大數(shù)據(jù)、深度學習推動智慧城市建設

城市計算是一個交叉學科，是計算機科學以城市為背景，跟城市規(guī)劃、交通、能源、環(huán)境、社會學和經濟等學科融合的新興領域。更具體地說，城市計算是一個通過不斷獲取、整合和分析城市中多種異構大數(shù)據(jù)來解決城市所面臨的挑戰(zhàn)的過程。

智慧城市要解決的是日益凸顯的交通擁堵、環(huán)境惡化、能耗增加等城市問題。在人工智能時代，城市計算是解決城市問題的必然選擇。通過城市計算，來解決城市所面臨的問題，創(chuàng)造“人—環(huán)境—城市”三贏的結果。

“基于移動時空大數(shù)據(jù)深度學習的人群流量預測預警”項目于2017年9月正式啟動。

與傳統(tǒng)方法相比，城市計算處理的是時空數(shù)據(jù)，基于時空大數(shù)據(jù)的模型，在分析人群時間維度流動規(guī)律的基礎上，還同時考慮了空間維度上的相互關系、天氣節(jié)假日等事件的影響，綜合時空、突發(fā)事件等多方面因素一起進行預測，模型準確更高、更穩(wěn)定。

項目基于TensorFlow框架和深度學習模型，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)，預測未來一定時間段內人群流量變化，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網絡挖掘人群流量的空間距離性和層次性。

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

基于移動時空大數(shù)據(jù)和深度學習的人群流量預測預警能力，直接服務智慧城市建設，為其出謀劃策、保駕護航。

經過兩個多月的拼搏努力，浪潮的研發(fā)團隊成功將項目落地，實時動態(tài)監(jiān)測該市區(qū)人群流動變化，綜合考慮不同柵格互相之間的影響，精準分析和模擬每一柵格歷史的人群流入和流出變化，以及對未來一定時間段內的人群變化做出預測預警。

大數(shù)據(jù)技術和人工智能的合理應用將會給運營商業(yè)務發(fā)展帶來無限的價值，為用戶提供更好的感知和體驗，提升市場營銷效率，推進實現(xiàn)智慧運營。作為行業(yè)內的領軍企業(yè)，浪潮將強化自身知識技術儲備，為合作伙伴提供最先進的技術和最優(yōu)的服務。

來源：智能交通網 作者：硅谷網