来源：金融界网
作者：中金
陈昊彭虎
人工智能多渠道助力城市减排提效。我们看到城市建设、管理过程中仍存在众多低效的环节，远距离通勤、交通拥堵、高能耗基础设施及被动安防等均会导致城市碳排放压力较大。我们认为，随着以计算机视觉、深度学习等为代表的人工智能技术的逐步落地和商用，将有效提升城市规划、城市管理、城市安防等领域的效率，减少城市碳排放。随着我国碳达峰及碳中和时间表的确立，建议持续 摘要
人工智能助力城市规划，通过动态预测城市发展，改善城市布局，缓解远距离通勤问题。由于早期城市规划较为粗放，城市规模扩大而就业资源及基础设施仍集中于核心区，导致远距离通勤普遍存在。我们认为远距离通勤及其导致的拥堵是城市碳排放的重要来源。人工智能为城市规划的变革提供了技术支持，城市智能规划平台在还原城市的基础上，迭代产生城市规划方案，在城市改造的过程中改善职住分离。我们认为随着城市数据量提升，人工智能将在城市布局合理化的过程中发挥更重要的作用。根据中金研究部地产组的测算，调整城市规划可减少北上广深亿公里的年通勤距离，全国可减少亿公里的年通勤距离，对应全年减少万吨的碳排放。
低效交通、高能耗基础设施是重要碳排放来源，人工智能能够减少城市管理中的能耗。1）人工智能助力公路、航空减排提效。对于航空运输，我们以首都机场及深圳机场为依据，测算通过人工智能优化飞行过程及机场调度，全国每年能减少42万吨碳排放；城市道路在通勤高峰存在拥堵，人工智能可以对道路流量、交通事件进行预判，我们以四川德阳的项目为依据，测算通过动态调整潮汐车道及红绿灯，全国每年能减少万吨碳排放。2）人工智能赋能智慧灯杆。传统路灯难以对开关时间进行自动调整，智慧灯杆连接边缘计算处理前台和数据中心后台，根据光照感知、人流量预测等调整灯光亮度，我们测算全国每年可以减少1,万吨碳排放。
人工智能赋能城市安防，减少出警及火灾导致的碳排放。传统安防缺乏实时主动分析能力，不利于减少安全事故导致的碳排放。智慧安防采用边缘端AI算法分析视频数据，智能识别违章行为并短信通知事主，减少出警次数；将人工智能技术与信息输入结合，帮助公共安全部门掌握重点区域的实时情况，减少重大火灾及其救援导致的碳排放。
风险
人工智能技术在城市规划、管理等领域的落地不及预期。
正文
人工智能助力城市生活减排提效
智慧城市是数字经济的核心载体，是指在城市规划、城市建设、城市管理等领域，利用物联网、大数据、云计算、人工智能、区块链等新技术，对城市进行智慧化的感知、分析与集成。我们认为，智慧城市是运用数字化手段感测、分析整合城市数据，实现智能化城市管理的一种方式，有助于解决城镇化进程中的各种难题。根据IDC的数据，年全球智慧城市投资规模达到1,亿美元，中国智慧城市投资规模达到亿美元，预计年超过亿美元。
我国智慧城市自年以来在新技术的驱动下快速发展，5G、大数据、人工智能等技术推动新业态涌现。年至年为我国智慧城市概念导入阶段，年后智慧城市开始试点式探索发展，年以后，智慧城市发展理念、实施路径、技术手段全面迭代升级，叠加5G、大数据、人工智能等新技术发展红利，智慧城市网络化、智能化新模式、新业态涌现。
图表：智慧城市总体架构
资料来源：中国信通院，《新型智慧城市研究报告（年）》，中金公司研究部
图表：中国智慧城市投资规模
资料来源：IDC，中金公司研究部
图表：中国智慧城市发展的三大阶段
资料来源：中国信通院，《新型智慧城市研究报告（年）》，中金公司研究部
城市存在诸多低效环节，导致城市面临较大的碳排放压力。根据中国碳核算数据库的数据，年我国的碳排放量达93亿吨，其中电力、钢铁、建材、交通运输为最主要的碳排放来源。根据麦肯锡的数据，城市的主要温室气体排放源为建筑、交通和垃圾。我们认为，城市建设、运行的过程中仍存在诸多低效环节，导致城市碳排放压力较大。
·职住分离导致的远距离通勤：由于早期的城市规划较为粗放，“单中心”的发展模式使得就业资源与基础生活服务设施集中于核心区，处于边缘区的城市居民为了就业与日常消费需要忍受远距离通勤。我们认为，远距离通勤及其导致的潮汐式交通拥堵是我国城市碳排放的重要来源之一。
·非智能交通模式导致的交通拥堵：我国主要城市面临较为严重的拥堵问题，尤其是潮汐式高峰期的拥堵导致车辆通行时间提升，根据高德地图年的数据，在城市相同路程的条件下，高峰时期的车辆通勤时间为一般状态的1.6倍，交通拥堵带来非必要的碳排放。
·传统路灯导致的高能耗：传统路灯使用的高压钠灯具有高能耗、寿命短的缺点，路灯的控制主要依靠人工控制开关电闸操作，难以根据天气或突发事件对开关时间进行调整，高能耗及低效运行的路灯系统导致碳排放增加。
