艾瑞咨询：2021年中国AI中台赋能城市空间管理白皮书_42页_2mb.pdf

中国 AI中台赋能城市空间管理白皮书2022.1 iResearch Inc. 22022.1 iResearch Inc. 摘要来源：艾瑞咨询研究院自主研究绘制。未来， AI+视频等技术的不断迭代，使目标事件识别的广度、精度更高，预测性更精准，将助力城市管理效率、敏捷性、精度等方面的提升。 此外，城市管理平台系统趋于产品化、标准化、服务化，城市空间管理中也将更关注行业数据隐私监管等问题。中国城镇化进入重视质量的发展阶段，对精细化管理需求高。 城市建设追求品质建设，城市空间管理趋于场景化、模块化。 城镇化使得城市空间的复杂度提升，对城市空间的管理方式、管理效率提出更高要求。AI中台赋能城市空间管理可以产生直接的商业价值， 2020年中国城市空间管理的AI中台软硬件市场空间约 93亿元， 预计 2022年潜在市场空间约 306亿元， 2030年潜在市场空间约 1587亿元 。 云服务、 AI相关技术、硬件是各类厂商切入赛道的重点方向，一体化解决方案是服务重点，也是主要盈利模式。城市管理方法不断演进，在数字化浪潮下，城市空间管理的需求根源在于城市数据资产的充分挖掘与高效利用，最终实现各部门业务层面的职能协同。 而 AI中台从数据“深度”与“广度”出发解决城市空间管理核心问题，契合中国城市空间管理中的全域感知、实时预警、协同处置、优化迭代等需求。SMS31235城市空间管理概述城市空间管理升维 -AI中台赋能AI中台赋能城市空间管理的价值AI+视频城市空间管理发展趋势4城市空间管理的典型企业案例42022.1 iResearch Inc. 城市发展带动城市空间演变从乡村进化为城市甚至城市群 ， 城市空间逐步变得更开放 、更立体 、 更宜居 、 更多样城市是“城”与“市”的组合词，“城”是由军事防御产生的，具有行政地域的概念，“市”是由商品交换（市场）产生的，具有商业的概念，是由社会剩余物资的交换和争夺而产生的，也是社会分工和产业分工的产物。现阶段，城市通常指在一定区域形成的、以非农业人口为主体的经济、政治、文化、生态要素高度聚集的社会复合巨系统。人口、财富、信息等高度的集聚效应是城市的本质特点。随着城市的演进，城市空间也变得更为开放、立体、宜居、多样。城市演变带动城市空间演变来源：全国城市规划执业制度管理委员会 城市规划原理 、张小林 乡村空间系统及其演变研究 M 、 2019年智慧城市发展报告 ；艾瑞咨询研究院自主研究及绘制。工业城市 后工业城市 知识城市 智慧城市蒸汽时代（第一次工业革命）电气时代（第二次工业革命）信息时代（ 第三次工业革命 ）智能化时代（第四次工业革命）通商、贸易、纺织石油、汽车、一般制造 IT、互联网智能制造、机器人、生物、 AI机械化生产、铁路 大规模生产 、 电力普及 、流水线生产模式普及 自动化生产、电子 产品和计算机等 AI、物联网、大数据、机器人、生物工程等阶段关键事件关键要素繁荣行业城市发展阶段小城镇 城市、大城市及城市群小村城市演变历程城镇化阶段转型带乡村村落 生产要素高度聚集，产业结构多样 人口逐步走向集中，人口密度增加 用地功能增加并走向分化，功能走向综合 运行效率增高 文化异质性增强乡村到城市的特点城市空间演变从封闭的单中心到开放的多中心空间环境适应现代经济生产方式、社会生活方式、交通方式的多中心开放结构逐步成为主流从平面空间环境到立体空间环境城市道路立体化、城市空间向地下发展等以适应空间资源的日益短缺从生产性城市空间到生活性城市空间强调宜居性，即强调公共空间的构建、消费空间的塑造、生活尺度空间的设计等建设从分离的均质城市空间到连续的多样城市空间城市群出现、城市内部各种分异空间出现，城市空间趋于多样性52022.1 iResearch Inc. 2010-2019年中国不同规模城市的个数变化情况中国城镇化情况进入重视质量的发展阶段，对精细化管理需求高中国城镇化情况注释： 1）城市规模划分： 小城市 - 型小城市指城区常住人口 20万以下；小城市 - 型小城市指城区常住人口 20万以上 50万以下；中型城市指城区常住人口 50万以上 100万以下；大型城市 - 型大城市指城区常住人口 100万以上 300万以下；大型城市 - 型大城市指城区常住人口 300万以上 500万以下；特大型城市指城区常住人口 500万以上 1000万以下；超大城市指城区常住人口 1000万以上。 