當城市拿起神經網絡的“劇本”，傳感器應該扮演何種角色？

我們已經討論過很多關于智能城市的話題。越來越多的科技企業加入這個產業大命題，從無人駕駛、車路協同，再到城市大腦，一系列軟硬件要素蓬勃而出，誓要讓交通生活舊貌換新顏。

截至2018年底，我國智能交通千萬級以上的項目(不含公路信息化)就有1167個。

然而，就在大家普遍在對車與路的故事滿懷期待的時候，整合時期的諸多“適應癥”也開始出現。無人駕駛汽車事故屢見不鮮，云端大腦在龐大的數據體量面前壓力山大，研發和基建成本居高不下，但城市交通效率卻并沒有成比例提升。

如果把智慧交通比作城市未來的一出好戲，那么，目前已經完成了前期的籌備工作。核心班底不外是云端大腦、芯片、傳感器、攝像頭，臣妾都說膩了。至于最終向市民呈現出怎樣的作品，還要看導演如何讓角色們拿起正確的劇本、奉獻出最好的演技了。

于是，我們和專注于高端傳感器、MEMS芯片及系統的西人馬聊了聊，探討了一下在智慧城市這部鴻篇巨制中，傳感器都承擔了哪些戲份。

(注：西人馬集團是MEMS芯片和傳感技術的領跑者，具有MEMS芯片及傳感器設計、制造、測試、材料合成等全方位能力，擁有強大的自主核心技術實力)

數據織就的“城市神經網”，隱藏了幾個重要的出行bug

在傳感器開始它的表演之前，我們要先幫城市的神經網絡“捉捉蟲”，找出那些影響感知和決策的大小bug。

在城市的數字基礎建設過程中，每天有大量的傳感器和系統落地。但這些終端數據距離真正服務于城市大腦，卻存在著幾個障礙：

1.數據收集的完整性。現代化城市和人們的出行軌跡往往圍繞著復雜而緊密的交通網絡展開。一方面，這要求城市系統能夠覆蓋到每一個邊邊角角，構成完整而龐大的“神經網絡”;另一方面，高速流動的車流、人流對數據采集的實時性、精度也提出了挑戰。如果數據出現了“盲點”，那么即使擁有再強大的城市大腦，交通擁堵、地面安全等問題也依然是“死結”。

2.數據協作的兼容性。城市數據的另一個問題，是數據源的多種類、多模態。比如僅僅是解決堵車的問題，就需要路面的車流量數據、車輛GPS數據、天氣預報、路況健康監測數據等等，只有將不同種類的傳感器融合，把各數據源捏合在一起，才能夠實現對交通狀況的實時把握和調控，主動影響智慧決策。

3.數據處理的高效率。目前許多城市的數據收集方案，都是通過攝像頭等方式實現的。這就導致了兩個問題：一是攝像頭的視覺數據需要進行語義分析、特征提取、圖像理解等一系列處理，對算力資源、硬件配置、數據存儲等提出了較高的要求;二是大規模的實時高精視覺數據一股腦兒地輸送到云端，很容易造成數據堆積和處理延遲，成為“城市大腦”的重擔，耽誤一些需要實時反應的需求。

歸根結底，城市的智慧化不應該只停留在“被數字”的表面功夫，而應該真正讓城市的每一寸肌理都能夠感知數據、應用數據，這樣任何地面事件帶來的每一個“神經沖動”，才能快速而順利地抵達城市“大腦中樞”。

將城市道路變成神經網絡：西人馬的腦洞與邏輯

關于城市數據體系的建構，目前還沒有什么“基本法”，參與者都在各自摸索。其中，西人馬的智慧交通系統，已經擔任起了許多城市的“神經網絡”建構工作。

對于城市交通領域的數據難題，顯然不是單一的軟硬件所能夠解決的。因此，西人馬神行網絡將數據網也拆解成了三個步驟：

第一步：多模態傳感器的全面鋪設;

第二步：多模組監測的綜合解決方案;

第三步：車人路聯動的真·智慧交通。

首先是數據感知網絡。前面我們提到，城市智慧交通最突出的問題就是采集方式和種類單一，導致數據的維度和精度不夠，無法照顧到龐大的細節角落。

基于此，西人馬智慧交通系統將交通神經網絡進行了從頂層設計到終端布局的系統設計。體現到具體的硬件部署上，就是將多模態的傳感器結合各類數據采集模塊，對城市道路進行因地制宜的綜合改造。

