智能演算法交通數據

1. 智能交通的發展狀況

面對當今世界全球化、信息化發展趨勢，傳統的交通技術和手段已不適應經濟社會發展的要求。智能交通系統是交通事業發展的必然選擇，是交通事業的一場革命。通過先進的信息技術、通信技術、控制技術、感測技術、計算器技術和系統綜合技術有效的集成和應用，使人、車、路之間的相互作用關系以新的方式呈現，從而實現實時、准確、高效、安全、節能的目標。
交通安全、交通堵塞及環境污染是困擾當今國際交通領域的三大難題，尤其以交通安全問題最為嚴重。採用智能交通技術提高道路管理水平後，每年僅交通事故死亡人數就可減少30%以上，並能提高交通工具的使用效率50%以上。為此，世界各發達國家競相投入大量資金和人力，進行大規模的智能交通技術研究試驗。很多發達國家已從對該系統的研究與測試轉入全面部署階段。智能交通系統將是21世紀交通發展的主流，這一系統可使現有公路使用率提高15%到30%。
美、歐、日是世界上智能交通系統開發應用的最好國家，從它們發展情況看，智能交通系統的發展，已不限於解決交通擁堵、交通事故、交通污染等問題。經30餘年發展，ITS的開發應用已取得巨大成就。美、歐、日等發達國家基本上完成了ITS體系框架，在重點發展領域大規模應用。可以說，科學技術的進步極大推動了交通的發展，而ITS的提出並實施，又為高新技術發展提供了廣闊的發展空間。
隨著感測器技術、通信技術、GIS技術（地理信息系統）、3S技術（遙感技術、地理信息系統、全球定位系統三種技術）和計算機技術的不斷發展，交通信息的採集經歷了從人工採集到單一的磁性檢測器交通信息採集到多源的多種採集方式組合的交通信息採集的歷史發展過程，同時國內外對交通信息處理研究的逐步深入，統計分析技術、人工智慧技術、數據融合技術、並行計算技術等逐步被應用於交通信息的處理中，使得交通信息的處理得到不斷的發展和革新，更加滿足ITS各子系統管理者、用戶的需求。信息採集與處理設備行業呈現如下特點： 1、信息採集與處理方式的多樣化
交通信息採集的方式分為人工採集方式和自動採集方式。自動採集方式包括磁性檢測器（包括感應線圈檢測器、磁阻感測器等）、光學檢測器（包括視頻檢測器、激光檢測器）、微波檢測器（包括微波檢測器和雷達測速儀）、路面情況及測重感測器（雨霧檢測器，路面結冰檢測器，輪、軸重儀等）。隨著科學技術的發展，自動採集技術得到了不斷的研究、發展和應用。各種採集技術都有各自的優點和缺點，利用多種採集方式的進行組合採集交通信息是國內外研究的熱點和焦點。
開發了信息的質量控制技術、多源交通信息融合技術、信息的多時間尺度預測技術、信息集成技術、信息壓縮技術和存儲技術等，大大提高了信息的精度及信息提供的種類。
2、信息的內容及地理范圍廣
不同的交通採集方式採集的參數種類有限，例如感應線圈只能採集到交通流量、佔有率、速度等固定地點的截面交通參數;視頻檢測器只能採集到交通流量、速度、佔有率、排隊長度等固定地點的交通參數；隨著多種交通採集方式的組合，可以獲得交通流量、速度、佔有率、排隊長度、行程時間、區間速度等截面和路段交通參數，豐富了交通信息的採集內容的同時也提高了採集地理范圍的廣度。
隨著交通數據獲取源的增加，交通信息用戶對海量交通信息實時性需求的逐步提高。近幾年，國內外逐漸將分布式並行計算技術、高性能計算伺服器以及高性能的數據處理演算法應用於海量交通信息的處理之中，改善了信息的處理速度。
3、信息採集的精度和經濟性提高
隨著磁性和光學感測器工藝的提高、圖像處理技術和定位技術的發展，交通信息的採集精度也不斷得到提高。同時，隨著近幾年對交通檢測器配置優化技術的不斷深入研究，交通信息的採集在保證信息全面性和動態性的前提下，也提高了交通信息採集的經濟性。這為ITS系統的開發和應用奠定了基礎。隨著人工智慧、統計分析、模糊邏輯、混沌理論等的逐漸成熟，逐漸開發出了一些基於這些理論及方法的交通信息處理方法，大大提高了信息處理的精度及質量。

