【若水AI編輯團隊 為您導讀】
過去城市最重要的資源是土地，未來城市最重要的資源是 Data 數據。隨著城市化日深，城市管理的難度升級，掌握數據才能綜觀全局，系統性地解決城市面臨的挑戰。
不少國家都正如火如荼地在「智慧城市」的命題中，找出答案。像鄰國新加坡的作法也很值得了解，運用這個主動帶動學術研究、產業和國家一起轉型。在新冠肺炎肆虐期間，南韓則將智慧城市系統，轉為病毒數據追蹤庫。
為了解決交通堵塞問題，智慧城市大腦在路網、車輛、乃至個人手機APP佈下天羅地網，匯聚數據孤島，挖掘數據金礦。然而，城市的挑戰不止於城市大腦的建構，隱私權的辯證和相關法令的升級都是必修課題。
一座2200年的古城杭州，在21世紀植入了AI人工智慧的大腦。
小橋流水人家的杭州，變成參天高樓，擁有920萬人口的中國現代都會大城。層層疊疊的道路系統，成千上萬個路口，宛若一張巨網，日夜穿梭著2百多萬台機車，9000多台公車，300～500條公車路線，7,000多個車站、日載300～400萬人。
結果就是整個城市都是你的停車場。2015年，杭州被荷蘭GPS導航服務商TomTom評為中國第5塞，全球第30塞的城市。
一開始是為了解決城市的塞車問題，2016年杭州市與阿里巴巴合力打造城市大腦，用數據和AI來幫助城市做思考和決策，賦予千年古都自我診斷、調節和治理的能力。
但終極目標是建構一個雲端系統，俯視城市的一切，以及行走其中的每一個人，以演算法治理的智慧城市。在他們眼中，過去城市最重要的資源是土地；未來城市最重要的資源是數據。
層層加疊的AI人工智慧城市大腦
智慧城市大腦的結構，共有4層。最末稍的是眼睛，負責採集數據。
圖片說明 : 城市大腦總體架構
阿里雲的創辦人、阿里巴巴前CTO技術長 、也是城市大腦的重要推手王堅曾幽默地說：世界最遙遠的距離其實是路口監視器和紅綠燈之間的距離。明明都在同一根杆子上，卻毫無聯繫。他想，假若監視器可以調節紅綠燈號，城市塞車問題能改善多少？
是以，5萬多個監視器變成其遍布全城的眼線，記錄每輛車的行駛狀況，線圈追蹤車速和數量，出租車司機日復一日以手機接單，留下運行軌跡，公車刷卡機紀錄有多少人在哪個時段搭乘，再結合天氣數據、手機地圖、大小客車和公車的GPS數據、路網結構數據、電信商的基地台服務數據、交通局的信號燈歷史配時數據等，拉開城市大腦的思考縱深。
第二層的AI數據資源平台是城市大腦的「腦核」，匯聚散落城市各處的「數據孤島」，對海量資料進行數據標註 (Data Annotation)、數據整合、加工等數據相關整理。
城市大腦可儲存EB等級的數據，達到PB等級的計算吞吐能力。光是1PB的數據就相當於美國國會圖書館4倍的館藏，而1EB有1024個PB！
再上一層是AI服務平台，大腦的「皮質層」，也是思考和決策層。例如， 5萬多台監視器影像，若要靠人力去盯，需要15萬名交警輪三班制才勉強看完！
但用「無監督預訓練 Unsupervised Pre-Training」來構建的深度神經網路，就不一樣了。
不僅能在短時間內「看完」，還能「數清楚」有多少輛車往那個方向走，進而預測車流、運量，即時計算城市核心路口每一刻的的交通實況和供需，預測堵車痛點，並在幾分鐘間最佳化各路口紅綠燈的配時方案。
再來，哪些路口應禁止左轉，公車及路線該如何調度和規劃，出租車的調動指揮，乃至提出未來道路的修建方案。
