「城市大腦 」讓城市的數據流動起來

我提出一個概念叫「城市大腦」。為什麼命名為城市大腦？其中有三個核心的想法。第一個，關於城市數據的事情。想法比較簡單，就是希望大家能理解數據是城市不可分割的一部分。我們去杭州規劃院的時候，規劃院的目的是利用數據將規劃做的更好，交流之後，我說要將數據當城市的一部分來規劃。所以存在兩種不同看法，一種是將數據看成是為原來的規劃服務，一種是數據就是規劃的一部分。

城市規劃是以土地為載體。今天遇到的問題，是數據的沉澱是足夠的，但從來沒有認真的分析。主要沒有從城市運行的角度來看待，把城市的數據當成城市不可分割的一部分來考慮。我認為城市中所有人的數據、所有車的數據，都應該是城市不可分割的一部分。這是初衷。 這是一件事情。

第二件事情是，我很早前考慮一個觀點，人類在進化的過程中，是在消耗大自然的資源，土地、水、石油等都是大自然產生的資源，今天將城市數據當成一個資源，則是人類自身產生的資源，是不一樣的。所以，城市大腦的第二件事情，就是我在思考人類自身產生的資源是否可以拿來優化公共資源的調配。過去的公共資源的調配靠政策，有沒有可能因為人類自身產生新的數據資源后，能將公共資源調配的更好。

第三個想法，為什麼叫做大腦，規劃說只是用數據將規劃做到最優，其實就是個靜態問題，城市弄完，數據就沒用了。但城市運行其實是動態的東西，在運行過程中才會發現問題，而不是只在一開始設計的時候。所以為何叫大腦？即能在運行中發現自己的問題。

以上是最基本的三個想法，總結而言就是，發現多了一個資源，資源叫數據，是人類自身產生的，數據可以極大的來調節原來對公共資源的分配，並在運營中發現問題。

我們說到人工智慧。有三個東西很重要，第一是數據本身，第二是後台的雲計算，第三是和人工智慧的關係。在這兒我想說對人工智慧的看法。這是蠻有意思的事情。

人工智慧這個詞從五十年代就出現了，是有爭議的。翻譯成中文的時候歧義就更大了。最早說的 intelligence是指 human intelligence說的就是人的智能，人知道自己的智能是不夠用的，所以在很早以前開始使用人以外的資源了，開始使用Animal intelligence。五十年代提出人工智慧這個詞的時候，數據一說，都是演算法。當時，讓任何計算機去做人或動物去做的事情，大家都覺得是非常了不起的事情。這就是為何五十年代人工智慧出來的時候完全是邏輯學為基礎，用邏輯學來模擬人的邏輯思維。任何想拿計算機去模擬人可以做的事情，都是人工智慧，這是我自己的理解。而今天發生了巨大的變化，今天機器的能力大大超過五十年代機器的能力，這個超過不是一點點，今天的機器和當時的機器有什麼樣的差別，我舉個例子，一個晶元的能力，看有多少個晶體管。70年代初的時候，一個CPU上只有兩千個晶體管，今天一個手機上的處理器增加到一億個晶體管，兩千到一個億是乘上了多少倍，不用說處理能力增加了多少，更不用說我們現在人均消耗掉的晶體管了，大概每年能達到20億晶體管，這個數字是超出我們大米的數字。現在人「吃」晶體管的速度比吃大米的還快。 這是一個方面，讓我們來想想這其中發生的巨大變化。

第二個，來看計算機發生的變化，大家知道在20年代有深藍，在當時的超級計算機里能排名到二百五十名以內。今天手機的處理能力和深藍是一樣的。就是20年的時間，我們每個人口袋裡都帶著一個在20年前排到兩百多名的深藍計算機。我們再用alphago來說明一下，alphago沒有正式公布他的硬體的配置，但我根據信息推斷，alphago在下棋的時候，計算能力大概是深藍的兩萬到三萬倍。所以大家想一下，實際上，今天的計算能力是這樣變化的，所以才出現今天的machine intelligence。機器可以乾的事情，是人都不能做的了。例如人臉識別，這個階段技術發生了一個非常大的變化，機器認臉比人認臉還要准，不是簡單地說機器做了人做的事情，而是有的事情，機器比人做的還好，只要機器比人做得好，那那件事情就不應該由人來做。這是我自己的觀點。