2. 人工智慧演算法解決新挑戰，智能演算法是什麼是如何運行的

由於人工智慧缺乏可解釋性，人們越來越關注人工智慧主體的接受和信任問題。多年來，對可解釋性的重視在計算機視覺、自然語言處理和序列建模等領域取得了巨大的進展。隨著時間的推移，這些類型的編碼指令變得比任何人想像的都更加全面和復雜。人工智慧演算法已經進入了這一領域。人工智慧演算法是機器學習的一個子領域，它引導計算機學習如何獨立工作。因此，為了優化程序並更快地完成工作，小工具將繼續學習。

人工智慧演算法也每天都在使用。盡管關於美國聯邦政府如何保護個人數據信息的問題尚不清楚，但對特定方面和通信的計算機軟體監控已經在防止國內外的重大恐怖行為。這只是人類使用人工智慧不斷發展和擴大的一種經驗。人類對人工智慧的使用拓寬了我們的視野，使事情變得更簡單、更安全，並使子孫後代更幸福。

3. 大數據和智慧交通有哪些應用的案例

根據ITS114的不完全統計，截至2015年12月31日，包括城市智慧交通和高速公路機電市場的全年千萬項目統計規模為182.5億，其中主要分為四
大市場1.交通管控市場千萬項目規模為84.24億。2.智慧交通/智能運輸市場千萬項目規模為20.33億。3.高速公路機電市場千萬項目規模為
75.8億。4.平安城市千萬項目規模為56.6億。以上四個市場都有著很多的智慧交通方面的應用案例。
具體的在交通管控市場方面，
當前各個省積極構建的交通運行監測與應急指揮系統，還有圍繞著視頻、圖像分析，從而實現在治安、交通、工業製造、汽車、人工智慧等等諸多領域的應用亦是智
慧交通的典型案例。如深圳榕享的"交通模擬與智能管控機器人"可實時採集視頻檢測數據與線圈檢測數據，將採集的交通流數據、信號配時等數據輸入到建立的仿
真路網模型中，進行實時的交通系統模擬。通過一體化交通模擬模型，機器人能快速找出路網擁堵點以及分析路網的常發性擁堵點，並對交通流運營狀況的演變進行
預測和分析。在交通模擬與智能管控機器人平台上，還可對城市的任意交叉口的交通環境進行設置，周邊居民可將相關建議"告知"機器人，實時模擬交叉口改良效
果，實現全民參與、全民實踐、全民創新的交通管理新模式。
智慧交通/運輸方面各種「專車」「快車」「拼車」「代駕」平台類和軟體數據類的實例比比皆是，如我們都熟知的「滴滴快遞」「uber"「e代駕」等app應用。
交
通工具新型技術案例方面：如無人駕駛、自動駕駛、智能車等等；在2015年12月互聯網大會上李彥宏展示的無人車，李書福展現的自動駕駛技術都體現了當前
智能交通工具的發展。
更近一點的是，汽車電子標識、ETC、車路協同。2015年的新能源客車市場呈爆發性增長，新能源客車銷量達到37363輛，同比增長213.19%，同
時2015年國務院印發《新能源公交車推廣應用考核辦法（試行）》、《電動汽車充電基礎設施發展指南》等等政策文件，可預見的是新能源汽車將會造就一個巨
大的市場，建立在新能源汽車之上的車聯網也將搭上順風車。
平安城市也有很多已經成型的智慧交通案例。平安城市是基於GIS數字地圖技術，高
度整合治安監控、智能交通、數字城管、應急指揮等子系統，改變傳統的靜態管理和單點管理，實現實時、動態的聯動管理新模式，實現了整個城市的治安、交通、
城管、應急聯動等各個職能部門的聯動，建立了高效的城市部門聯動機制，提高了城市的集成化、智慧化管理水平。根據高清視頻監控系統的特點和應用需求，結合
當前與今後一定時期內圖像監控系統與圖像應用系統的發展需要，建設一套先進的平安城市綜合應用平台，為指揮調度、調查取證、應急處置、交通管理等多種後台
應用提供及時、可靠的視頻圖像信息，服務於實戰。市面上常見的平安城市系統具備的主要功能大部分都有：人臉卡口功能；交通事件檢測功能；智能檢索功能；道
路違法抓拍功能；車輛稽查布控功能；非現場執法；分析研判功能；交通事態監控功能；視頻質量檢測功能；智能應用管理功能；數據格式及通信功能；遠程式控制制功
能；指揮調度功能；勤務管理功能； 設備運行狀態監測功能。
以上在我看來都是智慧交通的應用案例。
接下來說一下在大數據方面的應用案例
在
醫療方面，紐約的mountsinai醫院利用數千名患者的數據、歷年匯報的流感爆發數據等數據與病毒的變異過程做交叉比對。通過這種工作，科學家和醫生
可以預測病毒如何傳播，以及對抗這些病毒的最佳途徑；甚至有可能使用預測分析來判斷病毒的傳播方式，然後採取行動來限制這一傳播。據說這家醫院有望在未來
阻止流感的發生。
在交通方面，浙江某城市與英特爾合作，安裝了1000個數字監控設備，100個智能監測點系統，超過300個檢查點的電子警察，和500多個視頻監控系統。通過更有效地監測交通和擁堵數據，改善交通流量，減少道路交通事故。
在
廢物處理方面，
英國曼徹斯特垃圾處理局有一套系統，能夠利用數據使得產生的垃圾被盡可能多的再次利用。通過對來自不同地區的卡車進出加工廠時進行稱重，能夠了解每個地區
所產生的垃圾數量。這些數據幫助當局出台了相應的政策，鼓勵那些特定的社區更好的垃圾回收和垃圾減量。
在建築方面， 住房慈善機構hact從400,000座住房中持續不斷地收集數據，並進行了各種數據分析。通過數據來發現設計、建造、布局中存在的潛在問題，進而在建造新的樓宇時優化相關的參數，避免這些問題，改進政府保障房的的維修，規劃空間合理使用。