2）城区是指在市辖区和不设区的市，区、市政府驻地的实际建设连接到的居民委员会所辖区域和其他区域。来源：全国城市规划执业制度管理委员会 城市规划原理 、国家统计局、 choice、联合国人口署、国务院、 2019年城市建设统计年鉴 ，艾瑞咨询研究院自主研究及绘制。中国城镇化进程大体可以分为启动阶段 、 波动发展阶段 、 停滞阶段 、 快速发展阶段四个阶段 。 2019年 ， 城区人口超过 500万的城市数量达 21个 ， 城镇人口数量达到 8.48亿人 。 综合而言 ， 中国城镇化在快速发展阶段中可分为两个时期： 2011年前 ，城镇化率低于 50%， 国家重视发展速度； 2011年后 ， 城镇化率首次超过 50%， 发展的关注点从增量转向存量 ， 开始重视质量 。 因此 ， 针对城市的管理主要有两方面需引起关注： 1） 需要关注由人口膨胀所带来的安全 、 交通拥堵 、 环境污染等“ 城市病 ” 问题； 2） 随着城市系统复杂度提升 、 需求多样化程度提高 ， 城市管理需要具备高效运转 、 敏捷调度等能力 。城市类别及个数（个） 2010 2013 2016 2019小城市 - 型小城市 261 242 236 243小城市 - 型小城市 248 257 248 253中型城市 89 91 102 94大型城市 - 型大城市 47 52 55 64大型城市 - 型大城市 5 9 12 11特大城市 4 5 4 5超大城市 3 3 4 5大型城市 - 型及以上城市 12 17 20 216.70 7.31 7.93 8.482010 2013 2016 2019城镇人口（亿人）2010-2019年城镇人口数变化情况6.79.912.1 12.813.4 14.015.4%18.0%20.2%30.5%40.5%51.3%60.6%1949195219551958196119641967197019731976197919821985198819911994199720002003200620092012201520182021E2024E2027E2030E年末总人口 (亿 ) 城镇化率（ %）启动阶段波动发展阶段停滞阶段加速城镇化阶段：重视速度减速城镇化阶段：重视质量1949-2030中国 人口与城镇化水平变化趋势e e e e62022.1 iResearch Inc. 中国城市建设及城市管理概况城市建设追求品质建设，城市空间管理趋于场景化、模块化注释：公共交通车辆运营数和出租汽车数是城市数据，不是城区数据。来源：国家统计局、住建部，艾瑞咨询研究院自主研究及绘制。中国城市建设进入重视质量的阶段主要表现在对生存载体的品质追求和生计发展的品质追求两方面。根据国家统计局公布的 2019年城市建设数据，目前中国城区面积 20万平方公里、城区人口数 4.3亿、企业法人单位数 2100余万个、公共交通车辆运营数量 62.5万辆 财政投入 /扶持只是城市品质建设的第一步，更重要的是要有先进高效的运维、管理手段。目前，基于城市空间的场景化管理服务是企业助力各委办局（如大数据局、公安交警、住建局、城管、环保局等）城市管理普遍且有效的手段。资源环境生态 基础设施 社会生活 社会生产 公共管理及治理 气象 国土 水务 建筑 交通 能源 医疗 教育 文旅 工业 农业 服务业 行政办公 监察执法 公共管理 交通管理 产业经济管理民生服务管理 城市安全管理生态管理 政务管理如交通局： 城市主干路 火车站、地铁站、机场 如住建局： 产业园区 新兴产业 如大数据局： 智慧社区 智慧医疗 智慧教育 如公安局： 公共卫生 应急管理 事故灾害 互联网信息 如环保局 环境监测 高危企业监测 生物多样性 如营业厅： 智慧办公 智慧监管 智慧服务 生存载体的品质追求 生计发展的品质追求城市建设追求2019年城市建设现状城市空间管理2019年中国城市建设及城市空间管理情况城区面积：20万平方公里城区人口数：4.3亿人城区道路长度：45.9万公里公共交通车辆运营数：62.5万辆出租汽车数：110万辆 城市市政公用设施建设固定资产投资完成额：20126亿元企业法人单位数：2109万个发改委牵头的主体功能区规划、城乡部门牵头的城乡规划、国土部门主导的土地利用规划等统一为自然资源部门主导的国土空间规划72022.1 iResearch Inc. 中国城镇化后城市空间管理面临的问题城镇化使得城市空间的复杂度提升，对城市空间的管理方式、管理效率提出更高要求城镇化使得城市空间的复杂度提升来源：国家统计局、住建部，艾瑞咨询研究院自主研究及绘制。