Alors que la gouvernance des mégapoles évolue vers plus de finesse et d'intelligence, la construction de villes quantiques centrée sur l'intelligence spatiale est devenue un axe majeur pour remodeler les paradigmes de gouvernance urbaine et améliorer l'efficacité de la gouvernance.
Récemment, le « grand modèle Yunyu Xingkong », développé conjointement par le grand dispositif de SenseTime et le Bureau des ressources et de la planification de Shanghai, a fait l'objet d'une mise à niveau complète, renforçant encore ses capacités de raisonnement spatial professionnel et d'exécution de tâches complexes, faisant évoluer le modèle de « savoir répondre » à « savoir travailler ».
Sur la base du « grand modèle Yunyu Xingkong » entièrement mis à niveau, le Bureau des ressources et de la planification de Shanghai a publié de manière concentrée les premiers agents intelligents administratifs de la ville quantique, notamment l'agent intelligent de prévention des inondations « Yuzhi Heluo », l'agent intelligent « Belle Vie dans la Poche » et l'agent intelligent « Balade dans le Jiangnan de Shanghai ». Parmi eux, les trois agents intelligents « Yuzhi Heluo », « Œil de Dalüe » et « Petits ordres de planification détaillée » ont été développés et livrés par l'équipe du grand dispositif de SenseTime, incarnant respectivement des « employés numériques » chargés de l'ordonnancement de la prévention des inondations, de l'observation spatiale et de la mise à jour de la planification, intégrant davantage les capacités du grand modèle dans les processus métiers de la gouvernance urbaine et explorant de nouvelles pratiques d'intelligence artificielle au service de la gouvernance spatiale des mégapoles.
Des connaissances spatiales et des capacités de raisonnement encore améliorées, pour que le grand modèle « comprenne véritablement l'espace »
En tant que premier grand modèle sectoriel de base national dans le domaine des ressources et de la planification, le « grand modèle Yunyu Xingkong » se positionne comme la base intelligente et le centre névralgique du système de grands modèles de la ville quantique, agrégeant les connaissances sectorielles, les données spatiales et les règles métiers des domaines de la planification-construction et de la gouvernance urbaine,Ont déjà été constituées 1.3万 paires de questions-réponses de haute qualité ainsi qu'un corpus de 15亿 tokenscouvrant les principaux domaines professionnels tels que la planification et la conception, la topographie-géographie et les ressources naturelles.
Cette mise à niveau, partant de deux dimensions — capacités de connaissances et capacités de raisonnement —, renforce encore la capacité du modèle à comprendre l'espace urbain et ses relations.
- En matière de capacités de connaissances, OLA (Objet-Relation-Action) sert de cadre organisationnel unifié pour promouvoir la « liaison des trois matières » : corpus (yuliao), matériaux cartographiques (miliao) et données (shuliao).Parmi celles-ci, le corpus accumule les connaissances sectorielles telles que les politiques et réglementations, les normes techniques, les processus métiers et l'expertise des spécialistes ; les matériaux cartographiques (miliao) associent les unités spatiales à la localisation et aux relations des éléments urbains tels que les bâtiments, les parcelles et les routes ; les données (shuliao) intègrent principalement des données spatio-temporelles multi-sources telles que l'état actuel, la planification, la surveillance et la télédétection. Grâce au codage unifié des objets, à l'indexation spatiale et aux relations temporelles, les textes, les cartes, les données vectorielles, les images, les vidéos, les modèles 3D et les données de perception en temps réel sont interconnectés, consolidant ainsi les racines de connaissances et les fondements spatiaux du modèle.
- En matière de capacités de raisonnement, l'accent est mis sur la « maîtrise des quatre types de cartes » : appel des cartes, identification des cartes, lecture des cartes et génération de cartes,établissant une chaîne de capacités complète allant de l'appel des documents, à l'identification spatiale, au jugement professionnel et à la génération des résultats, permettant au grand modèle de posséder des capacités de raisonnement spatial professionnel : non seulement « voir » les plans, mais aussi « comprendre » les relations spatiales.