智能應用服務，Google提供的大數據分析智能應用包括客戶情緒分析、交易風險（欺詐分析）、產品推薦、消息路由、診斷、客戶流失預測、法律文案分類、
電子郵件內容過濾、政治傾向預測、物種鑒定等多個方面。據稱，大數據已經給Google每天帶來2300萬美元的收入。例如，一些典型應用如下：
（1）基於Map Rece，Google的傳統應用包括數據存儲、數據分析、日誌分析、搜索質量以及其他數據分析應用。
（2）基於Dremel系統， Google推出其強大的數據分析軟體和服務 —
BigQuery，它也是Google自己使用的互聯網檢索服務的一部分。Google已經開始銷售在線數據分析服務，試圖與市場上類似亞馬遜網路服務
(Amazon Web Services)這樣的企業雲計算服務競爭。這個服務，能幫助企業用戶在數秒內完成萬億位元組的掃描。
（3）基於搜索統計演算法，Google推出搜索引擎的輸寫糾錯、統計型機器翻譯等服務。

（4）Google的趨勢圖應用。通過用戶對於搜索詞的關注度，很快的理解社會上的熱點是什麼。對廣告主來說，它的商業價值就是很快的知道現在用戶在關心
什麼，他們應該在什麼地方投入一個廣告。據此，Google公司也開發了一些大數據產品，如「Brand Lift in
Adwords」、「Active GRP」等，以幫助廣告客戶分析和評估其廣告活動的效率。
（5）Google Instant。輸入關鍵詞的過程，Google
Instant 會邊打邊預測可能的搜索結果。
谷歌的大數據平台架構仍在演進中，追去的目標是更大數據集、更快、更准確的分析和計算。這將進一步引領大數據技術發展的方向。

在競選方面，直到2012年，奧巴馬的數據團隊對數以千萬計的選民郵件進行了大數據挖掘，精確預測出了更可能擁護奧巴馬的選民類型，並進行了有針對性的宣
傳，從而幫助奧巴馬成為了美國歷史上唯一一位在競選經費處於劣勢下實現連任的總統。只要數據量夠大，夠及時，挖掘夠深刻，就可以洞悉每個選民的投票幾率。

