3.4 数字孪生城市的智能化应用

3.4.1 数据驱动的智能交通

城市交通系统是城市中信息化程度较高的部分。浮动车、一卡通、微波线圈、摄像头等交通传感与信息化设备可以有意或无意地将城市中交通参与者的交通行为记录下来，从而为数据驱动的科学研究提供研究样本。同时，由于城市交通领域自身的数据富集优势，又使得以数据为中心的智慧城市技术能够率先在智能交通领域中发挥重要作用，我们称这类技术为数据驱动的智能交通技术。以数据为驱动的智能交通技术研究中所采用的城市数据主要包括地图与POI数据、GPS数据、客流数据、道路微波测量数据等。并通过多种手段对采集到的数据进行分析和理解，实现感知城市的交通运行状况，为市民提供交通引导、导航、推荐等智能服务。

数据驱动的智能交通技术可以被细分为支撑层面和应用层面两个层次的研究。

支撑层面的工作集中在全城交通的感知与分析方面，其目的是感知城市的总体交通状况、分析城市交通的统计行为特征，建立分析模型，为具体的智能交通应用提供数据分析与交通状态评估支撑。例如，基于城市交通监控数据的实时路况报告作为一种成熟的技术已经得到非常广泛的应用，对于城市中具有特殊特性路段的检测和查询、平均通勤时间评估、交通异常与事故的检测等研究可以极大地提高城市道路交通的管理效率。另外，通过对GPS数据的深入挖掘和分析，可以进一步理解城市中交通运行的具体模式。提供交通流量的评估、预测和管理等应用服务。

应用层面的研究则集中在城市交通管理与运行的各项服务应用中。基于GPS的路径导航服务是最为典型的应用之一，丰富详尽的地图数据配合实时的路况分析结果可以为用户提供非常优质的行驶路径导航服务。包含人类行为信息的车辆GPS数据则可以提供汽车司机的驾驶知识来进一步优化导航路径的选择，微软亚洲研究院开发的T-Driver车辆导航系统就采用了这样的设计理念。T-Driver系统统计了北京市城区出租车的GPS行驶数据，然后将不同地标之间驾驶技术最娴熟的出租车司机的驾驶路径用图的方式组织起来，就形成了一幅包含了出租车司机驾驶知识的地标图。用该地标图来进行路径导航，可以有效地提高车辆在拥堵时段的行驶效率。该研究的主要特色在于将数据统计中获得的人类智慧应用到传统的信息化交通服务中，将车辆导航应用由传统的“以计算为中心”变为“以数据为中心”，所采用的核心技术也由传统的规划技术变为以数据为驱动的统计技术，其意义非常深刻。

另一类被广泛研究的应用是出租车与乘客之间的推荐服务。该类研究最重要的任务就是理解出租车与乘客的行为模式以及两者之间的交互关系。法国电信研究院的研究人员通过对5350辆出租车驾驶行为的研究，分析比较了不同出租车寻客策略的有效性，对如何通过优化出租车的载客策略来提高出租车司机收入进行了深入研究。北京航空航天大学的研究人员通过对北京1200辆出租车的乘客数据进行分析，研究了优化的乘客打车策略，并基于该研究开发了名为TaxiWaiter的打车辅助系统。该系统同时考虑了出租车与乘客两个方面的需求，通过对街道打车概率的统计和分析来进行出租车寻客路线和乘客打车路线的推荐。

路径导航（行车路线推荐）、出租车寻客路线推荐和乘客打车地点推荐都属于有资源约束的分配推荐问题，其本质是一个带约束的多方博弈，现有的技术提供的均是局部优化的解决方案。博弈论的相关知识告诉我们，分布式的局部最优并不能保证带来最终的全局最优解。如果所有的出租车均按照推荐的行驶路线到乘客较多的地点争夺乘客，那么一方面会导致这些地点成为较难寻找顾客的地点，另一方面还会导致其他地点的乘客由于缺乏出租车而打不到车。解决该问题的一个途径是采用集中调度的手段实现全局的车辆负载均衡，这种方案虽有较好的理论性能，但是实现起来非常困难。另一个途径是在推荐算法的设计上引入博弈惩罚机制，以多轮博弈的方式实现分布式的全局最优。相关的理论与应用研究还需要进一步深入探讨。