·传统安防缺乏实时主动分析，不利于减少安全事件导致的碳排放：传统安防缺乏对视频数据的主动分析能力，不利于发现可能存在的安全隐患或违法行为，不利于减少安全事故导致的碳排放。
图表：年主要经济体碳排放来源
资料来源：IEA，中金公司研究部
随着智慧城市建设的持续深化，人工智能赋能城市的落地场景应运而生。我们看到，人工智能在城市规划、城市管理、城市安防等城市建设、运作的各个阶段有了丰富的应用场景，在我国致力于年实现碳达峰、年实现碳中和目标的大背景下，城市有望借力人工智能减排提效。我们认为人工智能对城市规划、安防、管理等领域的赋能，能够有效减少能耗并改变交通管理模式，助力城市减排提效。
·人工智力赋能城市规划，通过合理布局助力职住平衡，减少远距离通勤交通导致的碳排放。人工智能能够有效帮助处理城市规划中的海量信息及复杂因素，辅助实现合理的城市布局。根据中金研究部地产组的测算，考虑到不同发展阶段下城市规划的修改调整难度并设定折损系数，调整城市规划后，北上广深全年可减少亿公里的通勤距离，全国全年可节省通勤距离约为亿公里，对应减少万吨的通勤碳排放。
·人工智能优化城市交通模式，提升航空运行效率，减少道路交通拥堵，推动城市交通的减排提效。人工智能可根据天气及起落数据等因素优化飞机调度及飞机起落降方案，减少机场摆渡车的使用和飞机耗油量。根据北京首都机场的落地项目数据，航空大脑能够提升飞机廊桥利用效率，每天减少搭乘摆渡车人次20,名，对应减少12人次每架次；同时，根据深圳机场的落地项目数据，AI智能调度能够减少10-20升油耗每架次；根据中国民航局数据，至年全国机场平均年起降1,万架次飞机，我们测算机场摆渡使用率的提升及飞机耗油量的减少每年能够带来42万吨的二氧化碳减排空间。城市道路的拥堵问题有望通过智慧红绿灯、潮汐车道等方式得到缓解，根据四川德阳的落地项目数据，智慧交通系统能够实现重点路口车辆等待时间缩短秒以上，根据汽车怠速油耗1.5升每小时，我们测算智慧交通系统每年能够为全国带来万吨的二氧化碳减排空间。
·智慧灯杆能够解决传统路灯的高能耗问题，节能效率提升近45％。智慧灯杆能够根据季节、光照、天气等因素对每盏路灯或路灯组制定相应的启停、亮度调整等控制策略，实时智能管理路灯的运行情况。根据国家统计局的数据，年全国共有万盏道路照明灯，根据我们的测算，每盏可减少45％的路灯能耗，全国全年可减少1,万吨的二氧化碳排放。
·人工智能赋能城市安防，提升安防效率并减少出警次数，提高对火灾的预警及反应能力。利用摄像头实现24小时巡检，视频数据经过边缘端AI算法的分析、识别和清洗后进行领域建模，智能识别城市违章行为并采用短信通知，有效减少出警次数；将计算机视觉、数据挖掘、机器学习等技术与信息输入结合，能够为公共安全部门提供可视化数据，帮助公共安全部门掌握如危险化学品、社区消防重点区域的实时情况，减少重大火灾导致的碳排放。
相关风险：人工智能技术在城市规划、管理等领域的落地不及预期。人工智能在城市规划、城市管理及城市安防的应用广泛，但仍处于较为初级的阶段，建议投资者密切 城市规划借力人工智能实现合理布局，减少通勤里程
远距离通勤及粗放式土地规划推高城市碳排放
随着城市化进程的深入，我国的主要城市面临职住分离及生活资源分布失衡导致的远距离通勤等问题。由于早期的城市规划较为粗放，“单中心”的发展模式使得就业资源与基础生活服务设施集中于核心区，处于边缘区的城市居民为了就业与日常消费需要忍受远距离通勤。同时，通勤时间成本及公共服务的集中推高核心区房价，将部分城市居民的居住区推向城市边缘，进一步加剧城市空间功能失衡。我们认为远距离通勤及其导致的潮汐式交通拥堵是我国城市碳排放的重要来源之一。
·在我国大型城市向外拓展的过程中，居住空间与就业空间形成错配。随着我国城市的布局持续向外拓展，核心就业区对外围劳动力的“虹吸”范围不断扩大，使得边缘区居民的居住空间与就业空间形成错配，导致较高水平的通勤距离。根据中国城市规划设计研究院的数据，我国以北京、深圳、上海、广州为代表的超大城市，年平均通勤空间半径达38千米。
·城市的生活配套资源集中于核心区，较高的核心区房价及生活消费需求导致居民远距离通勤。虽然我国城市的整体公共服务水平持续提升，但优质基础生活资源仍主要集中于城市核心区域。以北京为例，优质的教育、医疗资源集中于北京老城中心，周边新城的生活配套设施尚未得到充分发展。核心区与边缘区的水平差形成较强的吸引力，在推高核心区居住成本的同时也带来边缘区居民的远距离通勤。
图表：年中国主要城市职住分离情况