在教育方面，"以物聯網、雲計算等綜合技術的成熟為基礎，在學生管理資料庫中挖掘出有價值的數據，經過過程性和綜合性的考慮，找到學生各種行為之間的內在
聯系，考量背後的邏輯關系，並作出恰當的教學決策。以某集團最新出版的全球少兒美語旗艦課程為例，引入了首款應用於少兒英語學習領域的
MyEnglishLab在線學習輔導系統（以下簡稱MEL），應用大數據技術全程實時分析學生個體和班級整體的學習進度、學情反饋和階段性成果，從而及
時找到問題所在對症下葯，實現對學習過程和結果的動態管理。

4. 智慧城市中的智能交通包括哪些內容

智慧交通是在智能交通（簡稱ITS）的基礎上，利用在交通領域中充分運用物聯網、雲計算、互聯網、人工智慧、自動控制、移動互聯網等技術，通過高新技術匯集交通信息，對交通管理、交通運輸、公眾出行等等交通領域全方面以及交通建設管理全過程進行管控支撐，使交通系統在區域、城市甚至更大的時空范圍具備感知、互聯、分析、預測、控制等能力，以充分保障交通安全、發揮交通基礎設施效能、提升交通系統運行效率和管理水平，為通暢的公眾出行和可持續的經濟發展服務。

智慧交通通常包括：智慧交通基礎設施、智慧化交通出行、智慧化交通調度和指揮、智慧化道路交通管理、智慧化港航管理和智慧化路政管理等方面。

智能交通系統的組成：
1、交通信息採集系統：人工輸入、GPS車載導航儀器、GPS導航手機、車輛通行電子信息卡、CCTV攝像機、紅外雷達檢測器、線圈檢測器、光學檢測儀等等。
2、信息處理分析系統：信息伺服器、專家系統、GIS應用系統、人工決策等等。
3、信息發布系統：互聯網、手機、車載終端、廣播、路側廣播、電子情報板、電話服務台等等。

5. 智能演算法和交通流理論有什麼優缺點，為什麼有的用交通流理論有的用智能演算法

而後被突然牛肉乾體會 通過後年剛方便v

6. 智慧交通大數據能解決城市擁堵么

三維交通監控管理可視化技術，就成功應用到了兩個交通大數據場景，技術高能預警！更多3D可視化案例可以在官網-資源中心查看~

• 隧道交通線段的三維交通流展示。通過採集交通流量數據，結合車輛三維模型、三維粒子運動技術，實現通過在隧道中展示車流的運動態勢來客觀呈現隧道現場的車輛運行狀況。

7. 大數據，數據挖掘在交通領域有哪些應用

交通領域大數據分析和應用的場景會相當多，這裡面要注意兩點，一個是大數據本身的技術處理平台，一個是數據分析和挖掘演算法。具體場景當時寫過點內容，如下：
對於公交線路規劃和設計是一個大數據潛在的應用場景，傳統的公交線路規劃往往需要在前期投入大量的人力進行OD調查和數據收集。特別是在公交卡普及後可以看到，對於OD流量數據完全可以從公交一卡通中採集到相關的交通流量和流向數據，包括同一張卡每天的行走路線和換乘次數等詳細信息。對於一個上千萬人口的大城市而言，每天的流量數據都會相當大，單一分析一天的數據可能沒有相關的價值，而分析一個周期的數據趨勢變化則會相當有價值。結合交通流量流向數據趨勢變化，可以很好的幫助公交部門進行公交運營線路的調整，換乘站的設計等很多內容。這個方法可能很早就有人想到，但是在公交卡沒有普及或海量數據處理和計算能力沒有跟上的時候確實很難實際落地操作，而現在則是完全可以落地操作的時候了。
從單一的公交流量流向數據動態分析僅僅是一個方面，大數據往往更加強調相關性分析。比如對於在某一個時間段內公交流量和流向數據發生明細的趨勢變化的時候，這個趨勢變化的究竟和哪些潛在的大事件或其它影響因素的變化存在相關性，如何去分析這些相關性並做出正確的應對。舉個簡單的例子來說，當市中心區內的房屋租金持續增長的時候一定會影響到交通流的變化，很多人可能會搬離到更遠的地方去居住，自然會形成更多的新增公交流量和流向信息。在《大數據時代》裡面談到更多的會關心相關性而不是因果只是一個方面的內容，實際上往往探索因果仍然很重要，就拿尿片和啤酒的例子來說看起來很簡單，但是究竟是誰發現了這種相關性才更加重要，發現相關性的過程往往是從果尋因的過程，否則你也很難真正就確定是具備相關性。
其次就智能交通來說，現在的智慧交通應用往往已經能夠很方面的進行整個大城市環境下的交通狀況監控並發布相應的道路狀況信息。在GPS導航中往往也可以實時的看到相應的擁堵路況等信息，而方便駕駛者選擇新的路線。但是這仍然是一種事後分析和處理的機制，一個好的智能導航和交通流誘導系統一定是基於大量的實時數據分析為每個車輛給出最好的導航路線，而不是在事後進行處理。對於智能交通中的交通流分配和誘導等模型很復雜，而且面對大量的實時數據採集，根據模型進行實時分分析和計算，給出有價值的結果，這個在原有的信息技術下確實很難解決。隨著物聯網和車聯網，分布式計算，基於大數據的實時流處理等各種技術的不斷城市，智能的交通導航和趨勢分析預測將逐步成為可能。
還有一個在國外大片中經常能夠看到的就是實時的車輛追蹤，隨著智慧城市的建設，城市裡面到處都是攝像頭採集數據，當鎖定一個車輛後如何根據車輛的特徵或車牌號等信息，實時的追蹤到車輛的行走路線和位置。這裡面往往需要實時的視頻數據採集，採集數據的實時分析和比對，給出相應的參考信息和數據。這個個人認為是具有相當大的難度，要知道對於視頻流和圖像信息的比對和分析往往更加耗費計算資源，需要更長的計算周期，要從城市成千上萬個攝像頭裡面採集數據並進行實時分析完全滿足大數據常說的海量數據，異構數據，速度和價值等四個維度的特徵。基於車輛能夠做到，基於人當然同樣也可以做到，希望這類應用能夠逐步的出現，至少現在從硬體水平能力和技術基礎上已經具備這種大數據應用的能力。
-

