治理擁堵 人工智慧療效如何

當一套完善的「城市數據大腦」落地後，將是一套完整的信息收集、整理、反饋、計算、輸出系統，而AI的應用使得城市大腦不僅在信息收集上更加高效、全面，計算處理上也更加快速。

8月4日，澳門特別行政區政府與阿里巴巴簽署《構建智慧城市戰略合作框架協議》，引進阿里雲人工智慧ET「城市大腦」。據悉，ET「城市大腦」在澳門落地的場景包括交通、旅遊、醫療服務、電子政務、環保、海關通關、人才培養、經濟預測等。

這是繼自去年雲棲大會上發布杭州「城市大腦」智慧城市建設計劃後，ET「城市大腦」登陸的第二站。據阿里雲人工智慧科學家閔萬里博士透露，阿里雲正在內地長三角等區域快速複製「城市大腦」。

近些年來，城市化在帶來經濟繁榮的同時，也不斷增加著城市經營與管理的難度。交通擁堵等問題，嚴重影響了城市運營的效率和可持續發展。利用最先進的人工智慧作為解決方案的想法也由此而生。不過，面對擁堵難題，尚未成熟的人工智慧能幫我們多大忙？

有大腦的城市「血脈」順暢

城市作為人類社會的政治、經濟中心，其職能之一就是促進經濟發展。近些年來，很多國家的經濟發展實現了前所未有的突破，但城市擴張、人口流動給很多地區帶來了更多難題，這一過程讓城市不堪重負，堵車等問題在城市間快速傳染，讓城市管理者無所適從。

而在此之前，很多科技巨頭就預先一步料想到事態的發展，IBM就是其中之一。2008年11月IBM在全球提出「智慧地球」概念，但脫離實際以及業務模式的錯誤最終讓IBM功敗垂成，其思路逐漸被各政府部門摒棄。而今，阿里巴巴、百度、滴滴出行等都紛紛拿出了「城市數據大腦」的人工智慧方案，雖然所針對領域、名稱不盡相同，但在原理上卻是大同小異。

「城市數據大腦」的目標是通過收集城市的各項數據，對整個城市進行全局實時分析，自動調配公共資源，優化城市管理，最終使城市運行更加高效。

當一套完善的「城市數據大腦」落地後，將是一套完整的信息收集、整理、反饋、計算、輸出系統，而AI的應用使得城市大腦不僅在信息收集上更加高效、全面，計算處理上也更加快速。

以交通領域的應用為例，如果通過人力來預判交通流量，僅僅是一周的視頻數據分析，都需要數萬交警三班倒地去看，花費的時間可能是幾天甚至更長時間。而城市大腦則可以在十分短暫的時間內分析完畢，並且能夠精確到多少車輛往什麼方向走，哪些車輛存在違章……這方面，機器比人更具優勢。

據了解，「城市數據大腦」的目標是通過收集城市的各項數據，對整個城市進行全局實時分析，自動調配公共資源，優化城市管理，最終使城市運行更加高效。當一套完善的「城市數據大腦」落地後，將是一套完整的信息收集、整理、反饋、計算、輸出系統，而AI的應用使得城市大腦不僅在信息收集上更加高效、全面，計算處理上也更加快速。

這一套「城市數據大腦」治堵方案，可謂將前兩年所說的火熱的「人工智慧」治堵、「大數據」治堵融合在了一起，並加以實施。以數據大腦為核心，實時監控分析道路車流量，依據動態的交通數據，自動切換和調配信號燈時間，甚至在車流巨大的路段，全程綠燈不停車。而從駕駛者這一方面，則可以很清晰的根據「大腦」所分析出來的數據，選擇推薦車流量較為合理的道路行駛。從而調節交通流量，以解決堵車的問題。

素質和舊規暫時無解

不過，「城市大腦」的推進，其實仍面臨著眾多現實難題，也絕非可以快速複製、遍地開花。以交通為例，我國的堵車問題遠不止交通流量大、車輛類型複雜那麼簡單。AI要面對的，恐怕是一個人為因素更複雜的困局。

高德地圖等機構發布的《2017年第二季度中國主要城市交通分析報告》顯示，第二季度里，一百個城市中近八成的城市擁堵同比得到緩解，但仍有23%的城市出現擁堵加重趨勢。

