京東副總裁鄭宇：城市數(shù)據(jù)屬于時空數(shù)據(jù)，擁有獨特的處理方法論 | IJCAI 2019

雷鋒網(wǎng) AI 開發(fā)者按：8 月 10 日至 16 日，IJCAI 2019 在中國澳門隆重召開，其中 14 日至 16 日為 Industry Day 環(huán)節(jié)，是大會專為業(yè)界思想碰撞與交流而設(shè)的重磅環(huán)節(jié)，邀請了眾多來自國內(nèi)外的 AI 企業(yè)與機構(gòu)代表前來做大會報告。

當中，京東集團副總裁、京東數(shù)字科技首席數(shù)據(jù)科學家、京東城市總裁鄭宇做了場題為《Building Intelligent Cities with Big Data and AI》的大會報告，在本次報告中，他強調(diào)了智能城市領(lǐng)域數(shù)據(jù)的特殊性，他表示，時空數(shù)據(jù)擁有不一樣的結(jié)構(gòu)與屬性，意味著需要使用不一樣的數(shù)據(jù)管理與人工智能算法來進行應(yīng)對，而不能單純直接套用已有針對語音、圖像和文本的算法。

大會報告結(jié)束后，AI 開發(fā)者對鄭宇進行了專訪，請其解讀針對大會報告中的最新研究成果，并趁機聊了聊京東智能城市研究院的最新近況。以下為采訪全文。

鄭宇獨家解讀《Building Intelligent Cities with Big Data and AI》大會報告

簡單來說，城市的數(shù)據(jù)種類很多，所以讓大家感覺有點紛繁復雜，按以前的方法，大家就會來一個數(shù)據(jù)建一個表格，并未對數(shù)據(jù)的結(jié)構(gòu)與規(guī)律進行分析。

所以我們準備做這么一個統(tǒng)籌的事情。

首先，我們針對數(shù)據(jù)的結(jié)構(gòu)以及關(guān)聯(lián)的時空屬性，做了一個分類方法上的設(shè)計。

按照結(jié)構(gòu)區(qū)分，可分為：

• 點數(shù)據(jù)

• 網(wǎng)絡(luò)數(shù)據(jù)

按照關(guān)聯(lián)的時空屬性區(qū)分，可分為三種：

• 空間靜態(tài)時間靜態(tài)

• 空間靜態(tài)時間動態(tài)

• 時空動態(tài)

將這三種時空屬性乘以兩種結(jié)構(gòu)，我們就會獲得六種數(shù)據(jù)的分類方式。

• 什么是時空靜態(tài)的點數(shù)據(jù)？我們會說像個車站或賓館，它的位置是不變的；賓館的屬性，比如有多少層樓，房間有多大，同樣也是固定的。所以它既是時空靜態(tài)數(shù)據(jù)，也是點數(shù)據(jù)。

• 什么是空間靜態(tài)時間動態(tài)數(shù)據(jù)？傳感器，比如我們把一個空氣質(zhì)量監(jiān)測站點建在一個地方，建好后它的位置是不變的，但它的讀數(shù)卻每個小時都在變化著。

• 什么是時空動態(tài)的數(shù)據(jù)？比如你給滴滴發(fā)請求時，可能 13：10 也同樣有個人在給滴滴發(fā)請求，然后 13:20 又有另一個人在同個地方給滴滴發(fā)請求，這也意味著它的時間和空間是一直在變化的，甚至包括還有人使用摩拜掃碼。這些都屬于時空變化的點數(shù)據(jù)。

除此之外，這三類時空屬性的數(shù)據(jù)還有對應(yīng)的網(wǎng)絡(luò)數(shù)據(jù)。

• 路網(wǎng)其實是一個靜態(tài)結(jié)構(gòu)，路一旦修好后，它的結(jié)構(gòu)是不變的，它屬于空間靜態(tài)時間靜態(tài)的網(wǎng)絡(luò)結(jié)構(gòu)。

• 可一旦我們往馬路上疊加交通流量，它立馬就變成一個空間靜態(tài)時間動態(tài)的網(wǎng)絡(luò)結(jié)構(gòu)。

• 那什么屬于時空都動態(tài)的網(wǎng)絡(luò)數(shù)據(jù)呢？比如固定軌跡，即是一系列點的結(jié)合，它同樣也是一個網(wǎng)絡(luò)結(jié)構(gòu)。

