导语

在大数据和人工智能时代，城市正在逐渐具有“统一的逻辑”，产业生态智能化将如何改造，城市商业场景与服务将如何升级，对政府治理模式将有怎样的影响，对这些问题，智慧城市专家王鹏以“未来城市万物皆可运营”为主题，整理了这篇长文综述。

集智俱乐部联合腾讯研究院，将于2019年5月30日（周四）晚举办一场以“从城市数据到智慧城市”的学术沙龙，王鹏老师将在现场分享关于智慧城市的一线规划实践和最新研究进展。活动地点为北京中关村，参与方式为报名审核制，报名请下拉至文末。

一、未来的城市将逐渐具有“统一的逻辑”

二、对几家“武林高手”企业的研判

三、数据驱动的产业共生

四、从城市运营商到万物运营商

五、智慧城市两个方向（上）

六、智慧城市两个方向（下）

七、数字孪生

八、 5G

九、场景规划

十、基础设施

十一、智慧城市终极模型

展望未来城市，万物皆可运营

本文作者：王鹏

长度：约28000字

一、未来的城市将逐渐具有

“统一的逻辑”

城市，从来就是人类文明最高成就的体现。但城市从来就只是一个容器，容纳各种各样的科技和产品。城市本身太过复杂，从来没有成为一个产品。

现在，我们有了互联网和物联网，有了人工智能，城市里面的所有东西逐渐有了一个统一的逻辑，甚至协同工作真正成为可能，这个逻辑叫做“数据”。

毕竟，世界的本质并非物质，而是数据。就连人类本身的传承，本质上也是数据的编码。

城市在数据逻辑下进化，终将变成一个可以由企业制造和运营的产品，这样的企业，也将具备骇人的能量和生命力，超过我们所有的想象。但这个产品，不是流水线上的千篇一律，更不是一切可以预知的计划经济，而是高度自由多变的生命体。城市真正的创造者和主人，一定是市民。技术至大无外的结果是，无处不在，却又无色无相。

这个未来已经在发生，google得其神，阿里得其意，华夏幸福得其形，腾讯得其血脉，万科得其骨，华为得其筋。

二、对几家“武林高手”

企业的研判

上一篇最后提到的对几个企业在智慧城市领域地位的判断，似乎是读者们比较感兴趣的，有人说像武林高手各怀绝技，于是这一篇专门写写这句。

“google得其神，阿里得其意，华夏幸福得其形，腾讯得其血脉，万科得其骨，华为得其筋……”

Google的智慧城市理想是通过sidewalklabs实现的。在多伦多滨水区，它只公布了一个规划设计，建设了一个展厅，就俨然成为世界智慧城市建设新的领导者，北美主要城市都向其发起项目邀约。但这背后，一方面是其在智慧城市产业领域庞大的投资布局，靠一个故事和一个示范，带动的是旗下投资企业全球庞大的订单；另一方面，多伦多滨水区规划也的确展现了其对城市系统和规划建设运营管理全流程的完美理解，从规划的空间结构、到建造体系、到可运营的基础设施体系，到数据驱动的精细化管理手段，真正可以实现依托数据运营实现持续的收益。产业投资和城市运营并举，包括对市民参与、对生态、对公平等的兼顾，堪称经典之作，得智慧城市全部精神内涵，故曰得其“神”。

阿里，从卖货到卖云的转型，虽有AWS垂范在先，也仍然是一轮蛮厉害的操作。线上，尤其是电商流量的必然枯竭，线下入口的争夺几乎就是互联网未来的全部。阿里云靠城市大脑一个信号灯配时的故事，一路攻城掠地，成了国家战略不说，做到可以在省会城市智能交通项目中免投标单一来源采购，杀得传统信息化集成商措手不及。近几个月，新基础设施，物联网平台等新的定位关键词也看出其冷静和克制。相信其讲好顶层故事，再聚焦中下层业务，在G端和B端都会有很好的商业表现，是适合我国现实的模式，也算是已经发现了智慧城市的商业意义，故曰得其“意”。不过阿里还是有着传统信息化集成商的致命缺陷，就是解决城市问题的能力不足，能讲故事的场景过于贫乏，很容易沉浸在传统政务信息化的舒适区里。刚刚与华夏幸福的战略合作是招绝妙好棋，可能会获得多个可以练手，啊不联手深耕的城市场景。

腾讯，作为国内互联网两大巨头之一，不可能不关注这个巨大市场，只是一直没有找到切入点高调介入而已。事实上，在物联网、智能家居、无人驾驶、共享出行、地图、人工智能等智慧城市的核心技术领域，腾讯仅防御性布局就已经是很大一盘棋了。依托微信入口，腾讯在城市服务方面优势明显，也在由此渗透社区市场；通过自家滨海科技大厦智慧建筑平台的建设，也拥有了“微瓴”建筑智能化平台，已经具备了未来智慧城市操作系统的原型能力。但最重要的一点，还是其对“人”的连接能力。从人与人，到人与物，到物与物，最终连接一切。市民及其需求是智慧城市的核心，离“人”最近的入口价值无限。当然，随着越来越多的城市场景和线下入口陆续打开，社交端的优势是不是能延续是个不小的挑战。对腾讯来说，以微瓴产品化为突破口，全面布局城市物联网平台，还是可能继续成为阿里头号对手的。“连接”二字的价值，不亚于人的“血脉”。

华夏幸福，号称产业新城运营商，两个核心的技能，做产业，建城市。能同时把这两件事搞明白，能独立完成城市的规划建设运营管理的企业，全球都难找到第二家。这方面，它几乎是几家里唯一难以替代的，掌握着包括住宅商业在内，涵盖基础设施和公共服务的几乎全部城市场景。产业方面，替政府招商引资很厉害不说，还自己做孵化器投早期。更重要的是，跟google一样，老板也投了很多智慧城市相关产业，比如无人驾驶、共享出行、新能源汽车、基础设施、生态修复……离完美的智慧城市运营商只差一步，其实就是把产业和城市领域的能力真正合二为一，同时实现城市和产业的升级，或者说新的智慧IP的注入，即可无敌于天下。事实上，所缺可能只是SidewalkToronto那样一个故事。

万科，作为各种意义上的宇宙第一房地产开发商，在这个去杠杆的风口浪尖上，也在引领着地产行业改名和改行的潮流。深圳市万科房地产有限公司刚刚更名为深圳市万科发展有限公司，将自身定位进一步迭代升级为“城乡建设与生活服务商”，在巩固住宅开发和物业服务固有优势的基础上，业务已延伸至商业开发和运营、物流仓储服务、租赁住宅、产业城镇、冰雪度假、养老、教育等领域。这些重资产运营的活干起来很累赚钱又慢，所以转型更高端的科技企业形象，往城市运营的高级阶段也就是数据运营上发展，应该是其真正意图。虽然运营这事万科做得怎么样暂时还不好评价，但是在建造方面，万科的技术储备应该毫无争议的行业老大。过去的很多年里，万科孤独前行，在以装配式住宅为核心的住宅产业化道路上一骑绝尘。未来城市中，弹性建造体系支持的柔性空间系统，是实现空间共享化、功能混合化、结构轻型化等特征的前提，只有这样，才能实现建造过程的数据驱动，也为空间的可运营提供了保证，sidewalk也就是因为google投资了模块化建造公司FactoryOS，才有了这份底气进军建筑业，类似的还有拿到软银巨额投资的Katerra。因此，万科掌握着未来建造科技的先机，也就是城市的物质空间骨架，故曰得其“骨”。整体上对信息技术的不敏感，是万科也是所有地产企业转型的硬伤，在与IT企业的合作中，话语体系无法沟通可能会是其最大障碍。

华为，作为以技术实力著称的传统电信设备商和系统集成商，一直是智慧城市市场上低调但又不可忽略的力量。从云到端，整个IoT数据链路的每个环节都离不开华为的设备产品。终端、芯片、5G、LoRa、NB-IoT……都有着决定市场技术走向的能力，其2012实验室更是聚焦颠覆性黑科技，比阿里达摩院更早深耕基础研究。其目标是“构建万物互联的智能世界”，华为能不能做到不好说，但离开了华为，看起来谁也做不成。在互联网时代，华为完全凭借技术实力保持存在感，但互联网和运营基因的缺失，已经严重影响了其未来的市场地位。华为应该已经看到了这个问题，因此成立了场景实验室，深耕现实场景需求。智慧城市建设中，数据链路是数字孪生的基础，如果说现实的建筑结构是“骨”，那虚拟的网络架构就是“筋”，如果华为能联合合适的线上线下伙伴，“筋骨合一”，更多聚焦城市运营所需求的应用技术创新，则也可以借助智慧城市完成企业形态的跃迁。

除了以上几家，最近还有一个新的巨头高调进入智慧城市领域。中国平安，作为一个主业为金融保险的公司，拥有22000个工程师及研发人员，远超于多数科技巨头；在智能认知、人工智能、区块链和云科技等科技领域已经建立了全球领先优势。中国平安是华夏幸福、旭辉、碧桂园等地产公司的第二大股东，也与几乎与所有一线开发商建立了股权合作，由此掌握了丰富的城市场景。资金、技术、场景俱全，可谓天生立于不败之地。

