数字技术将为城市带来哪些革新？我们要从50年前的一个实验聊起
发布时间：2021-07-06 17:52:27 所属栏目：大数据 来源：互联网
导读：1969 年，著名作家 William H. （Holly） Whyte 和同伴一道展开了一项关于纽约市民生活的调查。他们受雇于城市规划委员会，在这个喧闹的城市中安装摄像机，以暗中追踪市民的活动。最后，Whyte 对他们得到的影像素材进行分析，并成功揭秘了一些不为人知的事实
|
1969 年，著名作家 William H. （Holly） Whyte 和同伴一道展开了一项关于纽约市民生活的调查。他们受雇于城市规划委员会，在这个喧闹的城市中安装摄像机，以暗中追踪市民的活动。最后，Whyte 对他们得到的影像素材进行分析，并成功揭秘了一些不为人知的事实。
Whyte 和他的团队花了无数个下午来拍摄公园、广场、人行道，又花了更多的时间去计数、删改、分析和量化镜头片段。他们对人们的见面和握手方式进行了标注，将行人的运动路径绘制在图纸上。
为了对一个街道拐角处的行人活动进行准确评估，Whyte 的研究队员对等待红绿灯的行人进行了手动筛选。可以想象，这份工作有多么耗时，仅圣巴塞洛缪教堂的花园在午餐时间的平均人流密度就能达到每千平方英尺（约 93 平方米）12-14 人。
如果你观察一个城市的街头、人行道、或广场足够长的时间，你就会发现城市的是多么无序而充满能量的存在。纽约市民对 Whyte 的工作表现出了极大的欢迎和好奇，把它当成了一个娱乐活动。
「Whyte 除了发现人们闲谈的地点之外，就只发现了人们喜欢他的工作。」一篇 1974 年发表的纽约时报文章冷冷地说道。
但事实上，Whyte 的街头生活项目具有强大的启示意义。Whyte 提供的不是金块，而是可操作的数据块——高峰与非高峰时间段的活动、平均密度、行人流动路径等，这些数据块有助于帮助制定城市政策。
Whyte 被誉为「美国最具影响的城市观察者之一」，他来之不易的结论及对城市独到的见解影响了 1969 年的纽约城市规划，帮助其修改了纽约分区代码，且将过去脏乱差的布莱恩公园变成了一个受人喜爱的公共空间。
直到最近，城市规划者还在实践 Whyte 的做法，进行耗时的人工观测。这肯定令 Whyte 非常欣慰，但又实在让人难以置信。毕竟，红外摄像机及相关技术已经存在多年，这些技术在理论上能够有效加快数据采集过程。但实际操作过程中，对于调查、个体观察和理性猜测等任务，这些技术往往还不能胜任，还需要手动计数和影像研究。
当下，智能手机变得越来越易于携带，且地方领导对智能城市技术的接受度也越来越高，我们似乎正被大量的城市数据淹没。但这些只是毛毛细雨，行将到来的计算机视觉和机器学习技术，可能会彻底改变我们对城市及其功能的理解。这两项迅速崛起的技术或将革新人们对城市生活的认知。
「能够在无人干预的情况下将图像转为数据，是一种超级强大的能力。」谷歌城市技术子公司 Sidewalk Labs 的首席策略官 Rohit Aggarwala 说道，该公司正在多伦多建立它自己的智能社区。
由于摄像机的价格从未像今天这样便宜，突然之间，几乎每个城市都能够将 Whyte 的工作方法复制到自己身上。运用计算机视觉技术将图像转为数据，运用机器学习针对数据进行模式识别，然后对城市进行预测和规划。
技术进步之势似乎无法阻挡。仅 2016 年一年，计算机视觉公司所获得的风险投资就达到了五亿美元，机器学习领域的全球投资额估计在 48-72 亿美元之间。纽约大学的数据城市项目预计，到 2030 年初，城市科学与信息领域的市场规模将达到 25 亿美元。
今年年初，在拉斯维加斯举行的 CES 消费电子展上，供应商们对自称为「智能城市」技术公司的喜爱远超游戏或无人机公司。随着电子时代下的年轻一代的城市规划者开始上任，市面上开始出现自动化产品和自动驾驶汽车，改善市政技术的迫切性和紧迫感从未如此之大。
除了摄像机的普及外，眼动跟踪技术也已被广泛应用于零售场景，加上智能手机数据处理能力的提高，突然之间，城市空间的意义发生了变化。现在的城市空间是实时的，甚至是可交互的，曾经科幻小说中的内容正在变成现实。
「城市规划者在对『人』相关的问题进行决策时，可以使用这些数据。」塔夫斯大学教授 Justin Hollander 说道，他是 Urban Attitudes Lab 的 CEO，该公司试图探索出设计与技术的交叉点。
与此同时，由以 Jan Gehl 为代表的城市规划师所首创的「以人为中心」的设计，将进入一个新的阶段。它将威胁到传统的模拟设计方法，运用更加科学的方法来进行规划。
