市大脑能做什么？

前面谈我们通过信号优化配时解决问题，这个做法不是包治百病，只能对城市部分交通效率得到提升。有些问题在根源上，交通组织是否合理？我们可以对数据进行大量的分析，分析后发现城市中交通的乱点、堵点、隐患点以及城市的供给不平衡点给出建议，如路口车道划分，工作区早晚的流量不对称，我们能否通过增加潮汐车道的方式缓解交通。以往是通过人工经验区分，我们有了数据可以通过数据做客观的评判。

高速层面，高速是城市与城市之间的交通主动脉，一旦高速发生问题对城市的影响非常大。高速安装了非常多摄像头，可以对他们进行实时事件检测，一旦发现问题，比如发现车祸或者部分的拥堵，大脑及时发现警情发给交警，交警立刻派出地面警员对事件进行处理。在高速上事件处理及时，解决问题的效率会更高。

中国有很多旅游城市，旅游城市效率的高低可以用数据的方式进行相应的优化。杭州是一个典型的旅游城市，旅游旺季有很多游客来到杭州，他们首先进入交通枢纽，能否及时、快速的离开交通枢纽，对他们的旅游体验帮助非常大。我们可以对交通枢纽数据进行融合，对客流进行分析，对去向和热力进行分析，给交通枢纽的疏散资源进行动态调配，疏散资源包括接驳大巴、出租车、网约车。让外部运输资源根据内部交通枢纽的需求量进行动态的判断和决策。

另外，还可以对景区人员热力进行相应的分析，用数据判断出景区是否游客过载，进行动态诱导。杭州推出数字旅游专线，通过大脑对城市旅游景点的人员进行相应的分析，找出相应的热点，把游客疏散到周边人比较少，但同样风景优美的点。

城市应急场景，比如发生火灾，以往的做法是让消防、公安、医疗救护等各单位人员进行协调。我们可以通过城市大脑的方式作为中枢，它有各种各样数据的汇聚，让城市大脑中枢协调各个部门。让以前处理的预案从静态的方式变成动态预案，让各个部门从以往离散、各不相关的关系变成联动的关系。

城市停车，是非常麻烦的问题，很多公司尝试解决问题都没有真正解决。城市停车是典型的交通信息不对称的问题，需要停车的人找不到位置停车。我们在杭州尝试做一件事，杭州市政府把一些优先尝试的区域、停车场停车位信息打通，信息可以透明共享，让司机知道什么地方有停车位，更重要的是我们可以通过信息和数据打通做到先离场，后付费。

现在停车是进入停车场、拍下车牌、闸机起来，现在有很多付费方式，新的驾驶员不知道如何付钱，到了出口发现要去另一个地方付钱，这会造成堵塞。我们可以做到先离场后付费。驾驶员在支付宝上进行绑定，你先把车开走，支付宝扣掉相应的钱，让离场效率大幅提升。

城市全要素瞬时预演，这是有了城市大脑和数据资源平台才会发生的事情。城市平台以往是仿真的需求，某个地方需要拓宽路、修地铁站，以往的交通仿真是凭借经验预测可能产生的影响。城市大脑把城市过去历史的各种交通数据展现出来，可以在城市大脑上进行预演。

前面杨教授谈到城市数字规划，阿里云和中规院在雄安城市规划中深度合作。刚开始我们是门外汉，逐渐做下来我们认为城市规划领域，数据可以帮助规划起到非常重要的作用。我们在整个城市的运行阶段沉淀了大量的数据以及计算出有用的信息，对城市规律的了解，我们可以用到城市的规划阶段，让整个城市的规划效率更高，让其他城市规划效率变得更高。

现在技术发展非常快，有IoT、5G技术等，种种技术的发展让我们非常高兴，这些技术的发展可以帮助我们城市沉淀获取更多的数据，有了数据后，城市大脑可以对数据进行加工处理，对城市的运行可以掌握得更精准。有了更精准的数据后，这些数据在平台上跑的模型可以不停的迭代和演进，让整个城市变得更加智能。我们提出城市大脑可以帮助我们实现在线、实时、自演进的全局协同城市智能。我们希望城市大脑可以帮助我们让城市的生活变得更加美好。

这是我的分享，谢谢。

演讲结束后曾震宇接受了雷锋网的专访，以下是采访内容精选：

雷锋网：除了交通，智慧楼宇是否也是智慧城市重要的方向？

曾震宇： 智慧楼宇也是蕴含着大量的机会，但 楼宇相对而言挑战更大，因为数据散布在各个地方，要面对的企业会非常多，解决问题难度也更大，很难收敛。 所以我们先做容易出效果的交通，并不是说楼宇并不做，未来，在消防、社区等等领域，都需要把楼宇的信息纳入其中。

