除了政府部门，城市计算还能帮助城市居民规划出行安排。如果你约3-5个好友一起周末踢球，你就可以根据预测给出的空气质量情况进行选择。

在采访的过程中，郑宇还向澎湃新闻解释了为什么中国政府部门给出的空气质量数据与美国大使馆的数据不同。

“美国用的是自己站点的读数。其实两者的测量原理都是一样的。美国大使馆公布的是实时的PM2.5浓度，以及根据这个浓度换算的AQI（air quality index）值。中国政府的测点也公布了实时浓度，但发布的AQI是根据过去24小时的平均浓度。所以两者之间换算方法不一样，导致AQI看上去不一致。但实时浓度值其实是一致的，有时候中国政府公布的污染物浓度还会比美国大使馆公布的高。”郑宇说。

　　用大数据解决美国纽约的噪音问题

城市化发展进程中，除了有空气污染问题，噪音问题同样值得关注。被誉为“世界中心”的纽约，噪音问题尤为严重。已经有研究证明，人如果长时间处在噪音环境下，会对人的血压、记忆和睡眠等都造成影响。

“用传统的方面解决噪音问题是非常困难的，因为传统技术通过撞击传感器来监测噪音。但噪音是声音上的变化，在时间和空间上的反应非常剧烈，并且可能是一瞬就消逝了。而另一个原因是，传感器并不能让你知道噪音污染的原因。”郑宇告诉记者。

如果想要对噪音进行监测，郑宇认为需要在100平方米的范围内，甚至更小的区域内装一个传感器。那整个纽约市可能需要装约100万个传感器。这既不可行，而且要花费的人工管理成本也很大。其次，对于噪音的定义和人的感受有着非常紧密的联系。白天时间里，人对噪音的容忍程度和夜里会有明显地区别。

这样一来，在城市计算中，就需要考虑人的感受。郑宇给出的解决方法是根据美国人工投诉热线311，通过电话记录人们投诉的原因和地点，把人变成噪音监测的传感器。这样就能为噪音给出准确的定义和分析，政府也能及时给出限制措施。

除此之外，郑宇还在用城市计算预测城市人流，为城市大型活动的人流管控提供政策服务。目前，微软已经和贵阳市共同做了研究项目。利用出租车的数据，可以知道每一平方公里内，有多少出租车进入和有多少出租车驶出。可以让政府部门提前2-3小时进行备案，疏导人流，防患于未然。

“人流量控制其实在很多地方都非常需要，比如机场、地铁站等。它能真正降低事故发生的概率。但预测人类的行为其实是非常困难的，因为当你有重大事件或活动发生的时候，很远地方的人也会赶来参加。这就要求建立许多相关性，融合许多的数据。”郑宇说。他还举了一个简单的例子，比如城市上班族出行的早高峰时间，会随着天气的变化有所改变，那在预测人流量时就不能只考虑一个因素。

未来，在人工智能、深度学习等算法的支持下，城市计算给大众带来的惊喜会更多，但郑宇也向记者介绍了这门学科遇到的挑战。

首先，数据的获取。虽然并不是数据越多，对于城市计算就越有帮助。但如何更准确有效地获取相关数据，还是值得思考的问题。其次，数据融合。即打破各类数据的壁垒，让来自不同行业、领域的数据进行融合。最后，还要向各个行业的专家进行学习，进行对比借鉴。

“有时候我们需要先用自己的能力证实一下，即你能做出东西来，并展示给其他人看。在与行业对接时，直播，还需要用他们的语言把问题讲清楚，别人才会接受你。别人接受你之后，才有可能真的落地并真正推动行业进步。”郑宇对记者说。

　　你也许还想看：

　　感谢你关注“微软研究院AI头条”，我们期待你的留言和投稿，共建交流平台。来稿请寄：[email protected]。

　　微软小冰进驻微软研究院微信啦！快去主页和她聊聊天吧。