智能算法交通数据

1. 智能交通的发展状况

面对当今世界全球化、信息化发展趋势，传统的交通技术和手段已不适应经济社会发展的要求。智能交通系统是交通事业发展的必然选择，是交通事业的一场革命。通过先进的信息技术、通信技术、控制技术、传感技术、计算器技术和系统综合技术有效的集成和应用，使人、车、路之间的相互作用关系以新的方式呈现，从而实现实时、准确、高效、安全、节能的目标。
交通安全、交通堵塞及环境污染是困扰当今国际交通领域的三大难题，尤其以交通安全问题最为严重。采用智能交通技术提高道路管理水平后，每年仅交通事故死亡人数就可减少30%以上，并能提高交通工具的使用效率50%以上。为此，世界各发达国家竞相投入大量资金和人力，进行大规模的智能交通技术研究试验。很多发达国家已从对该系统的研究与测试转入全面部署阶段。智能交通系统将是21世纪交通发展的主流，这一系统可使现有公路使用率提高15%到30%。
美、欧、日是世界上智能交通系统开发应用的最好国家，从它们发展情况看，智能交通系统的发展，已不限于解决交通拥堵、交通事故、交通污染等问题。经30余年发展，ITS的开发应用已取得巨大成就。美、欧、日等发达国家基本上完成了ITS体系框架，在重点发展领域大规模应用。可以说，科学技术的进步极大推动了交通的发展，而ITS的提出并实施，又为高新技术发展提供了广阔的发展空间。
随着传感器技术、通信技术、GIS技术（地理信息系统）、3S技术（遥感技术、地理信息系统、全球定位系统三种技术）和计算机技术的不断发展，交通信息的采集经历了从人工采集到单一的磁性检测器交通信息采集到多源的多种采集方式组合的交通信息采集的历史发展过程，同时国内外对交通信息处理研究的逐步深入，统计分析技术、人工智能技术、数据融合技术、并行计算技术等逐步被应用于交通信息的处理中，使得交通信息的处理得到不断的发展和革新，更加满足ITS各子系统管理者、用户的需求。信息采集与处理设备行业呈现如下特点： 1、信息采集与处理方式的多样化
交通信息采集的方式分为人工采集方式和自动采集方式。自动采集方式包括磁性检测器（包括感应线圈检测器、磁阻传感器等）、光学检测器（包括视频检测器、激光检测器）、微波检测器（包括微波检测器和雷达测速仪）、路面情况及测重传感器（雨雾检测器，路面结冰检测器，轮、轴重仪等）。随着科学技术的发展，自动采集技术得到了不断的研究、发展和应用。各种采集技术都有各自的优点和缺点，利用多种采集方式的进行组合采集交通信息是国内外研究的热点和焦点。
开发了信息的质量控制技术、多源交通信息融合技术、信息的多时间尺度预测技术、信息集成技术、信息压缩技术和存储技术等，大大提高了信息的精度及信息提供的种类。
2、信息的内容及地理范围广
不同的交通采集方式采集的参数种类有限，例如感应线圈只能采集到交通流量、占有率、速度等固定地点的截面交通参数;视频检测器只能采集到交通流量、速度、占有率、排队长度等固定地点的交通参数；随着多种交通采集方式的组合，可以获得交通流量、速度、占有率、排队长度、行程时间、区间速度等截面和路段交通参数，丰富了交通信息的采集内容的同时也提高了采集地理范围的广度。
随着交通数据获取源的增加，交通信息用户对海量交通信息实时性需求的逐步提高。近几年，国内外逐渐将分布式并行计算技术、高性能计算服务器以及高性能的数据处理算法应用于海量交通信息的处理之中，改善了信息的处理速度。
3、信息采集的精度和经济性提高
随着磁性和光学传感器工艺的提高、图像处理技术和定位技术的发展，交通信息的采集精度也不断得到提高。同时，随着近几年对交通检测器配置优化技术的不断深入研究，交通信息的采集在保证信息全面性和动态性的前提下，也提高了交通信息采集的经济性。这为ITS系统的开发和应用奠定了基础。随着人工智能、统计分析、模糊逻辑、混沌理论等的逐渐成熟，逐渐开发出了一些基于这些理论及方法的交通信息处理方法，大大提高了信息处理的精度及质量。