如果说未来有一个企业会在这个领域称霸，至少要同时具备上述其中两家的基因，而城市运营基因可能比IT技术基因更难获得。苦练内功固然可以提升实现一定程度的转型，但基因的改变则容易伤筋动骨。所以下一个阶段，合纵连横的水平基本决定了这些企业能到达的高度。虽然这些企业（国内）中除了个别直接竞争对手外，几乎两两之间都有战略合作协议，但真正能发挥彼此优势的深度合作尚未出现。未来最基本的模式是“技术+场景”式的联合，因此我们已经看到了非常多的“互联网+房地产”的战略合作产生。但因为地产公司的视野大都局限在住宅和社区，而且对IT技术缺乏想象力，所有暂时还没有什么有趣的创新实践。

写到这里发现一个有意思的关键词，“深圳”。上述智慧城市市场上一大半的头部玩家都发源于此，应该不是个巧合。作为改革开放前沿，在城市和产业转型发展的新时代，深圳的产业优势、制度优势，还有这些企业之间，一定会产生新的有趣反应。相信这个城市应该会是离未来最接近的。

三、数据驱动的产业共生

城市的全面数字化改造，乃至数据驱动运营，作为智慧城市的大方向，相信已经有所共识。但目前我们整体上还停留在数字城市的早期阶段，城市的规划、建设、运营、管理，都还没有真正实现数字化，遑论智慧化。

昨天一位资深的IT企业智慧城市前辈聊天时说，“现在智慧城市体系里哪一层面的产品和服务都很low，离满足真正的要求早着呢。可以说是功能机和智能机的差别。现在就差不多等同于原来PDA手机的时代，看似很多功能也都有了，但是苹果一出世，就知道差距的巨大了。”

IT企业的思维，提升产品靠黑科技研发，更快的速度、更准的算法，但其实真正的代际提升，靠的是思维方式的转变。就好像我们发现苹果手机的灵魂，也许不是触屏和处理器，而是交互习惯和手机之外的应用商店。对于智慧城市来说，这个应用商店可能就是数据运营的机制，包括我们一直在做的决策支持平台和数据实验室，才是这个故事的真正重点。

以数据为线索，我们看到城市的规划、建设、运营、管理被重新组织成一个新的玩法。在互联网、物联网、人工智能等技术推动下，各种传统产业和城市管理被赋予新的逻辑。无论商业运营还是政府管理，数字化转型都不是把原有流程简单的转为线上，而是以更多互动、共享、弹性、精细的模式重新定义。这个过程中，每个环节都会产生大量的数据，如同传统产业中的能源一样，成为产业发展新的驱动力，并通过数据与上下游产业互相串联。

一个最常见的产业升级范式是，通过物联网、传感器等技术对传统的城市公共品进行改造，使其具备共享化的低成本运营能力，并可以在运营过程中获得持续收益，例如共享单车。这种运营驱动的逻辑要求企业具备产品和运营的双重能力，并可以在产品设计阶段就植入可运营的技术要素。在运营过程中，产品整个生命周期都会产生大量的数据流，人力驱动的管理方式变成数据驱动。一方面，可以优化产品运营本身，降低运营人力成本和综合成本，并通过人工智能使产品运维效率不断迭代提升，改善用户体验；另一方面，城市中各种产品和系统运维的数据，汇聚到城市数据平台中，彼此交叉和结合，又可以去帮助优化其他系统；而所有系统的数据，则全面描述了城市本身的运行，通过城市级的决策支持系统，实现城市的科学规划和精细化管理。总的来说，从传统的一次性售卖或者租用的盈利模式，转为两个盈利阶段，一段是产品运营收益，一段是数据运营收益，后者将会越来越大以至于最终超越前者。

共享单车是一个非常典型的产品：相对于传统的政府公共自行车，物联网使单个车辆可以实时在线，可精确定位，并接受控制；用户不需要拥有车辆的所有权，可以随时获得使用权，并可以通过定位服务找到车辆使用，用后在目的地附近合法地点自由归还；摩拜单车既是设备商也是运营商，通过我们共同开发的“魔方”人工智能大数据平台，摩拜运维人员可以智能化决策调度车辆的时空分布（类似的，如果是汽车，甚至可以自动驾驶完成调度）；我们与摩拜组建了联合数据实验室，运用摩拜的运营数据，帮助多个城市进行了各种城市规划和运营的分析和优化，提出了包括步行系统、公交系统、街道设计、零售选址等系统的建议；在一些城市，我们还将摩拜的数据接入了城市的大数据平台，通过各种分析模型，形成城市级别的决策模型，对从宏观到微观的各种城市问题进行实时的问题分析和决策支持，实现精细化的城市治理。

另一个案例是我们参与研发的智能垃圾桶，其基本功能是垃圾深度的感知，可以在达到某些深度时自动进行压缩，提升垃圾桶的容量，减少维护工作量。在桶完全装满后，通过物联网通知平台申请维护操作。根据我们在清华大学布置的垃圾桶数据来看，从每天三次巡检，变成了十天左右的按需清理，大大降低了对清洁人员的需求，节约了人力成本。而更重要的是，垃圾清理变成了数据驱动的流程，这样我们就设计了一套基于无人驾驶的自动垃圾回收车，可以按照满桶信号规划线路每晚自动回收垃圾，使整个垃圾回收变成了完整的数据驱动的闭环。

对于传统互联网产业，C端和B端的逻辑往往比较简单。而对城市来说，多元主体复杂、价值观割裂。昂贵的硬件和软件投入最终对政府和城市运营商而言，产出应该是更高效低成本的治理，以及更多的运营阶段商业价值，但这不是软硬件能直接做到的。要使买单的政府管理者体验到数据的价值，而不仅是绚丽大屏的感官刺激，这不是单纯的软硬件产品研发环节能达到的高度。

综上，如何建立一个以数据为主线的产业生态，贯穿规划、建设、运营、管理全流程，拥有包括顶层设计、硬件、软件、数据运营在内的全面能力，是每一个有志于智慧城市运营的企业必须思考的问题。在技术上，整合数据产业生态可能有以下几个要点：

1.标准体系方面。哪怕是一个很小的领域和产品，其数据也会涉及到后面与其他城市数据的对接和融合。在智慧城市的顶层设计以及产品设计中，就应该充分考虑不同领域的协议、组网、数据模型、安全等标准，并在数据架构上做到充分的弹性可变。

2.基于数据的产业生态连接方面。目前市场上各种应用产品和方案很多，但很少有真正能做到贯穿始终的数据生态，尤其是系统所采集的数据价值，往往都被忽视和放弃。政府或大型企业应该牵头建立数据实验室或者类似的数据整合和应用平台，结合政府开放数据，盘活城市数据价值，有效对接数据的供需双方，在商业和政府治理领域开发更多应用。

3.商业模式方面。目前既有的智慧城市盈利模式大都是政府投资驱动，偏重考虑投资和运营中的分工和成本承担模式，缺少各方获益的真正商业形态。但实际上，在各种产业的全流程中，都有潜在的运营和收益空间。这要求每个企业在数字化改造过程中应十分重视运营环节，摒弃传统的售卖或出租逻辑，尤其关注运营环节的数据，一方面帮助优化产品本身，一方面注意挖掘更广泛的商业价值以延伸产业链。

四、从城市运营商

到万物运营商

2018年，各行各业的日子都不太好过。互联网线上流量面临增量枯竭开始琢磨消费降级，开发商一边融不到钱一边盖好了房子被政策卡着脖子卖不出去，实体经济不好金融自然也好不到哪里去。三个昔日风光的行业如此，表面是运气不好撞见一群黑天鹅，其实也是经济周期使然，灰犀牛该来的总会来。更深层次来讲，中国的城镇化和工业化发展到今天，所有习惯的增长方式都接近极限，没有深层次的调整，中等收入陷阱没那么容易跳过去。

大城市的发展重点从增量转入存量，住宅需求放缓，开发商们越来越不被政府和银行待见。有中国特色的房地产行业一直是个很特殊的角色，产品和物业服务固然是个核心竞争力，但赚钱基本是靠资本和杠杆。拿不到融资的开发商，最后就只剩下产品能力，变成建设商，被背后的金融资本拿走大头。于是开发商们纷纷转型，大都宣布跟房地产业务各种切割，改名各种运营商各种服务商。简单说，就是卖不出去的房子长期持有收租子，无论是长租公寓、康养还是共享办公都是这个逻辑，那收益水平就算上了ABS和REITs也实现不了多高的周转；更高级的还有城市运营商，从招商引资到基础设施公共服务一概替政府解决。但是很明显，前者从卖到租的转变，短期利润必然会大幅降低，拿着以前卖白粉时可以忽略不计的融资成本和人力成本去卖白菜，痛苦可想而知；至于城市运营商，则很容易分不清企业和政府的边界，本不属于自己的钱也没那么好拿。

事实上，城市运营和管理的确可以是个不小的生意。在传统的模式下，城市的运营管理大都是需要大量人力财力投入的公共品，所以几乎都是政府在包办所有的事情。PPP普及以后，城市政府开始有越来越多的事情外包给企业来做，但政府和企业该如何分工，其实一直没有明确的边界。