资料来源：中国城市设计规划研究院，《年全国主要城市通勤检测报告》，中金公司研究部；注：通勤空间半径是指覆盖90％中心城区通勤人口居住与就业分布的空间椭圆，以椭圆长轴定义通勤空间半径；职住分离程度是指不考虑就业差异与人的选择，在既有职住布局条件下通过交换就业地，在理论上能够实现的最小通勤距离，是城市职住空间布局匹配的测度。
城市建设用地规划粗放，大拆大建的“摊饼式”发展推高城市的碳排放。建筑全过程的碳排放是城市重要的碳排放来源，根据IEA和UNEP统计，年全球建筑全过程排放量占比达到38％，主要构成为建材生产、建筑施工等建造碳排放。而在城市扩张的过程中，由于早期粗放的建设用地规划，部分城市受困于外围低效率扩张，土地利用率低，且缺乏合理的规划导致了大拆大建和重复建设，推高城市的碳排放量。我们认为，大拆大建的“摊饼式”发展是导致建筑施工低效及城市空间布局不合理的部分原因，合理清晰的城市规划能够带来明显的减排空间。
图表：建造过程的碳排放占比情况
资料来源：中国建筑节能协会，中金公司研究
利用城市海量数据，AI助力实现合理城市布局
人工智能、大数据、智能化、云计算等技术的出现，为城市规划的变革提供了技术性支持。城市智能规划平台（CIM）利用物联网、互联网、云计算、大数据、人工智能等技术进行数据采集、分析、挖掘和展示，在客观还原城市的基础上提升城市规划决策的准确度。CIM平台是GIS、BIM、IoT的结合，其内涵包括1）在城市模型中进行海量数据的收集、储存和处理；2）强调基于多维模型解决发展过程中的问题。CIM平台能够完成对城市水文地理、建筑项目、市政工程等城市数据的空间集成，并通过对大数据的模拟、迭代，得到更优质的城市规划解决方案，提升城市规划设计的精准化水平。
·建筑信息模型BIM是针对建筑物实体及其功能特性的数字化表达，贯穿了建筑物策划、设计、建造、运营的全生命周期；
·地理信息系统GIS则是针对地理信息进行采集、存储、管理、运算、分析、描述的空间信息系统，能够展示建筑物及其外部环境的空间信息；
·城市智能规划平台CIM是大场景GIS、小场景BIM及IoT的综合，BIM与GIS将大范围里提供建筑对象的可视化，IoT则将实时的城市信息流反馈到CIM的数字模型中。
城市规划由增量规划向存量规划转变，CIM能够充分考虑城市信息的复杂性、实时性，提升规划能力。相比于增量规划，存量规划需要考虑的城市信息更加复杂，CIM平台能够还原客观城市，并在引入地形、道路、基础设施等约束条件的基础上构建计算机博弈模型，推演城市发展动力，迭代生成城市规划的布局方案。
“大数据不开放，开放数据不大”制约了人工智能在城市规划中的应用。与人脸识别、语义识别等广泛应用人工智能技术的领域相比，城市规划的人工智能应用仍处于初级阶段。我们认为，其部分原因在于传统城市规划中数据获取的成本及门槛较高，测绘数据、统计数据及政府发布的官方数据等开放数据，具有更新慢、颗粒度较大的缺点；同时，城市大数据主要集中于互联网公司、运营商等机构，规划设计院可获取的资源有限。未来随着数据供应者与设计院之间的合作增加，城市规划中可用的数据将显著提升，为人工智能在城市规划中的应用带来更多的可能空间。
随着城市动态数据及静态数据的数据量提升，人工智能将在城市更新的存量规划中发挥更为重要的作用，改善远距离通勤问题，推动城市减排增效。
·我们认为城市动态数据的数据量爆发及潜在的共享可能性，为城市规划向数据化、智能化发展提供契机，而深度学习、神经网络等技术能够在城市数据的大规模挖掘、城市复杂系统的解析和模拟、城市生长和空间规律的学习等方面发挥作用。
·随着我国城市化进程的演进和新增建设用地指标的刚性约束，部分城市逐步从增量迈入存量时代，AI将助力以城市更新改造为代表的存量规划。以存量土地改造为例，为有效分配已建城区空间资源，需要综合建筑质量、开发强度、改造意愿等因素，分析更新改造条件并明晰开发建设的边界，借助人工智能及动态数据，将调研数据与遥感等实时数据结合分析，解决复杂的存量用地改造问题。我们认为，将AI运用于城市更新的存量规划有望显著改善目前主要城市的远距离通勤问题，推动城市减排增效。
图表：人工智能及动态数据助力城市存量规划
资料来源：阿里云，ARUP，《动态数据增强未来城市设计倡议》，中金公司研究部；注：*指高频静态数据，此类数据虽然属于静态数据，但拥有较高的更新频率，因此也能够发挥动态数据的优势，应用到城市规划的场景中
#具体应用1：城市用地布局的人工智能推演
城市智能模型借力人工智能，辅助青岛中德未来城形成精准的规划布局。海内外多家知名规划设计机构首次采用CIM系统为青岛的中德未来城进行规划设计，导入现状地形、道路、水系、基础设施及已经批复的建设项目等约束条件，构建多元计算机博弈模型推演城市发展动力。
