“隨著全球各地在試點智慧城市項目，我們能更好地理解我們面臨的真正難題，可以說，需要的硬件和軟件在減少，但需要更多的組織件和決策支持系統。”7月8日，在上海舉行的世界人工智能大會上，“大數據之父”、牛津大學網絡學院互聯網治理與監管專業教授維克托·邁爾-舍恩伯格（Viktor Mayer-Sch?nberger）發表主旨演講表示。

人類最早以打獵和采集果實為生，隨后在大約一萬年前人類開始定居，過上了農耕生活。數千年來，絕大多數人生活在農村，城市之間相隔遙遠，且數量有限。工業化推動了城市化的發展，而人類也遷徙到城市居住。截至2020年，全球有半數以上的人口居住在城市或城鎮區域。

龐大的城市需要良好的管理和治理體系。城市管理者的決策需要基于不斷發展的城市生活的真實情況，此前收集相關數據可謂極其困難，分析數據并從中得出可付諸實踐的選項同樣困難。然而，現在這一切有了變化。

“得益于數字技術的進步，我們現在可以使用廉價傳感器和大量的數字設備，從智能手機到耳機，從汽車到行車記錄儀，從無人機到智能電表，不一而足，它們每天都在收集豐富多樣的數字數據。通過匯總和使用部分這樣的數據，城市管理者有機會把決策建立在遠勝于從前的經驗分析的基礎上。”舍恩伯格表示，智慧城市的核心不在于具體技術或數據基礎設施，在于根據數據做出更好的決策，它需要的遠不止技術進步，更需要組織和機制上的創新與進步。

此外，舍恩伯格提醒，智慧城市的發展不僅需要適用于大城市，還需要面向小城市。

雖然現在全球人口有一半以上居住在城鎮區域，但更多的人居住在人口不足50萬的城市中，大城市的發展速度比小城市快，但小城市的數量遠多于大城市，而且絕大多數城市居民居住在小城市。然而，小城市資源有限，且執行經驗不多。

“困惑決策者的不是哪種技術能幫助小城市發展為成功的智慧城市，而是哪些組織和體制創新是必要的，以及什么才是最佳執行方案。”舍恩伯格表示，智慧城市的概念要行之有效需要哪些數據，以及怎樣妥善使用間接方法來收集這些數據。

以公共交通為例，決策者需要知道居民使用各條軌道交通和公交車線路的頻率是多少，在何時使用。在全球的很多城市中，決策者無法收集這樣的相關數據，人們可能會留下一條數據線索，給出何時進入地鐵站，何時出站的信息，但不知道他們具體坐了哪條線路。同樣，人們從軌道交通系統轉乘公交車時，數據也會丟失。結果出現了數據盲區，導致不良決策。

他提到，如果引導性數據不存在，面臨的問題是找到適當的代替數據，以實現間接收集數據，并且進行復雜的數據分析，根據這些代替數據來推論。

比如地鐵鐵軌和其他鐵軌一樣，在用了一段時間后會變得高低不平，需要重新平整，但要找到最需要重新平整的軌道點。一般的處理方式是需要緩慢駕駛一輛專用軌道車在夜間駛過軌道，從而加載磁場，測量高度變化。然而，歐洲的一家公共交通企業的工程師發現普通智能手機中的振動傳感器收集的數據在經過綜合圖形分析后，可以當成代理數據使用，于是他們編寫了一款免費的智能手機游戲軟件，在游戲的后臺會收集振動數據和位置數據，并鼓勵乘客在乘坐地鐵時玩這款游戲。這個方法奏效了，他們不再需要使用昂貴且費時的特別磁場加載過程。

舍恩伯格認為：“這是間接數據復雜應用的最新方法：依靠復雜的模式識別和深度學習方法來找到可能有用的代理數據。但這一點通常不太需要新穎的技術，而更依賴于創新理念和突破性思考。”