运营，是对产品生产和服务创造的全过程进行计划、组织、实施和控制，本来是一种企业经营行为。物业出租和管理这种工作，原本就是成熟的市场化领域，不是我们讨论的重点。城市公共领域中很多工作，也会倾向于逐渐由企业主体去承担，尤其是其中可以真正实现市场化运作并盈利，或者起码是能自给自足维持的部分。政府的角色，会逐渐转向真正意义上纯粹的“管理”角色，主要完成规则制定、底线审查、标准检验等工作。传统的城市运营，为了维持基础设施和公共服务的高效运转，主要依靠人力投入完成，成本高而效率低，比如市容环卫、公共交通等领域；城市管理也同样如此，即使是现在流行的所谓数字化城管或者网格化管理，看起来是信息化的外壳，但本质上还是密集的人力投入实现的管理颗粒度提升，就连满街的摄像头，大多数也是靠人盯着看，或者仅仅是用于事后追溯。运营和管理两件事得以真正区分和实现，一个很重要的前提就是数据。

随着ICT技术尤其是物联网的发展，城市的基础设施体系逐渐完成数字化改造之后，实现万物互联、实时在线、可感可控，其中很多也就具备了无人值守自主运营的能力。比如无桩共享单车对政府运营的有桩自行车以及私人自行车的取代，又如智能垃圾桶实现自动压缩和容量感知之后，大大降低了巡查维护的人工需求，而其关联的无人驾驶环卫车辆甚至可以把街道清扫和垃圾桶倾倒变成完全无需人力、数据驱动完成的闭环，从而在改善了用户体验的同时也大大降低了运营成本。久而久之，整个城市会逐渐变成一个巨大的ICT产品，可以数据的逻辑驱动其运转。

城市运营的全程数字化，带来的除了本身的系统优化以外，也为精细化的城市管理提供了可能性。各种城市基础设施和公共服务的数据实现全面的汇聚之后，政府无需大量的巡查人员和行政程序，就可以对所有的城市事件和基础设施部件进行实时监管，并通过算法对异常事件识别和预警，实现基于规则的数字化管理。例如共享单车行业的两个痛点，总量控制和空间调度其实都并不难解决，但目前大多数厂商的人海战术型运维加上政府的虚张声势型监管才造成了如今的困局。如果能实现全部厂商数据的统一数据平台接入，或者每车一个统一的电子标签和编码，就可以实现全城范围所有品牌车辆的定位监管，对厂商的运营要求才能真正落实。

在这样一个城市设施和服务普遍物联化的大趋势下，逐渐浮现出了一个巨大的产业风口：开发商、物业公司等传统的有城市运营基因的企业，以及掌握线上流量和物联网平台的ICT和互联网公司，都会全力争夺越来越多的实体空间运营权，作为未来的流量入口。在近期，就是控制智能家居、新零售、出行等新的空间场景，尤其是其数据采集能力，为人工智能储备资源；大量数据会逐渐释放其商业价值，数据运营会成为城市运营商的一种重要商业模式；最终，数据驱动的城市运营也许会催生一类新的巨头：万物运营商。这些公司会通过物联网低成本运营城市里的各种设施和服务，小到单车、路灯、垃圾桶，大到厕所和各种功能空间，直至控制整个城市机器，一方面可以获取持续的服务费用，一方面，海量数据也会在商业领域和政府管理领域获得更大的变现能力。

五、智慧城市两个方向（上）

在写前面两篇文章的时候，其实我对这件事情的思路还并不十分清晰。在分析产业生态智能化改造的范式，以及万物运营商的呈现逻辑的时候，都提到了城市智能化改造之后对政府治理模式的改变。在规划、建设、运营、管理这个完整的城市发展逻辑里，运营和管理两个环节发生了越来越多的变化和互动，会逐渐分化成两个与传统迥异的新模式，也许是智能化给城市带来的最重要变化。

早期的智慧城市市场的主流业务，一方面在做政务管理流程的数字化和互联网化改造，一方面在帮助市政和基础设施部门做城市的运营数字化改造，所以有了智慧政务、智慧城管、智慧交通、智慧市政、智慧公安、智慧环卫这些与政府当前的事权划分和管理条线相匹配的业务系统，但其中涉及基础设施的业务系统大都包含了运营和管理双重职能，因为大多数城市基础设施和生命线系统还是由政府在亲自操盘。政府不得不做这些脏活累活的一个潜在原因是，这些工作不但难以盈利，而且由于其运营动态工作量和效果难以量化评估，所以无法交由企业去运营和补贴。

随着物联网和人工智能技术的深入发展，这两年智慧城市也进入了新的发展时期。越来越多的城市场景在物联网改造之后，具备了自主运营甚至商业化运营的能力。共享单车、无人驾驶公交车、智能垃圾桶、智能环卫车辆、智能路灯等城市智能硬件从局部的产品创新开始，逐渐在改变着整个基础设施和公共服务体系的运营模式。这两年我们团队和相数科技一起合作完成了多个互联网企业的大数据运营平台，其共同特点都是运用大数据和人工智能技术，依托基于地理信息的数据可视化平台，帮助企业去动态调度各种城市设施和服务资源。虽然其中还是有很多人为的因素，但可以看到数据驱动已经成为城市设施和服务运营的新趋势。

上图是我们帮助摩拜单车开发的可视化运营系统魔方平台。通过位置、轨迹等实时数据，基于地理网格动态管理千万辆共享单车的运营，基于人工智能算法实现车辆调度的辅助决策。

我们完成的类似出行平台还包括电斑马（大于出行）的共享电动自行车和充电桩运营平台、蕃茄出行的共享汽车运营平台等。

业务逻辑更为复杂的系统还包括停简单的智慧停车场运营平台和点我达的快递外卖管理平台。停简单平台除了基本的车位、车辆、收费等管理外，还可以根据车场饱和度和需求进行人工智能定价策略优化、错峰停车引导等，还可以对接政府平台需求，对失信车辆进行预警、报警，并对其来源等信息进行分析。点我达平台则除了基本的外卖订单、骑手、轨迹管理外，还有智能优化派单和路线等运营功能。

这些平台与传统可视化平台的共同区别是，海量的物联网设备和巨大的交易量，需要底层强大的实时数据汇聚处理和分析计算能力，前端除了解决大量并发数据的可视化以外，复杂的业务逻辑也对交互设计提出了很高的要求。类似平台支持的基于物联网和互联网的基础设施和公共服务乃至商业服务，将成为未来城市运营的主流模式。

说了运营，下一篇再说说智慧城市的管理平台。

六、智慧城市两个方向（下）

上次说到智慧城市演进的两个主要方向，运营与管理。之前也专门说过万物运营商和各种城市运营数据平台。这篇要讲的是，在越来越多的城市系统被IOT和人工智能运营技术改造以后，政府主导的城市管理将带来的一些变化，其重要的特征就是城市数据平台的演进。

说到数据平台或者信息化平台，政府一直是很喜欢的，当然最喜欢的还是那块大屏幕。当年的第一代城市数据平台就很酷炫。那个时代最厉害的平台一定是规划局的，真三维的数字城市，建筑立面上的贴图可以乱真，各种静态统计信息和图表的可视化，甚至还有规划、建设、管理等规划行业管理功能，控规城市设计甚至建筑设计都能进行方案比较和空间分析。但其数据大都是来自统计部门，最多加上点各部门的汇总数据图表。

我们所说的城市管理，也可以叫做城市治理，显然不是当下的狭义“城管”概念，甚至不仅是政府各行政主管部门做的事情，还包括往往被忽视的城市的主官，也就是书记市长们，如何协调整个城市系统和各个部门的健康运行。但第一代的所谓城市数据平台，都只是低维的部门平台而已。

以前哪怕是北上广的市长们，其实几乎没有渠道了解整个城市系统的运行状态。一个千头万绪靠人力管理的城市，每天凭借有限的口头和文字汇报，各委办局的报喜不报忧，使领导常处于一种焦虑状态。所有的高维决策都只能靠经验和感觉，拍脑袋必然是唯一的方式。

前几年我们团队给某一线城市市委办公厅做了几年大数据决策参考，也就是每隔几周在市委书记每天早晨阅读的材料里加上一份城市运行和城市问题的分析报告。从一开始网上抓取可怜的数据，到和BAT等互联网公司全面合作；从我们揣摩需求自主研究，到领导主动点题提出需要剖析的问题。我们逐渐摸索了一套用大数据分析解决城市问题的方法。而且这其中收获很大的是，我们在市领导不断的需求引导下，关注点从城市规划建设，逐渐扩展到了城市治理的所有领域，包括环保、交通、城管、应急、舆情、产业、文化、人口等方方面面。市领导也终于对城市获得了前所未有的掌控感觉，可以体验到第三方多维数据对传统城市统计数据的强大扩展。比如一次十一黄金周之后，我们提交了一份多维度的大数据城市运行报告，从此每个黄金周领导都会主动要求这样一份报告，数据源也是越来越丰富和立体。

经过对市领导需求和数据资源的不断沉淀，我们完成了第二代城市数据平台，或者说城市体检平台的产品原型cityeye，城市管理者终于象现代医学一样获得了随时依靠大数据进行X光和CT的能力。智慧城市行业也开始在各地部署所谓的城市大数据平台。这一代平台的特点是，不但开始汇聚政府各部门的完整数据，也开始整合政府以外的互联网大数据资源。这个时代的很多部门平台甚至开始有实时大数据的动态呈现，甚至跨部门系统的实时互操作，比如阿里的城市（交通）大脑，就是典型的第二代城市大数据平台。打通摄像头和红绿灯，还有信号灯配时，显然不是个多难的技术问题，但能做到这一点，对政府的数据协调能力确实是不小的挑战。

