前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >薛广涛:智慧城市中的异构服务协同共性关键技术研究

薛广涛:智慧城市中的异构服务协同共性关键技术研究

作者头像
马上科普尚尚
发布2020-05-13 16:19:34
5080
发布2020-05-13 16:19:34
举报

报告导读

本文报告分享的是物联网与智慧城市中的异构服务协同共性关键技术研究,首先简要介绍了目前城市公共服务中系统不互通、数据不互认、服务不协同的问题,然后介绍了自主可控环境下高效可信的服务运行支撑技术、面向服务协同的异构服务数据高效分发技术、基于图计算的跨域异构城市服务组合与优化技术等研究工作。

专家介绍

薛广涛,上海交通大学信息学院院长,上海市计算机学会副理事长。在国际一流学术期刊及会议上发表论文50余篇。曾主持国家"863"计划,国家科技部"973"计划、国家自然科学基金等10余项国家重大专项,授权发明专利9项。获上海市科技进步奖二等奖、第三届IEEE智慧城市国际会议最佳论文等荣誉。主要从事移动计算、大数据、社交网络、分布式计算的研究。

报告内容

首先,让我们看一下关于中国的城市化进程,从统计数据可以看到,在进入九十年代以后,中国的城市发展趋势呈现出这么一个飞速发展的过程,尤其是到2019年,到未来的2050年,我们和美国的城市化进程的差距将会缩小18%,整个国家的城市化进程飞速发展。

同时,随着我们城市化进程的飞速发展,我们也可以看到,在中国现在人口超过500万的特大型的城市数量不断增加,包含北京、上海人口超过2000万的超特大型的城市,同时也包含像广州、武汉、成都等一些省会级城市,同时包含常州、扬州等等一些地级市,所以中国的城市化进程的发展飞速变化,而且城市的类型也多种多样,所以在中国虽然我们人口不断增加,而且人口的流动性特别大,我们也产生了像长三角、珠三角的城市群的人口流动性非常密集的情况,所以对我们现在的城市公共服务产生了巨大的压力。

虽然我们的市政府提供了大量的公共服务,但是市民实际上来说体验还是比较差的,获得感不强,举一个例子来说,我们通常来说市民办事非常难,市民享受公共服务的过程当中不知道这些服务怎么做。另外办一个具体的流程或服务的过程当中,在同一个部门可能在不同得多个窗口不断地跑,流程非常复杂,同时我们需要市民、普通的老百姓准备办一个事件的材料、个人身份证明非常多,同时还有很多的服务也牵扯到整个的城市不同的部门,所以需要市民反复跑,在不同的地区反复跑、多次跑,抛开政策层面的流程问题之外,我们反过来看,从我们的城市信息系统角度来说,什么导致市民办事不是特别流畅的原因?

我们分析上海市就有很多不同的部门,包括整个上海市也分很多的市情、区县、管理条线,部门来说系统和系统之间是不互通的,而且部门之间的整个架构也有各自独立的建设,所以产生了各自为政的信息孤岛,而且我们信息建设的信息化水平也不一样,有通过大数据平台来搭的,也有传统数据库来搭的,还有用Excel表来搭的,也有用Word、Txt来搭的,这样使得信息的互联互通非常差。

另外从数据层面来说,这个数据的输出层面,有一些服务呈现出来特殊的客户端软件访问服务,另外可以通过外部网站、网上流程来办,还有通过手机APP来做,还有就是通过自己专门架设独特的触屏终端来做,所以这些数据本身受限于服务的输出渠道和方式不一样,导致这些数据也不互认。

另外,对于我们用户来访问服务的手段,体验也是参差不齐的,我们在这样一些系统里面,用户需要在每一个系统里面独立的去注册,对这个系统可能就不管用了,而且我们说到用户的实名制认证和标准也不一致,导致我们的流程、操作成本和代价非常高,而且存在着大量的软件投资的资源浪费,使得我们由于这些信息系统的技术鸿沟导致市民办事效率比较低。

但是,随着我们整个城市的不断发展,我们整个城市也是发展阶段历经了数字城市、智慧城市以及现在的新型智慧城市。对于我们城市服务的需求也在不断的提高,由原来最初的城市服务的分散孤立到现在智慧城市里面,城市服务要求一体化,以及我们说的现在需要城市群的服务一体化,越来越多的市民需要异地医保,需要跨区域的看病、就医、住房等等,这对于整个城市服务的治理水平、集中度,对于跨区域的城市服务来说提出了更高的要求。

这是我们整个的项目的架构,底层是构建了面向精准服务治理的城市服务治理研究和构建,为上层提供一些服务的协同和治理的支撑,中间是如何在自主可信的环境下面构成高效协同,我们搭建异构服务协同共性关键技术的平台,为上层的三个应用示范提供自主可控环境以及服务组合优化,以及我们服务数据的高效分发提供相应的关键技术支撑,上层其实面向我们中国的三个典型的不同的城市,一个是特大型城市市民的公共服务需求,以及我们地级市市民服务需求,以及我们省级区域的长三角市民的需求,构建三个大规模的应用示范。

