一個智能的城市到底長什么樣？是交通零擁堵、速度快，還是空氣質量好、無污染？盡管，目前距離實現真正的智能城市還有很多問題需要攻克，但這些”城市病“并非頑固不可消解。前沿的科技力量正在強勢登上城市舞臺，人工智能和大數據席卷各行各業的同時，人們的生活也在不斷發生改變。

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，因為這個城市的設置非常復雜，牽一發而動全身。現在，我們有了各種各樣的大數據：從社交媒體到交通流量，從氣象信息到地理信息；另外一方面，我們也有了強大的計算平臺和智能算法。基于這樣一個挑戰和機遇，我們在2008年提出了城市計算這樣一個愿景：用大數據和人工智能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，指導未來的規劃，來解決城市里面的交通擁堵、環境惡化、規劃落后等問題。

城市的前世：規劃問題

首先我們來看一下城市的前世，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？第二，我們修了一些道路和地鐵站之后，這對我們的交通到底有幫助嗎？ 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征現象，而真正的原因是因為人們有巨大的出行需求，從區域A到區域B去完成某些任務，比如看病、買東西、娛樂等，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數據就去下斷言，因為很可能某一條道路在某一天的擁堵，只是因為偶爾的交通事故帶來的，并不是真正的規劃原因。但是，如果一個問題頻繁地在數據中多次出現，那很可能就是規劃帶來的問題。我們再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，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。首先，我們的空間是有限的，每條道路一旦規劃了一條自行車道，就會少一條機動車道；第二，我們希望修建的自行車道能夠為更多的人提供服務，而不是只為一個人提供服務；第三，我們希望自行車道路在修建的過程中局部是連接的，可以讓我連續地騎行。這三個約束讓自行車道的規劃是個很難的問題。

幸好共享單車不光給我們帶來的騎行的需求，也給我們帶來了用戶真實騎行的數據。利用大數據和人工智能的技術，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，我們就可以自動地規劃和設計這個道路，而最終發現這些自行車道都是圍繞與地鐵站為核心而展開的規劃，證明了它有一定的合理性。

我們不要求不同用戶的起點和終點一致，也不要求一個用戶下車之后另一個用戶才能上車。通過仿真環境的測試，如果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，還能讓整個出租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。這也是一個能夠為政府、乘客和司機帶來三贏的一個城市計算案例。

中國正經歷空氣污染帶來的陣痛

我再講一個跟每個人都息息相關的案例，中國正在經歷著空氣污染帶來的陣痛，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，因此在很多的城市里面，布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，進口站點大概要兩百萬，一個超級子站監控12種污染物大概要1200萬，所以這樣的站點不可能在城市每個角落都去建。但城市里面的空氣是極度不均勻的，在同一時刻，不同站點的空氣質量讀數差異可以非常之大，因為空氣質量受很多復雜因素的影響。

我們就用大數據和人工智能的方法，把空氣質量、交通信息、氣象條件、地理條件等信息用到一個細粒度模型計算里面。一旦把這個模型學習好就可以用到別的空地，即便那個地方沒有空氣質量站點，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，還可以通過分析空氣質量變壞的過程，得知污染源從哪傳向哪，幫助政府去鎖定污染源的傳播路線。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污染源。

城市預測讓生活更加安全

講完了前世和今生，自然要說說未來。首先說一個整個城市的人流量預測，也就是不同區域中有多少人進出，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。

我們把貴陽市分成一公里乘一公里的格子，去預測每一個格子里面未來會有多少出租車進、出。并不是說出租車可以代表人流，但可以用這種數據來證明方法的有效性。如果把這個數據換成手機信號數據，就能知道有多少人進、出這個區域。

因此它是一個非常通用的人工智能模型，能夠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，以及人從哪里來、去哪里。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。

我們今天從大數據和人工智能的角度，看城市計算如何幫助我們理清城市的前世、今生和未來。最后，城市計算還需要管理者跟數據科學家的對接，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，最后帶來更智能的城市。