智库说 | 杨滔:未来城市要靠信用和计算能力驱动

2018年相关机构举办“大数据推动下的城市发展”研讨会,杨滔博士认为信用体系是城市创新核心动力,计算能力是推动城市发展核心内容。未来城市核心是能源问题,要回归自然与人的健康生活,还回顾了以往未来城市设想,强调靠信用和计算能力驱动。

2018年8月15日,北京大学城市治理研究院、中国城市治理创新联盟、阿里研究院、阿里云研究中心共同举办了一场名为“大数据推动下的城市发展”为主题的专家研讨会。

会上,中国城市规划设计研究院信息中心副主任杨滔博士表示,信用体系是城市创新的核心动力,只有更好的信用体系才能激励人们投入到更多的创新过程中。

他认为,计算能力是推动城市发展的核心内容,如果我们能够通过数字化平台做成自动城市管理或者自动资源配置,或者说辅助资产交易,那么城市就会发展的更好。

f4dcda9ec26b11a04446ceb109eb59167ee6cbee

以下为杨滔发言实录:

今天的话题也是讲讲未来城市,我讲的可能与今天的沙龙主题不是那么密切相关,主要说一些畅想性的东西。

数字化是推动城市发展的核心内容

我们一直探讨城市未来怎么发展。目前来说,数字化或计算能力是推动城市发展非常核心的内容。城市发展包括经济+社会,体现为网络化,如经济全球化;也包括社会+经济,体现为人本化,社会最终还是回归到人本身。

在治理过程,经济+治理这个圈层体现为一个智能化的过程,借助很多信息化的手段,把经济治理变得更加理性;而环境+治理则体现为弹性化,包括对于灾害的抵抗能力,这是一个强调开放系统的过程。不过,这是一些大的原则。

未来城市最核心的是能源问题

普遍而言,对于未来城市,我们一直是解决能源的问题,能源是最核心的,涉及到我们人怎么在城市中生存下去。计算力辅助我们减少能源,这是通过数据化广泛连通,实现低能耗,还包括环境、社会、经济能快速地响应,最后能够形成一个非常有韧性、有弹性的城市。

这中间会涉及到未来城市愿景,包括价值。在实现这个愿景过程中,比如新经济、新动能、新时代等都是在勾画未来。这是需要基础设施、交通、能源等方面的支持,最后需要落实到城市活动之中。它们通过数字的方式彼此联系,共同构成了数字网络,如数字化的基础设施等。

未来城市,最后还是要回归到自然,回归到人的健康生活之中,通过数据、通信以及各种数字化方式,最终形成一个智慧化生活的城市,也是一个天、地、人、机协同的系统。其中上面是天,包括北斗卫星。国外有提出在中低太空上形成一个卫星网络,支持我们的各种活动,这个就是形成了一朵信息云。对于地表,建筑也好,城市也好,都根据信息云来聚合与扩散。如果我们探讨城市群,城市群在信息化时代更容易集中,便于把更多的资源聚集在某一点,而获取更多收益;同时信息化也推动了大分散,在乡村地方,有更多的分散聚落获得一些集中的信息资源。而这些乡村并不是我们理解的穷乡僻壤,也许是更加富足的乡村。最后是地下,由于数字化而变得透明,更多的是管网,它们的管理更加精细化。

谈到城市和乡村,这一直都是未来城市所设想的事情。也许我国一谈到乡村会想到穷,而对于欧美,特别是对于欧洲来说,乡村很可能认为是中高社会地位的标志之一。 因此,他们为什么能治理好乡村,很大程度上也与乡村社会概念密切相关。乡村回归到自然,能够更好地接近自然,享受更高品质的生活;而城市在西方发达国家中的概念反倒是未必如此,因此城市一直在设想融合绿化等。

回到19世纪末,未来城市的设想之一就是花园城市。实际上,那个时候核心就是铁路的出现,基于新的交通模式,大家设想将当地19世纪工业化的拥挤贫民窟更新为适度密度的花园城市,把公共文化设施、医疗卫生、绿地、农田等都能引入,这是其核心之一。然而,它中间最重要的部分就是城市的治理内容,包括当时提出的土地集体所有制等,这与之后规划获利的概念密切相关,即由于规划而导致的土地升值部分需要回馈给社区建设和运营。

