下面是我自己手動整理的鄭宇在鄭總創客星球主辦節目《未來簡說》演講（2017/9/4），原視訊連結：https://mp.weixin.qq.com/s?__biz=MzAwMTA3MzM4Nw==&mid=2649441664&idx=1&sn=538f9edb96216dfeaf97a57cd226d6cf&chksm=82c0ac04b5b725126f5826f520152658b6c592725f89dc625c7e78f6d010c330655f76ad0a2e&mpshare=1&scene=1&srcid=09051LGIeEq1orHZ6lF2BRNi#rd

引用請註明出處，感謝。
今天我來跟大家分享一下，城市計算如何在生活中改變我們的方方面面。
眾所周知，我們城市化的進展給我們帶來了現代化的生活，但是也帶來很多的問題：交通的擁堵，環境的惡化，能耗的增加。要解決這樣的問題，在很多年前看似幾乎不可能，因為這個城市的設定非常複雜，環環相扣，牽一髮而動全身。現在，隨著人工智慧和大資料的到來，我們有了各種各樣的大資料：從社交媒體到交通流量，從氣象資訊到地理資訊；另外一方面，我們也有了強大的計算平臺和智慧演算法。如果使用得當的話，我們就可以用這些資料和演算法，來發現我們城市裡面面臨的問題，並進一步去解決這些問題。

基於這樣一個挑戰和機遇，我們在2008年就提出了城市計算這樣一個願景：通過不斷地收集、管理、分析、挖掘城市裡面多源異構資料，來解決城市裡面的交通擁堵、環境惡化、規劃落後等等問題。今天，我們就從人工智慧和大資料的維度，來看一看城市計算如何幫我們清理城市的前世、今生和未來。
如果說城市的規劃就是它的前世的話，那麼當前城市的狀態就是它的今生，而未來城市的發展就是它的未來。城市計算就是用大資料和人工智慧把我們每一個階段都理清楚：通過理解、洞察歷史，來合理地配置資源；通過掌控現狀，來高效穩定地運營城市；通過預測未來，來幫助我們去決策，然後這樣一個決策又會去指導我們未來的規劃，從而形成一個環路，用閉環的技術來推動城市螺旋式的上升。下面呢，我就給大家在每一個階段，都分享一下城市計算的一些案例。
首先我們來看一下城市的前世，所謂城市的前世呢，也就是它的規劃問題。當我們堵在路上的時候，很多同學們都會想，這個城市的道路是不是規劃的有問題，能不能有更合理的規劃，帶來更通暢的交通呢？這是一個問題，第二，我們修了一些道路和地鐵站之後，這對我們的交通到底有幫助嗎？下面這個案例，就是要回答這兩個問題。一方面通過分析資料找到現在規劃中存在的問題予以改進。另一方面，通過對比兩年的資料分析結果，我們來驗證已經實施的規劃，是不是真的已經起到作用。
好，這個是北京市某一年計程車GPS軌跡。通過這樣一個數據，其實我們可以分析人們出行的規律來找到城市之間區域和區域連通性不好的區域對，注意我不是說找哪些路比較堵，因為這個大家根據平時的觀察也能知道。但是路上的擁堵只是表面現象，它不是根本原因，真正的根本原因是人們要從區域A到區域B去完成某些任務, 比如說，看病、買東西、消費、娛樂等，而不得不經過某些道路。兩個區域之間可以有很多道路聯通，某一條道路上的擁堵只是一個表徵現象，而真正的原因是因為人們有巨大的出行需求從A到B，而這兩個區域之間的道路的聯通和承載能力，不足以支撐這樣一個需求。 因此我們不能說，如果一個地方擁堵我們就去拓寬那個道路，這是“頭痛醫頭，腳痛醫腳”，沒有抓住問題的本質。進一步我們也不能僅僅根據一天的資料就去下斷言，因為很可能某一條道路在某一天的擁堵，它只是因為偶爾的交通事故帶來的，並不是真正的規劃原因。但是，如果一個問題頻繁地在資料中多次出現，那很可能就是規劃帶來的問題。
我們來看一個例子，這個呢，是靠近（北京）四環的兩個區域，早年間呢，很多人要通過這兩個區域要上到（北京）四環高速入口。因此帶來一個瓶頸。後面這條縱向的北湖渠路被拓寬了。大家有新的選擇可以從這個道路上四環，因此這兩個以前擁堵的兩個區域就消失了。從這個意義上講，這條道路的拓寬和修通，對於改進這個地方交通擁堵的問題起到了作用。因此，這個工作的第二個意義就是剛剛說過的，通過對比兩年連續資料分析的結果，我們可以去驗證已經實施的規劃是否有效。