生产要素高度集中、生产结构多样化、人口聚集等是城镇化的重要特点，而人与人之间、人与城市之间在衣食住行等方方面面的交叉关联度会带来城市空间复杂度的进一步提升，这使得城市管理者在管理城市时，除了需要考虑人、事、物外，还需要考虑人与人、人与物、物与物之间的关联性及可能带来的影响，这无疑对城市管理者的管理方式、管理效率提出更高要求以保证城市高效、有序的正常运行。2010-2019年中国城区人口密度变化及城市车辆数量情况2010-2019年中国房屋施工面积和市区面积情况2010-2019年中国道路及地铁建设情况400.8435.6469.6501.311.317.930.451.72010201320162019公路里程（万公里）全国城市建成地铁（百公里）2010 2013 2016 2019城区人口密度（人 /平方公里） 2209 2362 2408 26132010 2013 2016 2019公共汽电车运营数 (万辆 ) 37.5 44.7 51.5 58.4出租汽车 (万辆 ) 98.6 105.4 110.3 110.2私人汽车拥有量（百万辆） 59.4 105.0 163.3 225.1人均活动空间的广度更大，人与人、人与城市之间的关联度、复杂度更高，对城市管理者提出更高要求，对 AI等智能相关技术的依赖性会更强主要问题：交通拥堵、事故、违章等 主要问题：道路破损、客流管制、安全检查等 主要问题：环境管理、安全管理等40.566.675.989.419.019.321.522.82010201320162019房屋施工面积（亿平方米）市区面积（万平方公里）81235城市空间管理概述城市空间管理升维 -AI中台赋能AI中台赋能城市空间管理的价值AI+视频城市空间管理发展趋势4城市空间管理的典型企业案例92022.1 iResearch Inc. 城市空间管理方法演变城市管理方法不断演进，但现阶段国内大部分城市管理过程中仍存在数据利用率低、智能化程度不足等问题来源：艾瑞咨询研究院根据公开信息与专家访谈自主研究及绘制。城市空间管理方法的演变过程与趋势随着城市规模的不断扩大与城市空间管理复杂性的持续提升 ， 我国城市管理的方式方法也一直处在逐步演变的过程 。 以道路空间管理为例 ， 我国城市大多经历了由早期的仅靠少量人力对城市重点区域或位置进行人工监管发展至以交通信号灯 、道路摄像头等设备为核心的后台监控阶段 ， 近年来部分经济实力较强且基础设施完备的大中型城市更是在传统的设备监控基础上 ， 尝试将人工智能 、 物联网 、 大数据 、 云服务 、 5G等新一代信息技术引入到城市空间管理中 ， 实现人 、 车 、 物的智能识别与轨迹追踪等智慧交通能力 。 但即便对于已经具备了一定智能基础的城市而言 ， 要科学高效地管理城市空间 ， 仍然要解决政府各部门内部及部门之间数据智能化能力零散 、 大量已有设备采集到的非结构化图片及视频数据难以利用 、 数据仅能做到可视化但无法有效辅助决策等诸多问题 ， 仅依靠搭建若干政务云平台或大数据平台并不能系统性地解决上述难题 。人工监管 人 /设备协同监管 智能管控管理方法： 仅依靠公安、交警等人员监管重点区域管理方法： 相关部门通过交通信号灯、道路摄像头等设备开展后台监控管理方法： 通过 AI/IoT/5G/云计算 /大数据等技术，实现人、车、物的智能识别与轨迹追踪等能力主要问题： 覆盖面积小、监管效率低、响应速度慢，大部分区域处于监管空白主要问题： 智能化管理手段缺乏，智能化管理的能力也比较零散，效率较低主要问题： 各部门数据系统分散、数据智能化程度低、非结构化数据难以利用等102022.1 iResearch Inc. 城市空间管理需求升级在数字化浪潮下 ， 城市空间管理的需求根源在于城市数据资产的充分挖掘与高效利用 ， 最终实现业务层面的职能协同在信息化 、 数字化 、 智能化浪潮下 ， 对于城市管理相关部门而言 ， 要解决城市空间管理中存在的数据资源利用率低等核心问题 ， 可以建立可统一管理的平台 ， 并进一步以此平台为基础 ， 充分挖掘各部门及各空间场景的结构化及非结构化数据价值 ， 通过深度学习 、 计算机视觉 、 知识图谱等人工智能技术 ， 科学 、 高效地利用城市数据资产来实现城市空间全域感知与实时预警 ， 使各相关部门能够对所辖区域发生的异常状态或事件迅速做出反应 。 