搜索

阿里城市大脑余亮:海外执教归来为国内城市做“算法”

gecimao 发表于 2019-06-16 22:21 | 查看: | 回复:

  在阿里云,ET城市大脑可能是阿里技术领域最丰富的一个部门,除了众多的计算机领域专家,他们还在招环境、空间科学、气象学背景的人才。

  余亮就在这个团队,而刚好,这些专业背景他都具备。他是何许人也?官方介绍里,余亮是阿里云ET城市大脑技术专家,是海归博士,2016年加入阿里云,就完整参与了ET城市大脑的整体规划,为杭州城市大脑设计开发了算法。一直到今天,杭州的应用依然是城市大脑非常牛的项目。

  2017年1月,阿里云与饿了么合作全球最大实时调度系统“方舟”,这套系统利用人工智能调度 300 万骑手,现已拓展至全国2000市县。“方舟”历经5次技术迭代,余亮团队对其算法模型进行了大量前期优化,为全面铺设奠定了坚实基础。

  作为城市大脑算法领域专家,余亮有着非常深厚的学术与产业积累,他出国7年,见证了国际智慧城市的崛起;回国后,他的核心工作就围绕城市建设展开,尤其是公共交通领域,他有着许多丰富经验。雷锋网借此采访到了他,和他探讨了城市算法及其背后的故事。

  据雷锋网了解,余亮是武汉大学遥感专业博士(2008),在浙江大学有过短暂的任教,先后在新加坡国立大学(2009-2011)、美国国家超级计算中心(伊利诺伊大学香槟分校)(2011-2012)、新加坡麻省理工联合研究所Senseable City Lab(2012-2013)、新加坡资讯与通信研究所(I2R,ASTAR)(2013-2016)任职研究职位。加入阿里云是在2016年9月。

  多年来,余亮一直从事空间大数据的研究,专业领域包括数据分析、空间数据库、流计算、语义与本体、机器学习等等。在智慧城市方面,他的专业性其实横跨空间信息和人工智能等多个学科。

  在新加坡,他参与过著名的新加坡“智慧国(Smart Nation)” 的建设。最开始在MIT(新加坡)联合研究所的环境遥感部门,后来去了未来城市交通部门,在此期间,余亮接触了大量的城市建设方案,逐渐从学术研究走到了应用部分。

  “就智慧城市来讲,有条件做的城市并不多,新加坡有很好的基础设施,加上MIT的科研力量,是当时吸引我过去的主要原因。到后来就沿着这个方向做,接触了更多的人和不同的环境,一去就是7年多。”谈及当时从浙大辞职出国工作,余亮如此回答。

  在美国,他专注在超级计算在空间信息领域的应用,其中参与了微软资助的Urban Informatics项目,在当年Azure还处于初级的阶段,他就开始探索云计算如何应用于智慧城市领域。此外还参与美国NSF资助项目CyberGIS,这与他后来在城市大脑中分析地理情况都有帮助。他说,最有收获的是看到高性能计算、云计算这些概念从实验室走向工业界。

  “的确,我逐步向工业界靠的越来越紧”。也正是这两段不同的经历,让他在回国后能立即投入相关的工作领域。他坦言,选择加入阿里云的团队,也正是看中了阿里在智慧城市方面一开始就考虑的是一个大的布局。

  智慧城市最早的概念实际上是数字城市,包括数字地图、道路、建筑、水域、地下空间等等,用各种传感器和ICT技术实时感知城市运行状况,这意味着城市的一切物理形态都要实现数字化。在哥本哈根,人们自行车上装上空气质量传感器;在美国,大城市的垃圾箱上会装上追踪传感器,城市垃圾流入何处一清二楚。在国内,其实很多人对智能城市的认知,基本是从认识阿里云ET城市大脑开始。

  不同于以往国内智慧城市的建设方式多看重硬件设施的投入,ET城市大脑更在乎是不是能发挥城市数据资源的价值。

  现在余亮所在的团队其实在做一件很酷的事情,就是如何让城市变得越来越聪明。而智慧城市从产业研究到工业执行,余亮是整体经历过来的。他怎么看城市交通发展、怎么看城市大脑在其间的作用呢?

  找出城市交通(公共交通)运行的瓶颈,是他从新加坡到美国,从美国再回国进入阿里云等等事业变迁道路上的一个重要目标。他觉得,现实中很多人都是从“供”的角度去调控交通,这是一种认知的局限。如何理解?

