全球范圍里，有超過半數的人類居住在城市之中，城市化的進程也從未停止過。面對越來越龐大的城市，許多事情已經超出了控制：擁堵的交通，嚴重的空氣污染，讓人煩躁的噪音等等。

　　沒有人真正了解城市中到底發生了什么，也沒有人真正了解城市里的居民、住戶每天在發生什么樣的故事。對于城市管理者來說，他們需要更多的信息化方式來了解動態的城市，知曉正在發生的情況，并即時做出反應。

　　城市計算這門研究正在逐步解決上述的問題。在微軟亞洲研究院主管研究員鄭宇的帶領下，他和他的團隊正在利用城市計算解決各類問題，比如霧霾、噪音、交通擁堵和能耗等問題。尤其是在空氣質量分析、監測這一領域里，已經和國內部分政府機構簽約，目前預測范圍覆蓋了全國300多個城市。

　　所謂城市計算指的是計算機科學以城市為背景，跟城市規劃、交通、能源、環境、社會學和經濟等學科融合的新興領域。更具體的說，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據來解決城市所面臨的挑戰（如環境惡化、交通擁堵、能耗增加、規劃落后等）的過程。

　　用大數據預測霧霾

　　2016年11月30日，美國計算機學會（ACM）網站公布了2016年該學會在全球范圍內評選出的32名杰出科學家，鄭宇是入選的兩名中國大陸科學家之一。不僅如此，鄭宇還是2013年美國《麻省理工科技評論》（MIT Technology Review）評選出的35個35歲以下的全球杰出青年創新者之一。他還是人工智能領域國際頂尖學術期刊ACM Transactions on Intelligent Systems and Technology的主編 ，也是到目前為止ACM/IEEE 頂尖學術期刊里唯一在大陸獲得博士學位的主編。

　　微軟亞洲研究院主管研究員鄭宇

　　據鄭宇介紹，城市計算包括城市感知及數據捕獲、數據管理、城市數據分析、服務提供四個環節。與自然語言分析和圖像處理等“單數據單任務”系統相比，城市計算是一個“多數據多任務”的系統。城市計算中的任務涵蓋改進城市規劃、緩解交通擁堵、保護自然環境、減少能源消耗等等。

　　“城市計算最后主要能幫助我們解決3個問題，即理解問題的現狀、預測未來和考究歷史。以空氣質量為例，我們可以根據有限的空氣監測站點給出的數據，算出城市每個角落的空氣質量分布，了解清楚現狀；也可以通過數據預測未來。當然也可以通過這些數據，分析歷史：霧霾產生的原因是什么？”鄭宇在接受澎湃新聞專訪時說。

　　目前，微軟在利用城市計算預測空氣質量上，已推出Urban Air系統，通過大數據來監測和預報細粒度空氣質量，該服務覆蓋了中國的300多個城市，并被中國環境保護部采用。同時，微軟也已經和部分其他中國政府機構簽約，為不同的城市和地區提供所需的服務。該技術可以對京津冀、長三角、珠三角、成渝城市群以及單獨的城市進行未來48小時的空氣質量預測。那具體是如何做到的？

　　首先霧霾的大數據主要包括當前空氣質量數據、氣象條件、未來天氣預報3類數據。在北京共有35個空氣質量監測點，外加上美國大使館的一個監測點，共36個。

　　鄭宇介紹，要預測一個地方的空氣質量，并不是指單純地只看這個地方本地的數據，而且要考慮到周邊地區的空氣及其他因素，比如空氣質量站點數據、交通流數據、氣象數據、廠礦數據、人口流動數據、路網結構等。

　　與傳統模擬空氣質量不同，大數據預測空氣質量依靠的是基于多源數據融合的機器學習方法，也就是說，空氣質量的預測不僅僅看空氣質量數據，還要看與之相關的氣象數據、交通流量數據、廠礦數據、城市路網結構等不同領域的數據，不同領域的數據互相疊加，相互補強，從而預測空氣質量狀況。

　　“預測的準確率，我們現在已經做到北京未來6個小時的準確率達到了75%，在深圳和廣州做到了80%。未來48個小時的預測準確率達到50%。大家不要小看50%的準確率，它其實已經非常高了。相比之下，天氣預報24小時的準確率只有40%。”鄭宇說。

