郝亮:数据助力城市发展建设——城市大脑

简介: 在12月7日召开的云栖大会苏州峰会上,阿里云城市大脑资深架构师郝亮带来了城市大脑的演讲,分享并探索了关于做城市大脑的原因,什么是城市大脑,城市大脑所解决的问题以及目前为止城市大脑所取得的成果。

摘要:在12月7日召开的云栖大会苏州峰会上,阿里云城市大脑资深架构师郝亮带来了城市大脑的演讲,分享并探索了关于做城市大脑的原因,什么是城市大脑,城市大脑所解决的问题以及目前为止城市大脑所取得的成果。

以下为精彩视频内容整理:


为什么要做城市大脑

47d240e6dcf6363291fb75dadf480d87b3519a6f

众所周知,在过去的二三十年,中国快速的实现了城市化的进程,随之而来的是城市人口的暴增、车辆的猛涨。在快速发展的过程中,城市面临着许多巨大的挑战,包括交通拥堵的问题、公共安全的保障等。在这些问题的背后都有一个共同的因素,即城市的公共资源并没有得到合理充分的运用。例如,在城市的交通方面,如何打造一个快捷便利的城市公共出行系统,让老百姓更愿意采用公共交通、采用绿色出行的方式。在这一问题上,我们如何把城市的路网资源、公交专用道资源、信号灯资源等这些公共资源充分有效的利用起来,是解决交通问题的根本途径。利用城市的这些数据资源可以有效的来调节和完善整个公共资源的分配,城市化的建设可以通过人工智能技术的应用来帮助一个城市去实现城市自理模式的完善和创新。

所以做好城市大脑有三个必不可少的条件。第一,数据资源的积累;第二,云计算在最近五年蓬勃的发展;第三,人工智能越来越成熟的被应用到各行各业之中。有了这三个前提条件,我们才会在2016年的时候提出来做“城市大脑”。


城市大脑的目标

城市大脑是支撑城市可持续发展的一个基础设施,是为城市打造的一个人工智能的超级平台。利用这一基础设施,可以把城市每天产生的海量数据加以充分的利用,来帮助这个城市用数据去思考、去运营、去决策。

7fcf4d699e29c393c105289de164ecf1003542cb

在做城市大脑的过程中,我们要实现三个突破,第一,要实现城市自理模式的突破。要以数据为资源、向数据要生产力、向数据要服务能力、利用数据去解决城市发展中各种突出的新问题;第二,对城市服务模式的变革和提升。城市大脑是一个城市提供民生保障的重要基础设施,未来利用城市大脑可以提供更加精准的个性化服务;第三,通过城市大脑的建设来推动整个产业发展。开放性的数据资源一定是整个城市产业升级、产业转型的一个原动力,一个核心的基础设施,所以利用数据资源去推动一个城市的可持续发展必将成为一个新趋势。


城市大脑在技术上的四个关键词

要实现城市大脑的最终目标,用以往的数据运用的方式是解决不了所要面对的问题。今天我们通过一年多的探索逐步摸索出在技术上的四个关键词,即即时、全景、全网、全视频。下面对这四个关键词进行逐一的介绍。

即时:数据从产生开始到汇聚、加工、融合、挖掘最终反馈到业务系统里都要求是即时的,只有即时才能产生真正的数据价值。

全景:从时间的角度是要把多年来信息化沉淀下来的数据全部加载到平台上来。从空间的角度是在特定的领域垂直化的、纵向的汇聚全景的数据。

全网:需要将各个网络打通起来。例如将政务内网、政务外网、视频专网 、互联网等网络的数据统一的汇聚到一张网上。

全视频:视频数据是一个城市里多年沉淀下来的最宝贵的数据资源。视频数据的利用率是非常低的,甚至有的视频资源没有被使用就已经被覆盖,所以要将视频数据充分的利用做到全视频。


城市大脑的总体技术框架

57596262eb23bf80e946e83b1d6768f69036a7f4

上面讲到的四个关键词必须要有一个合理的、先进的计算体系框架去支撑,整个城市大脑的总体框架分为三层的平台。接下来对三个平台做逐一的描述。

一、计算平台:城市大脑对计算是非常严苛的,要求算的快、算的准、算的起。

二、数据资源平台:让数据变成资源的平台,数据并不是立刻就会变成资源,如何让数据真正的变成资源,即如何把结构化数据和非结构化数据充分的融合、做到统一的管控、统一的运用,总结下来即数据沉淀、数据融合、数据调度。

三、应用服务平台:用城市大脑应用服务平台来满足、实现城市治理中各种场景。我们也完成了某些领域的应用,如全局人工智能信号灯系统、全景交通事件感知系统、特种车辆优先管理系统等。