同樣的，我在加拿大的時候，遇到有人在做AI，就像剛才提到的情感智能。什麼是情感智能呢，比如，拿普通手機攝像頭照臉，不僅僅是照臉了，而是能將血壓，心跳都檢測出來，這事情人是完全沒法完成的。實際上到今天，機器能做很多人不能做的事情。從human intelligence到Animal intelligence到machine intelligence，實際上大部分講人工智慧還是在說怎樣用機器模仿人做的事情，我將這個叫做機器智能。在城市這方面，城市的問題複雜，很多都是人解決不了的，人可以規劃，但人不能解決。所以要用機器智能來幫助數據來幫助城市。這是整個思考的一個過程。

下面我會用交通這一件事情作為例子，但不局限於交通。大家想想，任何城市的公共資源優化，都可以用這個思路。這個也取決於我的兩個觀察。

一個觀察是，2016年全世界賣掉了1.5億的攝像頭，賣掉7000萬，一半都是賣掉的。一個普通的城市，比如杭州，甚至可能更小點的城市，也有50萬到100萬個攝像頭在一個城市裡。但我了解后發現，沒有任何一個城市知道自己裝了多少攝像頭，因為裝的太多了，沒人清楚具體的量；第二個觀察是，城市三分之一的攝像頭是沒有人檢查沒有人看，是否照到，是否被遮擋是都不知道的，多數是無效的。我算了一下，在杭州，交警直接管攝像頭，有案可查的攝像頭大概有5萬個，在指揮中心看攝像頭的只有15人，5萬個攝像頭乘上24個小時乘上7天，要一天才看的完，所以99.9%的攝像頭是無效的，剩下的攝像頭僅用作破案的時候查查。

大家都知道，每個城市都有做一個叫視頻雲的東西，但這個架構設計很不合適，視頻拿來放到所謂的視頻雲里，但放進去就不會處理的，因為寫進去的一天的數據，如果有一天要讀出來使用，需要讀五天。另外再看，今天所有的監控攝像頭，不存到不用的視頻里，而是轉到阿里雲上做處理，仍是沒法轉的，因為整個架構不是用來分發雲，則會造成數據的浪費。

所以真正的監控攝像頭是視而不見的，照到但沒人看。所以我們用杭州舉例，一個攝像頭放在一個紅綠燈杆子上，但攝像頭照到的東西和紅綠燈一點關係都沒有，這個情況在全普遍存在。所以我說，世界上最遙遠的距離是攝像頭和紅綠燈的距離。因為很多都不是按體系來設計的，而是按照各自的孤島來設計的，想連都連不上。所以我們把這個監控改掉，不叫監控攝像頭，叫城市攝像頭，僅當成一個數據，將紅綠燈當成一個交通優化，實際上優化時間。我們當時想的第一步，就是想怎麼做這個事情。不是要將東西存到不使用的視頻上，是要知道當時發生什麼事情，是要做調控，然後安排出警。這將不隻影響城市運營的模式。

第一個案例是在蕭山試點，側重的是實時監控。這個試點是非常初步的，這是比較偏大的一個區，這兒的路已經做好了綠波帶，監控的攝像頭條件也比較好。但是我們做了比較簡單的想法，但是路上監控攝像頭看到的車輛通行的數據，能不能用個模型，倒過去控制紅綠燈的時間，來提高、調控車行駛的速度？這個很有意思。這條路有七八個路口，最快的時候，大概能提高百分之十幾的通行速度，最慢的地方只能提高百分之四點幾。提高得慢的地方，即數據少的地方，是最早做的實驗。今年我們將試驗範圍擴大，基本上在整個範圍內有百分之十五的提高，還是滿鼓舞我們的。因為沒有動任何的基礎設施，只是將數據拿來了。我們去堵每輛車，數出來。後來發現，因為我們能夠找到堵點，發現很多有堵點的地方，恰恰是攝像頭不夠的地方，這對將來攝像頭的布置都是很好的反饋和參考。當前的攝像頭布置只是一個開環系統，僅僅是布置下去了，但從來沒有閉環的反饋，說這塊兒的布局有沒有用。這是我們在蕭山做的第一個實驗，是叫實時調控。目前已經準備在蕭山全域推廣。