在平台端数据资源不断积累的支持下 ， 人工智能算法模块也将随之持续优化迭代 ， 在大数据局的牵头下进行各部门业务的职能协同 ， 为城市管理提供辅助决策与分析预测等智能服务 。来源：艾瑞咨询研究院自主研究及绘制。城市空间管理的根本需求与发展方向城市空间管理数据充分挖掘城市空间管理数据高效利用 随着城市空间管理数据的不断积累，打磨人工智能识别、分析、预测算法的精准度与鲁棒性，在海量数据的支持下使算法持续优化迭代 平台侧在人工智能与大数据技术的赋能下 ， 敏捷快速地向相关部门指出城市各区域的异常状态或事件并给出处理意见 ，还可实现基于过往数据分析预测特定空间短期内有可能面临的管理风险 ， 为城市管理相关部门决策提供依据与参考城市空间管理的职能协同 以市 （ 区 ） 政府或大数据局为牵头部门 ，以城市或区县整体为单位 ， 将城市空间管理相关部门 （ 公安 、 交警 、 城管 、 住建 、环保 、 广电 、 城运中心等相关部门 ） 进行协同管理 在之前数据挖掘和高效利用的基础上 ， 各部门直接进行业务层面的职能协同 ， 提高办事效率 结构化数据可直接用于车辆管理 、 人员管理 、 环境管理等城市空间监管 对于传统摄像头 、 传感器等设备采集到的非结构化数据 ， 需要通过图像识别 、 深度学习等图片及视频分析技术处理并提取有效信息 ， 充分利用现有设备 ， 深挖数据资产价值112022.1 iResearch Inc. AI中台与城市空间管理的契合之处从数据 “ 深度 ” 与 “ 广度 ” 出发解决城市空间管理核心问题如上文所述 ， 城市管理者要实现城市空间管理的新需求 ， 首要任务是各部门职能协同 ， 拓展城市数据的 “ 广度 ” 。 从这个角度来看 ， 中台非常符合城市空间管理的需求 。 中台的概念出自于互联网领域 ， 中台即是数字能力共享平台 ， 是平台的平台 。 城市管理者可通过建立城市空间管理中台 ， 实现城市数据资产的统一管理 。 以人工智能技术为核心的 AI中台还能够较好的解决城市空间管理面临的数据 “ 深度 ” 使用的问题 。 AI中台是将深度学习 、 计算机视觉 、 知识图谱 、 自然语言理解等人工智能技术模块化 、 组件化 、 可插拔化并赋能于中台 ， 将人工智能能力 （ 包括硬件的计算能力 、 算法的训练能力 、 模型的部署能力 、 基础业务的展现能力 ） 集约起来 ， 与中台的数据资源紧密结合并封装为整体中台系统 。 在城市空间管理中 ，如果说 “ 中台 ” 主要解决城市数据的广度问题 ， 那么 “ AI” 则是通过不断迭代的特定算法 （ 如机动车 /非机动车违法识别算法 、 客流智能分析检测算法 、 城市环境状态识别算法等 ） 充分利用数据资源 ， 对城市各大空间进行智能管控 ， 完成从识别判断到辅助决策的一系列任务 ， 有效提升城市空间管理的覆盖面 、 精准度 、 敏捷性以及相关部门的行政效能 。来源：艾瑞咨询研究院自主研究及绘制。AI中台的主要技术支撑人工智能提升对异构数据的处理能力，与应用场景深度融合，实现智能预测、智能决策等数据分析智能化，将环节中的脑力劳动知识和经验沉淀下来。云计算确保数据运算的即时性与高效性，提供更高的灵活性与更强的可扩展性。大数据数据采集和清洗，统一数据存储、计算口径，提供报表、数据分析和可视化的能力。122022.1 iResearch Inc. AI中台架构算法生产平台 +服务运行平台 +感知中台 +认知中台前台应用SaaS层AI中台PaaS层底层基础IaaS层围绕城市空间管理的 AI中台基础架构应用场景 高速交通 城市交通 工厂管理 环保监测 社区治理 园区管理工地管理 互联网内容审核物联感知 存储能力计算能力环境监测 网络能力业务理解数据收集理解政府相关部门需求，并与相关单位（如规划设计院、科研院所）制定相关实现方案算法生产平台 服务运行平台感知及数据存储层来源： 艾瑞咨询研究院根据公开资料自主研究及绘制 。感知中台视觉智能算法库数据智能算法库监控资源数据标注 标注训练框架算法引擎 算法封装 算法加速 稳定性 可移植算法工程 多源感知 接入 任务管理 配置分发 安全管理标准化 消息管理 存储管理 日志管理 统计分析算法训练模型管理数据集管理 跟踪优化算法调优 训练任务管理认知中台模型库 迭代升级 封装交互状态行为环境物人事件统计分析 态势分析 智能分析时空数据算法 决策库 预测仿真溯源132022.1 iResearch Inc. AI中台在城市管理中的应用场景AI中台助力城市管理相关委办局高效、敏捷、科学化决策来源： 2021年中国数据中台行业白皮书 ，艾瑞咨询研究院自主研究及绘制。