【
智慧城市網(wǎng) 品牌專(zhuān)欄】PaddleSpatial是基于百度飛槳深度學(xué)習(xí)框架開(kāi)發(fā)的時(shí)空大數(shù)據(jù)計(jì)算工具和平臺(tái)，融合了百度領(lǐng)先的區(qū)域分割、時(shí)間序列、城市遷移學(xué)習(xí)等時(shí)空數(shù)據(jù)處理能力。本次將由百度研究院資深研究員、PaddleSpatial技術(shù)負(fù)責(zé)人周景博，為大家分享PaddleSpatial如何實(shí)現(xiàn)深度學(xué)習(xí)與時(shí)空大數(shù)據(jù)的結(jié)合，以助力智慧城市發(fā)展。
一、百度大數(shù)據(jù)和人工智能技術(shù)助力智慧城市建設(shè)
首先講一下我們項(xiàng)目研發(fā)的方法論。我們可以用一個(gè)三角形來(lái)表示大數(shù)據(jù)、人工智能和智慧城市之間的關(guān)系。百度的大數(shù)據(jù)的優(yōu)勢(shì)體現(xiàn)在多個(gè)方面，正是這些海量的動(dòng)態(tài)時(shí)空大數(shù)據(jù)和互聯(lián)網(wǎng)大數(shù)據(jù)，實(shí)現(xiàn)了城市的數(shù)字化，讓我們更快更直接地感受城市的變化規(guī)律。這為更好地建設(shè)智慧城市提供了必要的數(shù)據(jù)基礎(chǔ)。同時(shí)，大數(shù)據(jù)也為人工智能提供了燃料，對(duì)訓(xùn)練機(jī)器模型是不可少的。這樣大數(shù)據(jù)和人工智能共同為智慧城市的建設(shè)，提供了必要的數(shù)據(jù)和技術(shù)支撐。
二、PaddleSpatial開(kāi)源算法介紹
PaddleSpatial的研發(fā)目的正是為了充分利用百度的時(shí)空大數(shù)據(jù)能力和人工智能技術(shù)，構(gòu)建基礎(chǔ)算法的開(kāi)源工具，來(lái)支撐上層城市的應(yīng)用。
目前PaddleSpatial開(kāi)源的主要算法模塊包括區(qū)域切分，社區(qū)屬性預(yù)測(cè)，空間圖神經(jīng)網(wǎng)絡(luò)，城市遷移學(xué)習(xí)和城市時(shí)間序列數(shù)據(jù)預(yù)測(cè)等等。同時(shí)我們?cè)谏蠈友邪l(fā)了一些相關(guān)的城市計(jì)算的應(yīng)用，包括區(qū)域畫(huà)像，出行畫(huà)像，城市量化分析，智能交通等等。下面我將一一做簡(jiǎn)要的分享。
首先我們先介紹一下PaddleSpatial里有亮點(diǎn)的幾個(gè)算法模塊。
第一，是支持空間點(diǎn)的關(guān)系預(yù)測(cè)的空間圖神經(jīng)網(wǎng)絡(luò)模型。圖神經(jīng)網(wǎng)絡(luò)近兩年取得了非常大的進(jìn)展，但是存在一個(gè)問(wèn)題是，它通常將圖當(dāng)成一個(gè)拓?fù)鋱D來(lái)處理，建模的是結(jié)點(diǎn)和結(jié)點(diǎn)之間的關(guān)系。實(shí)際上在地理數(shù)據(jù)中，點(diǎn)和點(diǎn)的相對(duì)位置和角度是非常重要的。如何建模兩點(diǎn)之間的距離及角度，是目前圖神經(jīng)網(wǎng)絡(luò)不能很好處理的問(wèn)題。因此我們提出一個(gè)空間自適應(yīng)的圖神經(jīng)網(wǎng)絡(luò)算法。它把地理空間中兩點(diǎn)之間的相對(duì)距離和角度信息，很好整合到圖神經(jīng)網(wǎng)絡(luò)框架中。
第二個(gè)功能是城市區(qū)域切分。它主要是基于路網(wǎng)數(shù)據(jù)，將城市切分成細(xì)分單元，進(jìn)而將這個(gè)基礎(chǔ)單元作為研究對(duì)象。城市區(qū)域切分和自然語(yǔ)言處理中的應(yīng)用相對(duì)比，實(shí)際上是定義了城市空間域上的“切詞”能力。和已有的算法做對(duì)比可以看出，PaddleSpatial開(kāi)源的城市區(qū)域切分方法的準(zhǔn)確率遠(yuǎn)高于已有的方法。PaddleSpatial可以將全國(guó)劃分成150萬(wàn)個(gè)區(qū)塊，為進(jìn)一步的城市研究提供了堅(jiān)實(shí)的基礎(chǔ)。