換而言之，這六種數(shù)據(jù)結(jié)構(gòu)覆蓋了一座城市涉及的所有數(shù)據(jù)類型，我們可以用這 6 種結(jié)構(gòu)來表示所有數(shù)據(jù)，或者用它的組合來表達所有類型。

那么數(shù)據(jù)的類型不一樣，從時空屬性上來說又存在哪些差異？

在時間和空間方面，它們都擁有專屬的距離與空間層次。從距離上說，比如兩個點之間的距離、兩邊之和大于第三邊三角不等式以及地理學第一定律；從空間上說，包括一個城市、不同區(qū)域、不同街道、不同小區(qū)。處在不同的層次，它所代表的含義是不一樣的，那么你在不同層次上的表達，對于運算的體現(xiàn)與幫助也是有差別的。

從時間上分析的話，它的屬性包括臨近性、周期性以及趨勢性三大塊。

所謂鄰近性，即是相鄰的兩個時間點，它的讀數(shù)可能會比較接近，比如離得不遠的兩個身體，所感受到的氣溫都會比較接近；另外我們也看到時空數(shù)據(jù)存在著周期性，比如今早8點的交通流量很可能與昨天早上8點的交通流量是很相似的，而今早 8 點的交通流量則與今天中午 12 點的交通流量特別不一樣，這就打破了之前我們所說的鄰近規(guī)律，這個時候我們就可以看下一個屬性；趨勢性，這其實是一種預判，比如可能隨著氣溫變得越來越冷，我們起床起得越來越晚，然后出門的時間也就越來越晚，因此早高峰也就出現(xiàn)得越來越晚。

所以說周期性并非恒定不變的，而是擁有一個趨勢性的上揚或下降，我想表達的就是這個意思。

在明確好數(shù)據(jù)模型后，考慮到數(shù)據(jù)的結(jié)構(gòu)與屬性不一樣，因此我們得有專門的管理方法。

演講中我主要談三點，分別是效率問題、版權(quán)保護問題和安全問題。

先說效率問題，我們現(xiàn)在有一個大系統(tǒng)，可以用更少的資源，以更快的速度來處理數(shù)據(jù)，特別是軌跡數(shù)據(jù)管理這一塊。同時它已兼容已有的云計算平臺，這一點其實很重要，說明我們無需從頭建立平臺，只要改變一下存儲格式，就能有效提升軌跡數(shù)據(jù)的查詢效率至一百倍，索引和數(shù)據(jù)和存儲的大小也減少了七倍。這些都是跟最好的方法進行對比。

過去我們并不重視時空數(shù)據(jù)的版權(quán)保護問題，比如你把時空數(shù)據(jù)拷貝一份拿出來賣，然后別人再拷貝一份拿去賣，你也無從得知，因為運轉(zhuǎn)單都一樣。高階一點的，會隨意幫你做點修改，然后告訴你這個數(shù)據(jù)是屬于我的。一旦缺乏這種保護機制，未來就很難形成一個數(shù)據(jù)融合共享機制。

解決方案方面，我們的一個具體想法是讓數(shù)據(jù)帶有密鑰，首先將空間化成區(qū)域，再把軌跡放到空間里，利用空間將軌跡切成幾段，然后每一段里面再按照另外一個密鑰參數(shù)切成很多時間小段，接著每一小段里會隱藏一個億比特的信息。隱藏的方式是什么？我們的方法是算這一段軌跡的質(zhì)心，而這個質(zhì)心有個地理學的計算定律。當我懷疑別人在出售我的數(shù)據(jù)時，我就把它拿來并用算法進行提取，如果連續(xù)好幾個提取出來都是我的信息，那就基本可以肯定是我的秘鑰做的。原理有點像數(shù)字水印，但卻是符合軌跡數(shù)據(jù)的。

國內(nèi)業(yè)界有幾個正在思考這件事情的人，至于學界思考這件事情的人基本上等于零。業(yè)界有這個需求，卻不知道應(yīng)該怎么做；學界的人并不怎么在乎這件事情，因為數(shù)據(jù)分享對他們而言就是一件免費的事情。現(xiàn)在我們經(jīng)常說要推數(shù)據(jù)交易，搞大數(shù)據(jù)交易平臺，可你缺乏這一塊技術(shù)的話，你說誰敢賣，對吧？

