一个智能的城市到底长什么样？是交通零拥堵、速度快，还是空气质量好、无污染？尽管，目前距离实现真正的智能城市还有很多问题需要攻克，但这些”城市病“并非顽固不可消解。前沿的科技力量正在强势登上城市舞台，人工智能和大数据席卷各行各业的同时，人们的生活也在不断发生改变。

近期，微软亚洲研究院的资深研究员郑宇博士亮相由创客星球主办的节目《未来简说》，为大家讲述人工智能和大数据的城市应用，看城市计算如何帮助我们理清城市的前世、今生和未来。

众所周知，我们城市化的进展给我们带来了现代化的生活，但是也带来很多的问题：交通的拥堵，环境的恶化，能耗的增加。要解决这样的问题，在很多年前看似几乎不可能，因为这个城市的设置非常复杂，牵一发而动全身。现在，我们有了各种各样的大数据：从社交媒体到交通流量，从气象信息到地理信息；另外一方面，我们也有了强大的计算平台和智能算法。

基于这样一个挑战和机遇，我们在2008年提出了城市计算这样一个愿景：用大数据和人工智能把我们每一个阶段都理清楚：通过理解、洞察历史，来合理地配置资源；通过掌控现状，来高效稳定地运营城市；通过预测未来，来帮助我们去决策，指导未来的规划，来解决城市里面的交通拥堵、环境恶化、规划落后等问题。

城市的前世：规划问题

首先我们来看一下城市的前世，也就是它的规划问题。当我们堵在路上的时候，很多同学们都会想，这个城市的道路是不是规划的有问题，能不能有更合理的规划，带来更通畅的交通？第二，我们修了一些道路和地铁站之后，这对我们的交通到底有帮助吗？

两个区域之间可以有很多道路联通，某一条道路上的拥堵只是一个表征现象，而真正的原因是因为人们有巨大的出行需求，从区域A到区域B去完成某些任务，比如看病、买东西、娱乐等，而这两个区域之间的道路的联通和承载能力，不足以支撑这样一个需求。 因此我们不能说，如果一个地方拥堵我们就去拓宽那个道路，这是“头痛医头，脚痛医脚”，没有抓住问题的本质。进一步我们也不能仅仅根据一天的数据就去下断言，因为很可能某一条道路在某一天的拥堵，只是因为偶尔的交通事故带来的，并不是真正的规划原因。但是，如果一个问题频繁地在数据中多次出现，那很可能就是规划带来的问题。

我们再来看一看自行车道的规划。自行车道在很多年前似乎渐渐已经被人遗忘，但是现在随着共享单车的出现，我们对自行车的骑行需求又重新回来了。首先，我们的空间是有限的，每条道路一旦规划了一条自行车道，就会少一条机动车道；第二，我们希望修建的自行车道能够为更多的人提供服务，而不是只为一个人提供服务；第三，我们希望自行车道路在修建的过程中局部是连接的，可以让我连续地骑行。这三个约束让自行车道的规划是个很难的问题。

幸好共享单车不光给我们带来的骑行的需求，也给我们带来了用户真实骑行的数据。利用大数据和人工智能的技术，政府只需要告诉我们在多少个区域修建总长度为多少公里的自行车道，我们就可以自动地规划和设计这个道路，而最终发现这些自行车道都是围绕与地铁站为核心而展开的规划，证明了它有一定的合理性。

城市的今生：掌握现状

看完前世后再看看城市的今生，也就是要掌控现状，才能保证城市的高效稳定的运行和维护。说到交通就不得不说出租车，你们可能也觉得在某一个时间段总希望车能够更多一点，但是一个出租车在被使用的过程当中经常有2-3的空位，于是乎大家就会想到拼车。在保证大家能够准时到达目的地的前提下，用户拼的程度越多，付的费用越少，而司机赚的利润更高，同时也更环保。这里面有诸多约束是非常非常难的问题，而且有巨大迸发量。

我们不要求不同用户的起点和终点一致，也不要求一个用户下车之后另一个用户才能上车。通过仿真环境的测试，如果北京用这样的一个系统一年可节约1.5亿升的油，大概够一百万辆车跑一个半月，同时能够减排2400万吨二氧化碳，还能让整个出租车的运营效率提高三倍，而且司机的收益更高，乘客的费用要更低。这也是一个能够为政府、乘客和司机带来三赢的一个城市计算案例。

中国正经历空气污染带来的阵痛

我再讲一个跟每个人都息息相关的案例，中国正在经历着空气污染带来的阵痛，这个跟很多发展中国家是一样的，政府已经意识到这个问题的严重性，因此在很多的城市里面，布局了空气质量监测站点。

但检测站点价格非常昂贵，一个国产站点将近要人民币一百万，进口站点大概要两百万，一个超级子站监控12种污染物大概要1200万，所以这样的站点不可能在城市每个角落都去建。但城市里面的空气是极度不均匀的，在同一时刻，不同站点的空气质量读数差异可以非常之大，因为空气质量受很多复杂因素的影响。

我们就用大数据和人工智能的方法，把空气质量、交通信息、气象条件、地理条件等信息用到一个细粒度模型计算里面。一旦把这个模型学习好就可以用到别的空地，即便那个地方没有空气质量站点，也可以用刚刚的模型把整个城市的空气质量给算出来。

这样不仅为城市节约了很多的资源，还可以通过分析空气质量变坏的过程，得知污染源从哪传向哪，帮助政府去锁定污染源的传播路线。所以这个工作不仅仅只是节约了一个成本的问题，也是帮助我们去追溯污染源。

城市预测让生活更加安全

讲完了前世和今生，自然要说说未来。首先说一个整个城市的人流量预测，也就是不同区域中有多少人进出，我们很自豪地在贵阳市落地了第一个城市人流的预测系统。

我们把贵阳市分成一公里乘一公里的格子，去预测每一个格子里面未来会有多少出租车进、出。并不是说出租车可以代表人流，但可以用这种数据来证明方法的有效性。如果把这个数据换成手机信号数据，就能知道有多少人进、出这个区域。

因此它是一个非常通用的人工智能模型，能够对我们的城市安全管控有更好的帮助。你在上地铁的时候，我告诉你那边可能会很危险，你可能会改变你的行程。所以我们知道不同地域人之间的转移，以及人从哪里来、去哪里。这就是对城市未来几个小时的短期的预测，跟我们的公共安全和物流息息相关。

我们今天从大数据和人工智能的角度，看城市计算如何帮助我们理清城市的前世、今生和未来。最后，城市计算还需要管理者跟数据科学家的对接，形成一个环路来推动整个城市螺旋式地上升。城市计算让我们拥有更合理的规划，更通畅的交通，更高效的物流，更清新的空气，最后带来更智能的城市。