第二個是在杭州，側重在智能出警。我們在杭州的試點一個是貫穿南北的最主要的高架，這是杭州最骨幹的交通，另一個是杭州最堵的城區。問題在於，交通是非常動態的，過去在高架上的交通會遇到幾個問題，第一個問題就是實際通行能力是三千，但突然放了那麼多車出來，導致高架的通行能力降到了兩千多，但交警不知道該怎麼控制這事，也不懂該在哪裡開始控制，沒有概念。實際上每個閘口都有攝像頭，所以我們用攝像頭將車流量都算下來，讓他知道從哪裡開始上車，從哪裡開始疏導。以往就是收到堵車信息，交警去了，但控制閘口的時候都是已經開始堵車半小時了。所以現在這算是幫解決了一個問題，這個上下閘道的調節，都是我們來幫忙完成，目標就是提高通行速度。第二個問題，就是高架上堵車要不是小剮蹭，停著堵了，或者是不該上去的車上去了，堵了。以前只能靠交警在路上巡邏，現在如果能縮短知道事故的時間，就能一定程度上解決很大問題。所以我們將所有的異常都幫找出來了。另外，我認為交警太辛苦又危險，當機器智能能代替交警，能夠減輕他們很多壓力。

另一個事情，我們都知道監控視頻在後台，是展示成一個個的小方塊圖，這樣的擺放是典型的給人看的擺放，而實際上在一個路口，真正一個時刻能看到的視頻拼接起來，應該是一個全景的連續的環狀圖。這些方塊，其實不合適人看，但機器可以看，機器可以知道路口發生了什麼。交警能看到的僅僅只是一角，是無數監控圖像中的一幅。我們認為球機已經能做到很多事情了，但現在很多政府只片面的看重技術設備的更換，盲目的升級基礎設施，這是非常危險的事情。

我們知道所有攝像頭都有視頻編碼，而所有的視頻編碼的標準都是假設視頻是人眼能夠看到的，可當有一天，視頻不要人看了，所有的視頻編碼都要重新做。所以我認為攝像頭的編碼可以做得效率更高，做得適合機器看。這是很有意義的事情。很多事情，過去都是交警發現的，今天，我們可以設想一下，攝像頭的布置，可以將一條路進行切片，收集來各切片路段的數據，明確擁堵路段，有目的的針對性的進行出警疏導。這個在杭州已經實行了。這個時候，數據就是警力，這是整個的意義所在。數據獲得是全面的不是抽樣的，平均數、高峰、最低都能算出來，都能獲取，這個很重要，是方法論上的巨大進步。

第三個試點市在蘇州，側重的是全局數據，全局交通。是從人開始的，不是從車開始的。來蘇州旅遊的人里百分之九十是散客，很多是開車去的，開車進拙政園要一小時，出來要40分鐘，但在園裡就待半個小時時間，所以對整個交通的安排要有所不同。蘇州將符合國家安全的數據，開放到了城市大腦里，後來發現在大腦上算的數據，比在自己機器算的得到更多。蘇州的數據匯聚包括五大部門，三大運營商和互聯網極大部分，最終匯聚產生了79種數據源、2600種數據項、3000億條歷史數據。當全局的數據融合后，能對交通數據，人流數據等做分析，指導換乘中心的設計、公交優化規劃及事故預測。但這些本身複雜辛苦，都不應該是人做的，應該為數據支撐，通過數據可以看到人的流動動態，人的聚集區域等信息，從而優化規劃。在蘇州第一條優化好的線路，三個星期前開始試運行了。