城市体检平台cityeye

第二代城市数据平台和IOC:阿里城市大脑

最近两年，互联网数据源的不断拓展，政府数据的持续汇聚，可供决策支持调用的数据丰富程度远非当年可比，但很多城市运行的实时数据仍然由于技术和体制等原因难以获取。因此我们团队也在持续进行城市智能硬件的研发，尤其是以建立低成本高密度全业务的城市感知网为目标的各种集成城市传感器。如今，我们的设备已经具备了对环境、气象、积水、噪声、人车行为,以及污染物排放和传递、违法施工等各种复杂城市事件的全面感知的能力，并在多个城市高密度部署，建立了基于物联网的持续数据采集能力。

集成城市数据传感器citygridG3

与此同时，随着前文所说的城市运营模式的演进和PPP的发展，很多政府部门的城市运营职能逐渐弱化，剩下的管理职能则倾向于跨部门融合。城市政府的组织架构也陆续发生了一些变化：一些跨行业的高维机构出现，最典型的是从规划国土等多规合一到自然资源管理部门的整合；融合规划、城管、环卫、环保、市政市容等传统部门业务的大城管部门逐渐出现；各种城市生命线的应急能力被抽离整合成为了专门的应急管理部门；大数据局等数据主管部门出现，开始自上而下统筹智慧城市建设的设施和数据。这些高维部门直接对应的就是政府的规则设定、底线监管等职能，而这些职能的行使，一个重要的前提就是整个城市生命周期的数字化。这也是十九大以来中央对“数字中国”概念不断强化的一个重要动力。

在这两个趋势的推动下，我们团队和相数科技一起研发了第三代城市大数据平台——城市领导驾驶舱。其核心能力是各部门各场景海量实时数据的接入，尤其是大量新兴的基础设施运行物联网数据，通过专门的人工智能算法进行降维处理，通过一系列功能模块满足各级城市管理的需求。把巨大庞杂的多维数据按照不同的事务而非部门事权去抽取和建模，形成更符合高维城市治理的新型平台。物联网大数据和人工智能的结合，也符合ICT技术发展的AIOT趋势。

在市领导的思维模型中，部门的条块分割虽然是国家机器运转的必然结构，但也是城市事务处理的天然障碍。同一个突发事件，比如交通事故或者地质灾害，在不同部门的系统里会有不同维度的表达和信息，但以往的方式通常是没有能力将这些信息快速综合提供研判决策支持的。而人工智能通过大量历史数据的学习和抽象，加上专家系统的逻辑综合，是可以以事件和事务为线索重新呈现各种城市问题和事件的因果关系和相关性。城市作为一个复杂系统，可以通过这种方式，帮助决策者快速识别和处理关键环节，从而大幅提升城市管理的效率和科学性。

七、数字孪生

数字孪生概念近两年在智慧城市领域出镜率很高。这个来自于工业领域的概念虽然名字有趣，但其实并没有什么太新的内涵，无非是在数字空间再造实体空间的镜像。对于建筑、规划、地理学科来说，本来我们也要对城市空间三维建模，也就是制作之前所说的数字城市。我们本来就有的CIM（城市信息模型）概念其实基本上与数字孪生就是同义词。

当然，除了描述三维空间信息的GIS和BIM，物联网使万物互联和实时感知成为可能，我们可以实现更多城市运行数据的采集，所有的人、物、流都可以在数字空间里获得数据同步。这样看来，其实我们前几年一直聊的城市大数据，就是在试图用各种数据，尽可能还原一个完整的城市运行状态。除了政府数据、传统的空间数据、互联网数据以外，一个新的城市感知网已经呼之欲出。目前的摄像头、环境监测设备，固然能采集很多的实时数据，但离完整呈现城市运行状态，满足精细化管理的需求，还相去甚远。

谈到数字孪生，大家经常会关注逼格很高的部分，比如像一个沙盒系统可以模拟推演，什么人工智能可以决策判断，甚至还能如Matrix或头号玩家生活在虚拟世界。作为终极目标，这些没毛病，但现阶段聊这些，只能说想多了。

所谓人工智能的逻辑，无论什么机器学习还是神经网络，都先要学习大量历史数据，而我们其实根本没有足够的多维数据去训练城市运行的AI，充其量模拟某些简单系统的运行，勉强整个红绿灯配时。

图：数字孪生城市的四个阶段

所以说，其实实现数字孪生的关键就是定义全域感知的新技术产品，这不是某一个单品，而是一个产品体系，而且必然随着传感器、5G和边缘计算技术的发展不断迭代。高密度部署、高精度感知、实时结构化计算回传，类似无人驾驶高精地图。实时更新的全息城市信息模型除了空间信息，还可以叠加无数个数据维度。一砖一瓦、一草一木、一桌一椅、一人一车，都会以不同的频率更新位置和状态信息，真的“全息”，数据量和带宽需求都是我们现在无法想象的，但又会是5G时代的常态。当然，“全息”无疑是永无止境的目标，也许是下一个IT领域追求的类似摩尔定律的新周期。

记得当年帮摩拜做魔方平台的时候，访遍了国内的大数据和可视化公司，就没有一家能承载如此海量的实时数据，还要做复杂的计算和可视化，幸好相数的技术解决了这个难题，后来停简单、点我达这些城市服务运营商的出现，也出现了越来越多的物联网大数据平台场景需求，而至今仍然罕有另外的企业能够应对。从这个角度说，所谓现状孪生这第一个阶段尚且还是个概念罢了。

图：制造领域的数字孪生模型图解

（来源：Delotte University Press）

摩拜魔方

八：5G

“啊~啊~啊~5~G，你比4G多一~G”，仅此而已？

跟之前几篇比较抽象的文章相比，这篇的主题好像是有点硬。5G作为目前最为热门的ICT技术概念，连菊厂自己都认为尚无真正的应用场景，而这其实并非设备商应该解决的，而是需要各行各业立足自身行业未来形态有所预判。所以感觉最近很多行业都在思考其与自身的关系，其中就包括一些开发商朋友，还有城市规划的小伙伴们。

联想到前面几代无线通信技术的升级，虽然速度快了成百上千倍，传输内容从语音到短信、长文本、图片、视频、直播，催生了移动互联网，尤其是微博微信等社交应用、还有快手抖音各大视频APP、淘宝京东拼多多，但似乎对城市形态和城市领域的传统行业并没有带来什么变化。当然，我们周围是多了些生鲜电商实体店，倒闭了一些百货商场，但也仅此而已？

为什么大家对5G有着不同以往的期待？也许是因为这次升级看起来将要达到一些大家向往已久的临界点，会引发一系列质变，当然也会带来无穷的新商机，对城市的规划、建设、运营和管理的影响更会十分巨大。可以说，我们之前搞的所有关于智慧城市领域的创新，皆是5G时代开始的新城市革命的序章。

就技术来说，5G几乎满足了关于无线通讯的一切想象，连续广域覆盖可高速移动、低时延高可靠、低功耗大连接、高容量（流量密度）。无线通讯的技术进步，无非围绕频率、带宽、功率和信噪比的一系列数学关系的优化，5G之所以和以往的升级不同，就是这次的频谱效率基本达到了香农定理的极限，如果没有基础理论的革命，这次升级基本是这一轮的最后一次了。所谓6G，大家通常寄希望在太赫兹频段，目前还只能是个概念。

香农定理（知乎甜草莓）

毫米波通信是5G的最核心技术特点，毫米波波束窄，方向性好。Smallcell、大规模MIMO等基站和天线技术也是服务于毫米波这个前提的。这些对城市空间最直接的影响就是，由于微站的发射功率低，服务半径小，穿透性差，传输损耗大，基本是视距传输，需要在城市中非常密集地部署。近两年智能路灯杆产品和商业模式的出现，基本都是在为5G基站的落地做准备。灯杆作为城市中最为密集的基础设施，又有了供电和宽带连接保障，必然会成为城市物联网的最重要载体，尤其是采集视频乃至3维数据流、声音、污染物、气象等城市运行状态的多种传感器，充分融合后可以实现全息的网格化城市状态和事件感知。而这些载体和数据未来也会是自动驾驶车路通讯的重要议题。

作为一个副产品，高密度的基站布局和精确的定向能力，会带来手机信令数据价值的一次飞跃。定位精度会提高一个数量级，跟现在的GPS数据不相上下，达到亚米乃至厘米级。更重要的是，可以实现室内外一体化的高精定位。信令数据会成为描述人的位置和行为的最为整齐精确的数据源，取代绝大多数定位和计数工具，为精细化的城市规划和治理提供支持。当然，手机这种产品形态应该在五年左右会被取代，但应该会化身到更多的物联网产品尤其是可穿戴设备之中发挥类似的作用。