De la « capacité du modèle » à l'« exécution des tâches », construire une base universelle pour le déploiement des agents intelligents
S'appuyant sur le « grand modèle Yunyu Xingkong » entièrement mis à niveau, soutenu par des données spatio-temporelles de haute qualité et prenant pour vecteur la plateforme de développement et d'exécution des agents intelligents, le grand dispositif de SenseTime a construit une base universelle de capacités de plateforme d'agents intelligents couvrant la chaîne de tâches de bout en bout« ordonnancement des modèles – fourniture d'informations – exécution des tâches – capitalisation des capacités »intégrant profondément l'intelligence spatiale dans l'ensemble du processus métier de la planification-construction et de la gouvernance urbaine.
Grâce à un service de modèles unifié, réaliser un « ordonnancement flexible par niveaux ». Selon la complexité de la tâche, différents modèles et algorithmes spécialisés peuvent être appelés de manière flexible grâce aux mécanismes de routage des modèles et de décomposition des tâches. Par exemple, les tâches de requêtes fréquentes, d'extraction d'informations et de vérification de base sont traitées rapidement par des modèles légers ; tandis que les tâches complexes telles que le raisonnement spatial, l'évaluation de scénarios et la planification de tâches sont prises en charge par le grand modèle central.
Grâce à une base de données et de connaissances, fournir des « informations précises ». En s'appuyant sur la « liaison des trois matières » (corpus, matériaux cartographiques, données), un système de ressources de données spatio-temporelles couvrant la base de connaissances, la base de règles, la base de cas et la base d'indicateurs a été constitué, permettant aux agents intelligents d'effectuer des recherches et des appels précis selon l'objet, le temps, l'espace et les relations métiers, offrant ainsi un approvisionnement fiable en données et en connaissances pour l'exécution des tâches.
Grâce à la plateforme de développement et d'exécution des agents intelligents, soutenir l'« exécution des tâches ». En s'appuyant sur la plateforme de développement et d'exécution des agents intelligents, qui intègre les capacités de planification des tâches, d'orchestration des processus, de gestion du contexte et de la mémoire, d'appel des modèles, d'appel d'outils, de collaboration multi-agents et de surveillance de l'exécution, les tâches métier complexes sont décomposées en une série de tâches exécutables, suivies de requêtes de données, de calculs spatiaux, de simulations de modèles, de jugements de règles, de génération de résultats et de confirmations humaines.
Parallèlement, le grand dispositif de SenseTime a également encapsulé des capacités communes telles que les questions-réponses professionnelles, l'extraction de cartes, l'identification d'éléments, la compréhension des relations spatiales et la génération de rapports en composants de compétences sectorielles réutilisables, permettant à différents agents intelligents de les combiner et de les appeler selon les besoins, réduisant les développements redondants et permettant la réutilisation et la capitalisation des capacités acquises par chaque projet.
Déployer les agents intelligents dans les scénarios clés de la gouvernance urbaine, pour que les « employés numériques » fassent leurs preuves
Si la mise à niveau du grand modèle résout le problème de la « compréhension de l'espace », le déploiement des agents intelligents résout celui de « l'utilisation de l'intelligence spatiale pour résoudre des problèmes réels ». Prenons l'exemple des trois agents intelligents « Yuzhi Heluo », « Œil de Dalüe » et « Petits ordres de planification détaillée », développés et livrés par le grand dispositif de SenseTime : ils ciblent respectivement des scénarios tels que l'ordonnancement de la prévention des inondations, l'observation spatiale et la mise à jour de la planification, transformant l'intelligence spatiale en pratiques de gouvernance concrètes.
« Yuzhi Heluo » permet d'anticiper l'ordonnancement avant la pluie et le vent.Face à la sécurité de prévention des inondations du bassin de la rivière Suzhou, cet agent intelligent peut utiliser de manière combinée les données météorologiques, de niveau d'eau, de débit de drainage, etc., pour un ordonnancement intelligent précis par zones et par tranches horaires. Grâce à une anticipation 48 heures voire 2 heures à l'avance et à des simulations d'ordonnancement en temps réel, il réalise un équilibre hydrique dynamique intelligent des espaces de régulation « réseau fluvial – réseau de canalisations – quartiers ». Après son déploiement, l'efficacité du calcul intelligent spatial, de la simulation dynamique et de l'ordonnancement intelligent s'est respectivement améliorée de 65 %, 70 % et 80 %.