接下來說一下技術架構。我們在講城市大腦的時候，並沒有對集中和分佈做假設。我認為國內的城市發展規劃一直都是在享受全世界城市發展成果的好處。當今很多想當然的事情，其實以前都不是想當然的，所有很多人的貢獻，才能將一些建設變為城市最基本的基礎設施。我自己的想法是，城市應該有新的基礎設施，這個就叫城市大腦，主要的作用就是讓城市的數據流動起來，產生價值。城市大腦不是僅僅解決城市交通問題的方案，而是城市的新的基礎設施，將來可以在城市的建設發展中做更多的貢獻。基於此理念，產生了一個架構，從上到下四部分依次第一個是應用場景，第二個是IT服務平台，第三個是數據資源平台，第四個是計算平台。數據要產生價值就需要計算平台，所以第三、第四兩部分是最重要的。要將這兩個平台真正建設成為服務的平台。這是個城市級的東西，而非部門級的東西。架構上如何設計，還可以再做探討。

假設有了城市大腦這個基礎設施后，我認為一個城市的數據，會增加100萬，這個100萬隻是個虛數，代表增加的量會很大，將使對資源的消耗得到降低，我認為城市水、電等各種資源的消耗會降低十倍、甚至噪音都會降低十倍，當這些所有的東西都改變的時候，城市則需要重新進行更深遠完善的建設思考。

根據報告整理，未經本人審定

什麼是城市智腦呢？

都在哪智慧城市CEO吳余龍博士

數據觀記者：您怎麼看待時空大數據這個概念？能跟我們解釋一下嗎？

吳余龍：時空大數據，我們分兩個層面的概念。第一個是從專業化層面，專業層面是指傳統的地理信息、測量等等產生的數據，以及形成的新服務數據集合，這是從專業的角度或者狹義去解讀。但如果從廣義來看，我們就生活在這個時空裡面，我們的行為跟時間和空間都是關聯的。人、物、事、時間、空間，這些是我們常常去描述一個場景的基本要素，從時空角度看，現在的大數據就是時空大數據。所以，對於時空大數據的定義，從專業領域，或者說從狹義角度，還有從廣義的角度來看，我們通常講的大數據就是時空大數據。

數據觀記者：時空大數據都有哪些應用呢？可以具體講講嗎？

吳余龍：時空大數據的具體應用與服務，還是從兩個層面來看。第一個是從專業領域看，用時空大數據應用到基於位置的精準服務。這是時空大數據很重要的一點。比如導航、基於位置的配送（精準配送），還包括基於位置的其他服務，如醫療服務、社區服務等，都需要時空大數據作為支撐。這是從狹義的技術角度，從時空的角度去看待這個技術實現與應用。

從廣義的角度說，時空大數據是管理傳統大數據的一個基本方法。傳統的管理數據方法都是按照領域、分詞技術實現管理，叫社會大數據，或者叫領域大數據。但是我們發現所有的數據都跟時空相關，都跟時間和空間相關。所以，我們用時間、空間的方式去管理大數據的時候，就會產生新的一些應用，比如最基本的一些應用就是把傳統的數據用時空方式管理起來，把傳統雜亂無章的行業應用數據通過時空來存放。我們用時空的概念，特別是目前主推的北斗時空網路碼去管理社會大數據的時候，它的方式、方法就會產生很大的改變，其核心的改變是數據處理的高效，因為傳統的方法都是基於分詞理論去做數據管理和分析，但是我們用時空是基於空間計算去進行數據的管理和分析。所以，對於真正管理大數據來說，它會有很多新的令人驚喜的效果，在大數據、大容量數據計算方面，它比傳統的數據提高了數量級10倍以上管理效率。

所以，時空大數據在數據管理領域應用是很重要的。還有一個很重要的應用就是用時空來對所有的數據進行分類共享和精準分配。是什麼概念呢？傳統上，我們都是把所有的數據按行業去進行管理，這會存在大量的數據壁壘，特別是在政府管理方面，公安數據、民政的數據、環保的數據、計生的數據都是基於行業來做的，這些數據共享必須通過行政的手段進行數據交換，傳統的方式就是用目錄和交換的模式來進行數據的共享協同。現在，我們用一種新的時空的概念，就像行政區域化一樣，把這個數據裝到時空裡面，這時共享就變得更加的容易，特別是我們國家現在正在建設全國一體化的國家大數據中心。一體化的大數據中心怎麼建？如果按行業來建，一定是很難的，從領域的角度、從行業的角度去構架也總是不完整的。如果按時空來建，它就是覆蓋全領域的。