出租车行驶的异常轨迹检测也是智慧城市建设非常关心的问题。如何区分出租车司机为躲避拥堵而进行的适当绕行和恶意的“宰客”绕行是该类问题要解决的核心问题。法国国立电信学院设计提出的iBAT/iBOAT算法可以有效地对绕行出租车进行在线识别或是轨迹识别，其分析结果显示，偏爱绕路的司机所对应的月收入并不比不绕路司机的平均值高，一些司机想通过恶意绕行来增加收入往往只是一种心理安慰行为，这对于设计合理的出租车收费政策、避免司机恶意绕行有着非常重要的价值。

以数据为驱动的智能交通技术还可以在优化城市公共交通系统方面发挥巨大的作用。B-Planner系统使用出租车GPS数据所提供的城市通勤需求信息，重新设计了杭州市夜间公交车的行车路线，满足了不同时段人们对公交线路的不同需求。T-Share出租车拼车系统通过综合考虑打车人的位置、目的地及出租车的行驶路径等因素，对出租车的拼车路线进行了合理规划，在充分利用出租车自由灵活特性的同时提高了搭载乘客的通勤效率。Flex则使用GPS数据设计了一种灵活性介于公交车和出租车之间的小型绿色公交系统。随着轨道交通系统在各个城市的发展，乘坐地铁出行成为城市居民越来越多的选择，针对地铁轨道交通的智慧城市交通数据研究也受到越来越多的重视。北京航空航天大学使用北京地铁系统的客流数据，对北京市轨道交通的负载流量进行了预测分析，其研究成果对于保障轨道交用运营安全、提高轨道交通运营效率有着非常重要的意义。Capra等人对伦敦地铁系统的客流拥堵模式进行了系统的分析，并以此为依据提出了避免地铁拥堵的技术方案。除此之外，综合利用多种交通工具的客流数据，还可以实现对用户全出行路径的系统规划与通勤时间估计，以此为基础开发的城市交通公共服务系统，对于优化城市的整体通勤效率、改善市民的出行交通体验等都有着非常巨大的帮助。

从上述工作可以看出，指挥城市建设技术在数据驱动的智能交通领域均取得了丰硕的成果。值得注意的是，现有的系统与成果大多是依靠浮动车GPS、一卡通、微波探测线圈等结构化较好的数据源。对于包含丰富语义信息但结构化程度低、信息维度高的城市交通视频监控数据，现有研究使用的还非常少。有关监控视频的应用研究依然停留在视频处理、语义提取、事件理解等阶段，在智慧城市技术体系中扮演着数据准备的角色，尚不足以完全支撑以知识发现为目标的集成应用。这一方面是因为高维视频语义分析理解难度大，相关技术尚不成熟；另一方面也是因为视频数据的体量过大，很难按照城市的规模进行协同组织与处理。解决城市交通监控视频上述两个方面的挑战，将会是以数据为中心的智慧城市研究在智能交通领域所要面临的一项重要任务。

3.4.2 数据驱动的城市能源供给

能源是维系城市运转的动力所在，随着全球能源的日益枯竭，降低城市能源消耗、构建绿色城市成为智慧城市建设的核心目标之一。然而，城市作为一个复杂的能量代谢系统，即便是弄清楚城市对某一种特定形式能源的消耗量也是非常困难的。为解决这一问题，微软亚洲研究院的研究人员利用出租车GPS数据和城市加油站的POI数据对北京市机动车辆的每日汽油消耗量进行了估算。该研究所要解决的挑战一方面在于出租车并不能完全代表城市中全部车辆的行为，每个加油站中正在加油的车辆中只有一小部分是出租车，也并非每个加油站每时每刻都有出租车辆在进行加油；另一方面GPS数据只包含出租车的行驶轨迹与运营状态信息，没有明确的车辆行驶意图信息，一辆出租车在加油站附近出现并不能说明其正在加油，需要有专门的算法对出租车的加油行为进行检测和判断。针对上述两个方面的问题，研究人员设计实现了从GPS轨迹数据中发现加油事件的检测方法，提出了一种能够在稀疏张量当中分析汽车在加油站中加油所消耗时间的评估算法，并实现了能够通过加油时间推断加油站车辆到达频率的排队计算方法。该研究可以为普通用户提供加油站的推荐服务，也可以为石油公司的加油站建设规划提供意见，同时还可以让政府了解和掌握整个城市的能源消耗情况，从而制定更为合理的能源管理政策。