講完了機動車道規劃，我們來看一看自行車道的規劃。自行車道在很多年前似乎漸漸已經被人遺忘，我們中國似乎也在漸漸遠離“自行車大國”這樣一個稱號，但是現在隨著共享單車的出現，我們對自行車的騎行需求又重新回來了。我們不可能在什麼地方都去修建一個自行車道，其次，我們的空間是有限的，一個道路一旦規劃了一條自行車道，它可能就會少一條機動車道，這個約束很重要；第二，我們希望修建的自行車道能夠為更多的人提供服務，而不是隻為一個人提供服務，但是呢，同時我們希望為每一個人提供更加舒適的體驗。什麼叫舒適的體驗呢？我希望提供騎行的長度是連續的，越長越好；第三，我們希望我們的道路，自行車道在修建的過程中區域性是連線的，雖然我們不能要求整個城市的自行車道都是連線的，但是我們希望至少在一個區域性地方，你可以讓我連續地騎行。加上這三個約束這就是一個很難的問題。
幸好共享單車不光給我們帶來的騎行的需求，也給我們帶來了使用者真實騎行的資料。從這個資料裡面我們其實可以看到使用者真實的騎行線路，也知道使用者真實的騎行需求，利用大資料和人工智慧的技術，我們就可以根據有限的資源，來最合理地規劃這樣一個自行車道，政府只需要告訴我們在多少個區域修建總長度為多少公里的自行車道，我們就可以根據這個資料來自動地規劃和設計這個道路，以下這個呢就是在上海市五個片區修建總長度為30公里的自行車道的一個規劃結果，大家可以看到這個人工智慧演算法具體是怎麼樣去計算的。我們可以看看這個計算結果。在我們做規劃的時候，我們其實只考慮了自行車資料本身，而沒有考慮別的資料，但是結果發現，這些自行車道都是圍繞以地鐵站為核心而展開的規劃，證明了它有一定的合理性。
然後，我們看一個真實的案例，這個是上海市金運路地鐵站，旁邊有一個萬達廣場，周邊呢有很多的小區，其實人們出行的騎行需求是非常大的，這個紅色的道路就是我們建議的需要規劃自行車道的地方。
好，看完前世之後呢，再看看城市的今生，也就是要掌控現狀，才能保證城市的高效穩定的執行和維護。說到交通就不得不說出租車，我想在坐的每一位都會去使用這個交通工具，你們可能也覺得在某一個時間段你們總是希望車能夠更多一點，能夠為我們提供更好的服務，但是我們發現一輛計程車在被使用的過程當中它還有2-3的空位沒有被佔用，於是乎大家很自然會想到拼車這樣一個概念。下面我們就用人工智慧和大資料的方法給大家帶來一個上百萬人、幾千萬輛計程車實時動態高效的“拼車”。在保證大家能夠準時到達目的地的前提下，使用者拼的程度越多，付的費用越少，而司機賺的利潤更高，並且我們要保證這輛車來接你一定是最經濟、能耗最低的、最環保的。這裡面有諸多約束是非常非常難的問題，而且有巨大迸發量。
我們可以想象在高峰時候，我們有上百萬人拿出手機，我們有上萬的計程車在運營，怎麼快速實時地為每個人、每一輛車去規劃，這是一個非常非常難的問題。我們這裡面不要求不同使用者的起點和終點一致，也不要求一個使用者下車之後另一個使用者才能上車。讓大家感覺到無縫的一種拼接，並且保證政府的能耗是最低的。通過這樣一個系統在模擬環境的測試過，如果在北京用這樣的一個系統，一年可節約1.5億升的油，大概夠一百萬輛車跑一個半月，同時能夠減排2400萬噸二氧化碳，還能讓整個計程車的運營效率提高三倍，而且司機的收益更高，乘客的費用要更低。這是一個非常非常難的問題，在很多年前我們不敢想象這樣的問題能夠解決。這也是一個能夠為政府、為我們乘客和司機帶來三贏的一個城市計算案例。
進一步，我們想一想如果我們把計程車換成一輛貨車，我們把乘客的上車地點想象成貨物的提貨地點，把貨物的送達地點想象成乘客的下車地點，那這樣一個演算法是不是很快能夠應用到我們物流系統以及我們的點餐和配送系統。可以想象一下，這是能做到的。