我們國家應該怎樣去建成一體化大數據中心？一體化的意思一定是完整的、全覆蓋的。所以，用時空大數據，或者說用時空網格的管理模式，會是我們建設國家一體化大數據中心的一個非常重要的技術。因為它可以做區域的全覆蓋，同時還能很好的達到整合數據和共享數據的效果。

數據觀記者：對於時空大數據的概念，我能反映出來的應用場景跟衛星、遙感，或者是現代立體的數據相關。比如有一個小機器人到了地下井裡，或者到一個房子裡面，馬上就可以呈現出來整個房子的立體圖，是這樣的一個概念嗎？

吳余龍：對，這個場景就是我剛才談到的狹義的時空大數據。時空在最早的應用的是什麼？是時空的展現，就是像放電影一樣以呈現為主，就是和我們最早講的測量、位置、地圖、信息、GIS系統（地理信息系統）等這些應用相關。但是，真正時空大數據還有一個很重要的能力，就是共享和計算。

現在用的這種網格技術(北斗時空網格碼技術)可以用三句話來表達。第一句話是把地球和空間切割成一個個最小到一厘米的小方塊，這種方法叫剖分，它是一個多尺度網格，可以是1厘米，也可以是1米，也可以是10米等，共分32級。第二句話，我們給每一個剖分的小方塊一個編碼，這個編碼意味著我能把地球所有的空間都能管理起來。第三句話，每一個空間裡面所發生的事件，或者說流動，或者說數據，或者是信息的流動，都打上編碼的時候，整體就是地球上所有的數據。這就是時空網格碼，或者叫北斗時空網格碼。基於這樣，它就可以進行空間的計算，能夠對數據進行管理，去進行應用開發，然後實現各種空間的展現。網格讓地球更數據，數據讓城市更智慧，智慧讓生活更美好。這就是我的體會。

大家可以把這個時空網格理解成一個與現實世界映射的空間，理解成新的一種空間。把互聯網理解成一個新的空間，我們未來網格的大數據也是一個新的空間，這個新的空間就能夠和我們的實體空間建立密切關係。比如我們倆在談話，這談話的錄音就變成了一個數據，給數據打上這個房間的網格碼，就變成了一個網格大數據，未來只要我去找這個房間曾經發生的數據，就能把咱倆談話的內容數據給調出來，也就是進入位置，我那時候就只找在這個VIP室發生的數據，這就叫時空大數據。

這是一個很抽象的概念，在傳統應用里就是一種展現的概念，它有一種三維的展現方式，這就是時空展現。但是，實際上不僅僅如此，它還可以去做計算，還可以去做管理，甚至還可以去做一些相關的應用，特別是在智慧城市建設方面的應用。智慧城市中的「城市」是一個位置的概念，它有大小、有人、有建築物空間、有活動，用時空管理、構架智慧城市，用時空來去給智慧城市建立服務，這是一個最佳的模式。

未來，我覺得時空大數據構架一個網格新空間，叫時空網格新空間，配合我們去管理一個城市，去配置、優化這個城市。我不是說了三句話嗎？網格讓地球更數據，數據讓城市更智慧，智慧讓生活更美好，這就是我體會的三句話。所以在未來，網格碼這樣的核心技術或者這樣一個標準能夠去重構地球數據，城市是來自於地球的，所有發生的數據重新跟它建立連接，促進我們對未來進行管理，對未來運行進行決策和指導。

數據觀記者：剛才聽到貴公司跟北斗有合作，可以介紹一下嗎？

吳余龍：我們的首席科學家是程承旗教授，他是973專項的首席科學家，也是網格技術、剖分技術、北斗網格輸出的首席科學家，也是北斗網格這個標準的專項首席科學家。同時，由旋極集團投資1個億，我們與北京大學、北京大數據研究院、旋極集團這三家共同建立北大時空大數據協同創新中心。目前，公司依託該創新研究中心成果來進行應用。所以，我們承載了這個標準的落地。這個標準目前主要是在軍隊使用，是軍民融合的一個很重要的項目。