城市大脑的实现成果

在过去的一年多以来我们在各地做了一些探索,并取得了如下部分成果。

杭州市交警利用杭州的城市大脑每天通过城市大脑自动发出的交通异常时间的警告超过500起,平均准确率超过92%;在试点的综合高架和莫干山路上平均延误时间分别是15.3%和8.4%;在整个高架上的车辆延误的平均时间减少了4.6分钟;在萧山对特种车辆进行了管控,以救护车为例,在接到病人家属的告警电话后,城市大脑就开始实时的来帮助救护车制定运行的路线,结果表明到达医院的时间比之前减少了一半;在苏州,我们把三大运营商和十几个政府部门的数据汇集到统一的平台上,通过城市大脑的建设,我们帮助运营商不断的去完善他们的数据质量;在衢州我们采用全视频的方式,来实时的感知这个城市每天发生的各种各样的事件;在刚结束的世界互联网大会上,在乌镇应用城市大脑这一平台,真正的做到了城市安保及时处置,第一次实现了全网打通全量数据处理,在视频技术上有了巨大突破。

 

今天城市大脑这一平台为中国人工智能的探索创造了广阔的前景,通过城市大脑的建设会使中国在未来智能化的时代里走在世界的前列。如何让数据更大的发挥价值一定是每个城市的管理者都需要思考的问题,而我们有信心通过我们阿里云这么多年沉淀下来的在计算平台,在数据资源平台上沉淀的能力和经验,一定可以帮助每个城市实现城市大脑的终极目标,让数据成为城市的核心竞争力。


本文由云栖社区志愿者小组smile小太阳整理,毛鹤审校。编辑:郭雪梅。

相关文章
|
城市大脑 运维 监控
阿里速度! SRE团队全力保障多地健康码顺利上线
如何精准防控,统筹疫情期间的各项工作,有序稳健恢复经济社会秩序,成为当务之急。对此,阿里巴巴快速反应,除各种物资支持、政策响应外,还配合多地政府开发健康码,充分运用大数据手段助力疫情防控和复工复产,实现数字化防疫,让政府相关人员更快速、更清晰、更精准地进行防控管理决策。
阿里速度! SRE团队全力保障多地健康码顺利上线
|
存储 自然语言处理 数据处理
信息抽取UIE(二)--小样本快速提升性能(含doccona标注
需求跨领域跨任务:领域之间知识迁移难度高,如通用领域知识很难迁移到垂类领域,垂类领域之间的知识很难相互迁移;存在实体、关系、事件等不同的信息抽取任务需求。 - 定制化程度高:针对实体、关系、事件等不同的信息抽取任务,需要开发不同的模型,开发成本和机器资源消耗都很大。 - 训练数据无或很少:部分领域数据稀缺,难以获取,且领域专业性使得数据标注门槛高。
信息抽取UIE(二)--小样本快速提升性能(含doccona标注
|
4月前
|
机器学习/深度学习 人工智能 算法
AI-Compass RLHF人类反馈强化学习技术栈:集成TRL、OpenRLHF、veRL等框架,涵盖PPO、DPO算法实现大模型人类价值对齐
AI-Compass RLHF人类反馈强化学习技术栈:集成TRL、OpenRLHF、veRL等框架,涵盖PPO、DPO算法实现大模型人类价值对齐
 AI-Compass RLHF人类反馈强化学习技术栈:集成TRL、OpenRLHF、veRL等框架,涵盖PPO、DPO算法实现大模型人类价值对齐
|
人工智能 物联网 大数据
智能城市基础设施:城市服务与管理的智能化
【10月更文挑战第26天】智能城市基础设施通过物联网、大数据、云计算、人工智能和区块链等前沿技术,实现城市服务与管理的全面智能化。本文探讨了这些技术的应用场景及其对未来城市发展的深远影响,涵盖交通、能源、环境、公共安全和公共服务等领域,展望了智能城市更加精细化、绿色、宜居的未来,并提出了应对挑战的策略。
|
存储 监控 算法
「AIGC算法」大数据架构Lambda和Kappa
**Lambda与Kappa架构对比:** Lambda提供批处理和实时处理,保证数据最终一致性,但维护复杂。Kappa简化为单一流处理,易于维护,适合实时场景,但可能增加实时处理压力,影响稳定性。选择时考虑数据一致性、系统维护、成本和实时性需求。
501 0
「AIGC算法」大数据架构Lambda和Kappa
|
存储 前端开发 数据库
MVC模式和三层架构
MVC模式和三层架构
|
Linux 知识图谱 Docker
知识图谱(Knowledge Graph)- Neo4j 5.10.0 Docker 安装
知识图谱(Knowledge Graph)- Neo4j 5.10.0 Docker 安装
398 0
|
机器学习/深度学习 自然语言处理 API
[DistilBERT]论文实现:DistilBERT:a distilled version of BERT: smaller, faster, cheaper and lighter
[DistilBERT]论文实现:DistilBERT:a distilled version of BERT: smaller, faster, cheaper and lighter
273 0
|
Windows
【无需格式化硬盘即可C盘扩容以及新建磁盘】
【无需格式化硬盘即可C盘扩容以及新建磁盘】
1070 1
【无需格式化硬盘即可C盘扩容以及新建磁盘】
|
存储 监控 安全
云存储-对象存储的基本概述 | 学习笔记
快速学习云存储-对象存储的基本概述
云存储-对象存储的基本概述 | 学习笔记