京東金融首席數據科學家鄭宇:用科技服務 城市更加美好

發佈時間:2018-05-27 21:20:14  |  來源:數博會  |  作者:  |  責任編輯:孟超
分享到:
20K

城市計算是什麼?未來,人工智慧和大數據將如何改變我們的生活?在2018中國國際大數據産業博覽會(數博會)上,京東金融副總裁、首席數據科學家、城市計算事業部總經理鄭宇詳解了京東金融的智慧城市理念和願景, 他認為,城市計算是大數據、人工智慧和雲計算在城市裏的有機結合,而除了技術本身,點、線、面結合的頂層設計加上跨領域的城市應用尤為重要。

京東金融副總裁、首席數據科學家、城市計算事業部總經理鄭宇

在鄭宇看來,城市計算就是通過對城市大數據的不斷採集、管理、整合、分析、挖掘,然後利用挖掘出來的知識,解決城市裏面交通、環境、能耗等問題。它是大數據、人工智慧和雲計算在城市裏的有機結合。

在資訊化和數據收集基礎上,用大數據和人工智慧從數據中獲取知識,用知識解決行業問題,助力新型智慧城市建設尤為重要。以解決城市痛點為出發點、可以基於任意雲搭建服務,提供開放式的生態平臺,才能賦能第三方企業。城市計算頂層設計方面,需要點、線、面結合,並與多領域垂直應用結合,打造從規劃到運維再到預測的閉環,為城市發展提供可持續發展演進模式。

鄭宇認為,能夠提出點、線、面結合的頂層設計,加上跨領域的城市應用,這兩點尤為重要。“現在我們的政府不缺做一個點的人,但是如果很多點做為孤立系統存在的話,會對智慧城市管理帶來很多複雜的狀況和壓力。另外,一個城市是在不斷規劃、運維和預算中迭代的,方案一定不能是靜態的,合理洞察歷史才能有效規劃資源,高效掌控現狀,平穩運維城市,真正地精準預算未來,才能進一步知道更為合理的規劃。反過頭來,規劃又能幫助我們更好去運維,它是一個閉環的、螺旋式的發展。”

隨後,鄭宇用七個案例詳細介紹了優秀的城市計算能力在商業、市政、能源等方面會達到什麼樣的落地成果。

案例一:聯通營業廳智慧選址

聯通線上下有很多營業廳,但是隨著線下業務向線上轉移,其線下營業廳資源沒有得到充分利用。聯通如果想把用戶重新拉回營業廳,首先,他要考慮在哪選址,或者是改造哪些營業廳,第二是如何配置裏面的3C産品,使得轉化率最高。如果只是基於聯通本身的數據是做不到的,他們需要聯合電商、物流、金融的數據,共同做智慧化的選址。這裡面既要考慮到聯通用戶的數據,也考慮到京東的數據,還要考慮第三方的地理資訊數據,把它變成一個學習的數據,並通過人工智慧演算法,帶來高效的回報率。

案例二:違章停車監測

城市裏有很多違章停車現象,很多非車道被佔,但是執法管理人員是有限的,我們不可能在每一條路上都安排執法人員去管理違章停車。現在,由於共用單車的出現,我們可以用共用單車的GPS數據來動態的智慧的檢測城市裏面的違章停車情況。

比如有車違章停在路邊,人們騎自行車的時候就不得不繞到機動車道裏面去,他的騎行軌跡就會發生變化。需要共用單車平臺提供大量的數據,能夠實時檢測整個城市裏面什麼地方出現了違章停車,不需要派管理員去看就能夠自動識別,然後把有限的人力精準地投放到那些違章的路段,快速地去捕獲違章停車,這大大提升了政府的效率,可以在一定程度上去幫助政府治理違章停車的現象。


案例三:區域人流預測

通過大數據和演算法,我們能夠預測整個城市裏面每個區塊的人流量情況。比如踩踏事件,如果能夠提前幾小時知道這個區域裏面未來有多少人進,有多少人出,我們就可以提前管控做分流,做管控,保證人身安全。以前的演算法很難實現這種非規則區域的人流量預測,大家知道如果做深度學習的話,只能做規則網格的電腦運算,優秀的做法,是在非規則區域裏面做人流量預測。另外,做到不同區域之間,人流量之間的轉移,在源頭上進行分流,而不是説到了目的地之後再去管控和分流。這樣既能保證公共安全,也能幫助我們做很多的智慧的調度和管控。

案例四:救護車智慧調度和選址

救護車智慧調度和選址是利用大量的120呼叫數據和救護車路線搶救數據,在不增加任何投入的情況下面,只要對救護車站的位置做稍微的偏移跟挪動,就能夠把搶救時間縮短30%。比如,以前我們救一百個人需要花一百個小時,現在我們只要花70個小時,留下30個小時可以在手術臺上挽救更多人的生命。另外,通過智慧演算法我們可以對救護車做動態的調度,在不增加任何救護車的情況下,把運力再提高30%。前提是我們沒有增加任何的資源投入,這就是人工智慧的威力。

案例五:水質的預測

水質的預測涉及很多因素,包括管道本身的年齡和壽命、周邊的情況、氣象、人們用水的模式等因素,是一個很複雜的過程。基於人工智慧演算法,需要部署管網水質預測系統來實時預測未來的管網水質,從而指導自來水工廠更科學地進行投氯消毒,保證居民飲用水質,還能及時發現水管健康狀態,第一時間進行維護、修理,保證城市高效運轉,進而給政府各項城市建設決策提供參考。

案例六:AI+火力發電

在中國,火力發電佔據60%發電量,産生的能源消耗和污染排放很嚴重。城市計算通過大數據和人工智慧,能夠用更少的煤發更多的電,並且産生更少的污染排放。該演算法非常複雜,比阿爾法狗還要難,因為發電機組的狀態是連續空間,變數非常多,而且它不是完全封閉的空間,如何通過人工智慧演算法動態的去做各種閥門調控、送水、送風,這是一個世界性的難題。如果我們提供優秀的演算法,能在全國兩千多臺發電機組推廣,可以提高0.5%的發電效率,一年給國家節約的費用能達到一百億元。

案例七:信用城市體系建設

構建中國的信用城市標準體系,包括了居民、企業和政府三個主體的信用。居民信用即個人的出行,租用,借貸等行為産生的信用。企業的信用則與股市評價、招投標、融資等動作相關。政府信用關係到政府的考核,涉及經濟、環境、能耗等多方面指標。

鄭宇最後表示,未來,我們將持續發力,讓技術真正服務於現實生活,提高效率,降低損耗,用科技服務更加美好的城市。

鄭宇簡歷:

作為城市計算領域的先驅和奠基人,鄭宇曾發表高品質國際論文百餘篇,其中多篇論文成為城市計算領域奠基性的論文。2013年,在城市計算領域的貢獻被《MIT科技評論》評為全球傑出青年創新者(TR35);2014年,被《財富》評為中國40位40歲以下商界精英。

相關內容

中國網官方微信