當城市拿起神經網路的“劇本”，感測器應該扮演何種角色？

我們已經討論過很多關於智慧城市的話題。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，一系列軟硬體要素蓬勃而出，誓要讓交通生活舊貌換新顏。

截至2018年底，我國智慧交通千萬級以上的專案(不含公路資訊化)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“適應症”也開始出現。無人駕駛汽車事故屢見不鮮，雲端大腦在龐大的資料體量面前壓力山大，研發和基建成本居高不下，但城市交通效率卻並沒有成比例提升。

如果把智慧交通比作城市未來的一出好戲，那麼，目前已經完成了前期的籌備工作。核心班底不外是雲端大腦、晶片、感測器、攝像頭，臣妾都說膩了。至於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。

於是，我們和專注於高階感測器、MEMS晶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鉅製中，感測器都承擔了哪些戲份。

(注：西人馬集團是MEMS晶片和感測技術的領跑者，具有MEMS晶片及感測器設計、製造、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)

資料織就的“城市神經網”，隱藏了幾個重要的出行bug

在感測器開始它的表演之前，我們要先幫城市的神經網路“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，每天有大量的感測器和系統落地。但這些終端資料距離真正服務於城市大腦，卻存在著幾個障礙：

1.資料收集的完整性。現代化城市和人們的出行軌跡往往圍繞著複雜而緊密的交通網路展開。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“神經網路”;另一方面，高速流動的車流、人流對資料採集的實時性、精度也提出了挑戰。如果資料出現了“盲點”，那麼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.資料協作的相容性。城市資料的另一個問題，是資料來源的多種類、多模態。比如僅僅是解決堵車的問題，就需要路面的車流量資料、車輛GPS資料、天氣預報、路況健康監測資料等等，只有將不同種類的感測器融合，把各資料來源捏合在一起，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.資料處理的高效率。目前許多城市的資料收集方案，都是透過攝像頭等方式實現的。這就導致了兩個問題：一是攝像頭的視覺資料需要進行語義分析、特徵提取、影像理解等一系列處理，對算力資源、硬體配置、資料儲存等提出了較高的要求;二是大規模的實時高精視覺資料一股腦兒地輸送到雲端，很容易造成資料堆積和處理延遲，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資料、應用資料，這樣任何地面事件帶來的每一個“神經衝動”，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路：西人馬的腦洞與邏輯

關於城市資料體系的建構，目前還沒有什麼“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“神經網路”建構工作。

對於城市交通領域的資料難題，顯然不是單一的軟硬體所能夠解決的。因此，西人馬神行網路將資料網也拆解成了三個步驟：

第一步：多模態感測器的全面鋪設;

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。

首先是資料感知網路。前面我們提到，城市智慧交通最突出的問題就是採集方式和種類單一，導致資料的維度和精度不夠，無法照顧到龐大的細節角落。

基於此，西人馬智慧交通系統將交通神經網路進行了從頂層設計到終端佈局的系統設計。體現到具體的硬體部署上，就是將多模態的感測器結合各類資料採集模組，對城市道路進行因地制宜的綜合改造。

比如透過路燈感測器，對路面的人和物實現10cm的高精度定位;在地面設定磁座標，可以對車輛每10cm的移動都瞭如指掌;在隧道等複雜結構環境中，則採用了超聲波測距儀、靜力水準儀、裂縫感測器、振弦採集儀等感測器綜合做功，並結合車聯網，對交通出行所需要的資料進行了深層次、多模態的系統收集，讓外部刺激的每一絲“神經衝動”，都能夠被城市以立體的方式感知到。

然後是場景化的多模組監測方案。

這部分有點像神經網路的大腦分割槽，資料感知網路與處理模組一起，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使用者提供定位導航、通訊傳輸、氣候監測、橋樑監控監測、隧道監控監測、地質災害監測等不同模組的服務。

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感測器、資料採集、資料傳輸等子系統，對自然災害等進行實時監測。這些資料會實時上傳到資料庫和處理控制中心，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。

最後，就需要將路、車、人等不同的“子模組”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， 完成城市交通的智慧管理。

就拿最常見的“城市病”——交通擁堵來說，一旦道路、基建、人、車都被城市神經網路連通起來，那麼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、網路失聯、車流異常等外界環境的變化，都能夠及時被無處不在的感測器網路所感知和處理，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路，自然就不會再輕易就“心肌梗塞”了。

如此看來，從神經突觸(感測器系統)，到獨立腦區(垂直模組)，再到城市大腦(智慧交通系統)，西人馬智慧交通系統正是透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。

城市智慧化道路上，感測器的角色扮演

至此，資料、智慧與城市，完成了一次軟硬體一體化的深度結合。那麼，我們不妨簡單總結一下，在智慧城市的建構過程中，感測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，感測器系統並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，透過數字化、智慧化的手段，去應對複雜而多變的交通狀況。

換句話說，一個優秀的資料規劃師，才能讓城市生活變得真實可感，進而從全域性提升城市服務能力。

2.守護者

城市數字化吸引了無數廠商來分一杯羹，但晶片廠商、基建企業、資料維護等各自為政，由此帶來的資料斷層、協作失調，卻是埋伏在城市神經網路上的“隱藏殺手”。

而最最基礎的感測器網路，則可以從最廣闊的資料維度上，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，可以透過訊號燈狀態、天氣監測、隧道健康監測、釐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。

正是這樣細緻到“毛細血管”級別的統一資料系統，才能夠最大限度地保障行車安全。

3.深耕者

在現實的交通網路中，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體改造上顧此失彼，讓車輛上了路也走不遠、走不快。

對此，西人馬將橋樑、隧道、邊坡災害等特殊的公路場景都進行了縝密而細緻的部署。基於此，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佈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、多種類感測器的綜合部署、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程式時，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於自己的時代劇本，城市文明最值得驕傲的智慧大戲，才能真正拉開序幕。