就具体指标来说，下载速率理论值每秒10GB，是4G的十倍；理论时延1ms，是4G的几十分之一；单通信小区物联网终端数量理论值达到百万级别，是4G的十倍以上。

从高可靠低时延角度讲，1ms量级其实已经低于神经系统的传递时延，所以主要应用于需要超高精度或者较高移动速度的场景，最为典型的就是自动驾驶。尤其是作为L5过渡状态的编队驾驶和远程驾驶。在高速行驶情况下，毫秒级的刹车时延对应的就是厘米级的刹车距离。从单车自主控制，到V2V和V2X的大系统，通讯技术可以释放大量车端的感知和计算压力，最重要的好处无疑是安全性。而无人驾驶安全性的提高直至L5最终普及，给城市带来的变化应该是5G时代里最大的。本文不重点展开这部分，毕竟Sidewalk的整个城市尺度空间变革的故事几乎都是基于无人驾驶的，包括空间距离的敏感性降低、出行途中与固定场所的区别部分消解、小汽车无需私有、共享出行和公共交通融合、城市用地性质高度混合、TOD模式的消解、路面资源需求降低、停车场需求大幅降低……总的来说，无人驾驶带来的是城市的交通功能和其他功能的融合，车辆和各种广义无人驾驶载具会变成移动的城市功能空间。雅典宪章以来城市功能分区的概念会在各个尺度上发生消解，虽然不一定是彻底颠覆。城市功能空间无论大小，彼此之间信息的互通和通过道路交通完成实体空间的连接会呈现一种新的关系，其实就是数字孪生空间与实体空间的几种新的互动方式，暂时还没有合适的理论探讨。

此外，5G可以提供一些精密操作场景的远程化。低时延另外一个典型应用场景是远程医疗。结合触觉机器人，可以实现远程B超和内窥镜等诊断，甚至远程手术，帮助非城市化或落后地区实现医疗水平的均衡和医疗成本的降低。类似的，从工业角度来说，一些高精度操作工作也可以引入远程协作机制甚至远程就业，也许这些未来只是远离城市的无人工厂的补充而已。

高带宽应用的典型应用是VR、AR和超高清视频，大家通常会考虑其娱乐应用。在我看来，重点是5G支持的带宽大概可以解决一些视频时代还不能解决的面对面交流问题。以前我们以为通信、语音甚至视频可以一定程度上消解空间距离，甚至可以实现远程交流取代面对面。直至5G时代，真正全息的VR技术才能一定程度上实现这个目标。除了语音和面孔，细微的表情动作都可以被捕捉，感受到“气场”层面的信息，甚至还包括气味、微环境、触觉等影响交流真实感的因素。可以预见，当与岛国老师们沉浸式的交流需求先得到完美满足以后，其他的场景应该都问题不大了。说到老师这事，流水线式的传统K12教育在AI和5G的辅助下，是不是也能真正实现远程互动和因材施教呢？

低功耗大连接主要应用在物联网领域。未来城市中，万物互联会超出我们目前的想象，不仅是智能家居和交通工具这些应用。最后一公里的光纤网络甚至基本的弱电布线都可能被5G直连取代，目前各种连接方式的智能家居设备可能都会变成扁平的结构，会对目前的市场格局产生不小的影响。工程建设可以摆脱一些线缆的限制，这一点会节约不少成本，但实际对设计的影响会有多大还需要观察。最近参与的一些智慧公园项目中这个感受尤为明显，后面可能会专门撰文。

2G时代和NB-IoT早期不靠谱的物联网连接状况将成为历史，无论是NB-IoT还是Lora或者另外的低功耗广域网协议取胜或者分庭抗礼，都会给我们带来更稳定可靠的物联网体验，当然这一点是之前深受其害者才会有的感到区别。

随着MEMS等传感器技术的发展，所有城市基础设施甚至建筑构件都会接入物联网，并实时更新状态，最终实现数据驱动的控制运营。与低时延特征结合，AI边缘计算也会与物联网融合，解决基本的AI分析能力，减轻云端和传输层没有必要的负担，真正实现AIOT。例如未来无缝覆盖的智能摄像头，其采集的高清视频会在本地完成包括人脸在内的各种基本内容识别和结构化处理，可以按需调用甚至分布式检索，结合其他传感能力，共同构建真正高频刷新的数字孪生城市。

5G无疑会象电力、蒸汽机一样使我们的城市发生巨大的变化。作为城市规划师，我们有幸身处一个即将变革的时代，可能会创造新的城市理论范式。但目前凭我们的想象力，似乎并不能预测未来城市形态的变化。上文并未有什么实质性的新知，充其量算是整理一下思路。已经提到了工业、交通、医疗、教育这些决定城市中心性的最强功能要素的改变，加上早就发生的零售业，虽然导致的空间形态改变似乎也就是使城市功能进一步分散和混合，甚至原子化，大尺度来讲也许指向区域化网络化，但叠加在一起的效果就无法想象了。

而且这次城市革命更大的改变，也许主要不是形态上的，而是规划、建设、运营、管理的逻辑本身。5G也不是一个独立的技术，而是和其他ICT乃至材料和生物等技术一起，呈现一个全息感知、数据驱动的城市，可以更好地通过人工智能适应和满足市民的需求，自主学习，自我完善。城市规划师，也不需要绞尽脑汁想象一个与以往不同的科幻场景，而是需要更多思考如何利用新的技术和数据去渐进优化我们的存量城市空间，学会在外科手术和望闻问切的技能之外，转变成循证医学乃至精准医学的专家。智慧城市也需要更多理解ICT技术的建筑师和城市规划师，作为智能场景规划师，创造更丰富得体的技术应用场景。

九、场景规划

最近有了一个新的岗位，智慧城市场景规划专家。似乎全世界还没有类似的专业和岗位，这几天也免在思考，这件事情的核心技术和解决的问题是什么。

智慧城市圈子里的同学们应该都有感觉，以城市大脑为代表，去年以来这个领域又重新火了起来。5G、人工智能、物联网、无人驾驶这些新技术概念让这个一直沉浸在电子政务、摄像头和IOC大屏的领域有了更大的想象空间。Sidewalk的未来城市愿景虽然一直停留在ppt上，但美好的效果图还是让大家兴奋和憧憬不已。这几个月接触的项目中，从开发商的小镇和园区，到城市新区，还有国家战略的千年新城，无不提出建设智慧城市乃至未来城市，但都面临一个问题，如何去规划建设一个属于未来的城市。

本来这个问题很简单，因为城市规划天生就是面向未来的，能绘到底的一张蓝图本来就是这个行业的本分。但是传统的空间美学主导的城市设计，以及法定体系主导的功能分区，已经使这个行业的想象力逐渐枯竭。在产业革命带来的新一轮城市革命之前，并没有做好相应的理论准备，以至于无法适应新一轮的空间规划需求。我们的学校教育和职业培养体系，都缺失了数据科学的基本培训，更不用说对ICT技术的敏感性。很少有规划师能回答新一代信息基础设施与城市空间的一系列关系。规划项目中也经常会煞有介事地规划智慧城市专题，但往往会止步于wifi覆盖，更可笑的是经常会把数据中心堂而皇之的摆在城市中心以示其重要性。新一代信息基础设施对于城市的改变不会亚于小汽车，而想想我们现在的规划规范有多少逻辑来自于小汽车，就知道我们的规划行业需要补多少课。

当然这几年流行的智慧城市顶层设计貌似也是回答这个问题的。但ICT公司们的目标只是把自己的成熟产品卖给政府，所以他们所谓的顶层设计只能是系统架构设计的马甲。哪怕你是千年大计，互联网公司有的也就只是现成的云网终端，电网、铁塔公司、电信设备和运营商，能摆的也就是充电桩和基站。当然，无论谁做总包，都会找很多的ISV小伙伴去集成各种各样的软硬件产品，从摄像头到红绿灯，从灯杆到垃圾桶，都可以从市场上采购，大不了再放几辆无人驾驶汽车转悠。但这样真的能建设出未来么？

综合来看，目前市面上的智慧城市和未来城市需求有两类，一类是面向当下，用当前的成熟新技术解决痛点问题；一类是面向未来，探索未来技术和新模式。两种模式虽然看起来都是综合运用各种ICT技术去升级城市基础设施和运营体系以及城市管理模式，但方法论的区别不小。

无论是政府的信息化，还是开发商的示范项目，大多是用成熟技术解决当下问题的。理论上，ICT企业脱胎于软件工程的需求分析和响应方法论是可以应对的。但是，软件工程的前提是需求明确，而传统部门用户提出来的只能是基于传统的规范和模式的业务需求，直接用新技术去响应这些需求，结果就是换汤不换药。我们见到的大多数智慧城市产品都是如此，只是把一部分以前由人来完成的工作交给机器，并未帮助传统部门实现新的运营或者管理模式。所以这类需求一定要基于对业务本质的高度理解，帮助用户重新定义目标的可行实现路径，通常采用小规模渐进式的自下而上研发实现。

而面向未来的模式就更加难以实现。没有现实的需求和成熟的产品，却需要向iphone一样洞察技术的趋势和人性的偏好，重新定义整个城市在新技术作用下的新的生产生活模式。只有极少数的大公司和大城市有这样洞察未来的雄心和能力，因为只有这样才能成为引领者而非跟随者。未来其实是有多种实现路径和可能的，绝大多数场景不存在唯一的技术解决方案，不是科学家能在实验室决定的，而需要在真实的城市场景里试错、迭代和完善，最终成为共识。比如新能源汽车的方案，就技术来讲氢和电显然是各有优势，但谁先落地并获得大量的用户，可能就是决定性的胜利。这才是我们为什么要建设未来城市的示范区，不是一个盆景，而是新的技术和标准的孵化器，各种新产品在真正的城市场景里磨合和完善，同时也需要创新企业现场研发和完善产品，通过对所有城市系统的流程再造，形成从产品研发、落地，到收集和分析用户数据，完善和迭代产品的闭环，自然也会形成一个基于创新的产业生态。这类需求其实也是自上而下的顶层设计的真正意义所在，需要由政府或大型企业（联盟）去抉择和定义整个城市的演进方向和关键技术方案，通过大规模产业协作自上而下完成研发组织过程。