  余亮解释说:“一般意义上,某个系统有瓶颈,不外乎有两个条件,第一是系统的供需不平衡,第二是系统具有网络特点。”一旦具有网络特点,也就意味着在一个节点上的不平衡会发散影响到其他阶段甚至整个网络。余亮重点解释了下供需不平衡关系。

  他觉得,就地面交通而言,供就是道路网的容量,需就是出行需求。地面交通的瓶颈发生在关键路口,路口的能力不够或者发生了意外,又没有其他的替代路径,就发生瓶颈。解决交通问题,之前大部分研究都是从供的角度来着手,比如现实中的调控手段,如信号灯优化、潮汐车道等等,只有少数的研究从需的角度去考虑。交通的需求是怎么产生的?其实就是市民对活动的需求。

  “我们在新加坡做智慧交通,一个基本的问题就是回答”where people live, work and play”。有了这个就理解了人们的出行模式。以前城市都是一个市中心,现在城市都在提倡多中心,就是为了减少出行需求,大部分生活需要都能在局部完成,减少交通网络的瓶颈。”

  “新加坡的城市发展是精打细算类型的,数字化的基础非常好,它的土地规划部门把数据做得非常细。每一块土地的利用,包括整个后来交易拍卖规划的过程,都是非常讲究科学依据。城市规划如果做不好,后来就要不停的打补丁,做的好了,能优化供需,产生瓶颈的风险就会大大减少。”

  雷锋网了解到,对于一般意义上的城市建设而言,市域交通、通讯、能源、供水、排水、防洪、垃圾处理、危险品生产储存等重大基础设施在规划时必须严格考虑布局,眼下,“千年大计”雄安城市规划中,余亮的团队就深度参与其中。事实上,在阿里巴巴技术委员会主席王坚勾勒的蓝图中,城市大脑就是城市重要的基础设施,以互联网、计算和数据为基础,实现可持续发展。治理交通拥堵只是城市大脑迈向城市治理、成为超级人工智能的第一步。

  ET城市大脑已经首先消灭从摄像头到红绿灯“最远的距离”,目前已经具备信号灯优化、交通事件实时识别、应急车辆优先调度、重点车辆管控、社会治理和公共安全保障。余亮说,治理交通拥堵只是城市大脑的起点,后面他们还会有更多工作切入进来。

  余亮也谈到,在国内,做规划和交通是两个部门,相互之间的结合并不是太紧密,对于智慧城市建设这个高度依赖科学决策的事务上,国内借鉴的地方还有很多。他补充到,雄安的规划基本做到了科学决策与规划。

  2017年11月8日,阿里巴巴与雄安新区签署战略合作协议,双方携手打造以云计算为基础设施、物联网为城市神经网络,ET城市大脑为人工智能中枢的未来智能城市。那次协议签署之后,阿里巴巴成为了第一家与雄安新区开展深度合作的大型互联网企业。马云当时在现场表示:阿里巴巴的出发点不是到雄安来做生意,而是拿出最先进的技术实力和创新资源,将雄安新区打造成未来城市的标杆和中国样本。

  在雷锋网看来,雄安生来就有优势,从规划开是就有一套自运行的“聪明”逻辑。彼时阿里云的技术进入雄安,旨在让城市的部件和活动实时在线,打通交通、能源、供水等民生基础设施的“神经网络”,连通到ET城市大脑,让居住密度、娱乐设施、路政资源、商业医疗教育等城市资源将得到最合理的分配,城市功能得以最大限度发挥。

  “我们在做的事情,就是要证明数字化之后,我们能够用数学模型去描述和定量的评价,不仅仅是数据,而且有优化算法,还有仿真,多个规划之间不再是独立的,不协调的地方能够被检查出来,城市内部的机理能够通过大数据来理解,这些机理又能在将来被再次利用。当然这个是长期的目标。”

  当前,阿里云ET大脑项目已经覆盖工业制造、城市交通、医疗健康、环保、金融、航空等多个垂直领域,主要有城市大脑、工业大脑、农业大脑等。而ET城市大脑的计划在国内已经遍地开花,杭州、上海、苏州、广州、武汉、海南、澳门等都已经部署了完整的或者部分的ET城市大脑方案,更多的城市还在路上;在海外,城市大脑已推广到了马来西亚吉隆坡,更多国际城市还在布局。

  与此同时,最新数据显示,我国95%的副省级以上城市、83%的地级城市,总计超过500个城市,均在《政府工作报告》或“十三五”规划中明确提出或正在建设智慧城市。选择做智慧城市,对于阿里云这样的企业而言,需要什么样的先天条件呢?