在政府、规划师、开发商、市民四类主体的博弈作用下，自动完成城市用地推演过程。在计算过程中，用地选址自动回避不适宜建设的区域，并在各方诉求的驱动下逐步推演出城市就业、居住、医疗、教育、休闲、商业等6类功能区的布局结果，如图表9所示。计算机博弈产生的结果能够反映出城市发展过程中不同角色的相互关系，如政府引导公共土地开发、投资商与政府完成土地交易、市民寻求拆迁补偿等。在计算机迭代产生多个结果后，专业城市规划师在其中一个布局结果的基础上，进一步完成城市规划布局方案。
智能城市规划、智能化交通等技术的推广和应用，为青岛中德未来城的低碳发展提供了保障。通过科学设定产业、商住及绿化的用地比例并考虑原始的自然生态布局，中德智慧城借助CIM平台实现“产城一体化，职住平衡”的布局，减少职住分离导致的远距离通勤。同时，清洁能源的推广、智能交通平台的构建也为中德未来城带来减排空间。根据年西门子与青岛中德未来城联合发布的《低碳发展实践研究报告》，中德未来城在保证GDP快速增长的同时，能够将年碳排放总量控制在25.3万吨左右，与常规情景相比，具备37.3万吨的减排潜力。
图表：青岛中德未来城用地布局推演的部分前置条件
资料来源：同济大学，中金公司研究部
图表：青岛中德智慧城用地布局的推演过程
资料来源：同济大学，中金公司研究部
图表：青岛中德未来城用地布局推演结果
资料来源：同济大学，中金公司研究部
图表：最终规划设计的用地布局
资料来源：同济大学，中金公司研究部
#具体应用2：人工智能助力实现高效的公共交通规划设计
韩国首尔市政府应用大数据，规划城市公交夜班车线路。首尔夜间交通方式选择较少，市民一般只能选择私家车或出租车出行，增加城市碳排放量。首尔市政府应用大数据分析30亿条通话和短信信息，调查夜间市民的移动方式、距离、目的，并利用人工智能进行深度学习，实现夜间公交路线的规划设计，减少市民在夜间使用高碳排放的交通工具。
基于软件搜集的出行定量数据，人工智能帮助澳大利亚墨尔本进行地铁线路延长规划。墨尔本地铁部门通过MobilityMosaic软件，收集海量的数据和反馈，在此基础上分析当地的通勤发生区、自驾通勤原因并描绘出城市多中心的通勤关联性，明确了地铁线路延长的各个方案对当地行为产生的影响与潜在风险，并为规划方案提供行为数据以支撑决策。通过合理规划低碳排放的地铁线路，减少自驾通勤的比例，从而减少碳排放。
图表：MobilityMosaic利用人工智能支撑地铁线路规划
资料来源：阿里云，ARUP，《动态数据增强未来城市设计倡议》，中金公司研究部
利用城市海量数据，AI助力实现合理城市布局
人工智能能够有效帮助处理城市规划中的海量信息及复杂因素，辅助城市规划。在城市新区的增量规划中实现合理的城市布局，在城市更新的存量规划中处理海量的城市动态及静态数据，为修改城市规划提供辅助。根据中金研究部地产组的测算，考虑到不同发展阶段下城市规划的修改调整难度并设定折损系数，调整城市规划后，全国全年可节省通勤距离约为亿公里，对应减少万吨的通勤碳排放。
图表：主要城市实际规划中能够节省年度通勤距离总计亿公里
资料来源：中国城市设计规划研究院，《年全国主要城市通勤检测报告》，中金公司研究部；注：地产组测算
图表：职住平衡下的碳排放减量测算
资料来源：中国城市设计规划研究院，《年全国主要城市通勤检测报告》，中金公司研究部；注：地产组测算
人工智能推动城市高效管理，减少城市运营能耗
AI为交通运输行业减排提效
交通运输是重要的碳排放来源
交通运输是主要的碳排放来源之一，未来中国交通运输的碳排放压力上升。根据IEA的数据，目前世界交通运输的碳排放占整体碳排放的比重为24.6％，而中国交通运输碳排放占比9.7％。虽然中国交通运输碳排放占比较低，但-年CAGR却达到8.3％，高于中国整体碳排放增速的5.6％。交通运输的需求将随着人均GDP的提升而持续增长，中国交通运输的碳排放量面临较大的上升压力。
公路、航空为交通运输碳排放的主要来源，将成为未来减排的重点。根据中金研究部交运组的测算，年中国交通运输碳排放中公路、航空、航运、铁路碳排放占比分别为83.4％、9.8％、5.4％、1.3％，其中公路碳排放占比高于世界平均水平的74.5％。我们认为未来公路和航空将是交通运输的减排重点。
图表：年中国交通运输碳排放结构
资料来源：中金公司研究部；注：交运组测算