3.4.3 智慧物联网终端感知与应用

随着信息化的发展，在智慧城市的发展浪潮中，从不缺少物联网的身影，在智慧城市的基础设施建设中也有物联网技术的广泛应用，物理空间的数字化、物与物的通信、传感网的构建都与物联网应用的发展息息相关。

近年来，国内物联网发展迅速，大大加快了互联设备和传感器的数据收集，智慧城市通过物联网终端将城市公共设施物联成网，物联网与互联网系统完全对接融合，海量的智能传感终端接入互联网的同时也面临各类安全风险。海尔集团建立物联网安全监测与防护平台，成立安全运营中心，将所有安全防护设备和措施形成体系实现整体防护，实时连接公安局和政府有关部门，并接收来自生态合作伙伴的实时威胁情报。富士康集团针对实体安全、DMZ、边界三个层面对数据和系统进行安全防护。通过数据防泄露、访问控制、自动化备份等机制，在数据安全层面实现对勒索病毒及未知威胁的防治。国内监管单位如工信部也提出了加强面向公共云服务、物联网、车联网、互联网等领域典型应用场景的安全防护，基于数据驱动的自适应安全体系也逐渐成为主要解决方案之一。一些企业也在逐渐建立针对性安全防护体系，包含架构安全、被动防御、积极防御、威胁情报和进攻反制五个阶段，以叠加演进的方式推进，逐步构建积极防御能力，以地区、行业和企业分级建立安全运营中心。

由上述研究现状调研可知，国内外均已经在物联网安全领域有了一些探索，构建了相应的安全防护体系，但针对联网的物联网终端自身安全还缺乏有效的应对方案，在应对网络安全攻击方面仍然采用传统的应对措施，明显滞后于实际需求，难以满足快速增长的物联网应用对安全的要求。

在万物互联的环境里，终端安全处于物联网安全重要的一环，如何实时、准确感知物联网终端的安全状态将直接关系到是否能从源头上掌控物联网络整体安全状态，感知全网态势。针对智慧物联终端安全感知，目前多家企业已经在视频监控、车联网等行业内展开了大量的应用实践。针对存在大量摄像头等物联网终端的城市终端系统，如何感知终端系统的安全状态及终端周边安全状态非常关键。

感知终端自身安全的同时感知物联网终端周边安全，将最前端的物联终端之间交互连接的异常信息实时上报到终端态势感知与管控平台，实现终端威胁信息实时感知、数据分析并进行威胁追踪溯源、及时处置。

在一个智能办公场景里，一台服务器感染了网络病毒后，势必会在整个网络里复制、传播该病毒，在病毒从服务器向同一个局域网内的扫描仪、PC、打印机等终端进行传播的过程里，会产生大量的从病毒源头到目标的网络连接。病毒传播如图3-2所示。

此时若该服务具备终端威胁感知能力，可以及时地将该威胁情报信息实时上报给这个物联网络的管控平台，同时，若被攻击的目标具备终端周边感知能力，那么即可以将来自服务器的病毒传播连接行为实时告知管控平台，并进行通报预警，及时处置管控。

在物联网中，每个联网的物联终端都可能成为整个物联网络的潜在入口，由于物联网涉及大量的企业、个人隐私数据，数据安全与隐私问题非常重要，但是由于物联网终端的互操作性、混搭及自主决策性导致了整个物联网系统的复杂性，如何保证整个物联网络数据的安全，就需要从不同的维度均开展物联网安全建设，构建一个整体安全可信的物联网终端网络体系。针对海量的物联网终端建立一套物联网安全态势感知平台，针对海量物联网终端，以及不同维度的威胁信息、流量信息、连接信息进行机器学习、聚类关联分析，大数据计算，深度算法理解、预测，实现整个物联网终端威胁可视化，安全态势感知管控，同时为关于整个网络的重要决策提供信息支撑。