2. 人工智能算法解决新挑战，智能算法是什么是如何运行的

由于人工智能缺乏可解释性，人们越来越关注人工智能主体的接受和信任问题。多年来，对可解释性的重视在计算机视觉、自然语言处理和序列建模等领域取得了巨大的进展。随着时间的推移，这些类型的编码指令变得比任何人想象的都更加全面和复杂。人工智能算法已经进入了这一领域。人工智能算法是机器学习的一个子领域，它引导计算机学习如何独立工作。因此，为了优化程序并更快地完成工作，小工具将继续学习。

人工智能算法也每天都在使用。尽管关于美国联邦政府如何保护个人数据信息的问题尚不清楚，但对特定方面和通信的计算机软件监控已经在防止国内外的重大恐怖行为。这只是人类使用人工智能不断发展和扩大的一种经验。人类对人工智能的使用拓宽了我们的视野，使事情变得更简单、更安全，并使子孙后代更幸福。

3. 大数据和智慧交通有哪些应用的案例

根据ITS114的不完全统计，截至2015年12月31日，包括城市智慧交通和高速公路机电市场的全年千万项目统计规模为182.5亿，其中主要分为四
大市场1.交通管控市场千万项目规模为84.24亿。2.智慧交通/智能运输市场千万项目规模为20.33亿。3.高速公路机电市场千万项目规模为
75.8亿。4.平安城市千万项目规模为56.6亿。以上四个市场都有着很多的智慧交通方面的应用案例。
具体的在交通管控市场方面，
当前各个省积极构建的交通运行监测与应急指挥系统，还有围绕着视频、图像分析，从而实现在治安、交通、工业制造、汽车、人工智能等等诸多领域的应用亦是智
慧交通的典型案例。如深圳榕享的"交通仿真与智能管控机器人"可实时采集视频检测数据与线圈检测数据，将采集的交通流数据、信号配时等数据输入到建立的仿
真路网模型中，进行实时的交通系统仿真。通过一体化交通仿真模型，机器人能快速找出路网拥堵点以及分析路网的常发性拥堵点，并对交通流运营状况的演变进行
预测和分析。在交通仿真与智能管控机器人平台上，还可对城市的任意交叉口的交通环境进行设置，周边居民可将相关建议"告知"机器人，实时模拟交叉口改良效
果，实现全民参与、全民实践、全民创新的交通管理新模式。
智慧交通/运输方面各种“专车”“快车”“拼车”“代驾”平台类和软件数据类的实例比比皆是，如我们都熟知的“滴滴快递”“uber"“e代驾”等app应用。
交
通工具新型技术案例方面：如无人驾驶、自动驾驶、智能车等等；在2015年12月互联网大会上李彦宏展示的无人车，李书福展现的自动驾驶技术都体现了当前
智能交通工具的发展。
更近一点的是，汽车电子标识、ETC、车路协同。2015年的新能源客车市场呈爆发性增长，新能源客车销量达到37363辆，同比增长213.19%，同
时2015年国务院印发《新能源公交车推广应用考核办法（试行）》、《电动汽车充电基础设施发展指南》等等政策文件，可预见的是新能源汽车将会造就一个巨
大的市场，建立在新能源汽车之上的车联网也将搭上顺风车。
平安城市也有很多已经成型的智慧交通案例。平安城市是基于GIS数字地图技术，高
度整合治安监控、智能交通、数字城管、应急指挥等子系统，改变传统的静态管理和单点管理，实现实时、动态的联动管理新模式，实现了整个城市的治安、交通、
城管、应急联动等各个职能部门的联动，建立了高效的城市部门联动机制，提高了城市的集成化、智慧化管理水平。根据高清视频监控系统的特点和应用需求，结合
当前与今后一定时期内图像监控系统与图像应用系统的发展需要，建设一套先进的平安城市综合应用平台，为指挥调度、调查取证、应急处置、交通管理等多种后台
应用提供及时、可靠的视频图像信息，服务于实战。市面上常见的平安城市系统具备的主要功能大部分都有：人脸卡口功能；交通事件检测功能；智能检索功能；道
路违法抓拍功能；车辆稽查布控功能；非现场执法；分析研判功能；交通事态监控功能；视频质量检测功能；智能应用管理功能；数据格式及通信功能；远程控制功
能；指挥调度功能；勤务管理功能； 设备运行状态监测功能。
以上在我看来都是智慧交通的应用案例。
接下来说一下在大数据方面的应用案例
在
医疗方面，纽约的mountsinai医院利用数千名患者的数据、历年汇报的流感爆发数据等数据与病毒的变异过程做交叉比对。通过这种工作，科学家和医生
可以预测病毒如何传播，以及对抗这些病毒的最佳途径；甚至有可能使用预测分析来判断病毒的传播方式，然后采取行动来限制这一传播。据说这家医院有望在未来
阻止流感的发生。
在交通方面，浙江某城市与英特尔合作，安装了1000个数字监控设备，100个智能监测点系统，超过300个检查点的电子警察，和500多个视频监控系统。通过更有效地监测交通和拥堵数据，改善交通流量，减少道路交通事故。
在
废物处理方面，
英国曼彻斯特垃圾处理局有一套系统，能够利用数据使得产生的垃圾被尽可能多的再次利用。通过对来自不同地区的卡车进出加工厂时进行称重，能够了解每个地区
所产生的垃圾数量。这些数据帮助当局出台了相应的政策，鼓励那些特定的社区更好的垃圾回收和垃圾减量。
在建筑方面， 住房慈善机构hact从400,000座住房中持续不断地收集数据，并进行了各种数据分析。通过数据来发现设计、建造、布局中存在的潜在问题，进而在建造新的楼宇时优化相关的参数，避免这些问题，改进政府保障房的的维修，规划空间合理使用。

