正是因为我们有了之前对时空数据深刻的理解，我们才能设计出这样的网络结构。我们在这里只需要抽取一些关键帧，比如昨天同一时刻、前天同一时刻，其他时间的则可以不做输入，大概只要用几十帧的关键帧作为输入，就可以体现出几个月里面所包含的周期性和趋势性，使得我们的网络结构大大简化，但是训练的质量和效果却大大提高。

　　目前，郑宇的团队主要在贵阳市部署了这套系统，研究采用的数据也主要是贵阳市 5000 多辆出租车的数据。未来，随着技术的进一步成熟，也许会有更多的城市采用这种城市安全预警方案。

　　当然，开奖，人流预测只是城市计算领域中的一个问题而已，它在物流管理、能源消耗、智能交通等不同问题上都有很大的应用空间。比如现在对人们困扰非常严重的雾霾问题，「只不过空气质量是另外一个方法，它不用考虑迁移，只要考虑每个点的影响，我们现在也是在用深度学习在做。」

　　在郑宇看来，未来的城市管理越来越考量的是综合实力，真正要交付城市计算的项目或者案例，一定是需要端到端的综合实力，从数据的采集、管理、分析、挖掘都要知道。不光是机器学习，还要涉及到云计算平台，并且要知道各种算法，包括数据管理、数据挖掘、机器学习、可视化等等。这种端到端的综合解决能力，才是大数据的能力。