從決策到動作，當機立斷，
進入了最上層的數據應用平台
圖片說明 : 城市大腦分析交通運量，預測交通堵塞，提出燈號最佳化方案
城市大腦上線第一年，藉由杭州蕭山區104個燈號的自動配時調控，平均通行速度提高15％，通行時間縮短3分鐘。發生危難時，大腦控制燈號一路護航，腰斬緊急車輛抵達救災現場的時間。
此外，AI人工智慧能從電腦視覺影像 Computer Vision 中物體的運動趨勢和正常數據模型之間的預測誤差，自動「發現」車禍、違規停車、堵車、逆行等異常交通事件，即時向相關單位發出警報。
在杭州主城區，監視器影像巡檢的日報警次數高達500次，識別準確率超過92％。至今，城市大腦警情通報占全體的95%以上，而透過手持的移動終端，城市大腦可直接指揮杭州市200多名交警至現場處理。
2018年9月，杭州城市大腦的轄區擴大28倍，達420平方公里，相當於1.5個台北市。
從交通阻塞後段班，每年大幅進步，杭州力拼全中國最 Smart 的 AI 智慧城市！
同年，在中國城市交通堵塞排行榜上，杭州從中國第5名掉到第57名。
解決堵車難題後，去年7月，城市大腦正式跨出交通，開始像個城市CEO，每天有8000萬條，來自超過70個公部門和企業的新數據匯入大腦，擴及警務、消防、防汛、醫療、食安、環保、觀光、停車、租屋等48種應用場景。
城市大腦也不再侷限於西湖一隅，而是跨至其他中國城市，甚至飛越南海，輸出到馬來西亞吉隆坡。
圖片說明 : 城市大腦的解決方案架構
公共利益與個人隱私拔河
「即使是地球上最前端的智慧城市，也仍然剛剛起步，」麥肯錫全球研究院2018年的報告指出，預告AI和數據將更進一步滲入城市的DNA，隱形的手決定我們車行的軌跡和生活，也帶來隱私和監控的隱憂。
研究科技倫理的社會科學家克拉維爾（Gemma Galdon Clavell）接受WIRED雜誌英國版的採訪時批評：
「（城市大腦）對數據的既定用途與未來用途缺乏監督或控制的力量」
對此，王堅的書《在線》裡是這樣回應的：「隱私不是一個問題，整個人類歷史的進化過程就是逐漸犧牲隱私的過程。」隱私在中國或許不是問題，但在重視個人隱私的民主國家卻是重要戰場。
政府和企業拼命挖掘數據的利益，人們自願或非自願的交出行為軌跡，但對應的風險卻不清不楚，智慧城市的發展將迫使社會必須在隱私的範圍、價值和保護上有更深刻的討論。
專家點評
MIC 資深產業分析師兼專案經理 施柏榮
相信不少人讀完杭州在推動智慧交通上幾乎環環相扣、無縫接軌的執行力道，心裡會默默覺得，這只有在「一聲令下」的政府體制下才做得到吧。但換個方向想，你也可以看到智慧交通要能推動成功，也需要如此強度的整合力道，才能落地。
從軟體到硬體，不少台灣廠商都在瞄準智慧交通的商機。餅很大，但一路上要克服的小細節很多。
比方，文中提到的為了記錄車輛行駛狀況用的監視器，在一開始就要去想：監視器架在哪裡？如果是架在路燈或電線桿上，該跟哪個政府單位申請使用權？要收什麼樣的車輛影像？白天、晚上、晴天、雨天收回來的怎麼標註、訓練？鏡頭要選廣角還是魚眼？最重要的是，如果5萬多個監視器壞了一台，怎麼即時偵側、搶修？
智慧交通結合多元跨度的生活場景，同時，又要細膩整合各種軟硬體介面，小到要考維修的議題。單一廠商很難做得來，也著實考驗經營者們的整合各項資源的「人類智慧」。