　　預測未來空氣質量情況，給在城市生活的居民出行帶來重要的提示信息，除了與環保部的合作外，微軟的空氣質量監測系統Urban Air還為在2015年于福州舉辦的第一屆全國青運會的空氣質量保障工作中提供了技術支持。另外一個科技巨頭IBM也推出了類似的服務。IBM與北京市環保局共同創辦了“聯合環境創新中心”，使得政府官員可以在最惡劣的情況下更好地制定減排計劃。IBM還與張家口市簽訂了協議，在冬奧會之前作出一些前期規劃和應對方案。

　　除了政府部門，城市計算還能幫助城市居民規劃出行安排。如果你約3-5個好友一起周末踢球，你就可以根據預測給出的空氣質量情況進行選擇。

　　在采訪的過程中，鄭宇還向澎湃新聞解釋了為什么中國政府部門給出的空氣質量數據與美國大使館的數據不同。

　　“美國用的是自己站點的讀數。其實兩者的測量原理都是一樣的。美國大使館公布的是實時的PM2.5濃度，以及根據這個濃度換算的AQI（air quality index）值。中國政府的測點也公布了實時濃度，但發布的AQI是根據過去24小時的平均濃度。所以兩者之間換算方法不一樣，導致AQI看上去不一致。但實時濃度值其實是一致的，有時候中國政府公布的污染物濃度還會比美國大使館公布的高。”鄭宇說。

　　用大數據解決美國紐約的噪音問題

　　城市化發展進程中，除了有空氣污染問題，噪音問題同樣值得關注。被譽為“世界中心”的紐約，噪音問題尤為嚴重。已經有研究證明，人如果長時間處在噪音環境下，會對人的血壓、記憶和睡眠等都造成影響。

　　“用傳統的方面解決噪音問題是非常困難的，因為傳統技術通過撞擊傳感器來監測噪音。但噪音是聲音上的變化，在時間和空間上的反應非常劇烈，并且可能是一瞬就消逝了。而另一個原因是，傳感器并不能讓你知道噪音污染的原因。”鄭宇告訴記者。

　　如果想要對噪音進行監測，鄭宇認為需要在100平方米的范圍內，甚至更小的區域內裝一個傳感器。那整個紐約市可能需要裝約100萬個傳感器。這既不可行，而且要花費的人工管理成本也很大。其次，對于噪音的定義和人的感受有著非常緊密的聯系。白天時間里，人對噪音的容忍程度和夜里會有明顯地區別。

　　這樣一來，在城市計算中，就需要考慮人的感受。鄭宇給出的解決方法是根據美國人工投訴熱線311，通過電話記錄人們投訴的原因和地點，把人變成噪音監測的傳感器。這樣就能為噪音給出準確的定義和分析，政府也能及時給出限制措施。

　　除此之外，鄭宇還在用城市計算預測城市人流，為城市大型活動的人流管控提供政策服務。目前，微軟已經和貴陽市共同做了研究項目。利用出租車的數據，可以知道每一平方公里內，有多少出租車進入和有多少出租車駛出。可以讓政府部門提前2-3小時進行備案，疏導人流，防患于未然。

　　“人流量控制其實在很多地方都非常需要，比如機場、地鐵站等。它能真正降低事故發生的概率。但預測人類的行為其實是非常困難的，因為當你有重大事件或活動發生的時候，很遠地方的人也會趕來參加。這就要求建立許多相關性，融合許多的數據。”鄭宇說。他還舉了一個簡單的例子，比如城市上班族出行的早高峰時間，會隨著天氣的變化有所改變，那在預測人流量時就不能只考慮一個因素。

　　未來，在人工智能、深度學習等算法的支持下，城市計算給大眾帶來的驚喜會更多，但鄭宇也向記者介紹了這門學科遇到的挑戰。

　　首先，數據的獲取。雖然并不是數據越多，對于城市計算就越有幫助。但如何更準確有效地獲取相關數據，還是值得思考的問題。其次，數據融合。即打破各類數據的壁壘，讓來自不同行業、領域的數據進行融合。最后，還要向各個行業的專家進行學習，進行對比借鑒。

　　“有時候我們需要先用自己的能力證實一下，即你能做出東西來，并展示給其他人看。在與行業對接時，還需要用他們的語言把問題講清楚，別人才會接受你。別人接受你之后，才有可能真的落地并真正推動行業進步。”鄭宇對記者說。