雷锋网 (公众号：雷锋网) ：智慧城市发展的主要挑战是什么？

曾震宇： 智慧城市的发展是个逐渐演进的过程，因为这个过程一部分挑战在技术层面，当然很大的部分挑战是在非技术层面。 非技术层面的挑战在于数据是在各个不同的地方，包括各个不同的企业政府部门，这些数据的融合，可能也需要去摸索，找一条相对比较合适的一些务实的一些路径。我们没办法一厢情愿的去做一些事情，一定要是比较务实的方式来做这个事情。

雷锋网：技术层面最大的挑战是什么？

曾震宇： 我们现在看到技术层面挑战更多在于对于对各种各样的数据的加工处理， 特别是在数据缺失或质量不好的情况下，怎么去解决实际的业务问题 ，这是一个非常大的挑战。

雷锋网：智慧城市发展的过程中如何建立一套统一的标准，加快智慧城市的发展？

曾震宇： 智慧城市的标准现在可能还没有真正到行业标准这个程度，但我们认为几个领域是一定要去做一些标准化的事情，让这个行业可以发展的更快，少走一些弯路。

第一个就是对整个城市的一些重要领域建模的标准 ，进行标准化之后，各个应用系统都能考虑到这样的标准化，应用系统出来的数据很容易的进入到这种模型当中，在这个模型当中的上层就可以很容易做各种各样的算法处理，支撑上层的应用。所以我认为城市的数据模型标准化，是比较重要的一个事情。

第二个就是在交通领域， 我在演讲中也提到交通信号的优化配置，就是从城市大脑里面产生的配时方案，要能够实际落地到那些信号机上，但信号机非常多，在这个层面就需要有从软件的这些大脑产生出来这样的一些指令，能够跟不同的信号机厂商实现互联，这需要有一套协议，实现双向互通。

雷锋网：阿里云的如何深耕产业，实现更好的数据融合、分析、处理，实现更智能的智慧城市？

曾震宇： 我们用的是一种生态的策略，我在演讲中提到的那些上层应用都是跟我们生态合作伙伴一起合作，包括中控、千方、朗新科技、浩鲸科技等。我们做底下的基于数据，包含算法的智能引擎，然后支撑他们做各种各样的标杆性应用。我们发挥算法、数据、计算的强项，他们擅长做应用，形成互补。

当然，许多算法的需求都是在实际业务中提出来的，根据他们提出的各种各样的需求和反馈，我们会和他们配合来解决这个问题，在这个过程中加深对产业的了解。

雷锋网：基于阿里云的城市大脑未来还有哪些应用？

曾震宇： 在我们的平台上还会有各种可能性，行业厂商可以在平台上去做应用。未来，可以鼓励行业性的创新，很多年轻人以前想做创新，技术手段是有很多，但离开了业务的土壤，就没办法做事情。有我们的平台之后，可以鼓励创新，在开放的不涉及安全和隐私的数据上，让这些创业公司百花齐放。

我们也希望建立这样的一个生态，这样的生态建立起来之后，城市大脑、数据资源平台就可以变成每一个城市的一个非常重要基础设施，在上面将会有非常多的可能性。

雷锋网：智慧城市发展的推动力主要来自哪里？

曾震宇： 政府可能还是一个很重要的一个因素，因为最关键的数据还是在政府手里。作为企业，我们能做的就是做一个助手，提供我们的能力。

雷锋网：以智慧停车的应用为例，撬动这一市场的挑战在哪？如何解决成本问题实现普及？

曾震宇： 智慧停车依赖于每个停车场的基础设施，但这会增加每个停车场的成本。这也是停车市场很难撬动的原因，因为它太过分散，不可能谈一两家公司就把停车场都搞定。另外，位置不同的停车场对于智能化基础设施投入的意愿也不相同，闹市区的停车场不愁客源意愿不大，偏一些的地方可能就愿意把信息公布出来。

我认为未来一定会朝着这个方向发展，未来成为趋势之后，也可能会促进公布信息意愿不强的停车场加入其中，他们应该不想成为一个独立王国。

雷锋网：智慧城市的发展挑战重重，我们也看到政府在积极倡导“大交通”。对于未来智慧城市的发展，您持什么样的看法？

曾震宇： 阿里现在很多业务部门做的事情都和智慧城市相关，我们从不从的方面去推动智慧城市的进程。 就智能交通而言，大交通包含了交通的方方面面，我觉得这是一个理想的状况，这一步很难达到，但可以在一定范围内协同。 在整个大的体系内形成一个弱连接，每个地方的智能提升可以让整个的交通出行的效率都能得到很大的提升。

至于智慧城市的整体发展，涉及的面太广，而且既有技术的挑战，也有非技术层面的挑战，要成为一个体系挑战非常大，但可以先实现垂直领域的智能化。

。