之前的未来城市:

飞行之城、塔之城、风之城

回顾一下以前的未来城市,会提到飞行城市,在空中各种飞行器共同形成了城市,这是虚幻的设想。英国最早提出来的Archigram的理念,城市各个部分可以随时根据需求,组建装配起来。这种思想影响到了比如东京湾的规划设计。东京太密集了,它向海洋扩张,根据模数化的装配方式,拼成为新陈代谢的城市。又如曼哈顿,采用一个巨大罩子,将城市封闭起来,在里面可形成自我循环,包括气候、人以及社会的循环等,抵御外界环境的变化。

还有一种就是开发地下空间,如何打造一个地下的城市。目前,雄安也提到了地下空间的大规模开发。再有就是如何占领空中,就是塔之城。欧洲并没有形成大规模的塔之城,反而在咱们国家或者东亚形成了很多高塔,实行了上世纪50年代的设想。

再就是风的城市,随风飘荡的各种聚落,这是畅想的形式,也许在今后未来也可出现。还有沙漠之中的城市,在沙漠中固定一小块,逐步建立一个小生态,再把这个小生态一个个连接起来,共同固化并改良沙漠。

对于飘浮的城市,不管在海洋上还是空中,这都是对未来的设想。它们往海洋和太空领域进军,形成一个个单独循环的巨大系统,包括第九区电影中所描绘的场景。然而,所有这些未来城市都需要回归,回归到文化之城。不管设想带有科幻色彩,还是带有机械的动力,最终还是回归到城市本身,文化本身,就是人与人的交流。

未来城市要靠信用和计算能力驱动

刚才谈到的所有一切的未来设想,都需要解决个人生活与城市网络之间的关系。我们可能会通过数字化的平台,实现电网、交通、气象这种很大的智能场景,或者关注我们每天所能接触到的家居或者办公场景,甚至还能深入到个人健康或者碳排放数据。通过物联网,我们将个人、建筑以及城市智慧化地联系起来,构成了个人所能随时感知的片段,最终数字化地形成一个综合性的人居环境。

在这个过程中,非常关键的是产业创新,包括交通、教育、医疗、能源、金融等方面的创新。如果一个数字化平台能够提供实时预警,我们就能随时感知到城市哪些方面发生哪些变化以及带来哪些可能的后果,那么我们就发现了创新的可能点。最核心是我们找到新动能、新动力去推动城市创新发展。在此推动过程中,最为核心的也许是信用体系。因为只有更好的信用体系,才能激励人们投入到更多的创新过程中。如果创新创意很容易被拷贝,那么创新创意就很难持续下去。因此,基于数字平台,预警、创意、信用结合起来,将推动高效率的城市运行。

数字化平台上最为核心的功能就是资源的空间匹配,甚至资源在数字化空间上的数字化匹配,在很大程度上等同于空间规划。资源匹配到合适空间上,资产就会增值,也会形成幸福生活。以前的规划建设其实是做一个物质化的规划,更加偏重于物;而目前如果有数字化平台,它能随时在数字化空间中去调配或者模拟我们物质化的生活是如何进行的。然而,在调配过程中,就跟我们目前所做的,也许像一个游戏,要让人们去体验,就是需要从人的角度去审视我们所做的空间规划是否合适的。

因为只有从人的角度,才能感知城市的人本化品质。特别是回归到智慧的城市界面非常关键。人每天是要生活在城市,小到个人穿戴设备的互动,中到街道立面广告的占据,或者摊贩占据行人通道空间,大到对于绿化风光带的享有等。这些空间资源怎么分配,在这些空间里是否感觉良好,这都是涉及到互动界面的事情。当这些界面数字化之后,实体世界将镜像为数字世界,人们在两个世界中交互体验,加速了资源的占有和交易。如果未来城市能够优化资源在两个世界之中的信用匹配,那么这个城市就会发展的更好。

>>>>阅读全文

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值