完成城市區(qū)域切分之后，下一步就是研究城市區(qū)域的各類(lèi)屬性，比如人口數(shù)量，房?jī)r(jià)，以及人群分布等。這里我們也研發(fā)了一個(gè)城市區(qū)域稀疏標(biāo)簽預(yù)測(cè)算法。城市區(qū)域稀疏標(biāo)簽的一個(gè)典型的應(yīng)用是城中村檢測(cè)。城中村在很多城市都存在，但是數(shù)量是非常稀疏的。通過(guò)我們研究的算法，可以實(shí)現(xiàn)對(duì)整個(gè)城市城中村的檢測(cè)。初步的實(shí)驗(yàn)結(jié)果也證明我們的方法顯著優(yōu)于現(xiàn)有的最好方法。
在建模區(qū)塊之后，還會(huì)研究區(qū)塊間的人流關(guān)系，比如說(shuō)不同的區(qū)塊之間流量是多少。我們也專(zhuān)門(mén)提出了面向城市區(qū)域之間的流量預(yù)測(cè)模型。該模型的創(chuàng)新點(diǎn)包括變分的有向圖自編碼器，城市多模態(tài)信息融合的先驗(yàn)分布對(duì)齊以及基于泊松分布的解碼器等。在已有的區(qū)域流量數(shù)據(jù)上，取得了非常好的效果。
三、城市認(rèn)知計(jì)算在智慧城市的應(yīng)用
前面我著重分享了PaddleSpatial的特色算法工具，后面我會(huì)再側(cè)重介紹一下我們實(shí)驗(yàn)室正在進(jìn)行的城市認(rèn)知計(jì)算相關(guān)的項(xiàng)目。我們的目標(biāo)是構(gòu)建城市空間的認(rèn)知計(jì)算能力，進(jìn)而能更好地理解城市，造福城市居民。
我們首先介紹的是區(qū)域畫(huà)像。區(qū)域畫(huà)像包括人群畫(huà)像、生活地圖、常訪區(qū)域、區(qū)域指數(shù)、用地分布、功能分布等特色功能。區(qū)域畫(huà)像具有更細(xì)粒度的分析力和辨識(shí)能力，可以動(dòng)態(tài)感知區(qū)域間人流分布和人流特征，并進(jìn)行城市功能區(qū)的實(shí)時(shí)分析。區(qū)域畫(huà)像的覆蓋范圍非常精細(xì)，可以支持省到街道的5級(jí)空間維度的縮放，相關(guān)數(shù)據(jù)可以支持覆蓋全國(guó)的用戶(hù)特征和功能設(shè)施分析。
同時(shí)，和區(qū)域畫(huà)像相關(guān)聯(lián)，我們還建立了城市的出行畫(huà)像。與區(qū)域畫(huà)像不通，出行畫(huà)像以每個(gè)出發(fā)地和目的地構(gòu)成OD 對(duì)為基本研究單位，細(xì)粒度刻畫(huà)人群的移動(dòng)屬性。通過(guò)海量歷史人群數(shù)據(jù)，進(jìn)行量化的指標(biāo)分析和預(yù)測(cè)能力建模，提升城市的感知能力。
這里是我們構(gòu)建的區(qū)域畫(huà)像和出行畫(huà)像的系統(tǒng)。首先來(lái)看出行畫(huà)像，對(duì)于每一個(gè)出發(fā)地和目的地構(gòu)成的OD 對(duì)，我們可以是實(shí)現(xiàn)細(xì)粒度的人群分析，展示在同一路徑上的不同的人群的流量、交通方式等維度。區(qū)域畫(huà)像則可以實(shí)現(xiàn)對(duì)一個(gè)區(qū)域的人群和屬性的分析。我們可以建立每個(gè)區(qū)域的生活地圖，分析該區(qū)域衣食出行的需求和供給情況。我們還可以分析該區(qū)域的常訪地點(diǎn)，觀察不同層級(jí)的出發(fā)地和目的地等。然后，我們還構(gòu)建了細(xì)粒度的區(qū)域指數(shù)，包括便民指數(shù)、生活品質(zhì)指數(shù)等。我們還可以對(duì)區(qū)域進(jìn)行用地和功能分布的分析。用地分布體現(xiàn)了區(qū)域的規(guī)劃定位，比如居民用地和教育用地等；而功能分布則體現(xiàn)了該區(qū)域自發(fā)形成的服務(wù)功能，比如休閑娛樂(lè)和餐飲美食等功能。