8. 智慧交通流量監控方案怎麼做的

宇視科技是全球公共安全和智能交通的解決方案提供商，宇視HC121 200萬星光視頻交通流量筒，是專用於智能交通流量監控方案的產品。它具有超低照度光學感應器和內置補光模塊，可在陰雨天、夜晚有效持續檢測；內嵌多種智能演算法，可進行多種交通流量信息採集，如車道流量、車輛平均車速、車道時間佔有率和空間佔有率、車道排隊長度、車輛類型、車道通行狀態的識別和統計。

9. 當出行平台遇到人工智慧，將如何改善人類交通系統

我相信，哪怕「下半場」概念的持續走俏，當整個社會的技術基礎設施向人工智慧的底座切換，它被寫入政府工作報告也只是時間問題。要知道，在過去數十年，當科技學術界在向公眾描述未來時，對於「確定趨勢」凝成共識的次數其實屈指可數——且遠未達到今天學界對深度學習這條技術脈絡高度認可的堅定態度。

這種共識當然會向政府等決策層傳遞。就像互聯網時代，不少科技企業完成了對資源配置的重新釋放，在即將大規模落地的人工智慧時代，在對待更復雜的社會問題時，他們也有能力，通過AI為政府和其他社會組織賦能，通過數據的交融，合力將城市向更具智慧的方向演進。

其實誰都知道，世界的復雜度正如「沙堆實驗」一般集聚，傳統人力基於過往經驗，早已顯得疲憊不堪——譬如交通問題，早有人預言，隱匿於城市毛細血管的交通網路，有可能是第一個被擱置在人工智慧底座的社會系統。

在迅猛的城市化發展中，交通是所有人的切膚之痛：在中國，有大約超過50個城市面臨不同程度的擁堵，城市越大擁堵越嚴重，不只中國，交通問題是世界大型城市的共同頑疾，我看到的數據顯示，歐盟境內每年因交通擁堵造成的經濟損失達到了1000億歐元——而也正因如此，在全世界的資本市場，出行領域的點滴創新，從來都會招致他們的敏銳嗅覺。

巨大的公共福祉背後，是頗為堅信的路徑實現。眾所周知，城市交通網路由人，交通工具和管理三個維度構成，且隨時都在變化。

而這也意味著，當數據成為新經濟的底層驅動力，解決交通這樣的復雜社會問題，政府也勢必對人工智慧敞開懷抱。在我看來，通過「人工智慧+社會治理」，用數據為城市「畫像」，才是每天誕生的海量城市數據的最佳歸宿。

