人工智能讓城市用水安全更有保障

文／本刊記者 陳 杰

或許，你知道全世界八成的疾病與飲用水質不良相關，但你不知道自己所處的環境水質是否安全？

或許，你也道出廠安全的自來水會受管網的二次污染，但你不知道國家發布的水衛生標準是否真正得到了有效監測？

尤其是，近年來多次發生水污染事件后，相信你也嚇壞了，不禁要問，我喝的水安全嗎？

然而，城市供水管網是結構非常復雜、規模非常巨大的管線網絡系統，實時有效預測水質難度非常大。

日前，在人工智能領域國際頂級學術會議 IJCAI 2018上，京東城市被錄用的一篇論文引發廣泛關注，其使用深度學習技術，不僅成功預測了中國東南某城市自來水管網的水質，在空氣質量預測上同樣得到了驗證，還可用于交通預測中，且效果明顯超過現有的方法。

正常情況下，為保持水體被有效的消毒，自來水廠會定期往里面投氯。但盡管如此，如果出廠水沒有氯或加氯量不夠，在管網里就可能使細菌大量繁殖；相反，如果自來水余氯濃度過高的話就會傷害呼吸系統，甚至生成致癌物，想想都可怕。

自來水廠是如何進行投氯的呢？

過去，預測水質的方法主要是根據自來水管網中傳感器之間的距離關系。但是，這真的就萬無一失了嗎？當然不是，影響水質的因素紛繁復雜，并不那么簡單。

好在有傳感器，它如同物理世界和數字世界的橋梁，在復雜環境中如魚得水。又因部署在不同的地理位置，供水管網數據、交通數據、空氣污染數據……統統都被收集起來，然后分析規律、建模。

京東城市團隊發現，水質在受時間、空間多種因素影響中，每分每秒都在變化，是一個實時動態變化的過程。要想實時了解水質情況，對應的，就需要在傳感器實時收集數據的基礎上，構建一套動態預測系統。為此，團隊提出了多層注意力（Space attention）的循環神經網絡。細分為空間注意力模型和時間注意力模型。其原理就像水安全警察一樣，“注意”著站點周邊的一舉一動。

如果說傳感器如橋梁一樣將物理世界的數據收集為數據信息，那么，京東城市團隊做的事情就是把現實世界的影響問題放到了數字世界中解決。采用嵌入的方式，將這些因素分別投影到數字世界中進行研究，告訴機器這是春夏秋冬、公園地鐵等，形成了外部因素融合模型。機器大量地學習理解，模型就會不斷進行完善。

據悉，目前上述水質監測方法已經在中國東南某城市的水質預測上進行了驗證，結果顯示我們提出的算法在預測精確度上超過了現有方法。基于該算法，京東城市部署了管網水質預測系統來實時預測未來的管網水質，從而指導自來水工廠更科學地進行投氯消毒，保證居民飲用水質，還能及時發現水管健康狀態，第一時間安排維護、修理，保證城市高效運轉，進而給政府各項城市建設決策提供參考，并有顯著的民生和社會價值。