The Innovation | 时空深度挖掘，AI赋能城市计算新时代

导 读

城市计算是一种以计算科学为手段，与城市规划、交通、能源、环境等学科交叉融合的研究领域。城市计算建立在城市数据的采集和管理上，以智能化的手段对城市运行状态进行分析和预测，为城市建设提供决策建议。本文就城市计算决策中的四个关键问题，即如何破解高价值知识提炼、如何实现大规模的预测、如何建立数据与现象之间的因果关系、如何破解智慧决策的最后一公里, 进行了详细阐述和展望，同时提供了新的研究思路。

城市是人类赖以生存的家园，随着城市化进程不断加速，城市中存在的矛盾也日益增多，如规划不当、交通堵塞、能源浪费、应急迟缓等。

面对城市发展规划，如何掌握城市演化的深层次规律，给城市建设带来科学建议？

面对日益严重的交通堵塞，如何溯源城市交通的堵点，为交通疏导提供关键措施？

面对快速增长的城市用电，如何预测城市电力的需求变化，合理调度减少不必要浪费？

面对疫情火灾地震等突发公共事件，如何平衡供需关系，实现应急物资的合理调度？

图1 时空数据挖掘提升城市计算能力

城市计算尝试采集城市运行的数据，借助人工智能（AI）、大数据等手段对这些数据加以管理和分析，以掌握城市运行状态，提升城市运行效率。近年来，AI极大地推动了城市计算的发展。本文就城市计算的四个关键问题进行了阐述、并提供了新的研究思路：即如何破解高价值知识提炼、如何实现巨系统规模级别的预测、如何建立数据与现象之间的因果关系、如何破解智慧决策的最后一公里。

城市计算的首要任务是对知识的整合和获取，现有的城市数据来自大规模的传感器，如何把原始数据转化为对城市建设和治理直接可用的高价值知识，是摆在研究者面前的难题。解决城市系统的知识发现问题，迁移学习与强化学习是两个强有力的手段，前者将已知的知识迁移到未知领域，后者在知识的获取中融入环境因素，使其符合城市运行场景。

城市计算的核心是对城市运行状态进行建模，城市是一种复杂的时空巨系统，它的建模需要考虑诸多复杂的时变因素。尽管基于数据驱动的建模方式可以一定程度上提升建模的能力，但是其效果仍需进一步提升。与此同时, 基于多元时间序列数据的智能分析可以更有效地建模城市巨系统，因为它会综合考虑城市中各个序列的关联来提升建模效果。

城市计算的重要任务是对城市运行状态的成因进行分析，然而以神经网络“黑盒”为模型所推理的结果具有不确定性，人们无法得知推理结果是如何得到的，更无从得知哪些因素对预测起决定性作用，让我们不免担心AI所预测结果的可靠性。因此，综合考虑因果分析会有效提升城市计算结果的可信度，使人们不仅知道城市运行的状态，更明白造成这种状态的原因。

最后，城市计算的终极任务是要为城市的发展和治理做出决策，如建设规划、交通控制、能源调度、应急处理等。目前城市计算的结果仍需人为加工处理、难以直接支撑通用的高层次决策，要达到城市计算的终极目标还有相当长的路要走。智能化的决策优化是通往城市计算终极目标的有效手段，数据驱动的决策模型会使得决策更加快速可信。

总结与展望

虽然城市计算技术已应用于规划、交通、环保、应急等诸多领域，但如何打破现有技术桎梏并深入应用仍任重而道远。此时，不断增强的AI技术则有望重点突破知识发现、时空预测、因果分析、智能决策等方面的能力边界，给城市计算带来新的发展和机遇。

责任编辑

卞素敏    西湖大学

张   义    中国科学院水生生物研究所

扫二维码｜查看原文

原文链接：https://www.cell.com/the-innovation/fulltext/S2666-6758(23)00033-4

本文内容来自Cell Press合作期刊The Innovation第四卷第二期以Commentary发表的“AI-enhanced spatial-temporal data-mining technology: New chance for next-generation urban computing” (投稿: 2023-01-29；接收: 2023-02-19；在线刊出: 2023-02-20)。

DOI: https://doi.org/10.1016/j.xinn.2023.100405

引用格式：Wang F., Yao D., Li Y., et al. (2023). AI-enhanced spatial-temporal data-mining technology: New chance for next-generation urban computing. The Innovation. 4(2),100405.

作者简介

王 飞，硕士生导师，中国科学院计算技术研究所副研究员。长期专注于时空大数据分析挖掘、多源信息融合等方向的研究工作，在SIGKDD、VLDB、ACM MM等高水平国际会议和期刊上发表论文30余篇，申请发明专利10余项。2022年入选中科院“青年创新促进会”，2021年入选中科院计算所“新百星”。担任中国指挥与控制学会信息融合专委会、青年工作委员会委员，国际数字地球学会空间地球大数据专委会委员。2022年、2020年分别获中国指控学会科技进步奖一等奖、二等奖。

姚 迪，中国科学院计算技术研究所副研究员，长期专注于时序数据挖掘，因果机器学习，轨迹异常检测等方面的研究工作，在SIGKDD、ICDE、TKDE等会议和期刊发表论文20余篇，并担任TKDE、TON、TKDD等期刊审稿人。

李 勇，清华大学电子工程系副教授、博士生导师。长期从事数据科学与智能方面的科研工作，作为负责人承担自然科学基金重点、国家重点研发计划等项目，科研成果在KDD、NeurIPS、WWW等国际会议与期刊发表学术论文100余篇，6次获国际会议最佳论文/提名奖。先后入选教育部长江学者、全球“高被引科学家”、国家“万人计划”青年拔尖人才计划，获IEEE ComSoc亚太区杰出青年学者奖、教育部科技进步一等奖、电子学会自然科学二等奖、吴文俊人工智能优秀青年奖。

往期推荐

期刊简介

扫二维码 ｜ 关注期刊官微

The Innovation是一本由青年科学家与Cell Press于2020年共同创办的综合性英文学术期刊：向科学界展示鼓舞人心的跨学科发现，鼓励研究人员专注于科学的本质和自由探索的初心。作者来自全球50个国家；已被119个国家作者引用；每期1/4-1/3通讯作者来自海外。目前有195位编委会成员，来自21个国家；50%编委来自海外；包含1位诺贝尔奖获得者，33位各国院士；领域覆盖全部自然科学。The Innovation已被DOAJ，ADS，Scopus，PubMed，ESCI，INSPEC，EI等数据库收录。秉承“好文章，多宣传”理念，The Innovation在海内外各平台推广作者文章。

期刊官网1（Owner）：

www.the-innovation.org

期刊官网2（Publisher）：

www.cell.com/the-innovation/home

期刊投稿（Submission）：

www.editorialmanager.com/the-innovation

商务合作（Marketing）：

marketing@the-innovation.org

Logo｜期刊标识

See the unseen & change the unchanged

创新是一扇门，我们探索未知；  

创新是一道光，我们脑洞大开；  

创新是一本书，我们期待惊喜；  

创新是一个“1”，我们一路同行。