數據觀記者：您認為時空大數據的未來發展前景怎麼樣？趨勢是什麼？

吳余龍：時空大數據的趨勢可以從兩個層面看。從技術的發展趨勢看，這個技術一定從狹義的，就像地理信息系統，從二維變三維，再從三維變成一個互聯網路，從傳統的內網測量到互聯網的發布，這是時空大數據發展的過程。但是，技術發展的最終一定是用時空去管理所有的大數據，而且時空技術未來會成為一個很重要的數據運行演算法。因為大數據的「大」就是不可測量，甚至不可計算，我們一定要找到一個好的方法去管理、運算這些大數據，讓大數據煥發出新的價值。數據就跟礦一樣，不把它開採出來就沒有價值。

未來，關於時空大數據技術的發展趨勢，從技術層面看，是用時空的方法或用時空網格碼的方法把所有的數據通過時空思維計算出來，讓它產生新的價值；從產業層面看，在智慧城市的建設、產業發展方面，我認為時空大數據會成為大數據產業的重要方向，因為我們生活跟時空相關，我們的出行、生產，甚至是我們未來很多行為都跟時空相關。所以，時空數據會成為我們生活當中非常重要的消費數據，這會形成產業鏈，例如時空數據的保管、預處理、加工、產品化，甚至是面向的服務，如位置服務、安全服務、減災服務等。舉一個關於快遞的例子，從現在整個物流業的綜合成本來看，我們國家物流佔16%。美國是8%，這個差距是很大的。

數據觀記者：物流成本這麼高，原因在於哪兒？

吳余龍：原因在於兩點。第一個投放的效能太低，投放不精準，管理不精細，就是信息化導致管理成本太高。本來需要10個人做的事，卻成了50個人才能做，本來是5個小時就能做完的，最後花了50個小時。還有一個重要原因是在快速建設與城鎮化過程當中，空間地址不詳。我要給誰郵寄，找不到從A點到B點的準確地址。錄入成本也很高，就導致整個生產過程的成本很高。中間調度、全流程的中轉變化、數據不透明的基礎上導致它的成本就很高。

所以，未來時空碼就可以解決這個問題，給每一個地址編碼，這個編碼可以直接跟計算機進行通訊，我們把它叫做電子門牌或者超級郵編，如果在家裡郵快遞時掃下二維碼，地址就出來了，然後生成了郵遞的面單，輸出郵寄對方的地址，只要敲它編碼，對方發一個二維碼過來，地址就出來了。這就是時空編碼給我們帶來的便利。

在北京這樣的城市，每天的快遞量超過1000萬件，社會成本是巨大的。時空大數據從應用和產業方向上會形成一個非常大的產業鏈。未來，當無人機廣泛用於快遞行業時，對時空大數據的要求會越來越高，要求環境位置越來越精準。所以，就必須要用這樣的技術去實現。

數據觀記者：聽完您剛才的講述，如您說的，的城市化進程會越來越快？

吳余龍：是的，從這些可以看出時空大數據對我們未來生活的改變，但它的背後一定是一個產業，就像我談到的城市智腦，這個是智慧城市的智腦，它的數據一定是以時空大數據為基礎的城市大數據，它周邊會圍繞著一圈的大數據產業。時空大數據的相關產業，如加工業、數據加工業、數據產品化、數據的服務業、數據技術開發業等，甚至是時空大數據的基礎設施、數據的管理模式。我們現在給公安部做地址的編碼，未來每一個家都會有個電子門牌，將來的地址就是電子門牌。

數據觀記者：這個房子就可以有一個身份證了，可以和人的身份證對應？

吳余龍：對，從安全隱私角度來說，這是可以隔離的。而且還有不動產、土地確權等都是時空大數據要去解決的問題。（數據觀記者 翟文靜）