AI和大数据在争分夺秒深入到商业和生活中。未来每一家公司都可能是一家大数据公司，一家AI人工智能公司，正如现在每一家公司都是互联网公司一样。

　　了解人工智能在城市管理和商业领域的应用，将有助于每个创业者在实践中为自己的产品和商业模式赋能。

　　微软亚洲研究院“城市计算”领域负责人郑宇博士在源码资本2017年码会上，分享了人工智能在城市计算领域的进展。

　　以下是郑宇博士在2017年码会上的演讲原文：

　　非常高兴有机会能够跟大家分享我们在城市计算（Urban Computing）领域的工作。大家平时听到很多人工智能用于语音、图象、文本的场景。怎么样用人工智能和大数据技术改变我们的生活，我围绕这个主题探讨一下，人工智能在城市领域的进展。

　　做好人工智能在城市领域的应用需要四个方面的技能：

　　1、理解城市文化本身，数据科学家纯粹的理论无法代替行业知识；

　　2、理解数据本身，不仅仅要了解数据的表征，也要了解数据背后蕴含了什么样的知识；

　　3、掌握数据科学的模型，包括数据管理，j2直播，数据挖掘，机器学习，还有可视化；

　　4、懂得如何利用云平台，把算法高效部署在平台上解决问题。

　　在城市领域，以上四点也有应用上的不同之处：

　　可以想象到城市里面数据特别多，链家的、搜房的，从地理信息到人流量，好像千差万别上百种、上千种的数据。实际上按照数据的结构来分的话有两种数据，一种点的数据，一种网的数据。按照数据关联的时空属性来分，可以分为三类。所以总共有六种数据。这六种中最为复杂的就是轨迹数据，因为物体的位置和在每个位置上的属性都在不断的随着时间改变，而且点和点之间存在着关联。像摩拜和滴滴的车的轨迹都属于这种类型。

　　我不希望来了一千种数据要建一千种模型和算法，使得系统变得非常复杂。我们希望只要定义好这个模型之后，不管你来什么数据，可以高效利用平台，利用对应的分析和挖掘算法去处理。

　　城市领域有大规模的数据，多元、多模，变化非常快，这么复杂的数据怎样快速更新，以及大规模的应用？必须要有一个平台。大家自然会想到，我们就用云平台把它连接到一起。可惜的是，不管哪家商用云平台都无法做好时空大数据，对城市大数据支持的并不是很好。

　　现有云平台处理城市大数据的限制，与MSRA的实践：

　　1、数据结构很不一样，跟图象文本结构不一样。

　　2、查询方式不一样。例如我们在找滴滴的时候，希望是找周边这个时间段内有没有空车经过，而不是关键词进去匹配一个文本出来。

　　3、真正我们做城市计算的时候我们往往用到多个数据源，而不是单一数据。比如说空气质量预测的时候我们需要用到气象、交通、地理信息以及人的移动数据，怎么样把这些数据多元管理起来？这是一个难题，这个技术是缺失的。所以基于它的原因，现在已有的云平台并不能支持很好支持时空大数据。

　　受限于已有云平台的现实限制，微软亚洲研究院去年在洛阳市落地了中国第一个城市大数据平台。

　　它首先定义了六种数据模型，然后利用了现有微软云计算平台的存储资源。接着我们做了一层中间件，针对不同的数据结构设计了时空索引算法，并针对不同数据设计了混合式索引算法。然后把时空索引集成到Hadoop、Spark和Storm等分布式计算环境中。

　　这里面不光有分布式计算环境，也有时空索引算法，两者的结合把数据的访问和管理存储变得非常高效。最后向上层的机器学习和人工智能算法提供API，使得我们的机器学习算法能够快速访问下面的一些数据。想象一下，如果没有这一层的话很多机器学习算法根本不能上线，根本不能做大规模的访问和应用。

　　下面几个应用案例可以看到这个城市大数据平台所产生的实际效应。

　　1、城市充电桩与广告牌布局

　　通过城市大数据平台在贵阳市决定应该在什么位置放置充电桩，才能最大化覆盖整个城市的车流量。最终选取出五个路口，使得覆盖不同出租车的GPS轨迹数量最大化。

　　以前做这个工作需要一天。现在我们只需要2-3秒的计算结果。我们发现在商业应用中，我们部署一个东西除了需要数据科学支持还需要行业知识支持，不仅要考虑车流量最大化的问题，还是考虑周边是不是商城，有没有配套。车主充电的两小时等待时间里，周边要有餐饮、娱乐机构供人休闲。