我們想象大家每一天都可能在使用不同外賣和點餐系統也在使用各種的物流系統，通過我們這樣一個人工智慧演算法把剛剛的演算法稍作改進。我們就能夠在不增加任何資源投入的情況下面，把整個系統的運力提高10%-20%。
好，講完了這個例子，我們再看另一個例子。我今天給大家講的每一個例子其實都跟大家生活非常相關。尤其是這個例子，我相信沒有人能脫得了關係，因為除非你不呼吸。我們都知道，中國正在經歷著空氣汙染帶來的陣痛，這個跟很多發展中國家是一樣的，政府已經意識到這個問題的嚴重性，因此在很多的城市裡面，佈局了空氣質量監測站點。
但檢測站點價格非常昂貴，一個國產站點將近要人民幣一百萬，一個進口站點大概要兩百萬，一個超級子站監控12種汙染物大概要1200萬，所以這樣的站點不可能在整個城市每個角落都去建，而且後期還要有相關的維護成本和佔地成本。但是問題來了，這個城市裡面的空氣是極度不均勻的，這一點可能大家未必知道，這是一個真實資料的回放。其中每一個圖示，就是一個空氣質量檢測站點。而圖示上的數字呢，就是空氣汙染指數。大家都知道AQI(空氣質量指數)如果它是500的話，就爆表了，對吧。如果它是綠色，就表示它是優，如果它是紅色，就表示它已經汙染了。我們可以看到在同一時刻，不同站點的空氣質量讀數差異可以非常之大，有時候兩個站點只隔一兩個街區，它的讀數可以差好幾百。其實看到這樣的現象並不奇怪，因為空氣質量受很多複雜因素的影響。
那怎麼辦呢，我們就用大資料和人工智慧的方法，結合空氣質量、交通訊息、氣象條件、地理條件把大資料和人工智慧用到空氣質量的一個細粒度模型計算裡面。我們去建立一個地方各種各樣的資料跟這個地方對應的空氣質量的一個關係。一旦把這個模型學習好之後呢，我把這個模型就可以用到別的空地，即便那個地方沒有建空氣質量站點，我也可以用剛剛的模型把整個城市的空氣質量給算出來。
這樣不僅為城市節約了很多的資源，避免了建很多重複的站點，還有進一步深意。比如說，最近我們把京津翼、長江三角多個城市按片區來做大尺度、細粒度的分析，我們可以看到當空氣質量變壞的過程中，哪裡先變壞，哪裡後變壞，從而知道汙染源從哪裡起源傳向哪裡，幫助政府去鎖定汙染源的傳播路線。所以這個工作不僅僅只是節約了一個成本的問題，也是幫助我們去追溯汙染源。
好，講完了前世，講完了今生，大家很自然地要講到未來。未來很重要，首先說一個整個城市的人流量預測，也就是說我們把整個城市分成很多個區域，我們能夠預測整個區域未來有多少人進去以及有多少人從這個區域出來，這叫人流量預測，現在呢，我們很自豪地在貴陽市落地了第一個城市人流的預測系統。
這裡呢，我們是把貴陽市分成一公里乘一公里的格子，去預測每一個格子裡面未來會有多少出租車進和計程車的出。我並不是說出租車可以代表人流，我只是用這種資料來證明我的方法的有效性。我們可以想象一下，如果把這個資料換成手機訊號資料，我們就能知道有多少人進去這個區域，多少人離開這個區域。我們再把這個資料換成地鐵的刷卡或者公交卡刷卡資料，我們就能知道有多少人坐公交地鐵進來，有多少人坐公交地鐵離開。再進一步假設，我們把這個模型，用來預測共享單車的需求量、預測外賣的需求量，同樣道理這個資料只要放進去，我就能夠給你預測對應的流量。
因此，它是一個非常通用的人工智慧模型，就能對我們的城市安全管控有更好的幫助。你在上地鐵的時候，我就讓你不要去了，告訴你那邊可能會很危險，你可能會改變你的行程。所以我們知道不同地域人之間的轉移，以及人從哪裡來、去哪裡更加重要，更加有效。這就是對城市未來幾個小時的短期的預測，跟我們的公共安全和物流息息相關。
我們今天從大資料和人工智慧的角度，看看城市計算如何幫助我們理清城市的前世、今生和未來。那麼最後，城市計算還需要管理者跟資料科學家的對接，形成一個環路來推動整個城市螺旋式地上升。城市計算讓我們擁有更合理的規劃，更通暢的交通，更高效的物流，更清新的空氣，最後帶來更智慧的城市。
這就是城市計算，我叫鄭宇，來自於亞洲微軟研究院，謝謝大家！
（第一次寫部落格，如果對你有幫助，請為我點個贊再走哦）