大數(shù)據(jù)、深度學(xué)習(xí)推動(dòng)智慧城市建設(shè)

城市計(jì)算是一個(gè)交叉學(xué)科，是計(jì)算機(jī)科學(xué)以城市為背景，跟城市規(guī)劃、交通、能源、環(huán)境、社會(huì)學(xué)和經(jīng)濟(jì)等學(xué)科融合的新興領(lǐng)域。更具體地說(shuō)，城市計(jì)算是一個(gè)通過(guò)不斷獲取、整合和分析城市中多種異構(gòu)大數(shù)據(jù)來(lái)解決城市所面臨的挑戰(zhàn)的過(guò)程。

智慧城市要解決的是日益凸顯的交通擁堵、環(huán)境惡化、能耗增加等城市問(wèn)題。在人工智能時(shí)代，城市計(jì)算是解決城市問(wèn)題的必然選擇。通過(guò)城市計(jì)算，來(lái)解決城市所面臨的問(wèn)題，創(chuàng)造“人—環(huán)境—城市”三贏的結(jié)果。

“基于移動(dòng)時(shí)空大數(shù)據(jù)深度學(xué)習(xí)的人群流量預(yù)測(cè)預(yù)警”項(xiàng)目于2017年9月正式啟動(dòng)。

與傳統(tǒng)方法相比，城市計(jì)算處理的是時(shí)空數(shù)據(jù)，基于時(shí)空大數(shù)據(jù)的模型，在分析人群時(shí)間維度流動(dòng)規(guī)律的基礎(chǔ)上，還同時(shí)考慮了空間維度上的相互關(guān)系、天氣節(jié)假日等事件的影響，綜合時(shí)空、突發(fā)事件等多方面因素一起進(jìn)行預(yù)測(cè)，模型準(zhǔn)確更高、更穩(wěn)定。

項(xiàng)目基于TensorFlow框架和深度學(xué)習(xí)模型，融合了DPI數(shù)據(jù)、MRO數(shù)據(jù)、氣象、節(jié)假日等多源數(shù)據(jù)，預(yù)測(cè)未來(lái)一定時(shí)間段內(nèi)人群流量變化，為城市規(guī)劃、智能交通以及城市安全決策提供科學(xué)依據(jù)。

使用GIS工具將地圖柵格化，并將歷史DPI和MRO數(shù)據(jù)清洗轉(zhuǎn)換為表示人群流量的圖像。

空間維度上采用多層的卷積神經(jīng)網(wǎng)絡(luò)挖掘人群流量的空間距離性和層次性。

時(shí)間維度上采用15分鐘粒度、天粒度和周粒度的三個(gè)采樣周期對(duì)歷史人群流量圖抽樣，挖掘人群流量的隨時(shí)間變化的Temporalcloseness(平滑性)、Period(周期性)和Trend(趨勢(shì)性)。

基于移動(dòng)時(shí)空大數(shù)據(jù)和深度學(xué)習(xí)的人群流量預(yù)測(cè)預(yù)警能力，直接服務(wù)智慧城市建設(shè)，為其出謀劃策、保駕護(hù)航。

經(jīng)過(guò)兩個(gè)多月的拼搏努力，浪潮的研發(fā)團(tuán)隊(duì)成功將項(xiàng)目落地，實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)該市區(qū)人群流動(dòng)變化，綜合考慮不同柵格互相之間的影響，精準(zhǔn)分析和模擬每一柵格歷史的人群流入和流出變化，以及對(duì)未來(lái)一定時(shí)間段內(nèi)的人群變化做出預(yù)測(cè)預(yù)警。

大數(shù)據(jù)技術(shù)和人工智能的合理應(yīng)用將會(huì)給運(yùn)營(yíng)商業(yè)務(wù)發(fā)展帶來(lái)無(wú)限的價(jià)值，為用戶提供更好的感知和體驗(yàn)，提升市場(chǎng)營(yíng)銷效率，推進(jìn)實(shí)現(xiàn)智慧運(yùn)營(yíng)。作為行業(yè)內(nèi)的領(lǐng)軍企業(yè)，浪潮將強(qiáng)化自身知識(shí)技術(shù)儲(chǔ)備，為合作伙伴提供最先進(jìn)的技術(shù)和最優(yōu)的服務(wù)。

來(lái)源：智能交通網(wǎng) 作者：硅谷網(wǎng)