纣rhi报边 COVERSTORY
口的性，臼比较罔定的线路， 而所街 提供较为准确的参考也议。 在二粟些
的线路总足以这些小型[泛域为端点。 阳ì5C E 某些区域内出现的交通瓶
由此. jl}结合出租草的轨迹数据信 颈现象，往往并不是这些区域本身
息，来分析找出不能f良好连接的两 的出路设计问题③ 比如人们必须通
据来获if:H 以概率代表 L 将此输入 个区域
一个根Æ'装模tlJl后.恨掘出租东司机 而即使在出相车行驶中并没有
提出推荐请求的时fEl]阳地J点该系 减i萃的悄、倪，仍然会有线索表明城
统l:f dj 以评1M这个停寺客地点可 市规划的潜在问题。比如.出租车
能带来的刘闹。 国l机可能会在从 A 点到 B 点的线
郑宇介啊，这'C lfõ向乘客以 路中， JL'9l'宅绕行而非直接抵这，这
及出在jlj二司机的推荐系统，已经经 段多出米的距离往往表明.司机很
过[ 万辆出祖辈作 110 天严生 I可能知边这是 A8 之间最快的一条
的轨迹数据验lJL 只巾针对乘客的 路线。
‘打'Þtfl南"系统，还被郑字抬到了 郑字设计的.ni去能够在观地剖
MSR八的内闷 l二，并 [1何不少同型 水出某两个区域f日]的路网设计问题，
已经皂真忠实用卢ι 由 F采用了机 这将能为城市交通的规划相设计者
器学刻的约1点这套系绕给出的推
荐足- -种不断学习y~t击喂. 1而引出
过区域 2 才能从区域 1 到这识，崎 3.
那么旦好的解决之边，是丘陵打通
区域 1 和区城 3. 而作拓宽区H2 内
的自路。
当然，像郑￥他们所做的研究
只是城市计岱庞大课题的冰[11-角，
作为城市中海量数据的其中 4个载
体，出租军轨迹数据所映射出的现
实. E1!多集中于交通层面。 而门，这
些轨迹数据的采集过层中，出阻草
本身也已被抽象成沟 f一个个散漓
分布在城市系统中的传感器。 国
租车也被作为移动传ft卖报来感知路
面~niJlL 这样的思路应用在针对出
租年iiJ机的"脱苦宇航{j."系统中.还
J臼f七fJxJ一个路线设l十功能，在这哩，
大日的轨迹敖据结合在一起，从中
以分析得出.-条品为优化的路线
城市计算的内涵和边界
推荐给:..tl但当三"j1f，
·川4城lij缄~;~的n-l~
li实，用纯咀租车轨迹机据所
设计的推存系统仅仅只是郑字研究
课题的一部分，城市计臼( 1 Jrban
Computing) .IJ是兵全貌
郑字 1:立
.((该领域，郑字通过分析市区 当今人们的生活倚赖着两个世 步划分为远郊、城市和室内三个空间。
运抖出租$á'~GPS 行驶轨~.探测 界。 一个是囱E联网连接的虚拟世 相对于莫他两个空间，城市空闯因翼
城市规划的缺陷，并验证吁前实施 界，而另一个则是现实中的物理世界。 涵盖的多种元素(如房屋、军辆、道
的城 r11规划改趋成效。 由于他Jifr采 侣对于前者的高度连通性和数字化， 路和各类传感器)和人类行为而变得
保抽出租车轨迹数据为两个口然年 吻理世界虽蕴藏着更为丰富的信息、 最为复杂，也最为高血 . 如何育效利
庭内的同期量也掘，所以研究站织的 相知识，但由于目前仍缺乏有效的 用这个空间里蕴含的信息来为人类
对照吨更加ñ现.比如城市内新建 感知、 管理和协同，这些宝贵的知 服务已成为近年来人们关注的热点
的~条道路和1~条地铁线路.对周 i只财富还未得到充分的发掘和利用。 在这样的场景下城市计算的概
边交涵状汩的改善等。 同时， 现实世界和虚拟世界之间也缺 念被提出并很快受到了极大的关注
t午研究方法上，郑字所领导的 乏有效的联系和沟通，致使人类拥 在这个概念中，城市里的任意传感
研究小组将北京市民分隔成了街干 有的信息处于孤立、隔离之态，因而 器、道路、房屋、车辆和人都可作为
个行统巾件特点的小lJ:1J区域.他认 不能发挥宾最大能效。 一个计算单元来协同完成一个城市
为，城市民国的出行i土位有很明确的 通常认为，现实世界可以进一 级别的计算(不仅仅在一条道路上或
在城市计算曦
念范畴下.域
市里的任意情
感器、道路、
房题.车辆和
人鄙可以作为
-个计篝单元
来协同完成
个编市级别的
计.