政府部门基于 AI中台，能在一定程度上实现城市数据资源的统一管理，基于各部门的职能协同办公，可展开更深度的数据洞察、学习预测，提升部门内和跨部门的办公及办事效能，促进政府工作精细化开展，全面提升政府面向公众的便捷服务和管理能力、科学化的决策能力，提升城市管理效率，促进城市健康、有序、高效运转。企业 产业园区居民区市民 智能硬件设备 商场 景点 互联网AI中台各委办局（如交通相关部门、安全相关部门、财政相关部门、司法相关部门、卫健相关部门、应急相关部门等等）用户分析 业务分析 协同分析政务运营、应用运营、政务数据智能、政务全局监控、政务知识库、审计管理、消息中心 流量分析 政务智能 政务协同指标管理 统计服务 业务监控 效率监控 风险监测 应急管理 园区管理交通出行 环保监测政务服务 企业服务城市安全各委办局应用场景问PC端 移动端 终端机办查档运营中心前台应用 大屏城市安全、城市治理、智慧政务、生态环境、产业经济 互联网信息 税务数据源AI中台在城市管理的应用场景赋能管理主要应用场景142022.1 iResearch Inc. AI中台在城市空间管理中的典型应用场景在道路交通、重点区域、城市环境、特定岗位、网络内容等城市空间实现自动识别、智能分析与辅助决策在城市空间管理中， AI中台基于人工智能算法与视频技术组件，深入道路交通、工作学习、生活娱乐、城市环境、互联网信息等城市空间，形成智慧交通、客流管理、特定岗位管理、城市环境治理、互联网内容安全等一系列产品模块，应用于车辆及行人违章行为自动识别抓拍和报警推送、公共场所及大型活动区域等地大规模客流疏导管理、服务窗口及工业岗位违规行为监督管理、网络色情暴恐内容及政治敏感内容审核等多种场景，实现自动识别、智能分析与辅助决策等功能。来源：艾瑞咨询研究院根据公开资料自主研究绘制。AI中台在城市空间管理中的典型应用场景智慧交通及时发现城市、城际交通道路上的各种情况：拥堵、事故、道路破损、施工、自然灾害、违法、等异常事件的发生，结合交通参数感知能力进行智慧化分析，提升交通的协同与管理特定路段 特定路口 城市快速路专用车道 高速公路 隧道出入口特定岗位管理针对服务窗口、工厂工地等具有特殊要求的工作场景，识别人员行为异常，自动取证并触发预警，实现岗位管理自动化与智能化服务窗口 生产车间 建筑工地 工厂仓库城市环境治理实时分析特种车辆违规事件，自动监督清洁车辆勤务状态和质量，形成溯源和治理相结合的动态监管机制施工工地 码头堆场 搅拌站客流管理精准统计区域内的客流数量和密度，识别预警拉横幅、打架斗殴、人群聚集等异常事件，满足城市大范围、高密度的客流疏导管理、安全保障需求开放区域 交通枢纽 大型活动 重点社区互联网内容安全针对互联网内容，实现色情识别、暴恐信息识别、政治敏感人物识别等功能视频平台 直播平台 电商平台社交媒体 公共网盘 网络监管152022.1 iResearch Inc. AI中台赋能城市空间管理的内涵作为城市的引擎和大脑来提升城市的数据资产价值智慧城市G端 B端 C端主要场景主要参与方城市安全 智慧交通 民生服务 产业经济智慧政务 城市治理 智慧生态 互联网信息以 数据探索及分析 为主 ， 目的是将数据用起来 ，产生价值 ， 并致力于实现数据服务 “ 共享 ”数据池以 数据存储 为主 ， 产生数据资源以 全域感知 、 模型训练 、 评估 、预测 为主 ， 促使管理精细化 、 应对敏捷化 、 调度智能化数据标准化数据实体化数据服务统一化模型设计及训练模型预测及更新算法及模型沉淀视频识别数据中台 AI中台注释：本文中的数据是指广义的数据，包含模拟数据（如视频、图像、声音等）和数字数据（如文本、数字）两大类。来源： 艾瑞咨询研究院根据公开资料自主研究及绘制 。视频结构化智能化程度逐步提升，数据资源价值不断放大全域感知能力实时预警能力协同处理能力优化迭代能力AI中台是为城市 /企业智能应用提供 AI能力支撑的统一共享服务平台 ， 旨在打造全生命周期智能模型管理平台和服务配置体系 。 围绕城市空间管理的 AI中台具备如下特征： 1） 可连接城市的数据资源； 2） 通过数据资源进行模型训练及评估后 ， 在某些场景 （ 如交通 、 安防 、 互联网等 ） 具备敏捷应对 、 智能预测 、 智能调度的能力； 3） 某些模型或能力可复用 。 