具體到交通領域，無論約租車，移動地圖，還是共享單車，實時公交，都將成為智慧城市升級路上的重要一環。

解決人口問題的智能方式

說到城市化，不妨先說一個我今天看到的案例：人口問題。

必須承認，將巨大人口捲入到整個世界經濟的分工體系，是過去三十年中國增長奇跡的最大因素（事實上，愈到未來，中國人口紅利優勢就愈顯著，全世界最發達的高鐵系統就是最好佐證）。而在中國人口問題的另一端，如今社會學家的普遍達成的共識是：自由遷徙實則是解決城市化發展「不公」的最佳方案。

如你所知，在城市化歷史進程的奔流中，你一定經歷過那種看起來就充滿不確定性的人口普查方法，面對頻繁的流動，傳統普查方式人力成本高企且往往並不精確。

其實政府完全可以仰仗更睿智的方式，譬如通過移動地圖，要知道，網路地圖每天響應450億次定位請求，位置服務超720億次，完全可以基於這些累計的定位數據，計算出每個用戶的工作地和居住地（譬如在網路的演算法中，當兩個月在某個位置出現上百次；時間集中在9:00-19:00；連接的wifi固定，基本可以判斷是在工作地），然後通過劃分區域位置邊界，測算出某個區域的人口絕對值。

事實上，如今網路地圖慧眼數據的預測准確率已達85%以上，這意味著，它完全可以為政府機構提供重要的輔助性數據資料。比如網路地圖就依靠人口數據優勢，以城市新流入常駐人口與全國所有城市新流入常駐人口均值比值為指標，發布了城市吸引力報告，2017年第一季度的報告顯示：在人口吸引力排名Top10城市中，長三角、珠三角各佔三席，人口吸引力突出，此外還包含北京、重慶、成都及鄭州。

值得一提的是，網路還以城市擁堵指數和公交站點覆蓋率為指標，同時發布了城市交通運行情況報告。城市擁堵方面，從主要城市擁堵排名Top10數據看，直轄市重慶、北京、上海三大城市入榜，天津是唯一未入榜的直轄市；其他入榜城市均為省會城市，其中哈爾濱以2.138的工作日高峰擁堵指數居榜首。而公交站點方面，在公共交通站點500米人口覆蓋率排名前十的城市中，廣東有深圳、東莞、佛山、廣州四個城市上榜，北京作為北方唯一入選Top10的城市，排名為第七。

可以預見，這種基於真實流動狀態的數據分析勢必將影響決策。

人工智慧+交通的路徑實現

事實上，判別智慧城市的一大標准，即是各個領域決策層——尤其政府決策部門對於數據的駕馭程度。而欣喜的是，作為一次演算法革命，深度學習以一種簡練的網路模型得以解決過往極為復雜的社會難題，譬如交通。下面不妨從打車，公交，單車和地圖等不同維度來拼接成「智慧交通」的全貌。

先說以滴滴為代表的出行平台。從幾年前的「互聯網+打車」到「用積累下來的數據提供更多價值」，滴滴算是移動互聯網時代向人工智慧時代躍遷的極佳樣本。要知道，如今滴滴每日峰值訂單超過2000萬單，每日處理數據超過2000TB，相當於200萬部電影，海量數據包含路況，叫車信息，駕駛行為和車輛數據等多個維度。而無論是供需預測，路徑規劃還是平台派單，都是演算法在起決定作用，畢竟在實時性的要求之下，其中變數已非人力調控可以滿足，就像滴滴研究院院長何曉飛所言：「如果我們能搜集到更多的數據，未來有一天我們甚至能夠知道每一位乘客，每一位司機的意願。如果我們能夠更加准確的甚至預測人的心理，那麼我們可以把整個城市的交通管理的更加有秩序。」

再來看智能出行的基礎：移動地圖。事實上，少有人知的是，人工智慧已滲透進網路地圖的每一項基礎業務，將其變成了一個基於大數據的人工智慧出行平台。

官方數據顯示，如今網路地圖每日提供的位置服務超過720億次，每日導航服務超過2億公里，其自身也從單純解決陌生地認路，演化到如今的智能導航。從出行前的時間預測和不同需求的個性化路線選擇，到出行中精準的實時避堵路線推薦，它都以一種模擬「老司機」思維方式的思路：通過建立交通大腦，記憶數百億次不同用戶的出行旅程，將智慧「反哺」到每一次用戶的具體出行之中。