这两类需求都需要有真正意义上的智慧场景规划能力去响应。

“场景”规划是一个很抽象和综合的概念，我理解为对城市的空间容器里各种要素的统筹安排，城市规划侧重其实体空间要素，新芝加哥学派的场景理论对城市空间和社会空间已经有全面的研究，而智慧城市则需要综合考虑空间要素和ICT技术要素。智慧城市场景设计可以类比电影和游戏的场景设计，从故事线到世界观，从镜头语言到灯光道具，需要从整个系统的运行逻辑去综合分析。场景设计有几个关键的环节或者说技术要求，也许可以作为有志于这个方向的小朋友们参考。

首先，是对城市场景复杂性的理解。

大家都知道一句话，城市是开放复杂巨系统，但这究竟意味着什么呢？城市要素之间复杂的关联和互动，牵一发而动全身，以至于往往无法用还原论思维简化。跟城市规划类似，解决复杂问题需要关注事物的关联性和动态性，把城市里的各个系统、各个部门综合起来考虑。目前的智慧城市系统绝大多数是垂直部门建设的，形成一个一个的数据烟囱。但其实各种数据可以服务的都不仅是一个系统，这就导致了大量的重复建设尤其是重复的数据采集。各系统之间的共性需求没有统一的动力，共享和汇聚的困难会在各个环节体现，尤其是市级的统筹，往往面对千头万绪无从下手。比如我们研发城市数据融合传感器，就要梳理环保、城管、交通、公安等各个系统的感知需求，归并指标和空间部署的共性因素，并探讨每种数据对其他系统的可能价值，以创造创新的行业应用。另外，复杂系统自组织和涌现等特征，使个体之和远大于整体，所以非线性思维是重要的素质。

二是对技术与空间的互动关系的理解。

革命性的技术对空间都会有摧毁和重塑的力量，铁路、电力、汽车和电梯都是类似可以改变城市形态的技术。即将出现的L4L5级自动驾驶和5G等都可能会成为类似的革命性技术。参考上一篇对5G城市场景的推演，我们需要能超脱于技术本身，理解识别城市中可变的和不变的要素，从技术史的视角去观察技术对各种城市要素可能带来的改变，进而推演随之而来的空间变革。比如对无人驾驶和共享出行主导的城市进行前瞻，就不能仍然机械地按照此时的规范配置停车位，至少要考虑到未来车道变窄且停车需求降低空间富余之后的弹性改造方式。而如果还用私家拥车而非共享的逻辑去测算无人驾驶汽车的需求量，那就会是个比交通拥堵更大的灾难。所以逻辑推演的更长远愿景将是公交系统变革和用地组织方式的变化等。这也体现了第一条的复杂性，即每个变量的变化带来的都会是一系列连锁反应。

三是对综合技术的敏感性。

智慧城市项目自然离不开ICT技术的综合应用，而创新应用、尤其是着眼长远的流程再造项目，往往需要用到非常多的跨领域技术，甚至黑科技进行创新研发，这对任何领域背景人员都是巨大的挑战。云计算、物联网、传感器这几个常规技术对IT公司来说可能问题不大，但涉及到复杂无线需求，就只有菊厂有足够CT能力搞定。但更多的场景中，涉及到更全面的材料、工控、能源，甚至生化领域的技术，即使每种技术都未必多复杂，但综合起来就成了不可能完成的任务。比如对排水管网内部堵、漏的监测，几乎只有井下机器人一种办法，但市场上的产品形态大都还很初级，要不就是个球不知道被冲到哪里去，要不就是只能拖着几十米电线一个井一个井抽干了水放下去靠视频检查一小段，每公里综合成本上万。当然，现在已经有了视频、激光雷达、声纳一体的三维形态感知能力，也有了履带、蛇形、腹壁等行进方式，也有携带电池的长续航能力。但可不间断自主工作，可从污水中供电，可穿透数米土层与地面通讯和定位，可处理复杂粘稠油污沾染腐蚀，可放置无源定位标签和MEMS传感器等需求其实在技术上都并非难事。但因为涉及技术领域过于宽泛，对研发团队的综合要求高，导致一直没有理想的产品出现。在城市基础设施改造领域，这类价值巨大的市场需求俯拾皆是，但通常被熟视无睹。

四是问题导向的综合场景的构建能力。

我理解的城市规划本质是统筹各种资源解决城市问题，ICT技术当然和空间手段一样理应成为解决问题的工具。现在的各种所谓智慧城市示范项目，往往是把各种所谓的高科技产品摆在一起，却并未真正考虑场景的需求，就连雄安市民中心和海淀公园也不例外。例如园区的无人驾驶产品已经成熟，但通常会被扔到路上作为个游乐项目，在我们的方案中，则会作为智能垃圾桶的搭档成为智能定义路线的垃圾回收载具，或者解决特定短途交通问题的工具等。在某软件园的改造方案征集中，园内外的顶尖厂商提出的都是各自的成熟产品和解决方案，而我们则重点针对其园内外的主要交通问题，提出了结合景观设计的慢行系统再造、园外停车场改造升级和包括无人驾驶在内的多层次接驳体系建立，以及与接驳系统结合的统一访客管理系统，共享交通精细化管理等策略，有效改善园区痛点。

五是对城市数据的深刻理解。

无论智能化还是信息化，基础都是数字化。用数据重新描述和解释城市，是智慧城市的第一步，也是贯穿整个城市生命周期的主题。数据是智能的前提，没有作为训练样本的海量数据的采集，就没有对各种城市系统规律的识别，更谈不到预测和调控；数据是场景的线索，各种应用和产品之间靠数据交换建立有机的联系，丰富的互操作来自于充分的跨系统数据打通；数据是产业的动力，开放共享而又保护隐私的健全的数据生态，是智慧城市创新创业氛围形成的的重要前提。

数据的主要来源，会从描述人的互联网到描述设施的物联网。从各种独立传感器到一体化的城市传感网，从传统设施被动感知到数字化设施主动上传数据，这个改变的过程也是我们改造物理世界的基本逻辑。最终在数字空间里呈现一个全息的数字孪生城市，甚至把主要的生活场景从实体空间迁至其中。

六是对人的需求的理解。

这一点最为抽象。智慧城市项目，无论是2G还是2B，大多数最终都是服务市民的。我们认为，以市民为核心，多元主体的全面参与是项目成功的基本保障。在空间规划时代，我们有环境行为学和人体工程学的工具。但在数字化场景中，人的主观体验和获得感、幸福感的量化描述和评价并没有相应的方法论。我们看到的很多尴尬的产品都是工程师的一厢情愿，最有代表性的就是很多主流智能家居产品的设计，蹩脚的产品和交互设计使本来的举手之劳变得繁琐和无趣。在B端和G端的类似的画蛇添足应用也是不少，比如现在大杂烩式的智能灯杆，把各种简单的ICT功能模块各自挂在同一个杆上，就号称智能，却没有一个真正把一体化采集城市数据训练城市智能作为诉求。也许通过数据解决交通问题并不是直接2C，但可能比一个路灯上的手机充电器更能解决市民的实际问题。

七是对基础设施运行规律的理解。

智慧城市本质上是指新一代的城市支撑技术体系，而从技术属性去定义城市的关键在于新的基础设施体系，这是支持所有城市规模形态和运营管理模式的根本。但由于大多数是隐蔽工程，投资巨大但又不容易直接看到，所以很容易被忽略。城市的水电气热管网和能源供给方式，加上固废处理方法，是整个工业时代的技术产物，基本方式也许已经稳定，但其效率和安全、节能、环保等特性，还有巨大的提升空间，而基本方法就是依靠ICT和材料、化学、生物、能源等新技术去改造现有系统，以支撑更加可持续发展的城市形态。

时至今日，地面上的城市光鲜亮丽，却很少有哪个城市能搞清楚自己地下埋着多少管线，有多少正在不断跑冒滴漏污染着土壤和地下水，甚至爆裂乃至爆炸的风险潜伏。综合管廊当然是靠钱解决问题的好办法，但事实上大量存量城市基础设施还需要更为务实的方式去改进。

物联网时代的万物互联，重点并非是家里的电灯电视，而是整个城市基础设施体系的实时在线可控。所有地下管线都将变成新的ICT设备，自身具备神经系统，获得感知和数据传输能力，使城市运行更加安全高效和韧性。这个地上地下一体化的感知和控制网络，其精度和覆盖会远超过现在的想象。从人为巡检、经验操作演进为靠人工智能控制的新城市生命线，对未来的5G网络来说也会是非常主要的应用场景。最近不得不重新回忆在学校上过的一点基础设施课程，和当年亲手画过的压力和重力管网，试图抽象可能支持其高效运行的各种数据及其感知方式，这也许是一种更接近未来城市本质的方法。

此外，道路作为一种特殊的基础设施，与交通方式一起，从来都是定义城市形态的最重要要素。ICT的投资在道路基建费用中的比重会成倍增加，无人驾驶、车路一体化、路面的发电和充电、新型公交系统、MAAS……更多议题不再展开。

八是对城市经济规律的认识。

这个问题简单说就是一个“钱”字。合理的商业模式是场景成立的前提。虽然政府已经不象早年那样充当冤大头为各种毫无作用的信息化工程付费，但如今的PPP也大都还是挂羊头卖狗肉而已，有几个能真正实现运营并由持续收益的项目？大都只是从一次性收费变成了按揭而已。