« Œil de Dalüe » permet de consulter à tout moment les signes vitaux de la ville.En tant que fenêtre d'observation intelligente de l'espace urbain, « Œil de Dalüe » agrège 18 années de données spatio-temporelles de haute qualité concernant l'état actuel, la planification, la propriété, les approbations, etc., et construit une carte de base numérique jumelle couvrant l'ensemble des éléments tels que le bâti, les terres cultivées, les forêts, les eaux et les zones humides. Pour les décideurs et gestionnaires urbains, il permet de saisir en temps réel l'évolution et la distribution des ressources spatiales d'une ville : des questions concrètes telles que la vacance éventuelle de terrains industriels ou l'état écologique d'une zone spécifique peuvent être rapidement interrogées et analysées en langage naturel. Les indicateurs d'analyse de données qui nécessitaient auparavant plusieurs mois de développement peuvent désormais être rapidement personnalisés en quelques minutes via le langage naturel, faisant évoluer l'observation de l'espace urbain d'un « développement sur mesure » vers une approche « sur mesure pour chacun ».
Le « petit bon de travail de planification détaillée » permet de traiter la gestion de la planification tout en discutant.En se concentrant sur les besoins de gestion du renouvellement urbain à l'ère du stock existant, l'initiative crée un assistant intelligent collaboratif, réalisant l'orientation intelligente des demandes des entreprises en un clic, la mutualisation de l'intelligence collective via une plateforme de co-création, et la revue rapide de la carte de base de planification en un clic, afin de promouvoir avec qualité le renouvellement urbain.
En s'appuyant sur le modèle FDE, créer un modèle de co-création de scénarios reproductible
La gouvernance urbaine présente des attributions métier d'une grande complexité ; la mise en œuvre réelle d'un agent intelligent ne consiste pas simplement à connecter un grand modèle à un système métier, mais exige de résoudre continuellement toute une série de questions : comment définir les problèmes métier, comment organiser les données, comment capitaliser les connaissances, comment valider les modèles et comment itérer sur les résultats.
Dans ce projet, SenseCore de SenseTime, en s'appuyant sur le mécanisme de co-création de scénarios FDE, a mobilisé des experts métier et des équipes de recherche et développement pour travailler au plus près du terrain, et, à partir de besoins métier réels, élaborer conjointement les processus métier, définir les standards des problèmes et valider les effets des applications, formant ainsi une boucle fermée « définition du problème — préparation des données et des connaissances — développement de l'agent intelligent — validation métier — itération par retours ».
La valeur de ce mécanisme réside dans le fait que le projet ne livre pas seulement un agent intelligent, mais un ensemble de capacités d'intelligence sectorielle capables d'évoluer en continu. À mesure que les scénarios métier s'étendent, les données, connaissances, outils et compétences sectorielles accumulés peuvent être réutilisés pour d'autres agents, réalisant ainsi la transition d'un « projet unique » vers une « réutilisation des capacités à l'échelle du secteur ».
À l'avenir, SenseCore de SenseTime travaillera avec le Bureau de la planification et des ressources de Shanghai pour faire évoluer continuellement le grand modèle Yunyu Xingkong : d'une part, passer d'un grand modèle sectoriel à un modèle macroscopique du monde à l'échelle de la ville, reflétant pleinement et avec précision les lois du fonctionnement macroscopique de la ville ; d'autre part, évoluer d'un agent intelligent unique vers une collaboration en essaim d'agents intelligents urbains, afin de soutenir l'analyse conjointe et le traitement coordonné des problèmes urbains complexes. Parallèlement, il explorera davantage l'écosystème de la « ville open source », en collaboration avec des partenaires industriels de la planification et de la conception, de la topographie et de la géomatique, de la gouvernance urbaine, du développement logiciel et des services de données, pour construire ensemble un modèle de construction d'intelligence urbaine reproductible et généralisable.
Cet article a été fourni par SenseTime, QbitAI en a obtenu l'autorisation de republication ; les opinions exprimées appartiennent à l'auteur d'origine.