我国主要城市的道路交通存在潮汐式的拥堵问题，拥堵与缓行导致较高的碳排放压力。根据高德地图数据，年监测的个城市中，有2.5％的城市在通勤高峰期处于拥堵状态，37.7％的城市处于缓行状态；全国50个主要城市的平均路网高峰行程延时指数为1.6，即对于相同行程，高峰时期道路通行时间为常态下的1.6倍，其中重庆、西安、长春、济南、北京、上海等城市的高峰期拥堵情况严重。
高速公路的交通拥堵呈现明显的节假日特性，常态下路况整体平稳。根据高德地图的数据，元旦、春节、清明、五一及国庆等节假日为高速公路的主要拥堵时期，年全国高速拥堵状况受节假日等因素影响明显，春节前至2月底高速拥堵水平同比下降，随着疫情得到控制，五一及国庆等假期期间高速拥堵水平同比上升，其中国庆8天长假高速拥堵同比上升49.6％。分地区来看，年上海、北京、广东高速拥堵里程占高速总里程比例最高。
图表：年中国城市通勤高峰拥堵热力图
资料来源：高德地图，中金公司研究部
图表：年中国主要城市路网高峰行程时延指数TOP10
资料来源：高德地图，中金公司研究部；注：平均路网高峰行程延时指数是指高峰拥堵时期所花费的时间与畅通时期同等路程下所花费的时间的比值
人工智能提升效率是交通运输行业重要的减排途径
交通运输方面，降低碳排放量有两种可能路径选择。一是使用清洁能源代替化石燃料实现碳中和，这种方法需要比较绿色能源与化石燃料的成本之差，即绿色溢价来衡量可行性；二是采用人工智能等方法，在现有技术路径下缩短交通运输的通行距离及减少高峰时段拥堵时间，提高通行效率，减少交通运输导致的碳排放量。
如果绿色溢价过高，则短时间内交通出行的能源结构不会出现大幅变化，采用人工智能等技术优化路线及道路运营成为减少碳排放的最优选择。我们认为人工智提升交通效率能够为公路客运（含乘用车）、公路货运及航空带来明显的减排空间。
图表：年交通运输的“绿色溢价”
资料来源：中金公司研究部；*注：公路货运和公路客运均采用全生命周期成本测算；交运组测算
人工智能对交通运输的赋能体系包括感知层、基础设施及其应用。其中，感知层搜集的各类交通要素、运输方式、运输周期的信息是人工智能赋能的基础；基础设施包括数据、算力、算法，算力及算法产业体系初步成型，而交通领域的数据涉及多主管部门、多领域运营单位、多种类企业等，实现异构数据的共享及处理是未来发展的重点；人工智能在交通运输的应用场景包括交通管理、交通规划等，能够优化对交通资源的配置，实现交通运输的减排增效。
·人工智能在交通管理中的应用主要包括交通信息的采集、分析和呈现，调控交通资源的供需关系。随着计算机视觉技术的发展，人工智能在路况感知、违法取证等交通检测得到广泛应用；同时依赖于对海量数据的处理能力，人工智能能够实现路网流量预测、交通信号灯控制等。
·人工智能在交通规划中的应用主要是指根据政务、互联网及物联网等数据，通过分析居民出行行为和偏好，精确把握其出行时空特性，优化公交线路、动态调整潮汐车道等。
促进多源交通数据的流通，实现异构数据的共享及分析处理，是人工智能进一步赋能交通运输的关键。交通数据具有多源异构的特点，包含1）交通、公安等政府部门的政务数据、物联网数据；2）民航、铁路、运营商等职能部门的运营数据；3）导航地图、网约车公司等互联网数据；4）其他物联网数据。交通数据的搜集、共享及合作机制尚未形成，影响了人工智能对交通运输的进一步赋能。随着数据归属方与技术提供方合作机制的探索及成熟，海量多元数据的共享、异构数据的融合处理将推动人工智能深入赋能交通运输行业。
图表：智慧交通产业生态图谱
资料来源：中国信通院，中金公司研究部
#应用1：人工智能提升城市轨道交通运行效率
结合包括运营商数据在内的城市大数据，云计算、大数据、深度学习、自然语言、生物读取等人工智能技术能够在提高地铁出入站速度、改善地铁站空间利用率、提高公共交通智能化程度方面发挥重要作用。通过提高低碳排放的城市轨道交通效率及乘坐体验，人工智能能够提升公共轨道交通在市民出行中的占比，助力城市减排提效。
·利用人工智能对客流进行分析预警，提高地铁出入站效率。运用人脸识别和大数据技术，地铁客运部门可以对地铁站内人流量准确测算，根据实时流量变换闸机开放模式，优化提高出入站效率；同时，根据客流增长趋势进行预警，指导地铁线路的高效运营。成都为了解决高峰期或热门地铁站进出站的人数拥挤问题，与华为进行合作，运用运营商的脱敏大数据实时分析进出站的客流量，当发生客流量异常等突发情况时开通更多出入闸口。
·利用人工智能提高地铁站空间利用率，缩短换乘距离，减少建设过程中的碳排放量。人工智能技术可以根据历史客流量推算各个地铁站在不同时间段的拥挤度、客流换乘方向等相关数据，个性化设计站内空间、降低建筑能耗、有效的利用地下空间。