其實不難發現，所謂新司機和老司機的差別，即是掌握的交通信息渠道和本地駕駛經驗。而基於高性能流式計算，現在的網路地圖可以做到分鍾級別的路況更新，某個地方發生擁堵，不到一分鍾就會被識別。此外，網路還可以精確推算全國路網的動態車流關系，實現未來一小時的路況預測，這種路況預測模型，包括了日期，時間，天氣，路段路況和區域路況等多個維度，並輔之以棋局態勢感知和區域路況態勢感知的神經網路演算法。

頗值一提的是，網路地圖還通過聚合群體智慧，通過數據積累對本地經驗路線了如指掌：通過人工智慧對比用戶路線和規劃路線，找出差異，統計用戶最多走法，如老司機一般得到局部經驗路線，提供更優方案。而「老司機經驗+個性化偏好」的智能化設定，無疑可以充分滿足不同用戶的差異化出行需求。總之，網路交通大腦的智慧源自每一位用戶，而它又以更高智慧回饋給他們。

與政府打造智慧交通網

當然，在移動地圖之外，人工智慧同樣可以用於如今炙手可熱的共享單車身上。

我個人看來，更好地優化車輛配置，是需要共享單車平台共同面對，也是讓交管部門較為疑慮的問題，誠如大數據專家塗子沛所言，共享單車首先要回答一個問題：一座城市究竟需要多少輛公共自行車？「要得到這個答案，必須結合城市人口、公交系統、私家車、道路等各項數據，進行計算。其中最重要的估算手段，是把城市裡每一個人的家庭住址和其工作地點在資料庫層面打通，從而掌握每一個人在城市中最日常的流動，即上班族的『潮汐』特性。」

其實在人工智慧處理交通數據這件事上，相比於共享單車，目前較為成熟的也許是並不惹眼的實時公交領域——要知道，每日至少兩次的高頻應用，讓各種實時公交應用的累積數據並不亞於打車類軟體：就像滴滴讓人們習慣了「掐點」坐車，通過大數據與深度學習，實時公交應用也可以實現公交數據的實時整合，讓用戶能清晰獲取每日賴以出行的公交車信息，如現在走到哪了，是否正在堵車，什麼時候到站，甚至整條線路的實時通行狀況，以此決定什麼時候離開辦公室或者家前去等車比較合適。毫無疑問，這種基於人工智慧的資源匹配，對於城市公共交通出行效率，出行選擇率以及城市承載率都意義深遠，也勢必得到決策部門的重視。

嗯，在人工智慧的加持之下，科技企業與政府數據的共享，無疑是能否促進智慧交通網路的關鍵——要知道，中國各級政府掌握著全社會信息資源的80%，擁有海量且高質量的數據，當它們與科技企業的數據和人工智慧相結合，產生的正向社會效應將難以估量。

就拿交通來說，一座城市每天產生數千萬交通數據，其實交通部門也在尋求與網路這種人工智慧技術完備的企業合作，網路地圖交通雲已與深圳市，成都市，三亞市等13家交警部門，以及江蘇省，遼寧省，四川省和河南省等共10家省市級交通部門開展交通大數據共享及信息聯合發布合作，在道路擁堵分析，出行通勤分析，人群熱力和人口遷徙分析等內容上，通過人工智慧將數據價值最大化。

在我看來，除了前文所述的實時資源匹配，提升日常交通疏導效率，「人工智慧+交通」的更大福祉，是這些數據能夠回饋到城市建設之中，利用數據進行城市線管規劃，交通擁堵成因進行分析，對異常道路進行數據挖掘，並將數據用於交通管理調度及相關決策，輔助宏觀交通規劃。

畢竟，說到底，所謂「智慧城市」的全部秘密，不外乎搭建數據平台，再通過人工智慧的賦能，向公眾提供更好的服務平台——這需要科技企業與政府的充分聯姻，而可以預見的是，當整個社會的公共決策變得越來越復雜，這種聯姻也就越來越重要。

李北辰/文（知名科技自媒體，致力於用文字優雅的文章，為您提供談資與見識）