每个场景下都会有受益方和付费方，虽然可能是羊毛出在猪身上。之前分析过，智慧城市场景不外乎市场主导的城市运营和政府主导的城市管理两个大方向。前者通常是市场化的方式实现收益，对于基础设施则是特许经营与市场定价和政府补贴等经济手段相结合。Google对城市设施重新数字化定义之后，指向的是其实时在线可控可运营的模式，以数据运营驱动城市运营的逻辑一定会催生出新的城市运营商业态，这也许是继开发商之后一个新的最赚钱行业。

在城市管理领域，政府为了提高效率而提高信息化水平，直接付费采购是比较合理的方式，但其绩效的评估并非易事。其实社区治理水平、舆情、市民情绪、满意度这些看似主观的体验也都可以用数据来描述和评估。随着城市的发育完善和财力提升，城市政府对信息化产品的支付意愿也会从能直接盈利和容易见效的交通、安防等领域，外溢到更精细的管理颗粒度，提升市民更微观的体验和幸福感，城市的安全性和舒适性也会进入一个新的发展阶段。

再写下去，恐怕建筑师规划师咨询师加上系统架构师产品经理和销售等职业的技能树都要列上来了…这件事情的确需要跨学科的综合视野，但也不可能有人真正具备这些能力，只能说需要一种面向这些领域的开放的心态和综合型的思维。欢迎越来越多的城市规划师投入到这个新的蓝海领域，响应巨大的市场需求，重新定义我们的城市和城市规划学科。

十、基础设施

上面一篇里其实已经提到了基础设施作为未来城市最重要的底层场景的重要性。不夸张的说，基础设施的运行逻辑定义了城市运营和管理的基本模式和水平。

这里说的基础设施，是城市规划里相对狭义的工程性设施概念，包括能源、给排水、通信等系统，环卫中的固废可以一起讨论，道路作为独立的一大类不在这里重点探讨，防灾又是不同的维度。所以我们基本的关注点就是地下管网和其节点设施。这些设施或者说管网的核心特征就是输送城市里的各种“流”的通道。“流”分为几个层次，物质流包括水（自来水、雨水、污水、中水）、燃气、供热、垃圾，能量流主要是电网（供热燃气虽然本质上是传递能量，但实际的逻辑还是运送物质载体），信息流是广义电信网络（有线、无线、包括有线电视等）。城市基础设施投资和维护成本巨大，全国每年都是数万亿市场，且关系城市的安全高效运行，但大都又处于一个极其低效的人工管理阶段。

说到未来的基础设施运行逻辑，要先说一下CPS。CPS（信息物理系统，Cyber-Physical Systems）是一个综合计算、网络和物理环境的多维复杂系统，通过3C（Computer、Communication、Control）技术的有机融合与深度协作，实现大型工程系统的实时感知、动态控制和信息服务。CPS实现计算、通信与物理系统的一体化设计，可使系统更加可靠、高效、实时协同。我们最近常说的数字孪生跟CPS同样是与工业4.0密切相关的概念，都是描述未来世界万物由数据驱动进行计算、通信、精确控制、远程协调和自治的基本运转逻辑。数字孪生只是CPS的数字化前提，并不只是建个三维模型，实现感知到控制的闭环才是目标。城市领域通常最关心的规划、建设、管理业务，其实永远不可能变成CPS驱动的工程逻辑闭环，所以并非数字孪生的最典型应用。城市工程性基础设施系统作为一种工业化工程，其转型的大逻辑则必然是从数字孪生到CPS的过程。

在前面说的几种基础设施流中，信息流天然就具有信息化属性，也基本上是完全意义上的数据驱动运行，甚至不具备人工控制的可能性。除此之外，作为能量流的电网信息化程度也非常之高，当然也是在分布式能源和新能源汽车等各种新型智能化设备的新需求推动下，发电、输变电、配电、用电和调度各环节已经基本实现了智能化，从末端的智能电表普及率就可以有所感受。随着能源互联网、坚强智能电网、泛在电力物联网等概念的陆续提出，电网系统从数据采集到传输和控制经过了几轮技术升级，提出了从芯片、终端、网络、平台到AI的全面方案，即将通过全感知、全连接，实现基于全网实时数据的毫秒级预测响应和调度能力。

电网的改造方向和路径基本可以作为基础设施改造的一个蓝本。全面的CPS化带来的可靠性要求，甚至使其在公网之外需要建立230MHz无线专网。其数十亿规模的物联网和边缘计算节点、毫秒级的时延要求、变压器断路器储能设备等生态链的升级，再造了一个全国规模的基础设施实体网络，也造就了一个巨大的新兴市场。类似的，城市路网作为特殊的基础设施网络也很早就开始了智能化改造，基本实现了分布式的流量和事件监测，也开始用微观感知数据调控红绿灯进行全网诱导调控的尝试，其中轨道交通网作为相对简单和封闭的系统，更是很早就开始讨论CPS化的完全数据驱动控制。

而对照来看，我国包括大城市在内，供排水网络为代表的物质网技术水平可以说还停留在中世纪。既有管线位置和拓扑结构难以探测和维护；管网损耗和泄漏、污染、爆炸、灾损等风险巨大，维护成本高，第一代城市管网已经需要大规模改造；地下环境导致管内状态数据难以监测和传输，目前基本是借用工业仪表的思路和产品感知干管节点压力、流量、流速、水质、破损、堵塞等；数据有线传输为主，成本巨大，数据的质量、密度、频度都难以达到自动控制的需要……

当然，如此明显的痛点和巨大的市场不会没有变革的力量。比如海绵城市的理念作为雨水源头减量的治本之道无疑正确，但操作中往往巨大的投资都变成了劣质的透水材料，巨额投资并没有换来多少监测设备来检验工程效果。综合管廊是又一项已经式微的运动，用整个生命周期无法回收的成本，在地下为管网修房子，看似一劳永逸，但其实仍然不能解决管内监测和控制的大部分问题。除了个别工程条件良好且有特殊需求的路段，以及个别不计成本的城市，这个方式是必然无法普及的。

物质流管网虽然各自有其物理特征和拓扑结构，亦有压力和重力之分，但基本逻辑的共同点很多，只是由于分属不同的管理部门甚至不同学科专业，以至于很少放在一起探讨。压力管网的源头是各种生产企业或者从长输管线接入，水源气源热源等都可以通过变频调压设备持续送入管网；管网无论是环状、枝状还是放射抑或混合结构，都在关键的干管节点有各种压力流量流速等指标的传感器，一方面通过数学模型可以借助源头调压、沿途闸阀进行全网的需求平衡和调节，一方面可以通过指标的异常发现大型的事故和故障，如爆管、漏损、堵塞等；在末端（小区）会有各种增压或调蓄设备，保证终端用户的正常压力范围，也会有计量仪表进行计量和计费。至于重力管则是大致相反的的逻辑，分散的源头，集中的末端处理或者排放，同样靠中间的传感器和闸泵以及调蓄节点来平衡网络负荷。虽然各种设备大都实现了联网和PLC控制，但大多数设备的控制时延都是分钟乃至小时级，大都只能在事故级事件时响应，日常问题只能大致定位，再配合人工手段排查和经验推断。

在CPS的逻辑下，在通过CIM平台维护完整的管线拓扑结构的前提下，大量无线小型分布式传感器和边缘计算节点将整个基础设施网络变成一套新的ICT基础设施。加上实时无线远传的末端计量仪表，配合新型管内巡线工具，理论上可以实现一个全息的数字孪生系统。基于人工智能建模的全网动态平衡调度算法，可以毫秒级控制各种设备进行调节；对各种管道损伤和内部异常，可以精准定位和及时干预。

这套逻辑说起来并不复杂，但比起电力和交通等系统，埋在地下的管网复杂程度极高，各种管线内部压力和腐蚀、污染等情况各不相同，土层和多种管壁材质令通讯和传感领域的大多数常规方法都无能为力。可以说，管网领域的绝大多数需求尚无成熟的产品响应，这也是智慧城市领域最大的潜在市场。真正意义上的智慧管网需要的核心产品包括新型管道材料和结构、分布式微型管道传感器等等，每一项都是千亿乃至万亿市场的新领域。

此外，完全自动控制的城市生命线是运营商网络很难保障的，因此需要真正意义上的基础设施物联专网。事实上，230频段本来就不是电力部门独享的，只是电网作为全国性企业，比地方政府更有能力建设和维护一张基础设施专网。工信部165号文指出：230网络，要满足电力、燃气、人防、水务等行业无线数据传输和能源互联网应用的需求，采用共网模式，使用230MHz频段和时分双工（TDD）方式载波聚合、动态频谱共享技术。负责基础设施建设标准的住房和城乡建设部应该尽早介入基础设施物联专网的建设，在未来的基础设施领域真正发挥政府的指导和引领作用，在智慧城市领域掌握应有的话语权。

十一、智慧城市终极模型

城市是个复杂巨系统。无论是为了对城市进行研究，还是治理、管控，都需要把复杂系统进行还原和分解。比如传统城市规划，把城市分解为产业经济、公共服务、建筑空间、绿地景观、道路交通、生态环境、市政基础设施等若干子系统进行研究和规划。再比如城市政府，把城市分解为产业、商业、建设、土地、环保、教育、医疗、交通、公共安全等等子系统进行治理管控。两种分类有对应关系却不完全相同。比如政府的教科文卫，在规划视角下常常会合并为一个子系统，因为它们遵循同样的规划逻辑。而建设系统，因为是空间规划研究的核心内容，规划就会把它再进行细化：建筑、绿地、公共空间等。形成合乎自身逻辑的还原方法，是学科成熟的标志。