智能应用服务，Google提供的大数据分析智能应用包括客户情绪分析、交易风险（欺诈分析）、产品推荐、消息路由、诊断、客户流失预测、法律文案分类、
电子邮件内容过滤、政治倾向预测、物种鉴定等多个方面。据称，大数据已经给Google每天带来2300万美元的收入。例如，一些典型应用如下：
（1）基于Map Rece，Google的传统应用包括数据存储、数据分析、日志分析、搜索质量以及其他数据分析应用。
（2）基于Dremel系统， Google推出其强大的数据分析软件和服务 —
BigQuery，它也是Google自己使用的互联网检索服务的一部分。Google已经开始销售在线数据分析服务，试图与市场上类似亚马逊网络服务
(Amazon Web Services)这样的企业云计算服务竞争。这个服务，能帮助企业用户在数秒内完成万亿字节的扫描。
（3）基于搜索统计算法，Google推出搜索引擎的输写纠错、统计型机器翻译等服务。

（4）Google的趋势图应用。通过用户对于搜索词的关注度，很快的理解社会上的热点是什么。对广告主来说，它的商业价值就是很快的知道现在用户在关心
什么，他们应该在什么地方投入一个广告。据此，Google公司也开发了一些大数据产品，如“Brand Lift in
Adwords”、“Active GRP”等，以帮助广告客户分析和评估其广告活动的效率。
（5）Google Instant。输入关键词的过程，Google
Instant 会边打边预测可能的搜索结果。
谷歌的大数据平台架构仍在演进中，追去的目标是更大数据集、更快、更准确的分析和计算。这将进一步引领大数据技术发展的方向。

在竞选方面，直到2012年，奥巴马的数据团队对数以千万计的选民邮件进行了大数据挖掘，精确预测出了更可能拥护奥巴马的选民类型，并进行了有针对性的宣
传，从而帮助奥巴马成为了美国历史上唯一一位在竞选经费处于劣势下实现连任的总统。只要数据量够大，够及时，挖掘够深刻，就可以洞悉每个选民的投票几率。

在教育方面，"以物联网、云计算等综合技术的成熟为基础，在学生管理数据库中挖掘出有价值的数据，经过过程性和综合性的考虑，找到学生各种行为之间的内在
联系，考量背后的逻辑关系，并作出恰当的教学决策。以某集团最新出版的全球少儿美语旗舰课程为例，引入了首款应用于少儿英语学习领域的
MyEnglishLab在线学习辅导系统（以下简称MEL），应用大数据技术全程实时分析学生个体和班级整体的学习进度、学情反馈和阶段性成果，从而及
时找到问题所在对症下药，实现对学习过程和结果的动态管理。

