框架|上海交通大学过敏意：面向城市治理的图智能分析框架( 五 )

如果将图放到编程框架里面进行描述是很方便的。如果变成框架以后，就像人工智能框架一样对编程是非常方便的。图计算原子操作复杂，然后GPU内存利用率是不高的。如果要对这些图利用GPU来说，对于并发是绝对没有问题的。所以改进数据结构，从图幂律分布出发削减冗余的计算操作，我们提出统一内存利用高效的图计算原子操作，优化多图资源利用，搞出一个编程框架来对图的算法进行精准的描述，就可以比较容易的对图的性进行提升。

文章插图

这是我们图分析框架的编程接口，先把一个问题变成一个图的结构一个任务，比如说多少顶点多少边互相怎么连接，顶点预处理，然后对活跃边进行更新，顶点生成等等迭代技术处理。经过这一套预备、更新、生成框架以后，整个图的分析和高并发处理就非常简单了。
这是效果，实现系统资源高效利用。

文章插图

技术成果的实际应用

（一）公共卫生治理平台
借助数据泛在发现和优化组合，建立起多源异构城市环境气象数据的跨时空图结构关联性。

文章插图

数据量：共计近千万条数据需求方：中国城市治理研究院

这是我们和中国城市治理研究院合作的，他们的需求是对雾霾进行监控，这个有点像对臭氧层的监控一样的，我们也是布了很多传感器，然后用图进行分析，对雾霾进行分析和处理。

文章插图

第一个是利用空间的关联分析制定雾霾判断分析。这是对中国的31个省、市、自治区的雾霾和工业产值的关系的分析，所有的关联数据都可以给出一个框架和处理，整个过程都有图的分析和决策在里面。
（二）交通客流监控平台
借助城市大数据三元空间群智发现与群智建模，实现了多元多模数据下的多视图细粒度人群分析。

文章插图

数据量：共计超过20TB 需求方：深圳市地铁集团有限公司

这是我们和深圳地铁集团对城市交通轨道进行了分析。这个数据很简单，每个地铁站实际上就是一张图。

文章插图

这张图干什么用呢？就是实时监控，比如进站人数，出站人数，在网人数等。然后用不同的颜色标出来，几号线、哪个站有多少人等。这样会便利人们的交通出行。比如知道坐哪条线、哪边换乘。客流预测精准度从87%提高到95%。

（三）人群密度推演平台

借助城市大数据的深度迭代计算，完成了实时感知与静态预测的融合，实现城市人口的高效分布推演。

文章插图

数据量：百万级车辆千万级用户需求方：深圳市交通运输委

这个完全就是一张图：单视图建模、多视图建模，对图的分析。这里面总共是六维数据。

文章插图

黑洞表示人口密度超过正常均值的2倍，热点表示人口密度大超过正常均值

做什么事呢？人口密集时，有可能会出现危险。人口密度一般来说比较均匀，如果出现红点了，那么就是人口密度超过正常均值，我们一般在800×800m的范围内，比如说2万人口是正常分布，如果超过两万就是热点，黑洞表示人口密度超过正常均值的2倍，就要警示就是要派警力来疏散人群等等。这完全就是一个图的分析，利用六维数据对图进行分析对人口密度进行高度精准的预测。