「当我还是一名城市规划师时，为了塑造建筑、街道和人行道，我们会使出所有力气。这些城市规划需要符合环保和经济发展的目标，」Hollander 说道，「但我们从来没有仔细思考过空间使用者的诉求。」
要理解计算机视觉和机器学习的潜力，就去购物中心看一看吧。线上市场营销人员已经从消费者的在线数据和购买习惯中获益颇丰，现在他们还希望将这些新技术应用于线下商店中，连通消费者的线上线下行为，拓展生财之道。
据全球设计和建筑咨询有限公司 CallisonRTKL 副总裁 Joan Insel 的说法，零售商出于保护消费者信息安全的需要，一直在对其数据进行跟踪。同时，由于计算机视觉、面部识别和机器学习技术的提高，数据挖掘和数据分析的维度也开始多了起来。
她说，许多公司正在大量投资新技术——沃尔玛的「开普勒」无人超市项目中的人脸识别系统已申请专利，该系统可以追踪消费者的情绪，并在察觉到有顾客情绪不佳时通知店员进行协助。但由于隐私问题，沃尔玛不太愿意讨论这一系统。
「在如今的零售业中，市场细分已不再是被广泛探讨的问题，个体客户需求的解读成为行业热点。」她说道，「每个人都想弄明白其中的秘诀。」
Standard Cognition 是一家总部位于三藩市的机器视觉初创公司，该公司对于消费者洞察有一些独特的见解。在一系列摄像头的支持下，该公司的自动结帐系统能够实现无人零售/自动结账。
由于业界对于无人零售的关注越来越多，该公司已经得到全球几十家顶级零售品牌的订单，并筹集了数百万美金的风险投资，这一切都是因为他们在数据分析层面的独特方式。
「你可以把我们的系统想象成，用一张图像描述店里发生的一切。」联合创始人 Michael Suswal 说道。
Standard Cognition 系统的功能独一无二。它可以接近完美地进行存货清点，不会发生半点差错。在售货员将零散物品摆放回货架的过程中，该系统还能够设计最优路线，节省售货员的体力和时间。
更重要的是，这项技术可以跟踪人们的意图和活动：比如人们拿起又放下，最终没有放入购物车的东西是什么，甚至能够对他们在商店里目之所及的所有东西进行跟踪。
Standard Cognition 可以通过不同的摄像机机位，同时从多个角度对购物者进行实时跟踪。（NBA 采用了一个类似的系统来跟踪球员，Suswal 说道，但其技术或许会容易些，因为能够参考球员身上的球衣号码。）
该公司计划在 2018 年初开放一个线下演示点，在那里用五花八门的商品训练机器学习系统识别不同的商品以及行为的能力。
当下，Standard Cognition 正跻身于无人商店的投资浪潮中，同处这一浪潮中的公司还有计划开设数百家无人便利店的京东。
Suswal 说，Standard Cognition 的下一个着眼点是安全问题。既然系统能够被训练出识别蔬菜和水果的能力，它就也能够识别出钱包和枪支。Suswal 说，这一过程就像教育孩子一样，需要防止他们学坏。
像小孩子一样，许多隐私专家担心这项技术会无意中学习到偏见。据乔治敦法律隐私与技术中心在 2016 年 10 月出具的一份报告 The Perpetual Line-Up 显示，国家执法网络的面部识别系统获取了二分之一的美国成年人照片，该系统对妇女、儿童和非裔美国人的识别率最低，但该系统恰好最有可能被应用于这些群体中。
在未来，这些技术将让你无处可藏。「它将随着机器学习的优化而变得更加便宜，」Suswal 说，「它将无处不在，你的所到之处都会有一个计算机在看着你。但实际上，你的隐私正在变得更加安全，因为只有机器在看你。」
更进一步，意图分析可以用来重塑人类的生存、居住、工作环境。
联合办公巨头 WeWork 在全球设有 200 多个办公地点，该公司利用视频分析、机器学习技术及许多其它数据源，包括热力图和该公司的 app，来设计更好的工作环境。Daniel Davis 是该公司研发团队的首席研究员，他认为这项技术创造了一个无穷无尽的反馈循环。
「建筑业过去总是依赖于人类的直觉以及资深人士的经验。」他说道，「而如今，我们对设计方案的测试和评估理念已经改变。无论是交通规划设计、车辆计数还是会议室的使用规划，我们都能够利用很多在过去不明显甚至根本无法获得的信息进行分析。」
相比于传统的建筑公司，WeWork 的业务模式更偏重垂直整合，即对空间进行重塑设计、改造以及运营。这也是为什么他们比传统的建筑公司更用力地拥抱新技术。
作为空间所有者，他们可以针对数据的表现作出反应、优化状态不佳的区域，这对于其他建筑设计方来说，可谓是一种奢侈。它们还可以预测用户需求：通过机器学习算法来输入数据，他们可以在一个特定的会议室建成之前预测其使用率。 （编辑：宿州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