4. 智慧城市中的智能交通包括哪些内容

智慧交通是在智能交通（简称ITS）的基础上，利用在交通领域中充分运用物联网、云计算、互联网、人工智能、自动控制、移动互联网等技术，通过高新技术汇集交通信息，对交通管理、交通运输、公众出行等等交通领域全方面以及交通建设管理全过程进行管控支撑，使交通系统在区域、城市甚至更大的时空范围具备感知、互联、分析、预测、控制等能力，以充分保障交通安全、发挥交通基础设施效能、提升交通系统运行效率和管理水平，为通畅的公众出行和可持续的经济发展服务。

智慧交通通常包括：智慧交通基础设施、智慧化交通出行、智慧化交通调度和指挥、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。

智能交通系统的组成：
1、交通信息采集系统：人工输入、GPS车载导航仪器、GPS导航手机、车辆通行电子信息卡、CCTV摄像机、红外雷达检测器、线圈检测器、光学检测仪等等。
2、信息处理分析系统：信息服务器、专家系统、GIS应用系统、人工决策等等。
3、信息发布系统：互联网、手机、车载终端、广播、路侧广播、电子情报板、电话服务台等等。

5. 智能算法和交通流理论有什么优缺点，为什么有的用交通流理论有的用智能算法

而后被突然牛肉干体会 通过后年刚方便v

6. 智慧交通大数据能解决城市拥堵么

三维交通监控管理可视化技术，就成功应用到了两个交通大数据场景，技术高能预警！更多3D可视化案例可以在官网-资源中心查看~

• 隧道交通线段的三维交通流展示。通过采集交通流量数据，结合车辆三维模型、三维粒子运动技术，实现通过在隧道中展示车流的运动态势来客观呈现隧道现场的车辆运行状况。

7. 大数据，数据挖掘在交通领域有哪些应用

交通领域大数据分析和应用的场景会相当多，这里面要注意两点，一个是大数据本身的技术处理平台，一个是数据分析和挖掘算法。具体场景当时写过点内容，如下：
对于公交线路规划和设计是一个大数据潜在的应用场景，传统的公交线路规划往往需要在前期投入大量的人力进行OD调查和数据收集。特别是在公交卡普及后可以看到，对于OD流量数据完全可以从公交一卡通中采集到相关的交通流量和流向数据，包括同一张卡每天的行走路线和换乘次数等详细信息。对于一个上千万人口的大城市而言，每天的流量数据都会相当大，单一分析一天的数据可能没有相关的价值，而分析一个周期的数据趋势变化则会相当有价值。结合交通流量流向数据趋势变化，可以很好的帮助公交部门进行公交运营线路的调整，换乘站的设计等很多内容。这个方法可能很早就有人想到，但是在公交卡没有普及或海量数据处理和计算能力没有跟上的时候确实很难实际落地操作，而现在则是完全可以落地操作的时候了。
从单一的公交流量流向数据动态分析仅仅是一个方面，大数据往往更加强调相关性分析。比如对于在某一个时间段内公交流量和流向数据发生明细的趋势变化的时候，这个趋势变化的究竟和哪些潜在的大事件或其它影响因素的变化存在相关性，如何去分析这些相关性并做出正确的应对。举个简单的例子来说，当市中心区内的房屋租金持续增长的时候一定会影响到交通流的变化，很多人可能会搬离到更远的地方去居住，自然会形成更多的新增公交流量和流向信息。在《大数据时代》里面谈到更多的会关心相关性而不是因果只是一个方面的内容，实际上往往探索因果仍然很重要，就拿尿片和啤酒的例子来说看起来很简单，但是究竟是谁发现了这种相关性才更加重要，发现相关性的过程往往是从果寻因的过程，否则你也很难真正就确定是具备相关性。
其次就智能交通来说，现在的智慧交通应用往往已经能够很方面的进行整个大城市环境下的交通状况监控并发布相应的道路状况信息。在GPS导航中往往也可以实时的看到相应的拥堵路况等信息，而方便驾驶者选择新的路线。但是这仍然是一种事后分析和处理的机制，一个好的智能导航和交通流诱导系统一定是基于大量的实时数据分析为每个车辆给出最好的导航路线，而不是在事后进行处理。对于智能交通中的交通流分配和诱导等模型很复杂，而且面对大量的实时数据采集，根据模型进行实时分分析和计算，给出有价值的结果，这个在原有的信息技术下确实很难解决。随着物联网和车联网，分布式计算，基于大数据的实时流处理等各种技术的不断城市，智能的交通导航和趋势分析预测将逐步成为可能。
还有一个在国外大片中经常能够看到的就是实时的车辆追踪，随着智慧城市的建设，城市里面到处都是摄像头采集数据，当锁定一个车辆后如何根据车辆的特征或车牌号等信息，实时的追踪到车辆的行走路线和位置。这里面往往需要实时的视频数据采集，采集数据的实时分析和比对，给出相应的参考信息和数据。这个个人认为是具有相当大的难度，要知道对于视频流和图像信息的比对和分析往往更加耗费计算资源，需要更长的计算周期，要从城市成千上万个摄像头里面采集数据并进行实时分析完全满足大数据常说的海量数据，异构数据，速度和价值等四个维度的特征。基于车辆能够做到，基于人当然同样也可以做到，希望这类应用能够逐步的出现，至少现在从硬件水平能力和技术基础上已经具备这种大数据应用的能力。
-