AI中台应用到城市空间管理的实质就是放大城市数据资源的价值 ， 通过 AI的能力加强城市的全域感知能力 、 实时预警能力 、 协同处理能力和优化迭代能力 ， 进而提升整个城市的安全性 、 高效性 ， 便民利民 。AI中台赋能城市空间管理的内涵162021.11 iResearch Inc. 2021.11 iResearch Inc. AI中台赋能城市空间管理的优点（ 1/2）推进智能化城市进程；抬高城市空间管理应用市场天花板宏观层面，为深入贯彻习近平总书记关于提高城市科学化、精细化、智能化管理水平的重要指示精神，近年来国家各级管理部门出台各类纲领性文件。 中华人民共和国国民经济和社会发展第十四个五年规划和 2035远景目标纲要 中提到要推进新型城市建设、提高城市治理水平、建设智慧城市和数字乡村。 AI中台作为智慧城市及城市空间管理的引擎和大脑，可更好的提升城市中数据的价值、提升城市运行效率、有效推进数字化城市空间管理进程、全面提升城市品质。商业层面，AI中台作为基础平台架构，可有效提升城市空间管理应用的开发速率与运行效果。随着未来 AI中台的逐步扩张，可满足城市空间管理广泛的应用需求，抬高市场天花板，为商业进入者提供巨大的增量市场空间。来源：艾瑞根据公开资料研究绘制。 来源：艾瑞根据公开资料研究绘制。AI中台助力城市科学化、精细化、智能化管理建设科学化 精细化智能化数字化助推城乡发展和治理模式创新政策建设需求分级分类推进新型智慧城市建设完善城市信息模型平台和运行管理服务平台构建城市数据资源体系推进城市数据大脑建设探索建设数字孪生城市加快推进数字乡村建设推行城市楼宇 、 公共空间 、地下管网等 “ 一张图 ” 数字化管理和城市运行一网统管运用数字技术推动城市管理手段、管理模式、管理理念创新AI中台推进城市化空间管理进程 AI中台是为城市 /企业智能应用提供 AI能力支撑的统一共享服务平台 AI中台应用到城市空间管理的实质就是加强数据广度和深度的应用，提升城市运行效率 AI中台帮助构建城市数据资源体系、推进城市大脑建设AI中台提升城市空间管理商业价值天花板城市空间管理商业 价值空间AI中 台助力拉升 价值空间城市空间管理商业 价值空间AI中台 作为基础 平台架构城市空间管理发展进程0.00500.001000.001500.002000.002500.003000.003500.004000.004500.005000.00AI中台是城市科学化、精细化、智能化管理的基础设施，可满足城市空间管理过程中面临的 各类 复杂应用场景需求172022.1 iResearch Inc. AI中台赋能城市空间管理的优点（ 2/2）可复用性强、具备可预测性、创新性强、对接数据平台等是AI中台在城市空间管理中最显著的优点AI中台赋能城市空间管理的优点来源： 艾瑞咨询研究院根据公开资料自主研究及绘制 。具备可预测性可复用性强1可创新性强 赋能数据平台2 3 4对于算法 、 模型的标准化指导 ， 并且可将常用的 AI能力模块化 、 组件化 、可插拔化 ， 将 AI能力集约起来 ， 便于复用和拼装 ， 减少重复开发 ， 节省资源且降低运维管理成本针对过往事件进行特征工程分析 、 模型训练 、 模型验证等机器学习过程后 ，可以对相似场景进行可能性预测 ， 进而针对性布局 ， 降低异常情况发生概率基于平台沉淀的数据分析 ， 一方面可以智能推荐；另一方面 ， 可追踪服务路径 ， 进而针对不同的服务场景进行服务流程优化 ， 降低试错成本一方面 ， 针对结构化数据 ， 与数据中台或其他基础数据服务对接 ， 迅速接入标准化数据 ， 乃至于处理数据；另一方面 ， 可识别并利用非结构化数据 ，提升数据使用范围 ，赋能数据平台AI中台赋能城市空间管理过程中，相比于之前的技术手段，在可复用性、预测性、创新性和对接数据平台等方面都更有优势，这是 AI和中台相叠加后将两者优势结合的结果。更有效地满足城市空间管理者对数据充分挖掘、数据高效利用、各部门职能协同的迫切需求。182022.1 iResearch Inc. AI中台赋能城市空间管理的难点（ 1/2）来源：艾瑞咨询研究院根据公开资料自主研究及绘制。AI中台工程化的要求、持续迭代的要求、准确率高的要求是AI赋能城市管理的难点AI中台工程化 持续迭代的要求 准确率要求高数据接入和数据处理环节：主流开源算法工具对不同类型的数据类型兼容性较差 ， 且数据转化环节工作繁琐 ， 消耗大量人力和时间成本特征工程和模型选择环节：特征选择 、 模型选择是建模关键 。