至於交通阻塞原因，在一項投票調查中，票選比例最高的前四分別為：非機動車在機動車道逆行、穿插、隨意變線，佔總票數的17%；堵車時加塞佔總票數的16%；違法停車、堵車時借道或佔用對面車道超車兩類均佔總票數的13%。其餘分別為：行人隨意橫穿馬路佔11%，掉頭、轉彎不讓直行車和開車打手機兩類均佔10%，發生輕微交通事故不「快處快賠」佔8%。

可以看到，這一類的交通違規都屬於駕駛人員素質不高所導致的主觀行為，而恰恰這些主觀行為，「城市數據大腦」是無能為力的。某北京市交通管理專家曾表示，智能化交通管理的問題，需要懂業務的技術專家，和了解技術的業務骨幹（交警）共同來完成。AI再聰明，也不能完全解決管理的問題。

在治堵的問題上，另一個阻礙「城市大腦」發揮的焦點，便是早期城市交通的規劃弊端。

本世紀以來，隨著經濟收入水平的提高，汽車市場出現了爆發性的增長。而我國早期城市尤其是道路的規劃建設，卻很難提前預料到這一快速變化，無法滿足爆發性增長的家庭汽車通勤需求。

「例如，北京的道路擁堵的根本原因，是有限路面資源無法滿足日益增長的全域私家車出行需求的問題。」北京交通大學交通系統科學與工程研究院閆學東教授說，北京市日均出行需求在2016年的穩定增長，是導致北京市域局部區域行程速度下降的關鍵原因。

「城市大腦」可以解析數據，調節交通流量，可以緩解一部分城市道路的擁堵問題。但目前人工職智能還是無法從根本改變早期國內部分城市規劃的弊端，以及因此導致的堵車問題。雖然ET在應用中強調了「大數據」車流監測已在適應不斷變化的交通狀況，但在「治堵」上還需要更多的訓練進行考驗。

除了隨意的人性、陳舊的道路規劃外，「城市大腦」人工智慧，還存在數據的安全問題。據統計，當前人們每天的出行數據大約有70TB，都是跟交通出行息息相關的。面對這麼多且不斷增長的數據量，如何確保數據的安全和不被泄露是一個非常巨大的課題。

此外，如果在交通、城市問題的解決上，過度的依賴大數據，通過大數據分析來「指揮交通」，那麼在資料庫遭遇黑客的入侵導致「大腦」癱瘓時，那城市的正常秩序會受到嚴重的威脅。

「大腦」安全與數據安全

除了「城市大腦」人工智慧無法解決的固有問題之外，是否還有更值得我們擔憂的問題呢？答案是肯定的，那便是數據的安全問題。

先有58同城全國簡歷泄露事件，再有國外巨頭Dun＆Bradstreet 52G資料庫遭泄露，更有印度麥當勞220W用戶收據遭泄露。大眾越來越關心大數據的安全問題，越來越低的數據犯罪成本導致了互聯網社會的人心惶惶。

滴滴出行從去年宣布進軍「人工智慧交通」，發布了交通雲計算平台。相應而來的，平台的數據量也非常大，有接近一百億的路徑規劃請求，定位超過130億次。實際上，我們每天的出行數據大約有70TB，都是跟交通出行息息相關的。面對這麼多且不斷增長的數據量，如何確保數據的安全和不被泄露是一個非常巨大的課題。

此外，我們在交通、城市問題的解決上，過度的依賴大數據，通過大數據分析來「指揮交通」，那麼如果在資料庫遭遇黑客的入侵，導致「大腦」癱瘓，那城市的正常秩序是否會受到嚴重的威脅，這也是不容我們忽視的問題。

換個角度，回看一下《速度與激情8》中那些匪夷所思的畫面，雖然幾十上百輛「殭屍車」軍團的構思有些太過科幻，但是紅綠燈系統、汽車ECU電子控制單元被黑的例子已經屢見不鮮，防微杜漸是必須的。

有隱患，有數據風險，並不意味著我們要因噎廢食，但是隨著數據泄露危機、黑客攻克數字防線的風險加大，如何有效防範，如何建立危機應對機制，也是數字化城市管理者、參與者、運營者必須重要考慮的核心問題。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！