8. 智慧交通流量监控方案怎么做的

宇视科技是全球公共安全和智能交通的解决方案提供商，宇视HC121 200万星光视频交通流量筒，是专用于智能交通流量监控方案的产品。它具有超低照度光学感应器和内置补光模块，可在阴雨天、夜晚有效持续检测；内嵌多种智能算法，可进行多种交通流量信息采集，如车道流量、车辆平均车速、车道时间占有率和空间占有率、车道排队长度、车辆类型、车道通行状态的识别和统计。

9. 当出行平台遇到人工智能，将如何改善人类交通系统

我相信，哪怕“下半场”概念的持续走俏，当整个社会的技术基础设施向人工智能的底座切换，它被写入政府工作报告也只是时间问题。要知道，在过去数十年，当科技学术界在向公众描述未来时，对于“确定趋势”凝成共识的次数其实屈指可数——且远未达到今天学界对深度学习这条技术脉络高度认可的坚定态度。

这种共识当然会向政府等决策层传递。就像互联网时代，不少科技企业完成了对资源配置的重新释放，在即将大规模落地的人工智能时代，在对待更复杂的社会问题时，他们也有能力，通过AI为政府和其他社会组织赋能，通过数据的交融，合力将城市向更具智慧的方向演进。

其实谁都知道，世界的复杂度正如“沙堆实验”一般集聚，传统人力基于过往经验，早已显得疲惫不堪——譬如交通问题，早有人预言，隐匿于城市毛细血管的交通网络，有可能是第一个被搁置在人工智能底座的社会系统。

在迅猛的城市化发展中，交通是所有人的切肤之痛：在中国，有大约超过50个城市面临不同程度的拥堵，城市越大拥堵越严重，不只中国，交通问题是世界大型城市的共同顽疾，我看到的数据显示，欧盟境内每年因交通拥堵造成的经济损失达到了1000亿欧元——而也正因如此，在全世界的资本市场，出行领域的点滴创新，从来都会招致他们的敏锐嗅觉。

巨大的公共福祉背后，是颇为坚信的路径实现。众所周知，城市交通网络由人，交通工具和管理三个维度构成，且随时都在变化。

而这也意味着，当数据成为新经济的底层驱动力，解决交通这样的复杂社会问题，政府也势必对人工智能敞开怀抱。在我看来，通过“人工智能+社会治理”，用数据为城市“画像”，才是每天诞生的海量城市数据的最佳归宿。

具体到交通领域，无论约租车，移动地图，还是共享单车，实时公交，都将成为智慧城市升级路上的重要一环。

解决人口问题的智能方式

说到城市化，不妨先说一个我今天看到的案例：人口问题。

必须承认，将巨大人口卷入到整个世界经济的分工体系，是过去三十年中国增长奇迹的最大因素（事实上，愈到未来，中国人口红利优势就愈显着，全世界最发达的高铁系统就是最好佐证）。而在中国人口问题的另一端，如今社会学家的普遍达成的共识是：自由迁徙实则是解决城市化发展“不公”的最佳方案。