智慧城市的研究和实践中，一直以来主要依附行政管理的还原逻辑。比如我们看到的智慧医疗、智慧交通、智慧公安等。很容易理解，这样的产品与政府部门事权相对应，更便于被采购、被使用。然而当我们进行智慧城市的深度研究时，我们需要从智慧城市更本质的逻辑出发，来还原城市复杂巨系统。这一方面帮助我们思考智慧城市继续前行的方向，把握产品研发和产业发展的节奏，探索系统孤岛的问题本质与解决方式，更帮助我们深入认识“智慧”与“城市”的结合模式。

控制论的基本逻辑是基于感知系统获取的信息揭示成效与标准之间的差，并采取纠正措施，通过循环反馈使系统稳定在预定的目标状态，感知与控制（在城市领域更多是干预）是两个核心环节。从控制论角度思考，整个智慧城市的逻辑其实就是用ICT为核心的新技术方法对城市空间进行CPS（信息物理系统）化改造。但是现在流行的所谓智慧城市，除了个别领域以外，大都只是传统政府业务的数字化或者信息化，尚未到达这个阶段。

从CPS或者说可控制程度的视角，城市可以分解为三大系统：生态环境、人工建成环境和人群行为。

（一）生态环境系统——强感知，弱干预系统

生态环境系统是最为开放的。城市再小，生态系统也是与整个自然生态系统进行物质和能量交换的。作为一种人工生态系统，城市发展的物质和能量绝大多数来自其他生态系统，而城市废物，除了在本系统内分解和再利用，必须输送到其他生态系统。城市生态系统对外部系统的依赖性，也决定了其脆弱性。城市的可持续发展是最根本的城市问题之一，大气、水、垃圾等环境污染与保护问题也是城市要解决的基本问题。

现有管控/干预方式：

建设前，即规划阶段，进行评价资源环境承载力以及开发适宜性评介（目前国土空间规划的基础——“双评价”）。评价方法通过多个资源、环境、生态因子的叠加分析，从定量到定性，保证新城新区开发不对生态自然系统造成过大的破坏。因为评价方法简单、机械，同时难以对规划实施后果进行预测评估，所以这个方法仅能守住保护最最基本的底限。

具体的规划设计方案中，规划者可能会在城市内部设置各种自然廊道与斑块，如风廊、水系廊道、动物迁徙廊道、绿地公园等，以减少诸如热岛效应之类由城市产生的对生态环境的负面影响，然而如何设置这些“生态基础设施”，我们并没有太多扎实的科学依据，总的来说尚处于“我以为”的想象水平。

城市运转过程中，调控生态环境的手段更加有限，以减排为主：通过工程性基础设施来减少本地的资源消耗、减少污染物的产生、或者在排放前进行无害化处理。

总的来说，我们知道城市对生态环境的影响是复杂的，大气和水体污染，大多是在整个生态系统内复杂的生产和传递过程。但受限于科学对于生态系统中多种大量正负反馈机制的认知水平，我们现在还无法建模、甚至解释其中过程，更不用说干预。当然，在实际操作中，由于政府考核和污染执法主要是根据环境监测设备数据，而环境监测设备的数据是可干预的，所以我们不讨论对着监测站喷水这种操作……

ICT技术能帮我们做什么：在ICT技术加持下，我们能做的主要是用更低的成本进行更高密度、更实时的环境监测。一方面，更丰富的数据和更强的算力将帮助我们更好地理解污染物生产和传播的规律、以及城市对温度、气候等产生影响、正负的反馈机制。另一方面，对突发的人为环境污染事件，我们可以及时发现、溯源和主动干预。因此，在这个领域智能化策略是“强感知，弱干预”。

（二）人工建成环境——强感知，强干预系统

理论上是物理世界智能化改造的重点

与自然生态相对的，是城市的人工建成环境，包括各种工程性基础设施和建筑、景观、街道等地表、地下的建成环境。理论上，这是一个完全可控的系统。前文提到过的水电气热等能源供给和管网系统，都是典型的可控系统，可以通过全网感知反馈数据实时调控供给和调度资源。建筑物由于是相对封闭的人工环境，所以基本上也是可控的。以BIM为载体，楼宇自控为核心的智能建筑已经是相对比较成熟的领域，可以实现对各种设备的调节，以提供相对舒适的环境体验。随着各种物联网和传感器技术的成熟，以及大量智能家居产品的问世，基于传感器感知数据调控空调、照明等设备运行状态的主动式需求管理成为智能建筑领域新的趋势。这类系统的智能化策略是“强感知，强干预”。

一个特殊的子系统

道路与交通工具是个比较特殊的领域，理论上交通工具本身作为机电装置完全可实现自动驾驶，道路工程也与建筑物类似可以实现比较完善的感知-控制闭环，所以大家往往认为交通系统是可以比较容易实现智能化改造的。目前智能交通领域大都把精力聚焦在以出行需求和OD为核心的研究方法，试图提高车速和道路通行效率。但交通的本质是人和货物的运输，道路和交通工具只是载体。出行行为作为人类活动系统，在更上层发挥作用。在整个城市系统发生技术革命以后，更上层的人的需求、出行逻辑、交通模式几个层次会发生变化，出行需求本身变成一个最大的变量，原有技术体系会瞬间崩塌，原本精密的模拟、参数，都没有了意义。

举例来说，随着车速和通行效率的提升，其他出行方式会转移到私家车，重新使道路通行能力饱和；再如无人驾驶车辆如果还是私人拥有，必将继续增加车辆数量，使城市交通系统崩溃，但其实共享出行必然取代私人拥车，使车辆需求大幅降低；这两个案例又衍生出一个问题，城市的公共交通、共享出行和私家车出行，是可以通过政策和市场进行调节转化的，甚至可以通过预约和MAAS等机制很大程度上实现可预测和控制。比起通常认为智能交通技术对路网效率20%左右的理论提升极限，城市交通政策是更具影响力的变量。

（三）人类行为——强感知，中干预系统

这就引出第三个系统：人类行为。虽然上述两大系统都与人类活动密切相关，但人类行为往往决定的只是系统的输入变量。还有一类系统本身就是围绕人的需求和行为的，包括生产、生活、出行等，又可细分为研发生产、公共服务、商业服务等领域，教育、医疗、零售、旅游、政务等均可归为这类系统。目前绝大多数智慧城市建设项目都集中在这一领域。

由于人群行为的随机性和自由度，以往我们对这类系统的感知和控制能力都很薄弱，尤其是个体行为，很多都接近随机现象。随着各种感知技术的发展和大数据技术的成熟，大量人类行为可以被感知和观察，手机信令为代表的移动终端定位数据可以提供用户的位置、行为、身份标签等，基本实现了通过个体数据对人类群体行为的实时观察。

零售是最基本的日常商业服务场景。以新零售为例，本质上是解决以顾客需求为核心的“人-货-场”资源匹配问题。随着各尺度空间定位、传感器和生物识别技术的成熟，以及线上电商的发展，我们已经可以实现对顾客的城市空间行为、店内购物轨迹甚至货品关注情况进行精确的记录，也可以通过多源数据对顾客进行精准的画像。在全面感知的基础上，可以定向推广、针对需求动态调整库存和货架SKU，提高坪效，降低推广和库存等成本。虽然并非是精准的控制，但已经实现了对系统相当程度的干预。

在线上流量接近枯竭的今天，家居和社区作为最大的线下入口，必然成为开发商、物业公司和互联网公司争夺的焦点，其实核心也是争夺人的行为和消费习惯数据，这个会最终决定零售业成败的砝码。

下一步的可能方向

说这类系统的智能化特点或者策略是“强感知，中干预”。目前智慧城市的绝大部分硬件投资也是用于对市民行为的监测，但凭借监测所能实现的更多是异常事件的及时响应，以及对市民行为时空规律的探索，以改善基础设施和公共服务。真正意义上对社会系统的控制是不可能实现的。实现社会和社区的健康发展，乃至于市民的全面发展和幸福感提升，还是需要靠社区和市民的参与共建，逐渐改善城市服务能力。

（四）小结

上述三大系统的共同策略是“强感知”，这也是ICT技术在整个智慧城市领域最核心的能力所在。

城市本质可以表述为“通过基础设施和公共服务的集中供给，在空间、环境、能源等有限资源条件下实现生产效率和居民幸福感的提升的复杂功能网络平台。”我们解决的所有城市问题几乎都可以归结为一个共同的痛点：解决有限的基础设施和服务能力与高速增长的需求之间的矛盾。交通拥堵、内涝、能源短缺、环境污染等体现了基础设施的动态服务能力和效率不足，住房供给、房价、教育医疗等公共设施问题体现了住房和公共服务的布局、供给量与服务水平不足。

感知的核心对象，一方面是以人流车流、环境污染、负面事件为代表的动态需求信息，一方面是代表供给的道路和基础设施的运行情况。在此基础上，数据平台和算法才能实现动态预测和供需匹配。对不同干预程度的系统，有些可以实现全自动的实时智能化干预，有些则进行长期的政策调控，还有些是人为的执法处置。