比如通過路燈傳感器，對路面的人和物實現10cm的高精度定位;在地面設置磁坐標，可以對車輛每10cm的移動都了如指掌;在隧道等復雜結構環境中，則采用了超聲波測距儀、靜力水準儀、裂縫傳感器、振弦采集儀等傳感器綜合做功，并結合車聯網，對交通出行所需要的數據進行了深層次、多模態的系統收集，讓外部刺激的每一絲“神經沖動”，都能夠被城市以立體的方式感知到。

然后是場景化的多模組監測方案。

這部分有點像神經網絡的大腦分區，數據感知網絡與處理模塊一起，構成了垂直場景的監測模組，提供清晰而具體的能力。

目前，西人馬智慧交通系統可以為用戶提供定位導航、通訊傳輸、氣候監測、橋梁監控監測、隧道監控監測、地質災害監測等不同模塊的服務。

以地災模組為例，西人馬智慧交通系統在邊坡等道路環境上部署了傳感器、數據采集、數據傳輸等子系統，對自然災害等進行實時監測。這些數據會實時上傳到數據庫和處理控制中心，一旦出現異常狀況，就能夠根據實際情況進行安全評價，預警子系統在向上發出分級預警，從而達到監控邊坡安全、及時消除安全隱患的功能。

最后，就需要將路、車、人等不同的“子模塊”聯動起來，形成一個細節明確、功能多元、場景豐富的完整城市數字體系。再借助超級計算機的磅礴算力， 完成城市交通的智能管理。

就拿最常見的“城市病”——交通擁堵來說，一旦道路、基建、人、車都被城市神經網絡連通起來，那么一旦周邊車輛發生異變，車與車之間的感應就會實時開啟。特殊氣候、網絡失聯、車流異常等外界環境的變化，都能夠及時被無處不在的傳感器網絡所感知和處理，再借由城市大腦將指示傳遞給車主，進行合理避障。這樣的無死角的城市網絡，自然就不會再輕易就“心肌梗塞”了。

如此看來，從神經突觸(傳感器系統)，到獨立腦區(垂直模塊)，再到城市大腦(智慧交通系統)，西人馬智慧交通系統正是通過這樣環環相扣的勾畫，讓真正的智慧城市更早地來到我們身邊。

城市智能化道路上，傳感器的角色扮演

至此，數據、智能與城市，完成了一次軟硬件一體化的深度結合。那么，我們不妨簡單總結一下，在智慧城市的建構過程中，傳感器系統應該扮演哪些角色?

1.規劃師

在西人馬智慧交通系統的部署細節中，我們會發現，傳感器系統并不僅僅是在機械執行道路改造工作，而是充分結合城市交通發展中的實際問題，通過數字化、智能化的手段，去應對復雜而多變的交通狀況。

換句話說，一個優秀的數據規劃師，才能讓城市生活變得真實可感，進而從全局提升城市服務能力。

2.守護者

城市數字化吸引了無數廠商來分一杯羹，但芯片廠商、基建企業、數據維護等各自為政，由此帶來的數據斷層、協作失調，卻是埋伏在城市神經網絡上的“隱藏殺手”。

而最最基礎的傳感器網絡，則可以從最廣闊的數據維度上，將車與車、車與人、車與網統一整合在一起。

就像西人馬智慧交通系統，在環境不好的前提下，可以通過信號燈狀態、天氣監測、隧道健康監測、厘米級磁柵等綜合做功，來解決車輛可能遭遇的通訊、定位、導航等諸多問題。

正是這樣細致到“毛細血管”級別的統一數據系統，才能夠最大限度地保障行車安全。

3.深耕者

在現實的交通網絡中，存在著許多垂直而細分的小環境，每個結構都有著各自特殊的部署需求，對此估計不足很有可能在道路軟硬件改造上顧此失彼，讓車輛上了路也走不遠、走不快。

對此，西人馬將橋梁、隧道、邊坡災害等特殊的公路場景都進行了縝密而細致的部署。基于此，自動駕駛、車路協同等技術才能真正走出試驗場，讓大家看到真實的價值。

目前看來，城市必須以全面統一布局和垂直場景落地來雙面進擊，才能真正實現智慧的覺醒。

因此，多模態、多種類傳感器的綜合部署、協同作戰，也就變得至關重要。否則，城市道路的眾多節點只能像偏癱患者一樣，肢體再如何動作，都難以被大腦所精準感知。

或許未來我們回顧中國城市的智慧化進程時，會發現當西人馬這樣的終端奠基者投身其中，鑿開了一個個“神經元”、搭建了一根根數字管道，才讓智慧開始在城市中流動、傳導、撞擊，最終萌生出前所未有的智慧。

只有每一個關鍵角色都認真對待屬于自己的時代劇本，城市文明最值得驕傲的智慧大戲，才能真正拉開序幕。