城市計算

城市計算

一個城市的人口生態以及生活的計算

基本內涵

人們的生活倚賴著兩個世界。一個是由網際網路連線的虛擬世界,而另一個則是現實世界中的物理世界。相對於前者的高度連通性和數位化,物理世界雖蘊藏著更為豐富的信息和知識,但由於目前仍卻缺乏有效的感知、管理和協同,這些寶貴的知識財富還未得到充分的發掘和利用。同時,現實世界和虛擬世界之間也缺乏有效的聯繫和溝通,致使人類擁有的信息處於孤立、隔離之態,因而不能發揮其最大能效。所以,在網際網路已經高度發達的今天,深度探尋物理世界中蘊藏的知識和智慧型已經變得勢在必行。

通常認為,現實世界可以進一步劃分為遠郊、城市和室內三個空間(如圖1所示)。相對於其它兩個空間,城市空間因其涵蓋的多種元素(如房屋、車輛、道路和各類感測器)和人類行為而變得最為複雜,也最為有趣。如何有效利用這個空間裡蘊含的信息來為人類服務已成為近年來人們關注的熱點。

圖1 虛擬世界與現實世界的框架 圖1 虛擬世界與現實世界的框架

另一方面,近幾個世紀以來,城市化的腳步在世界各地逐步加快,而全世界的人口僅居住在約0.4%的地球表面積上。本已經資源緊張的地球,正面臨著因城市規模不斷擴大和人口增加帶來的巨大壓力。各種能耗、污染、環境和交通等關係到人類生存的問題已逐步顯露。如何妥善解決諸多問題並為人類提供更好的城市生活已經變得迫在眉睫。

在這樣的場景下,城市計算的概念被提出並很快受到了極大的關注。在這個概念中,城市裡的任城市計算的內涵與邊界意感測器、道路、房屋、車輛和人都可作為一個計算單元來協同完成一個城市級別的計算(不僅僅在一條道路上或者一棟樓房裡)。通過城市感知、數據挖掘、智慧型提取和服務提供這四個主要環節來建立一個生態循環系統,以產生一個雙贏的結果。即,為城市裡的人提供更美好的城市生活,同時也讓城市變得更加綠色和智慧型,提升整個城市的環境。

研究現狀

近幾年來,湧現了一些有代表性的前期研究工作。比如,利用上萬輛裝有GPS感測器的計程車來感知整個城市的交通流量和人們的移動規律(如圖3所示)。具體套用包括:整個城市級別的交通流量預測,並為駕車人員設計實際快速可行的行車線路;或為乘客推薦有可能找到空載計程車的打車地點;或實時檢測一些異常事件(如道路坍塌、臨時交通管制和大型集會等),以便提前預警或及時處置。通過對長期數據的分析,還可以發現城市規劃中存在的不足,並從一定程度上驗證已經實施規劃的有效性。在一些城市(如哥本哈根),研究人員通過在腳踏車上安裝感測器來探知城市中不同地方的空氣品質和溫度,並利用手機將這些數據共享給信息中心或自己的朋友。在新加坡,研究人員利用人們的手機信號來探知城市裡的人流、熱點地區和異常事件等。以上這些事例同時用到了車、手機、各種感測器、道路和興趣點等多種計算單元及其產生的數據,產生的結果也反映了整個城市的韻律和動態。

圖3 基於裝有GPS的計程車的城市計算案例 圖3 基於裝有GPS的計程車的城市計算案例

還有一些研究,結合大量用戶在社交網路(如Twitter或Facebook)上產生的數據來完成城市計算,如異常事件檢測、旅行推薦和廣告投放等。這裡異常事件檢測基於的其假設是,當有不尋常的事情發生時,會有很多目擊者在社交網路上發布大量的相關信息(如微博)。也有一些套用通過分析大量用戶在基於位置的社交網路(如Foursquare)中產生的帶有位置屬性的數據(如照片、軌跡數據或簽到記錄等)來發現一個城市中的熱門景點和經典旅行線路,從而為外來的遊客提供更好的旅行線路設計和推薦服務。此外,還有一些研究利用人們在城市中的移動性來分析不同地域的相關性,從而實現一些娛樂和廣告推薦等套用。假如發現大部分人在去過一家電影院之後都會去附近的一個超市,那么在考慮投放超市促銷信息的地點時可以重點考慮這家電影院。這些套用中,除了前面提到的道路、感測器和興趣點等,人也變成了一個計算單元,其所處的社交網路和生成數據也融入了城市計算中,來共同感知這個城市的脈搏。

面臨挑戰

城市計算在未來將面臨的主要挑戰來自於以下幾個方面:

1)如何更加合理有效的感知城市動態,包括人在城市裡的移動性、車流、環境和能耗等。這個感知過程既要不影響到人們的正常生活,並考慮到能耗和環保,同時也要有足夠大的覆蓋範圍、實時性和準確性。

2)如何管理和挖掘大規模的異構數據,如道路和地理數據、視頻和圖像數據、軌跡數據和文本數據、以及社交網路結構數據等。首先,由於城市計算所涉及的很多套用均有很高的實時性要求(如異常事件預警和交通流量感知等)。雖然數據規模巨大,但這個挖掘過程必須快速高效。再者,一方面的數據往往只能告知我們局部的信息量,融合來自不同數據源的信息才能更深層次地了解事件的根源。例如,通過路面上的感測器我們可以知道某條道路發生了擁堵。通過攝像頭獲取的視頻數據,我們進一步發現這條道路上發生了車禍。再進一步,通過用戶發表在微搏上的數據,我們就可能知道車禍的原因、具體責任人和一些更詳實的信息。但這些數據具有完全不同的結構和特性,目前也分別適用於不同的挖掘算法。因此,數據的龐大規模和異構屬性將為快速的協同挖掘和深度理解帶來很大的挑戰性。

3)如何將獲取的知識有效的表達出來,並從中提取能用來做決策的智慧型。比如城市中人們在不同時間段中的移動規律如何展現,以及如何利用已獲悉的交通流量來指導人們的出行;或者,如何從車流和人流中發現城市規劃中存在的問題,並如何改進。從知識到智慧型(尤其是可以幫助我們作決策的智慧型)的飛躍仍需要相當大的努力。

城市的發展和其規模的不斷擴大給我們同時帶來了挑戰和機遇。如果我們未能應對好當前的局勢,將很有可能導致經濟、環境、能源和健康上的災難。但是,通過合理有效的城市計算,我們將有機會為人們提供更加美好、綠色的城市和高品質的城市生活。當前的城市計算還處於初期階段,可探索的空間非常巨大,並且任重而道遠。

相關詞條

相關搜尋

熱門詞條

聯絡我們