我們還會(huì)進(jìn)一步研究城市之間的關(guān)系，并學(xué)習(xí)城市的已知規(guī)律，將它應(yīng)用到其他的城市上。在2020年疫情期間，我們實(shí)驗(yàn)室和地圖合作完成了一個(gè)新冠肺炎感染高風(fēng)險(xiǎn)小區(qū)的識(shí)別項(xiàng)目。該項(xiàng)目結(jié)合多模態(tài)學(xué)習(xí)和城市區(qū)域遷移學(xué)習(xí)技術(shù)，設(shè)計(jì)了城市新冠肺炎感染高風(fēng)險(xiǎn)小區(qū)的識(shí)別算法。去年新冠疫情剛爆發(fā)的時(shí)候，只有武漢開(kāi)始大規(guī)模流行。通過(guò)看武漢發(fā)生大規(guī)模疫情爆發(fā)的小區(qū)特點(diǎn)是什么樣的，來(lái)抽取出規(guī)律，進(jìn)而指導(dǎo)其他城市。我們研發(fā)的模型可以定位新冠疫情高風(fēng)險(xiǎn)小區(qū)的成因，提示政府對(duì)不同區(qū)域采取針對(duì)性?xún)?yōu)化措施，助力政府提高疫情管控能力。
PaddleSpatial構(gòu)建的平臺(tái)能力在與雄安新區(qū)管委會(huì)，聯(lián)合國(guó)開(kāi)發(fā)署和北京市交研院的合作中都取得了示范性應(yīng)用。其中我們完成雄安大數(shù)據(jù)報(bào)告被人民網(wǎng)、澎湃新聞、中新網(wǎng)、河北衛(wèi)視等50多家權(quán)威報(bào)道；同時(shí)我們還與新華社瞭望共建“中國(guó)幸福城市實(shí)驗(yàn)室”,從2018年起持續(xù)為新華社主導(dǎo)的中國(guó)幸福城市排名提供技術(shù)支持，產(chǎn)生了廣泛的技術(shù)影響力。近期我們還將城立方的能力擴(kuò)展到支持智能交通上，致力于讓城市交通運(yùn)營(yíng)商模式行健致遠(yuǎn)，也取得了很好的效果。
我們?cè)O(shè)計(jì)了全國(guó)首個(gè)基于大數(shù)據(jù)和人工智能的城市幸福感指數(shù)框架。整個(gè)框架設(shè)計(jì)為9+X結(jié)構(gòu)。其中“9”指九大一級(jí)指數(shù)，共包括100多個(gè)細(xì)分指標(biāo)，力求覆蓋居民衣食住行的每一個(gè)維度和細(xì)分群體。比如，以“生活品質(zhì)”指數(shù)為例，它就覆蓋了“文體休閑水平、人均綠地占有度”等8個(gè)二級(jí)指標(biāo)，每個(gè)二級(jí)指標(biāo)進(jìn)一步細(xì)分為更多三級(jí)指標(biāo)。
去年，我們的指數(shù)框架還新增了一個(gè)X指數(shù)，用于覆蓋每年的時(shí)事熱點(diǎn)，2020年的X指數(shù)是基于“新冠疫情”事件研發(fā)的“大數(shù)據(jù)抗疫指數(shù)”。相對(duì)于傳統(tǒng)的問(wèn)卷調(diào)查和統(tǒng)計(jì)方法，百度城市幸福感指數(shù)具有科學(xué)性、創(chuàng)新性和全面性等優(yōu)勢(shì)。
PaddleSpatial的能力還可以協(xié)助我們進(jìn)行城市發(fā)展趨勢(shì)的研判和分析，為城市管理者制定決策，提供數(shù)據(jù)和技術(shù)上的支持。近期我們支持了雄安、溫州等城市的城市大數(shù)據(jù)報(bào)告。特別是雄安的大數(shù)據(jù)報(bào)告，從2018年開(kāi)始做，已經(jīng)連續(xù)做了第4期，產(chǎn)生了廣泛的媒體影響力。
四、在智能交通方面的探索
最后，我再簡(jiǎn)單總結(jié)一下我們?cè)谥悄芙煌ㄉ献龅囊恍┨剿鳌Ｎ覀兘衲晟习肽暄邪l(fā)了業(yè)界領(lǐng)先的軌跡還原模塊。根據(jù)不同的十字路口拍攝的數(shù)據(jù)，來(lái)復(fù)現(xiàn)車(chē)輛在城市上的完整軌跡。它作為百度交通大腦的亮點(diǎn)功能，上線(xiàn)到了保定和亦莊城市的交通大腦上。另外，結(jié)合已有的城市交通網(wǎng)絡(luò)和流量的預(yù)測(cè)，我們也和交管部門(mén)合作探索道路規(guī)劃和交通樞紐建設(shè)優(yōu)化的相關(guān)工作。
總之，我們希望持續(xù)的建設(shè)和優(yōu)化PaddleSpatial，實(shí)現(xiàn)用百度人工智能讓城市更智慧的遠(yuǎn)景目標(biāo)。謝謝大家的關(guān)注！
移動(dòng)版
智慧城市網(wǎng)APP
智慧城市網(wǎng)小程序
微信公眾號(hào)