·利用人工智能实现集中协调统一管理线网，打通各个数据孤岛，进一步提高城市管理的自动化程度。大数据技术可以实时监测轨道列车速度、位置等信息，更加精确地调整列车发车时间，同时将列车调度与车站人流量数据连接，及时调整发车频率，提高通行效率及车辆载客率，减少不必要的能源消耗。未来轨道交通还可能同时与共享汽车、单车、公交等交通终端并网，实现全方位、立体化的管理城市交通。
图表：成都骡马市站厅层客流实时热力图
资料来源：华为，《面向5G的智慧轨交运营解决方案技术白皮书》，中金公司研究部
图表：地铁站内换乘乘客流分析示意
资料来源：华为，《面向5G的智慧轨交运营解决方案技术白皮书》，中金公司研究部
#应用2：AI提升航空调度能力
目前氢能替代航空煤油实现碳中和难度较大，人工智能通过优化航空调度能够带来减排空间，主要体现在客机飞行以及机场运营调度上。具体优化方式包括优化飞行过程、航线、机场调度等。
·飞行过程优化：根据EUROCONTROL的研究，相比目前的下楼梯式飞行模式，采用连续上升和连续下降的飞行方式可以减少约0.6％的碳排放。
·航线优化“截弯取直”：通过人工智能规划路线并增加雷达引导直飞和开放临时航路，可以缩短航行距离，例东航上海-伦敦航线通过截弯取直缩短了公里航程。
·机场调度优化：北京首都国际机场拥有余停机位，每天起落航班1,架次，年以前需要调度团队花费2-3个小时时间安排停机位并根据突发情况随时调整，在运用了阿里云ET航空大脑之后，50秒内即可根据实时天气状况、起落顺序等因素重新安排飞机调度顺序，飞机廊桥利用率提高了10％，相当于每天有20,名乘客不用再搭乘摆渡车，大幅降低了机场摆渡车能耗，我们测算机场摆渡车优化每年能够减少全国7,吨二氧化碳排放量。与此同时，深圳机场通过AI智能调度能够让每架飞机少跑1-2分钟，减少耗油10-20升。根据中国民航局数据，年至年全国机场平均年起降1,万架次飞机，起落降优化每年可以减少二氧化碳排放量40.8万吨。
图表：深圳机场调度的技术架构图
资料来源：深圳机场，中金公司研究部
图表：机场调度优化带来的碳排放减排测算
资料来源：中国民航局 #应用3：城市公路交通
高速公路在节假日易形成拥堵，人工智能可以有效提升通行效率。年，江苏在主要过江通道采用高德地图的高速公路智慧管控系统，该系统融合了高速公路实时路况监测、交通拥堵和安全预警，路网诱导分流、主动绕行线路推荐、管控导航一键协同发布等功能。五一期间，泰州市高速交通流量总体提升12.3％，重要高速通道如泰州大桥、江阴大桥等车辆运行速度提升52.3％，交通事故数量同比下降10.7％。
城市道路在通勤高峰期存在较为严重的拥堵问题，AI智慧道路交通基于传感探测、边缘计算、自动驾驶等技术，通过路测单元、车载终端获取和交互车路信息，对道路流量、交通事件、路况进行预判，达到加快路口通行速度、缩短通行距离、提高交通安全冗余度等目标。其中，智慧红绿灯可以动态调整不同方向红绿灯时间以提高通行率；基于早晚交通流量变化，潮汐车道可以动态调整早晚高峰通行方向。
·杭州依托阿里云建设“城市大脑”进行城市道路管理。“城市大脑”的感知系统由摄像头构成，用于获取车辆运行状态和轨迹，同时实时分析来自交通局、气象、公交、高德等13家机构的海量交通数据，预测城市车辆及行人流量，优化交通信号灯的控制。根据国家信息中心的数据，杭州的城市拥堵排名从年的全国前三下降至年的第48位，信号灯自动配时路段的平均道路通信速度提升11％。
·以四川德阳市为例，应用了海康威视的智慧交通系统之后，早晚高峰主干道平均车速达到35km/h，重点路口车辆等待时间缩短秒以上。由于拥堵导致的汽车怠速会导致汽车能耗增加，汽车怠速每小时耗油1.5升，我们测算优化道路通行方案后每年能够减少万吨二氧化碳排放。
图表：四川德阳市海康威视交通分析系统
资料来源：海康威视，中金公司研究部
图表：阿里云城市大脑优化交通信号灯控制
资料来源：阿里云，中金公司研究部
图表：视频AI打造智能城市交通管理体系
资料来源：华为，阿里云，海康威视，中金公司研究部
图表：人工智能缓解城市公共交通拥堵带来的减排测算
资料来源：国家统计局，百度《年全国主要城市通勤检测报告》，中金公司研究部
AI赋能智慧灯杆
传统路灯的能耗较大，市政对路灯的管理效率低
·路灯技术：传统路灯使用的高压钠灯具有功率大、亮度高的优点，但也有着高能耗、寿命短的缺点；年前后，在国家“节能减排”政策下，节能环保、寿命更长的LED路灯逐步取代传统的高压钠灯。
·运营模式：传统的路灯系统对路灯的管理和控制能力有限，路灯的控制主要依靠人工控制开关电闸操作，难以根据天气或突发事件对开关时间进行调整，且只能对一路路灯统一控制；在巡检方式上，主要依靠巡检人员逐条道路、逐个灯杆进行检查，人工排查的效率较低。