第三點是安全性，因為有些數(shù)據(jù)的機密性太強，是不允許進行分享的，比如說結(jié)婚登記數(shù)據(jù)、社保信息、犯罪記錄等等。我們的解決方案是通過數(shù)字網(wǎng)關(guān)技術(shù)將各個平臺的內(nèi)部聯(lián)到一起，在不泄漏信息的情況下，把不可逆的中間結(jié)果拿來互換一番，最終解決各自的問題。

關(guān)于深度學習應(yīng)該怎么與時空數(shù)據(jù)相結(jié)合，我這里總結(jié)了三大挑戰(zhàn)：

第一個，怎么做數(shù)據(jù)變換。城市的好多數(shù)據(jù)拿來后，我們都是沒法直接使用的，畢竟它們不是簡單的圖片，不然可以直接放在CNN 或者 RNN上搞定。在這種情況下，我們應(yīng)該怎么做數(shù)據(jù)變換？

第二，怎么將時空屬性給 encode 進去？如果完全不encode，只把它當成一個數(shù)據(jù)來做的話，周期性、趨勢性就會反映不出來，你的結(jié)果就不會十分準確。

第三，數(shù)據(jù)融合。怎么把不盡相同的數(shù)據(jù)融合在一起做決策？

基于這三者挑戰(zhàn)，我們把現(xiàn)在可以使用深度學習能力進行解決的城市應(yīng)用場景，變成了多種不同的時空應(yīng)用場景。

比如說城市里有些稀疏的站點，在這之前我們預測這些站點的讀數(shù)應(yīng)該是多少，這是一類問題。

第二類問題，我把城市轉(zhuǎn)換變成均勻的格子，希望每個格子都能進行預測。

第三點就是它可能并非均勻的網(wǎng)格，而是由不規(guī)則的網(wǎng)格所組成，在這種前提下應(yīng)該怎么做預測？

第四點是做區(qū)域與區(qū)域之間的轉(zhuǎn)移預測，這是相對于單點預測而言的，就是從A到B有多少人，從B到C又有多少人。

第五個就是我定義一個路線，然后想預測路線的時間、油耗等屬于動態(tài)預測層面的東西。

AI 開發(fā)者：通過今日的分享，您想傳達的核心觀點是什么？

鄭宇：我今日的分享核心緊緊圍繞時空數(shù)據(jù)，從數(shù)據(jù)表達、數(shù)據(jù)管理、數(shù)據(jù)分析到數(shù)據(jù)挖掘，提出了一整套不一樣的方法論，有別于過去針對文本與圖像的處理方案。其實任何一套數(shù)據(jù)，都應(yīng)該擁有專屬的一套方法理論，從建模、表達、管理、存儲管理到挖掘分析一整套流程下來。

AI 開發(fā)者：城市數(shù)據(jù)整體來說可以分為幾種類型？

鄭宇：大概可以分為三大類。一類是以圖像為代表的非結(jié)構(gòu)化數(shù)據(jù)，它的存儲與挖掘方法都是比較傳統(tǒng)的；第二類是以表格為存儲形式的政務(wù)數(shù)據(jù)，比如一個人的姓、收入等等，都屬于表格結(jié)構(gòu)化的數(shù)據(jù)；第三類就是我強調(diào)的時空數(shù)據(jù)，這一類會比較特別，既不屬于前面兩類，也沒有太多人去關(guān)注。我們相信在 5G 時代來臨以后，第三類數(shù)據(jù)的數(shù)量會越來越大，這是未來毫無疑問的發(fā)展方向，所以我們就想重點去解決這部分問題。