选择出最优的特征和模型 、 确定最优迭代周期 ， 主要依赖于核心技术团队的技术能力和真实业务场景下的实践经验模型迭代：针对不同行业 、 不同场景和不同数据源 AI模型的效用周期差异性较大 ， 依靠人工经验对已发布的模型进行监控 ， 其模型迭代往往不及时 ， 进而难以及时满足并响应业务需求的变化 。 因此 ， 需要对模型进行不断的优化迭代 ， 使其能应用于更多的业务场景和满足差异化需求AI中台赋能城市空间管理技术难点模型要求：对于非结构化数据 ， 前期场景标注工作量更大 、 更繁琐 ， 同时对模型的质量和数量要求更高 。 提高准确度就要提高模型的数量和精细度 ， 提高训练的频次 ， 还需要有线下持续的反馈 ， 这样模型精度才能更高 ， 识别和决策的准确率才会更高192022.1 iResearch Inc. AI中台赋能城市空间管理的难点（ 2/2）AI中台赋能城市空间管理的部分难点主要集中在以下几方面： 1） AI中台赋能的场景一般都比较复杂； 2）需求多样化，很多场景中需要识别非标的物品。不同地方具体需求有所不同，不能完全给出低成本的通用方案； 3）信息采集设备厂家和产品型号差异较大，目前还没有统一的行业标准。来源：艾瑞咨询研究院根据公开资料自主研究及绘制。场景复杂、非标情况较多、定制化需求旺盛是 AI赋能城市管理的业务难点AI中台赋能城市空间管理的难点设备设施非标需求多样化场景复杂需要根据不同场景的不同规则进行赋能1. 城市各类运行场景的规则不断变化。2. 相应的识别、判断、溯源、预测等能力需要根据规则的变化而改进及提升，加大了分析的复杂性。例如在交通规则清晰的前提下，外卖员为赶时间而破坏交通规则的行为， AI赋能过程中需及时识别此类复杂场景。非标准化信息处理更为复杂1. 算法训练时往往会对场景做理想化或标准化处理。2. 各地政府需求和侧重有所不同，实际的应用也千差万别，而训练算法不可能穷尽所有场景，故同一场景非标准化情况需要进行重新标记、训练、识别，需定制化开发模型。例如通过视频识别垃圾提升环境治理中，垃圾形状是非标的，识别的难度也较大。且各地区对垃圾的定义也不尽相同。信息采集设备的兼容性较差1. 同一厂商未涵盖所有相关硬件设备设施。2. 项目中一般会采购不同品牌产品。3. 不同硬件厂商设备设计参数和标准差异较大，行业未形成统一的标准。例如项目中各类前端设备采购，摄像头产品来自摄像头专业厂家，其余传感器需从不同设备厂商处购买，各类设备接口、数据格式不统一的情况较为普遍，导致实际应用中，信息采集设备的兼容性较差。201235城市空间管理概述城市空间管理升维 -AI中台赋能AI中台赋能城市空间管理的价值AI+视频城市空间管理发展趋势4城市空间管理的典型企业案例212022.1 iResearch Inc. 社会价值 1：让城市更安全、更高效、有温度未来，通过 AI中台赋能管理城市，可以提升城市的韧性和抗风险能力，使人和城市之间的关系更和谐有序，提升市民满意度和幸福感来源：艾瑞咨询研究院根据公开信息与专家访谈自主研究及绘制。提升效率： 减少交通 出现混乱 /拥堵 的情况 ， 通过 梳理并分析症结点 可提前预防 ，提高市民出行质量让市民感受更安全、高效、有温度的城市人文关怀： 通过分析道路各类人群的特点，保证人员安全高效办事。例如针对外卖配送场景，让外卖配送员安全合规地送餐，减少外卖员因为赶时间送餐而出现安全事故，使其 快捷、安全、有序 地完成配送重视安全： 让工厂和工地的工人，更合规地工作，降低出现人身安全事故的风险关注环境： 如通过监测渣土车的运行，降低扬尘等环境影响，给市民在城市中带来健康的基础环境关注网络： 监测网络繁杂信息，让市民尤其是青少年远离不良网络信息，塑造身心健康的城市生活提升便利性： 实时监测客流密集地区情况，让市民可以更安心地在娱乐场所购物、看展等，保证市民丰富的娱乐生活正常进行AI中台赋能城市管理的社会价值222022.1 iResearch Inc. 社会价值 2：促进城市长远持续发展来源：艾瑞咨询研究院根据公开信息与专家访谈自主研究及绘制。