·功能集成：随着我国城市化建设的不断推进，路灯、红绿灯等“老”基建设施以及基站、摄像头、环境监测设备、车联网路侧单元等“新”基建设施快速增长。由于早期管理问题，上述基础设施分别由不同的主体建设运营，随着基础设施规模提升和智能化趋势的不断落地，该管理模式不仅影响了城市的市容市貌，还影响了城市的整体效率。不同的监管体系背后更重要的问题在于数据孤岛效应，数据使用效率不高。
图表：传统路灯存在的弊端
资料来源：华为，中金公司研究部
图表：我国不同基础设施的管理运营主体
资料来源：中金公司研究部
智慧灯杆能够智能调节照明方式，有效降低能耗
智慧灯杆是集智慧照明、视频监控、交通管理、环境检测、无线通信、信息交互、应急求助等多功能于一体的公共基础设施，具备的功能由其挂载的设备和传感器决定，并在互联网、人工智能、大数据等技术的赋能下提供丰富的智慧应用。
在数据汇聚融合的基础上，以杆侧的智慧盒为核心，智慧灯杆连接边缘计算处理前台和数据中心后台，分析感知数据并进行相应的动作。如根据光照感知、人流量预测、车辆密度分析进行灯光亮度调整；根据视频监控信息识别道路违规行为，并在路灯指示牌上进行实时提醒与引导等。人工智能技术在降低路灯能耗的同时，也拓展了灯杆作为广泛分布的基础设施的功能广度。
·人力维护成本降低90％：智慧灯杆的统一管理平台能够实时呈现每盏路灯的工作状态、可用寿命等，并能够实现故障自动报警，减轻了传统的道路设备巡检工作量，根据华为披露的数据，相比于传统路灯，智慧路灯的人力维护成本降低近90％。
·节能效率提升近45％：智慧灯杆能够根据季节、光照、天气等因素对每盏灯杆、或路灯组灯制定相应的启停、亮度调整等控制策略，实时智能管理路灯的运行情况。根据国家统计局的数据，年全国共有万盏道路照明灯，我们测算，智慧路灯可以根据外部环境调节照明强度，每盏路灯每天可减少45％的能耗，可带来全国每年1,万吨的减排空间。
·其他应用场景的拓展：智慧灯杆通过集成数字标牌、环境监测传感器、应急报警装置、扬声器和监控摄像头等终端设备，能够提供紧急通告、政务、商业和天气等信息，并拓展应急呼救、视频监控等功能。
图表：智能照明示意图
资料来源：《中国智慧杆塔白皮书》，中金公司研究部
图表：智慧灯杆解决方案
资料来源：华为 图表：智慧灯杆减排测算
资料来源：国家统计局，中国照明协会，头豹，中金公司研究部
安防与人工智能深度结合，减少出警次数及重大火灾
城市安防从被动监控向主动分析转变
城市安防产品包括视频监控、防盗警报、出入口控制、楼宇对讲等方面。
·视频监控：根据中安网数据，视频监控占超50％的安防行业份额，主要由前端安防摄像头构成，经历了模拟化、数字化、集成化、智能化的发展过程，是人工智能主要赋能的方向；
·楼宇对讲：可以实现住户、访客及物业管理中心的相互通话，主要用于高层建筑或社区；
·出入口控制：主要应用于社区、写字楼的出入口，包括停车场管理系统、车位引导系统、收费管理系统、通道管理、岗亭等。
传统安防为被动数据记录，依赖人工对记录的数据进行观察分析，不利于减少安全事件导致的碳排放。
·传统安防侧重于数据记录与存储，强调“看得清”：传统的视频监控系统强调对图像清晰度、图像质量，追求更高的图像分辨率及数据存储。
·缺乏实时主动分析能力，不利于减少安全事件导致的碳排放：1）传统安防缺乏对视频数据的主动分析能力，不利于发现可能存在的安全隐患或违法行为；2）基于静态业务数据及视频信息，人工智能能够实现对为危化品等安全事件源头的定位、追踪，提升危化品管理的透明度及对危险场景的预测能力，减少安全事件导致的碳排放。
·依赖于人工判断，效率较低：在这个过程要求人工对视频信息进行检索，效率较低且容易遗漏重要信息，导致较长的安全事故处理时长；利用计算机视觉、人脸识别、车辆识别等技术，人工智能赋能安防实现对可疑人员、违法场景的识别与跟踪，提升破案效率，根据海康威视 ·非结构化数据难以使用，应用场景有限：视频监控包含丰富的非结构化数据，但在传统安防应用中对非结构化数据的应用不足，造成了安防数据资源的低效利用，采用计算机视觉、深度学习等AI技术能够对视频监控中海量的非结构化数据进行处理，减少安防对警力的要求。
人工智能赋能城市安防减排增效
人工智能的技术特性与城市安防具有高匹配度
人工智能技术要求海量数据，安防的视频及图像信息提供充足训练集，安防的应用需求与人工智能高度匹配，成为最主要的应用场景。智能安防产业链涵盖上游的芯片、算法、镜头等软硬件提供商，中游的安防产品提供商、云服务厂商及通信网络服务商，下游的安防集成商等。
