京東副總裁鄭宇：城市數據屬于時空數據，擁有獨特的處理方法論 | IJCAI 2019

雷鋒網 AI 開發者按：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 環節，是大會專為業界思想碰撞與交流而設的重磅環節，邀請了眾多來自國內外的 AI 企業與機構代表前來做大會報告。

當中，京東集團副總裁、京東數字科技首席數據科學家、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，他強調了智能城市領域數據的特殊性，他表示，時空數據擁有不一樣的結構與屬性，意味著需要使用不一樣的數據管理與人工智能算法來進行應對，而不能單純直接套用已有針對語音、圖像和文本的算法。

大會報告結束后，AI 開發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，城市的數據種類很多，所以讓大家感覺有點紛繁復雜，按以前的方法，大家就會來一個數據建一個表格，并未對數據的結構與規律進行分析。

所以我們準備做這么一個統籌的事情。

首先，我們針對數據的結構以及關聯的時空屬性，做了一個分類方法上的設計。

按照結構區分，可分為：

• 點數據

• 網絡數據

按照關聯的時空屬性區分，可分為三種：

• 空間靜態時間靜態

• 空間靜態時間動態

• 時空動態

將這三種時空屬性乘以兩種結構，我們就會獲得六種數據的分類方式。

• 什么是時空靜態的點數據？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數據，也是點數據。

• 什么是空間靜態時間動態數據？傳感器，比如我們把一個空氣質量監測站點建在一個地方，建好后它的位置是不變的，但它的讀數卻每個小時都在變化著。

• 什么是時空動態的數據？比如你給滴滴發請求時，可能 13：10 也同樣有個人在給滴滴發請求，然后 13:20 又有另一個人在同個地方給滴滴發請求，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據。

除此之外，這三類時空屬性的數據還有對應的網絡數據。

• 路網其實是一個靜態結構，路一旦修好后，它的結構是不變的，它屬于空間靜態時間靜態的網絡結構。

• 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時間動態的網絡結構。

• 那什么屬于時空都動態的網絡數據呢？比如固定軌跡，即是一系列點的結合，它同樣也是一個網絡結構。

換而言之，這六種數據結構覆蓋了一座城市涉及的所有數據類型，我們可以用這 6 種結構來表示所有數據，或者用它的組合來表達所有類型。

那么數據的類型不一樣，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、不同區域、不同街道、不同小區。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據存在著周期性，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。

在明確好數據模型后，考慮到數據的結構與屬性不一樣，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、版權保護問題和安全問題。

先說效率問題，我們現在有一個大系統，可以用更少的資源，以更快的速度來處理數據，特別是軌跡數據管理這一塊。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據的查詢效率至一百倍，索引和數據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據的版權保護問題，比如你把時空數據拷貝一份拿出來賣，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，然后告訴你這個數據是屬于我的。一旦缺乏這種保護機制，未來就很難形成一個數據融合共享機制。

解決方案方面，我們的一個具體想法是讓數據帶有密鑰，首先將空間化成區域，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心，而這個質心有個地理學的計算定律。當我懷疑別人在出售我的數據時，我就把它拿來并用算法進行提取，如果連續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。原理有點像數字水印，但卻是符合軌跡數據的。

國內業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。業界有這個需求，卻不知道應該怎么做；學界的人并不怎么在乎這件事情，因為數據分享對他們而言就是一件免費的事情。現在我們經常說要推數據交易，搞大數據交易平臺，可你缺乏這一塊技術的話，你說誰敢賣，對吧？

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

關于深度學習應該怎么與時空數據相結合，我這里總結了三大挑戰：

第一個，怎么做數據變換。城市的好多數據拿來后，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，我們應該怎么做數據變換？

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

第三，數據融合。怎么把不盡相同的數據融合在一起做決策？

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

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應該是多少，這是一類問題。

第二類問題，我把城市轉換變成均勻的格子，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格，而是由不規則的網格所組成，在這種前提下應該怎么做預測？

第四點是做區域與區域之間的轉移預測，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、油耗等屬于動態預測層面的東西。

AI 開發者：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據，從數據表達、數據管理、數據分析到數據挖掘，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。其實任何一套數據，都應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 開發者：城市數據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構化數據，它的存儲與挖掘方法都是比較傳統的；第二類是以表格為存儲形式的政務數據，比如一個人的姓、收入等等，都屬于表格結構化的數據；第三類就是我強調的時空數據，這一類會比較特別，既不屬于前面兩類，也沒有太多人去關注。我們相信在 5G 時代來臨以后，第三類數據的數量會越來越大，這是未來毫無疑問的發展方向，所以我們就想重點去解決這部分問題。

AI 開發者：所以從您的角度來看，這部分問題的難點體現在什么地方？

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

現在最重要的事情，是如何將大數據與人工智能領域的知識與行業背景、行業知識相結合，這其實是兩個不同的領域，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、不懂環境，那你的方法就很難落地。如何將理論與各個行業的業務知識進行結合，并形成真正的落地方案，這也是我覺得目前國內許多AI企業特別是研究院，都會遇到很多難點的環節。

AI 開發者：要組成一支既懂技術又懂業務的團隊，其實還挺有挑戰性的，京東智能城市研究院在這塊有哪些經驗可以分享的嗎？

鄭宇：我們的團隊跟事業部是一種深度綁定、深度融合的關系，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，然后交由他們去解決算法本源的問題。然后我們還有一部分人負責做銜接作用、偏應用型的研究。

AI 開發者：京東智能城市研究院的人員結構組成是什么樣的？

鄭宇：一大半人都是做的應用型研究，一小半人做基礎型研究，大概是六四開的比例。人員數量方面，光 AI 部分目前已有三十幾個人，然后加上大數據團隊的話，大概是一百來人的規模。

AI 開發者：您認為一名 AI 開發者要想涉及智能城市領域，他必須具備哪些能力？

鄭宇：從技術層面來說，他起碼得具備數據挖掘的基礎知識。但要說真正去設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、空氣質量預測、選址模塊等，你只要直接進行調用，就可以快速構建出自己的模型。

所以你只需要擁有基本的數據挖掘與人工智能基礎知識，但不用特別高深；第二是要懂應用，且對行業背景有所了解，否則可供調用的模塊很多，但對于該使用哪個工具、業務需求是什么，這到底是一個預測問題，還是一個優化問題，還是一個分類問題，還是一個回歸問題，在此基礎上從業務出發，把它關聯回來。

AI 開發者：目前京東智能城市研究院有哪些招人的需求？

鄭宇：商業項目交付、解決方案產品經理、行業專家，這些都是我們需要的人才。我們目前這一塊業務的增長非常快，需要更多人一起加入進來。

AI 開發者：您在這個領域深耕也有一段時日了，結合這些年的經歷，您會怎么去定義“智能城市”這個概念？

鄭宇：在安全、穩定的情況下去做數據互通，做到萬物互連、數據互通，這是第一層；第二層是大數據與智能技術，利用大數據、人工智能技術去改變交通、金融等領域；第三層，它一定是個生態城市，包括宜居綠色的生態，包括不同機構與產業之間形成的技術合作，等于一個生態，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 AI 開發者雷鋒網

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。