贴着AI的智慧水务，还只是一句空谈

文 | 颜璇

来源 | 智能相对论（ID：aixdlun）

7月15日夜间至16日上午，北京及周边地区陆续迎来大到暴雨，导致部分道路发生内涝，公路变成了河。北京市水文总站发布白河洪水黄色预警，这也是今年入汛以来，北京首发洪水预警。

网友们纷纷在网上吐槽此次大雨对生活带来的影响，段子手们更是不甘落后，来了一个看图说话——“我在西二旗公交站，等一艘船来接我。”

图片来源于网络

公交站里等船显然是不现实的，但我们总要寻求点什么。在这场突如其来的滂沱大雨里，人们等的其实是一个如何让道路不再积水成河的解决办法，这也是目前所有人最为关心的话题。

面对城市内涝这个问题，我们在12年就提出了“海绵城市”这个概念，14年开始试点建设，虽然取得了成效，但从去年湖南多个城市内涝，今年北京暴雨的现状来看，“海绵城市”建设的速度和效果显然还不够理想。

目前，水务管理需要一个系统的、科学的管理平台, 人工智能全面爆发以来，在“智慧城市”和“智慧地球”理念的引导下,“智慧水务”的构想也应运而生。

大雨让城市颠倒，AI能做些什么？

说到治水,中国人第一个想到的就是大禹。大禹治水时，主要采用了“疏顺导滯”的方法，从而疏通了九州的河流，使大水流进四海，完成了治水大业。然而，如果将大禹治水的场景换到现代都市，面对着高楼林立的水泥地面，大禹可能有的头疼了。

让人头疼的是导致城市内涝的原因不光是气候因素，更多是在于城市建设和规划残留下来的问题，比如城市绿植减少，地表硬化率增加，围湖造田等等，大部分都与人自身的行为有关。

显然，要想治理城市内涝，人类必须要意识到自己的行为对环境造成的巨大影响。而面对如此复杂的原因，“治因”显然是太为难AI了，但是用智慧水务“治果”还是十分具有可行性的。

一般来说，智慧水务由感知层、传输层、数据层、业务层和智能分析层构成，其中计算机模型包含水动力模型、内涝模型和活性污泥模型，能够起到内涝预警和调剂功能，伴有决策支持系统和智慧水务沙盘。

图为智慧水务总体架构图 （来源：期刊《水利信息化》）

在每一场可能导致“巴士变大船”的暴雨中，智慧水务首先要能够感知情况，其次，把这些观察与需求和动态反应模型相结合，最后，使用得到的预测结果来校正系统以符合人们的需求。

在感知方面，智慧水务系统可以通过运用各种感知技术，将布置在海绵设施、污水处理厂、泵站、管网、下立交、河道等关键区域的传感器与智能设备组成物联网，实时对水资源流动全过程进行测量、监控与分析。

我国西安某园区内就采用了这样的技术，通过这种感知，整个的水体循环都能够在智慧水务里面进行互联互通。去年，水技术企业赛莱默（Xylem）在IE expo 2017中国环博会上正式推出其在中国本地研发的智慧水务云平台 —— AquaTalk，就是从“自我感知”出发，基于互联互通进行设备的远程控制与管理。

在感知的基础上，系统可以通过计算机模拟获得雨水径流的流态、水位变化、积水范围和淹没时间等信息，采用单一指标或者多个指标叠加，可以综合评估城市内涝灾害的危险性，结合城市区域重要性和敏感性，也可以对城市进行内涝风险等级进行划分。

面对越来越严峻的环境挑战，智慧水务也越来越被政府所重视。就在去年，安徽省阜阳市人民政府就与大禹节水签署了一份《战略合作框架协议》，双方计划全面运用智慧水务体系建设阜阳市各区域现代高效节水项目、农村污水处理项目、河道治理项目等，战略合作框架协议初步估算总投资为60亿元人民币。

智慧水务还没那么智慧

当然了，和理想中的智慧水务相比，不管是AquaTalk还是大禹节水的战略合作，都还只是非常初级的Beta版本。要实现具有智能感知、决策、控制、校正等功能的智慧水务，还需要解决客观环境和主观条件两个方面的问题。

客观上来讲，一个城市能否建立智慧水务系统，需要考虑到很多方面，比如经济和网络基础设施、政府的支持、专业人才数量，以及最重要的资金投入等。下图选取了产业、经济、网络基础设施与支持保障三个方面的智慧水务建设的评价指标。

图片来源：沈阳建筑大学学报(社会科学版)

面对客观环境的限制，我们可以确定科学合理的评价指标体系，为决策者们提供判断依据，使其能够有的放矢地制定更好的政策和计划，调整系统建设的发展方向。

除了客观条件的限制，智慧水务本身的建设也存在着不足。首先是硬件资源的过度浪费。近几年，我们一直在推广智慧城市的建设，但是不同AI企业在开发水平上参差不齐，难以把握产品配置，这使得在很多操作规范和标准上,只是实现了单方面的应用，无法用模块化的硬件实现所需要的功能，具有一定的更新和维护难度，这使得网络系统建设上软件设备、硬件资源出现了很大的浪费，因此，在硬件上的投资力度会高于所控制的范围之内。

其次，是系统的运行安全问题。在系统建设方面，我们一直缺乏能够安全、独立地运行专业业务的技术人才；在系统网络与信息安全方面，也没有达到国家标准的产品，在系统建设的过程中极有可能会出现一些细节性的安全隐患问题。

最后，是智慧水务的信息规划问题。事实上，由于我国智慧水务的发展相对比较慢，在具体的实施过程中缺乏信息规划，很多信息应用在建设过程中难以得到匹配。系统中的各个部分没有纵向管理，各个单位在信息收集过程中意见不统一, 在早期甚至会导致建设空缺的现象。

在数据收集上，尽管大数据能得出数十年来的年均月均日均时均降水量，但是雨水排放还是存在着太多的变量，并不容易掌握规律。同一年份里，雨季和旱季不同，有无台风影响也不同，同一城市同一时间，东区和西区降水量也不相同。如何掌握降雨的变量，学习更多的规律，进而打磨出合适的预测模型，也是智慧水务要突破的地方。

智慧水务的制高点是社会生活与系统的有效串联

智慧水务要如何通向未来？正如上文中提到的，治水的关键在于人类自身。智慧水务系统不应该只关注于感知和分析，我们更需要由居民的需求和行为特征驱动的网络化、自调节的系统。比起感知水体循环，评估城市内涝灾害的危险性，在早期就能预测甚至能预防内涝的功能才是我们的需求。

加深对社会生活的了解是智慧水务的突破点。智能手机的普及使得直接测量人类行为成为可能，利用这些数字痕迹收集数据，我们可能会更容易回答这些问题：他们几时用水较多？是否有污染环境的行为？该地区降雨量对他们的生活是否造成了严重的影响？

了解了一个城市的行为模式后，我们就可以更好地规划城市水务，特别是关于人类行为的连续的数据流可以让我们更加准确地预报水资源使用情况、污水排放情况、交通尾气排放量，以及这带来的环境问题等。

这些由数据驱动的预报可以让我们提前为峰值需求做好准备，从而实现更好的管理。我们也希望，在大雨中赶去上班，的士是管够的，而不用把自己变成“货物”坐上“货拉拉”。

【完】

智能相对论（微信id:aixdlun）：深挖人工智能这口井，评出咸淡，讲出黑白，道出vb深浅。重点关注领域：AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安全、AR/VR、开发者以及背后的芯片、算法、人机交互等。