·计算机视觉、数据挖掘等为人工智能关键技术，要求海量数据集进行训练。根据亿欧智库，人工智能的关键技术方向包括计算机视觉、数据挖掘、机器学习、智能语音技术、机器人等。而大规模、高质量的基础数据是算法训练的核心，机器学习、计算机视觉等都要求至少百万量级的数据量，通过不断在数据集及真实场景中验证结果形成优质算法。
·安防行业的数据可得性高、数据层次丰富，能够提供大量的视频及图像数据。安防系统由大量的监控摄像头构成，布控范围广且涉及的场景多样，据TSR的预测，年全球的安防监控摄像头出货量预计达到2.82亿颗，根据IHSMarkit的估计，年全球用于视频监控的存储出货量达到81EB，相当于9,万小时的视频（p
2Mbps），广泛分布于真实场景中的监控摄像头能够提供海量的视频图像数据，为机器学习、计算机视觉等技术提供底层训练材料，构成了人工智能应用的基础。·安防的主要应用需求包括识别、提取、侦测等，人工智能具有天然的落地场景。在前端设备采集信息的基础上，人工智能技术将视频图像进行自动化解析，将非结构化信息转化为结构化数据，通过模式匹配实现预测预警、人脸识别、物体匹配等功能。
图表：年中国人工智能技术应用比例
资料来源：亿欧智库，中金公司研究部
图表：全球安防监控摄像头出货量
资料来源：TSR，中金公司研究部
图表：人工智能赋能安防的产业链
资料来源：艾瑞咨询，中金公司研究部
#应用1：减少出警次数，提高处理效率
利用摄像头实现24小时巡检，减少出警次数。利用摄像头实现24小时巡检，视频数据经过边缘端AI算法的分析、识别和清洗后进行领域建模，将违章事件与存量数字城管系统数据互通，智能识别城市违章行为，并采用短信通知的方法代替出警开罚单，有效减少出警次数。根据阿里云的数据，人工智能识别城市违章事件，能够降低43％的人力成本，提升75％的违章发掘效率，同时发现违章行为后，短信通知事主改正，主动合规率达82％，事件处理效率提高56％。
基于城市丰富的数据资源，人工智能提高案件处理效率。华为与深圳市龙岗区共同建设智慧中心，获取2,项数据资源、超过4亿条数据记录，龙岗全区各类数据超过亿条。在智慧中心的监控屏上可以显示城区内的警情集中区域、高发时间点，实现案件的提前预警和即时反应。自建设智慧中心以来，龙岗区的刑事治安警情下降29％，破案效率提升29％。
减少出警次数并提升案件处理效率能够有效减少碳排放，助力城市安防环节的减排。通过自动识别违章行为、短信通知事主的方式，人工智能帮助减少由于交警出警而导致的车辆碳排放，同时快速的违章处理也提升了城市道路的通行效率，通过缩短车辆怠速时间减少碳排放；对于刑事案件，人工智能通过提前预警、持续监控的方法减少警情，通过智能分析提升破案效率，减少由于出警而导致的车辆碳排放。
图表：阿里云非现场执法解决方案
资料来源：阿里云，中金公司研究部
#应用2：利用AI进行危化管理，预防灾难性火灾
AI+公共安全能够提高各场景下的数据透明度，预防重大安全事件。将计算机视觉、数据挖掘、机器学习等人工智能技术与视频监控等信息输入结合，能够为公共安全监控提供高颗粒度、结构化的可视化数据，帮助公共安全部门掌握如危化品、社区消防重点区域的实时情况，减少重大火灾及其救援行动导致的碳排放。
·基于静态业务数据及模拟数据，人工智能助力危化品全域管理。年天津的危险品火灾爆炸事故造成了严重的火灾、人员伤亡及经济损失。我们认为，利用云计算、AI等数字技术能够提升危化品管理的透明度，通过减少重大火灾发生的频率助力碳中和。年，泰瑞数创与紫光云依托云计算、物联网、AI、数字孪生等数字技术，在天津滨海形成打造智慧城市建设体系，对于危化品的生产、仓储、运输、危废处理等6个环节形成全域监管，配合政府、园区、企业三级监管，实现对危化品企业安全生产监管、运输仓储全生命周期监管及应急处理监管。
·基于视频信息即AI算法能力，实现火灾的提前预警及高效救援。1）基于视频信息并利用AI算法，实现吸烟行为识别、消防道占用行为识别等，防范潜在火灾隐患；2）基于物联网平台与GIS+BIM+区块链，实现对消防力量、消防物资和火灾的全域全时感知，形成防火和灭火闭环管理。以阿里云的智慧消防解决方案为例，该方案利用AI算法实现15s内火情识别，30s内警情触达。通过全面防范火灾隐患并对已有火灾进行快速响应，人工智能能够减少火灾及救援行动导致的碳排放。
图表：危化品的全程跟踪
资料来源：华为 图表：阿里云智慧消防解决方案
资料来源：阿里云
转载请注明：http://www.0431gb208.com/sjszyzl/2140.html