  余亮显然对此有清醒的认识。他告诉雷锋网,不同的公司有不同的根基,因此条件可能不太一样,但阿里做城市大脑基本考虑“基础设施+应用场景+生态”3个因素:

  1、基础设施:有些企业具备通信底层,社交网络、物流、打车,地图服务、自动驾驶等等基础设施,而在阿里云,云计算平台和大数据产品就是最好的基础设施;

  2、应用场景:先做什么再做什么要理清楚。阿里云最开始布局交通,因为交通行业的特点就是数据很多,但是数据的潜力还没有被发掘,场景还要扩展。

  3、生态:从第一个城市大脑的项目开始,阿里云就积极的寻找合作伙伴,一起参与进来,把产业蛋糕做得更大。

  余亮着重强调,眼下,ET城市大脑绝不只是阿里做的一个应用或者单个项目,而是一个让大家都可以参与进来的平台。这种“参与”,不是把手头工作分担一部分出去给他们,也不是增加更多设备提供商,而是在找一批深耕行业的专业公司,在特定领域有自身创新和业务模式,能和阿里云一起最大化发挥城市大脑的作用。

  采访的最后,余亮向雷锋网分享了一个他眼中最有成就感的案例——饿了么调度算法的成功上线。

  他介绍,饿了么实时调度项目就是为骑手合理分配送餐路线,一开始他觉得很简单,类似于排列组合和路径规划,但是后来改变了这种观念:这不是一个静态的调度,而是充满了随机事件,送餐平峰和高峰此起彼伏。对于繁忙的站点,单量太大,为了保证质量和对客户的承诺,对于配送系统来讲都是争分夺秒,任何一个点没处理好送单就超时,一个点超时,后面的全部受到影响,损失惨重。

  机器学习是否可以解决?理论上来说,只要数据够多,AI是可以被训练出来的,但是实际上,余亮发现这个系统非常复杂,每个站点的人数都不一样,范围也有区别,当站点情况发生变化,模型基本上就没用了。

  为了了解整个流程,余亮经常和饿了么骑手互加微信聊天,甚至一个电话就是长时间的沟通,目的就是为了知道骑手在分配路线的时候在考虑什么。后来在建模过程中,余亮和团队采取了一种叫做机会成本的方式来建模——这里面增加了很多预测能力,其功能就是做每个分配时不仅考虑到现在的需求,还要考虑到将来对整个系统的影响。

  “这里面最难的就是这点,如果当时用户下单量是固定的,那我们可能就可以应用最优的优化方法分完。可是它每时每刻都有新的单进来,不确定因素非常繁多,所以我没有办法用传统的一次性的优化方法来做。这就像AlphaGo下围棋,属于互相博弈的一个过程。”

  最后在饿了么200多个站点上进行测试,余亮团队的实时调度算法与人工调度员的水平相当。随着他们继续优化,从人工调度员身上提取更多的知识和特征加入新的模型,向“最优解”不断靠近。作为饿了么一个战略性的改变,实时调度项目在节省人力成本、提高送餐效率方面非常可观。

  而这,正好符合余亮一直说的“智慧城市最终还是落实到以人为本的价值观上来”。

  余亮说,他非常欣赏爱因斯坦对物理世界的理解哲学:数学规律一定是优美的、简单的,他隔一段时间就会重温《爱因斯坦传》。他觉得,人在地球上,思维可以从周围的一切事物中得到启发,跨越宇宙光年之外——这是最令他心驰神往的境界。

本文链接:http://olivierlutaud.net/diaodusuanfa/571.html
随机为您推荐歌词
推荐文章

联系我们 | 关于我们 | 网友投稿 | 版权声明 | 广告服务 | 站点统计 | 网站地图

版权声明:本站资源均来自互联网,如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

Copyright @ 2012-2013 织梦猫 版权所有  Powered by Dedecms 5.7
渝ICP备10013703号  

回顶部