第一个课题主要是做城市服务的治理模型的研究与协同模型的构建,主要目的是什么呢?主要目的是基于城市服务使用过的历史大数据,以及我们构建整个政务流程以及行业领域知识,以及我们的专家知识库,从中我们去挖掘一下我们服务和服务之间的使用规律,以及服务和市民之间的匹配模型,从而构建我们语义协同模型,主要是希望从里面建立起更加高效的语义级服务实体,从而构建出从不同的服务流程里面去发掘一些共性的问题,能不能把一些知识或者是数据用在其他的相关的服务过程当中,从而构建出基于语义的异构服务联网。

另外,为我们的上层构建服务的知识图谱以及构建专门的专家知识库,构建我们的服务发现、服务匹配以及服务的重构,使得我们从传统的业务流程里面去发掘出来一些新的知识,能够优化现有的服务流程,从而达到更加高效,为我们上层服务的优化、一网通办等等提供一些理论支持。

课题2中,在我们国家自主可控的软硬件环境下面,能够提供面向城市服务高效的服务数据分发,以及服务的组合与优化,为上层提供一站式的智慧服务系统,提供我们一网通办、一号通行的等等相关的便民的市民服务。

这是我们自主可控环境下的高效可信的服务运行支撑技术研究内容,主要是做什么呢?因为城市服务涉及到不同的服务实体,包括不同部门间的信息系统,怎么样在分布式的环境下面对服务用户的认证?因为我们要做一网通办、一号通行,必须有效的要对用户的安全认证进行一个高效的远程认证的支撑,我们研究相关的服务运行的用户信息的验证技术,以及我们说的服务实体运行和静态等等的相关高效的服务技术。

另外,我们整个城市服务需要大量的计算资源、计算平台,怎么样能够使得我们现有的国产硬件平台能够更有效的支撑服务,我们也做了大量服务运行资源支撑关键技术,使得对我们的服务资源进行相应的资源的弹性伸缩以及服务的动态预测的动态迁移,更有效地支撑大型服务的支撑。

另外就是一个关键研究点,面向城市服务协同的异构数据的高效分发技术,背景是怎么来的呢?主要是普通市民其实在办理业务的时候牵扯到多个部门的服务,部门和部门之间存在复杂的流程关系,而且我们在城市中,市民业务也是成百上千,而且这些服务和服务之间,也存在多对多的复杂关系。上海上千万市民,像这样规模的用户,怎么样能够撑得住、可扩展?当未来服务发生动态变化的时候如何可以快速的调整成百上千的服务,需要一些耦合的设计机制,我们在这方面开展相关的研究。

我们知道对于这种上千万级的用户进行一些服务数据的推送,进行全量的服务数据推送是不可能的,压力太大了,所以说可能并不一定百分百市民都需要在每个月有一个公积金或者是医保的显示都需要看,这个时候可能对于少部分有需求,可以产生自动的订阅发布技术,通过用户历史服务和使用习惯,我们来自动分析和挖掘产生订阅自动生成,使得不需要全量的服务数据的推送就可以保证整个系统提供非常高效的发布订阅数据分发技术,就可以有效的支撑整个市民服务。

另外,在我们即便是2300万,只有10%需要访问某个服务,这个时候我在这样复杂的大规模海量的服务数据传输过程当中,用什么策略去做?使用流量高效,还是时间最低?我们传统的面向单一指标服务匹配方法来做,不具备有效性,所以我们就提出基于集成思想的匹配方法,能够更加高效的提供自动分发、服务数据的效能。

另外,基于图计算的跨域异构城市服务组合与优化技术研究,期望从现有的服务组合里可以发现服务和服务之间的关联性,能够对服务数据有效整合,可以让数据多跑路,市民少跑路。另外怎么样能够发现推过服务的整个使用的流程,能不能自动挖掘出来现有的一些服务办事流程,有没有一些优化的空间,使得我们能对服务流程进行精简优化,使得让群众、市民可以办事更加流畅。

上海市把相关的超过一千项的服务数据公开出来了,而且相关的单位也参与了整个上海市一网通办,包括大数据中心的建设,从整个服务数据里,进行相关数据的建模和分析。一方面来说,可以通过一些知识图谱、图计算方法可以优化海量数据的存储,另外一方面,我们可以通过用户历史使用服务的流程频繁度,以及使用习惯可以将现有的服务流程进行重新组合和优化,甚至是发现一些新的服务流程,能够为一些特定用户进行相应的推荐,从而实现多元城市服务的优化。

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2020-01-23,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 人工智能前沿讲习 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
大数据
全栈大数据产品,面向海量数据场景,帮助您 “智理无数,心中有数”!
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档