人工智能让城市用水安全更有保障

文／本刊记者 陈 杰

或许，你知道全世界八成的疾病与饮用水质不良相关，但你不知道自己所处的环境水质是否安全？

或许，你也道出厂安全的自来水会受管网的二次污染，但你不知道国家发布的水卫生标准是否真正得到了有效监测？

尤其是，近年来多次发生水污染事件后，相信你也吓坏了，不禁要问，我喝的水安全吗？

然而，城市供水管网是结构非常复杂、规模非常巨大的管线网络系统，实时有效预测水质难度非常大。

日前，在人工智能领域国际顶级学术会议 IJCAI 2018上，京东城市被录用的一篇论文引发广泛关注，其使用深度学习技术，不仅成功预测了中国东南某城市自来水管网的水质，在空气质量预测上同样得到了验证，还可用于交通预测中，且效果明显超过现有的方法。

正常情况下，为保持水体被有效的消毒，自来水厂会定期往里面投氯。但尽管如此，如果出厂水没有氯或加氯量不够，在管网里就可能使细菌大量繁殖；相反，如果自来水余氯浓度过高的话就会伤害呼吸系统，甚至生成致癌物，想想都可怕。

自来水厂是如何进行投氯的呢？

过去，预测水质的方法主要是根据自来水管网中传感器之间的距离关系。但是，这真的就万无一失了吗？当然不是，影响水质的因素纷繁复杂，并不那么简单。

好在有传感器，它如同物理世界和数字世界的桥梁，在复杂环境中如鱼得水。又因部署在不同的地理位置，供水管网数据、交通数据、空气污染数据……统统都被收集起来，然后分析规律、建模。

京东城市团队发现，水质在受时间、空间多种因素影响中，每分每秒都在变化，是一个实时动态变化的过程。要想实时了解水质情况，对应的，就需要在传感器实时收集数据的基础上，构建一套动态预测系统。为此，团队提出了多层注意力（Space attention）的循环神经网络。细分为空间注意力模型和时间注意力模型。其原理就像水安全警察一样，“注意”着站点周边的一举一动。

如果说传感器如桥梁一样将物理世界的数据收集为数据信息，那么，京东城市团队做的事情就是把现实世界的影响问题放到了数字世界中解决。采用嵌入的方式，将这些因素分别投影到数字世界中进行研究，告诉机器这是春夏秋冬、公园地铁等，形成了外部因素融合模型。机器大量地学习理解，模型就会不断进行完善。

据悉，目前上述水质监测方法已经在中国东南某城市的水质预测上进行了验证，结果显示我们提出的算法在预测精确度上超过了现有方法。基于该算法，京东城市部署了管网水质预测系统来实时预测未来的管网水质，从而指导自来水工厂更科学地进行投氯消毒，保证居民饮用水质，还能及时发现水管健康状态，第一时间安排维护、修理，保证城市高效运转，进而给政府各项城市建设决策提供参考，并有显著的民生和社会价值。