【埃尔法哥哥】如何理解:城市的“信息化→智能化→智慧化”( 二 )


·新技术驱动下 , 城市部门分工将进一步整合 。 近年来 , 跨行业、跨部门的综合性协同机构已出现 。 众多城市组建融合规划、城管、环卫、环保、市政市容等传统部门业务的大城管部门;各种城市生命线的应急能力被整合成专门的应急管理部门;大数据局等数据主管部门自上而下统筹智慧城市建设的设施和数据 。 管理职能整合有赖于信息技术、通信技术的支撑 。
·城市运行数据 , 特指来自物联网的各种描述城市基础设施和车辆、人员运行状态、行为的“流”、“场”数据 , 包括基础设施管网和设备运行数据、车辆位置和驾驶状态、人员行为等 。 城市交通、安防行业的摄像头也是物联网设备 , 但更应关心用物联网技术对传统城市基础设施进行ICT化改造 , 以及更全面的“城市感知网”建设 , 使城市具备“多维、高频、高精度”采集和传输数据的能力 。 笔者认为 , 这是“新基建”的最重要部分 。
通过城市数据平台 , 将上述各类数据有条理、有结构地组织 , 能够查询、回溯 , 进行可视化分析 , 解决简单问题 , 是现阶段大多数智慧城市建设的目标 。
全国风起云涌的“城市大脑”建设 , 核心是数据可视化的大屏幕 , 即所谓IOC(IntelligentOperationsCenter) , 且大多是静态和宏观数据 , 决策支持价值十分有限 , 往往沦为参观项目 。
即便如此 , COVID-19疫情中 , 由于城市各种资源和外部条件剧烈变化 , 常超出个人处理信息和决策的能力 , 大屏应用接入越来越多维度的高频数据 , 通过直观的可视化 , 帮助各级政府适应了基于海量数据决策的模式 , 对智慧城市发展仍然起到正面作用 。
三、智能化
【埃尔法哥哥】如何理解:城市的“信息化→智能化→智慧化”
文章图片
智能化是指 , 事物在网络、大数据、物联网和人工智能等技术支持下 , 具有能动地满足人各种需求的属性 , 具备自适应、自校正、自协调等能力 。
CPS(信息物理融合系统 , Cyber-PhysicalSystems)的概念可较好地描述智能化过程 。 信息系统实时监控物理世界运行状况 , 物理世界又可借助信息系统进行各类环境因素的检测调节与控制 。 通过信息系统和物理世界相互渗透的反馈循环 , 达成安全、可靠、高效和实时的控制效果 。
早期智能化系统大多是自动化的机器设备 , 随着物联网和人工智能发展 , 一些较复杂的系统也具备了整体的智能化能力 。 如无人驾驶汽车 , 将传感器物联网、移动互联网、大数据分析等技术融为一体 , 通过传感器识别自身状态和环境态势 , 实现自动化的驾驶、避障、停车等 , 能动地满足出行需求 。
智能化的基本逻辑是 , 采集事物运行数据 , 对其历史规律进行数学建模 , 通过计算预测和监测对比 , 反向指导或控制事物运行 。 至于数学建模 , 无论使用简单的回归分析 , 还是流行的机器学习甚至神经网络(即人工智能AI) , 都先要学习足够多历史数据 。
智能交通是当下最典型的城市智能应用 。 其基本逻辑之一 , 是通过摄像头、卡口、雷达、浮动车等采集路口的交通量 , 以及路段的行车速度 , 然后通过数学模型 , 计算更合理的信号灯配时 , 代替传统的固定程序或手动控制 , 增加路口乃至全路网的通行效率 。
又如 , 视频数据的结构化处理和要素识别 , 是现阶段最普遍的人工智能应用 , 如人脸识别、车牌识别等 。 人工智能从视频数据中提取有用信息 , 解决了视频数据只能人工监视或事后回溯的问题 。 类似还有NLP(自然语言语义处理)和语音识别等 , 都是城市数据处理分析需要的通用人工智能算法 。
基础设施运行领域 , 包括能源供给、地下管网运行 , 以及道路车辆等 , 都可采用智能化手段管理 。 智能化的前提 , 是对城市数据的全面感知 。 高频度、高时空精度、多维度的数据 , 才能支持精细化建模和相对准确的短期预测推演 。 这一阶段 , 智能算法和算力已不是问题 。 传统基础设施的智能化改造以实现全面数据采集和反向控制 , 以及城市感知网的建立 , 是采集足够数据的前提 。 这也是上文强调更全面的城市运行数据采集的原因 。


推荐阅读