“随着全球各地在试点智慧城市项目，我们能更好地理解我们面临的真正难题，可以说，需要的硬件和软件在减少，但需要更多的组织件和决策支持系统。”7月8日，在上海举行的世界人工智能大会上，“大数据之父”、牛津大学网络学院互联网治理与监管专业教授维克托·迈尔-舍恩伯格（Viktor Mayer-Schönberger）发表主旨演讲表示。

　　人类最早以打猎和采集果实为生，随后在大约一万年前人类开始定居，过上了农耕生活。数千年来，绝大多数人生活在农村，城市之间相隔遥远，且数量有限。工业化推动了城市化的发展，而人类也迁徙到城市居住。截至2020年，全球有半数以上的人口居住在城市或城镇区域。

　　庞大的城市需要良好的管理和治理体系。城市管理者的决策需要基于不断发展的城市生活的真实情况，此前收集相关数据可谓极其困难，分析数据并从中得出可付诸实践的选项同样困难。然而，现在这一切有了变化。

　　“得益于数字技术的进步，我们现在可以使用廉价传感器和大量的数字设备，从智能手机到耳机，从汽车到行车记录仪，从无人机到智能电表，不一而足，它们每天都在收集丰富多样的数字数据。通过汇总和使用部分这样的数据，城市管理者有机会把决策建立在远胜于从前的经验分析的基础上。”舍恩伯格表示，智慧城市的核心不在于具体技术或数据基础设施，在于根据数据做出更好的决策，它需要的远不止技术进步，更需要组织和机制上的创新与进步。

　　此外，舍恩伯格提醒，智慧城市的发展不仅需要适用于大城市，还需要面向小城市。

　　虽然现在全球人口有一半以上居住在城镇区域，但更多的人居住在人口不足50万的城市中，大城市的发展速度比小城市快，但小城市的数量远多于大城市，而且绝大多数城市居民居住在小城市。然而，小城市资源有限，且执行经验不多。

　　“困惑决策者的不是哪种技术能帮助小城市发展为成功的智慧城市，而是哪些组织和体制创新是必要的，以及什么才是最佳执行方案。”舍恩伯格表示，智慧城市的概念要行之有效需要哪些数据，以及怎样妥善使用间接方法来收集这些数据。

　　以公共交通为例，决策者需要知道居民使用各条轨道交通和公交车线路的频率是多少，在何时使用。在全球的很多城市中，决策者无法收集这样的相关数据，人们可能会留下一条数据线索，给出何时进入地铁站，何时出站的信息，但不知道他们具体坐了哪条线路。同样，人们从轨道交通系统转乘公交车时，数据也会丢失。结果出现了数据盲区，导致不良决策。

　　他提到，如果引导性数据不存在，面临的问题是找到适当的代替数据，以实现间接收集数据，并且进行复杂的数据分析，根据这些代替数据来推论。

　　比如地铁铁轨和其他铁轨一样，在用了一段时间后会变得高低不平，需要重新平整，但要找到最需要重新平整的轨道点。一般的处理方式是需要缓慢驾驶一辆专用轨道车在夜间驶过轨道，从而加载磁场，测量高度变化。然而，欧洲的一家公共交通企业的工程师发现普通智能手机中的振动传感器收集的数据在经过综合图形分析后，可以当成代理数据使用，于是他们编写了一款免费的智能手机游戏软件，在游戏的后台会收集振动数据和位置数据，并鼓励乘客在乘坐地铁时玩这款游戏。这个方法奏效了，他们不再需要使用昂贵且费时的特别磁场加载过程。

　　舍恩伯格认为：“这是间接数据复杂应用的最新方法：依靠复杂的模式识别和深度学习方法来找到可能有用的代理数据。但这一点通常不太需要新颖的技术，而更依赖于创新理念和突破性思考。”
 

（第一财经）