2012军01月0日20日
IT经理世界争 CEOCIO 第331-332期
者一栋楼房里)。 通过城市感知、数
据挖掘、 智能提取和服务提供这四
个主要环节来建立一个生态循环系
统，以产生一个双赢的结果。 即， 为
城市里的人提供更美好的城市生活，
同时也让城市变得更加绿色和智能，
提升整个城市的环境。
近几年来， 涌现了一些有代表性 轨迹数据或签到记录等)来发现 效。 再者， 一方面数据往往只能告知
的前期研究工作。 具体应用包括。整 个城市中的热门景点和经舆旅行线 我们局部的信息量， 融合来自不同数
个城市级别的交通流量预测， 并为 蹈， 从而为外采的游客提供更好的 据源的信息才能更深层次地了解事
驾车人员设计实际快速可行的行车 旅行线路设计和推荐服务。 件的根源。 例如， 通过路面上的传
线路，或为乘客推荐有可能找到空 此外z 还有一些研究利用人们在 感器我们可以知道某条道路发生了
载出租车的打车地点 ， 或实时检测 城市中的移动性采分析不罔地域的 拥堵。 通过层像头获取的视频数据，
一些异常事件 ( 知道路明t~ 、 临时交 相关性， 从而实现一些娱乐和广告 我们进一步发现这条道路上发生了
通管制和大型集会等 )， 以便提前预 推荐等应用。 假如发现大部分人在去 车祸。 再进一步， 通过用户发表在微
警或及时处置。 通过对长期数据的 过家电影院之后都会去附近的一 搏上的数据，我们就可能知道车祸
分析，还可以发现城市规划中存在 个超市， 那么在考虑投放超市促销信 的原因、具体责任人和一些更详实的
的不足， 并从一定程度上验证已经实 息的地点时可以重点考虑这家电影 信息。 但这些数据具有完全不同的
施规划的高效性。 院。 这些应用中， 除了前面提到的道 结构和特性， 目前也分别适用于不同
在一些城市(如哥本晗根 )， 研 路、 传感器和兴趣点等，人也变成了 的挖掘算法。 因此， 数据的庞大规
究人员通过在自行车上安装传感器 一个计算单元， 真所处的社交网络 模和异向属性将为快速的协同挖掘
来探知城市中不同地方的空气质量 和生成数据也融入了城市计算中。 和深度理解带来很大的挑战'性。
和温度， 并利用手机将这些数据共 城市计算在未来将面临的主要 3 ) 如何将获取的知识有效地表
享给信息中心或自己的朋友。 在新加 挑战采自于以下几个方面 · 达出采， 并从中提取能用来{吕立决策的
坡， 研究人员利用人们的手机信号 1 )如何更加合理有效地感知城 智能。 比如城市中人们在不同时间段
来探知城市里的人流、热点地区和 市动态， 包括人在城市里的移动性、 中的移动规律如何展现， 以及如何
异营事件等。 以上这些事例同时用 军流、环境和能耗等。 这个感知过程 利用己获悉的交通流量来指导人们
到了车、 手中几、 各种传感器、 道路和 既要不影响到人们的正常生活， 并考 的出行 ， 或者， 如何从车流和人流中
兴趣点等多种计算单元及莫产生的
数据，产笠的结果也反映了整个城市
虑到能耗和环保， 同时也要高足够大 发现城市规划中存在的问题， 并如
的覆盖范围、 实时性和准确性。 何改进。 从知识到智能 ( 尤真是可以
的韵律和动态。 2) 如何管理和}Zf屈大规模的异 帮助我们作决策的智能) 的飞跃仍需
还育一些研究， 结合大量用户在 构数据，如道路和地理数据、 视频 要侣当大的努力。
社交网络 ( 如 Twitter !lX; Facebook ) 相图像数据、 轨迹数据和文本数据、 当前的城市计算还处于初期阶
上产生的数据来完成城市计算， 如 以及社交网络结构数据等。 首先， 由 段， 可探索的空间非常巨大， 并且任
异常事件检测、 旅行推荐和广告投 于城市计算所涉及的很多应用均有 重而道远。 因
放等。 这里异常事件检测基子的假 很高的实时性要求(如异常事件预警 (本文作者系微软、lJ1i州研究院研究员)
设是，当有不寻常的事情发生时， 会 和交通流量感知等)。 虽然数据规模
有很多目击者在社交网络上发布大 巨大， 但这个挖掘过程必须快速高
量的相关信息 ( 如微博 )。 也有一些
应用通过分析大量用户在篡于位置
的社交网络 ( 如 Foursquare ) 中产
生的带有位置属性的数据 ( 如照
墓于出咀萃的
城市计算案例
中，已经能够
实现最快行车
路线设计和推
荐‘验证和发
现城市规划中
可能存在的问
题等等应用
、、 、
c-
. .