AI中台的应用能节省城市运转成本，企业在好的城市环境中可发挥更大的作用，进而促进城市长远发展促进城市长远持续发展通过 AI中台可以有效地降低政府管理成本和社会运行成本 ， 例如降低了交通拥堵等的时间成本的浪费 ， 节省的时间可以创造更多价值节省成本01解决城市管理中存在的问题 ，可以有效提升市民的幸福感和归属感 ， 有利于市民在城市经济发展中更积极地做出贡献环境和谐02有效的城市空间管理可以为企业营造良好的商业环境 ，企业也能更长久地留存在城市中持续发挥作用 ， 进一步促进城市经济发展企业长远效能03AI中台建设可以更有效地节省城市、城市中企业以及个人的运转成本，企业和个人在更加和谐的城市环境中，也能更积极地为城市长远发展发挥自身更大的价值，同时也增加了企业和个人对城市的粘性。232022.1 iResearch Inc. 社会价值 3：促进城市数字化进程来源：艾瑞咨询研究院根据公开信息与专家访谈自主研究及绘制。AI中台的应用 赋能城市管理，打造以人为本的数字城市生活空间，助力数字城市的进一步发展AI中台的应用可以助力城市中的各级政府部门 、 城市规划部门 、 解决方案供应商等各城市数字化进程的关键角色 ， 共同利用最先进的 AI等技术 ， 探索城市数字化的技术实现方案 ， 加速城市的数字化进程 ， 让市民享受数字城市带来的美好生活 。便捷的日常生活服务良好的工作服务高效透明的公共服务丰富的文化休闲服务进一步促进城市数字化进程242022.1 iResearch Inc. 社会价值 4：进一步促进城市产业发展来源：艾瑞咨询研究院根据公开信息与专家访谈自主研究及绘制。AI中台的建设过程也会对城市本身的经济价值有提升作用，进一步赋能政府管理价值，促进经济的发展进一步促进城市产业发展知名互联网企业、高新技术企业以及 AI企业的入驻，形成更高的知名度，有助于城市整体的宣传，获得其他额外的价值提升城市吸引力通过知名 AI企业和互联网大企业的入驻城市，不仅可以实现提供方案的本地化持续运营，还可以通过招商引资方式直接解决当地的就业问题等，促进经济发展招商引资AI等相关企业入驻，有助于形成相关产业生态，有助于城市的产业结构调整，形成产业聚集效应，提供更快增长速度的产业，更快速地促进经济的提升形成产业生态聚集AI中台建设过程中可以带来相关知名企业入驻当地，甚至在后期运营等环节设立区域机构，解决当地的部分就业问题，带来经济增长价值。长远来看也有利于形成相关产业生态，进一步提升城市的知名度和经济发展。252022.1 iResearch Inc. 政府需求特点及 AI中台方案的商业价值分析政府通过 AI中台的全域感知和不断迭代优化可以节省人力，通过 AI中台进行各部门工作协同和实时预警来提高办事效率来源：艾瑞咨询研究院根据公开信息与专家访谈自主研究及绘制。 AI中台可以解决不同委办局和不同业务场景下的问题，可以 协同 不同部门，统筹处置异常情况，提高了部门合作的效率。自动及时全面地识别违法、违规等行为，助力人工提高监控和执法效率提高效率 通过 AI中台对视频和图像等非结构化和结构化数据的分析，从覆盖性和及时性上都优于人工监测，做到了 全域感知 。同时可以通过不断 优化迭代 ，优化工作和决策流程，助力城市精细化管理，减少人工重复操作的工作量 AI中台对交通枢纽等场景的大客流分析，通过机器学习，可以进行突发事件的自动响应方案，甚至进行突发事件的预测，进行 实时预警 ，相比传统的技术手段效果更佳节省人力附加功能AI中台价值示意图AI中台面对城市治理中高度碎片化和多样性的治理场景，如城管业务中占道经营、乱扔乱倒、乱搭乱建、乱停乱放等现象，可借助开发平台的能力引擎，高效完成定制化算法的开发来辅助人工监管。由于每个地区所面临的城市治理问题兼具共通性和个性化，因此从方案设计成本及高效交付的角度来看，采用中台架构依旧是最具实用性的建设思路。中台框架可以针对不同的场景灵活地调取适用的算法、边端硬件设备以及云端的 SaaS服务，快速针对场景的变化进行方案的调整与适配，从而完成方案的复用，减少低效的重复建设。262022.1 iResearch Inc. AI中台相关直接商业价值分析来源：艾瑞咨询研究院根据企业年报等公开资料、专家访谈及自有模型统计核算及绘制。预计中国城市空间管理中 AI中台软件 +硬件（服务器 /边缘盒子等）潜在市场空间在 2030年达 1500亿元以上2020年城市空间管理 AI中台市场空间约 93亿元，预计到 2022年潜在市场空间约 306亿元， 2025年约 605亿元。按软硬件来分，软件占比约三分之二，硬件占比约三分之一。按行业来分，道路交通空间对应 AI中台市场规模最大，占比约 76%。未来，城市空间管理 AI中台潜在市场空间将保持约