AI 開發(fā)者：所以從您的角度來看，這部分問題的難點體現(xiàn)在什么地方？

鄭宇：如果是時空數(shù)據(jù)問題，我相信方法論總會推陳出新，再結(jié)合實際的問題，加上研究時間的投入，最終都會一個接一個被解決掉。

現(xiàn)在最重要的事情，是如何將大數(shù)據(jù)與人工智能領(lǐng)域的知識與行業(yè)背景、行業(yè)知識相結(jié)合，這其實是兩個不同的領(lǐng)域，一個是 domain work， 一個是 data science。你也許懂得很多工具模型、算法、K 平臺，但你可能不懂交通、不懂環(huán)境，那你的方法就很難落地。如何將理論與各個行業(yè)的業(yè)務(wù)知識進行結(jié)合，并形成真正的落地方案，這也是我覺得目前國內(nèi)許多AI企業(yè)特別是研究院，都會遇到很多難點的環(huán)節(jié)。

AI 開發(fā)者：要組成一支既懂技術(shù)又懂業(yè)務(wù)的團隊，其實還挺有挑戰(zhàn)性的，京東智能城市研究院在這塊有哪些經(jīng)驗可以分享的嗎？

鄭宇：我們的團隊跟事業(yè)部是一種深度綁定、深度融合的關(guān)系，很多人在兩邊都同時兼有崗位。比如我們的成員有可能既是一個部門的經(jīng)理，也可能是研究院的一個 CV 研究員。當然，也有真正有個別少量的，不是特別多，這部分人就會純粹做研究，因為我們畢竟還是會需要一些基礎(chǔ)理論層面的東西，只不過是說我們會提前把問題進行拆解，再告訴他我們大概需要的是一個什么屬性、什么功能的東西，然后交由他們?nèi)ソ鉀Q算法本源的問題。然后我們還有一部分人負責做銜接作用、偏應(yīng)用型的研究。

AI 開發(fā)者：京東智能城市研究院的人員結(jié)構(gòu)組成是什么樣的？

鄭宇：一大半人都是做的應(yīng)用型研究，一小半人做基礎(chǔ)型研究，大概是六四開的比例。人員數(shù)量方面，光 AI 部分目前已有三十幾個人，然后加上大數(shù)據(jù)團隊的話，大概是一百來人的規(guī)模。

AI 開發(fā)者：您認為一名 AI 開發(fā)者要想涉及智能城市領(lǐng)域，他必須具備哪些能力？

鄭宇：從技術(shù)層面來說，他起碼得具備數(shù)據(jù)挖掘的基礎(chǔ)知識。但要說真正去設(shè)計一個特別復雜的模型，那倒不一定，因為我們的平臺都已經(jīng)將這些組件開放出來了，比如說交通流量預測、人員預測、空氣質(zhì)量預測、選址模塊等，你只要直接進行調(diào)用，就可以快速構(gòu)建出自己的模型。

所以你只需要擁有基本的數(shù)據(jù)挖掘與人工智能基礎(chǔ)知識，但不用特別高深；第二是要懂應(yīng)用，且對行業(yè)背景有所了解，否則可供調(diào)用的模塊很多，但對于該使用哪個工具、業(yè)務(wù)需求是什么，這到底是一個預測問題，還是一個優(yōu)化問題，還是一個分類問題，還是一個回歸問題，在此基礎(chǔ)上從業(yè)務(wù)出發(fā)，把它關(guān)聯(lián)回來。

AI 開發(fā)者：目前京東智能城市研究院有哪些招人的需求？

鄭宇：商業(yè)項目交付、解決方案產(chǎn)品經(jīng)理、行業(yè)專家，這些都是我們需要的人才。我們目前這一塊業(yè)務(wù)的增長非常快，需要更多人一起加入進來。

AI 開發(fā)者：您在這個領(lǐng)域深耕也有一段時日了，結(jié)合這些年的經(jīng)歷，您會怎么去定義“智能城市”這個概念？

鄭宇：在安全、穩(wěn)定的情況下去做數(shù)據(jù)互通，做到萬物互連、數(shù)據(jù)互通，這是第一層；第二層是大數(shù)據(jù)與智能技術(shù)，利用大數(shù)據(jù)、人工智能技術(shù)去改變交通、金融等領(lǐng)域；第三層，它一定是個生態(tài)城市，包括宜居綠色的生態(tài)，包括不同機構(gòu)與產(chǎn)業(yè)之間形成的技術(shù)合作，等于一個生態(tài)，因為我不可能什么問題都自己解決。就是這樣一個概念。

雷鋒網(wǎng) AI 開發(fā)者雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。