如你所知，在城市化历史进程的奔流中，你一定经历过那种看起来就充满不确定性的人口普查方法，面对频繁的流动，传统普查方式人力成本高企且往往并不精确。

其实政府完全可以仰仗更睿智的方式，譬如通过移动地图，要知道，网络地图每天响应450亿次定位请求，位置服务超720亿次，完全可以基于这些累计的定位数据，计算出每个用户的工作地和居住地（譬如在网络的算法中，当两个月在某个位置出现上百次；时间集中在9:00-19:00；连接的wifi固定，基本可以判断是在工作地），然后通过划分区域位置边界，测算出某个区域的人口绝对值。

事实上，如今网络地图慧眼数据的预测准确率已达85%以上，这意味着，它完全可以为政府机构提供重要的辅助性数据资料。比如网络地图就依靠人口数据优势，以城市新流入常驻人口与全国所有城市新流入常驻人口均值比值为指标，发布了城市吸引力报告，2017年第一季度的报告显示：在人口吸引力排名Top10城市中，长三角、珠三角各占三席，人口吸引力突出，此外还包含北京、重庆、成都及郑州。

值得一提的是，网络还以城市拥堵指数和公交站点覆盖率为指标，同时发布了城市交通运行情况报告。城市拥堵方面，从主要城市拥堵排名Top10数据看，直辖市重庆、北京、上海三大城市入榜，天津是唯一未入榜的直辖市；其他入榜城市均为省会城市，其中哈尔滨以2.138的工作日高峰拥堵指数居榜首。而公交站点方面，在公共交通站点500米人口覆盖率排名前十的城市中，广东有深圳、东莞、佛山、广州四个城市上榜，北京作为北方唯一入选Top10的城市，排名为第七。

可以预见，这种基于真实流动状态的数据分析势必将影响决策。

人工智能+交通的路径实现

事实上，判别智慧城市的一大标准，即是各个领域决策层——尤其政府决策部门对于数据的驾驭程度。而欣喜的是，作为一次算法革命，深度学习以一种简练的网络模型得以解决过往极为复杂的社会难题，譬如交通。下面不妨从打车，公交，单车和地图等不同维度来拼接成“智慧交通”的全貌。

先说以滴滴为代表的出行平台。从几年前的“互联网+打车”到“用积累下来的数据提供更多价值”，滴滴算是移动互联网时代向人工智能时代跃迁的极佳样本。要知道，如今滴滴每日峰值订单超过2000万单，每日处理数据超过2000TB，相当于200万部电影，海量数据包含路况，叫车信息，驾驶行为和车辆数据等多个维度。而无论是供需预测，路径规划还是平台派单，都是算法在起决定作用，毕竟在实时性的要求之下，其中变量已非人力调控可以满足，就像滴滴研究院院长何晓飞所言：“如果我们能搜集到更多的数据，未来有一天我们甚至能够知道每一位乘客，每一位司机的意愿。如果我们能够更加准确的甚至预测人的心理，那么我们可以把整个城市的交通管理的更加有秩序。”

再来看智能出行的基础：移动地图。事实上，少有人知的是，人工智能已渗透进网络地图的每一项基础业务，将其变成了一个基于大数据的人工智能出行平台。

官方数据显示，如今网络地图每日提供的位置服务超过720亿次，每日导航服务超过2亿公里，其自身也从单纯解决陌生地认路，演化到如今的智能导航。从出行前的时间预测和不同需求的个性化路线选择，到出行中精准的实时避堵路线推荐，它都以一种模拟“老司机”思维方式的思路：通过建立交通大脑，记忆数百亿次不同用户的出行旅程，将智慧“反哺”到每一次用户的具体出行之中。

其实不难发现，所谓新司机和老司机的差别，即是掌握的交通信息渠道和本地驾驶经验。而基于高性能流式计算，现在的网络地图可以做到分钟级别的路况更新，某个地方发生拥堵，不到一分钟就会被识别。此外，网络还可以精确推算全国路网的动态车流关系，实现未来一小时的路况预测，这种路况预测模型，包括了日期，时间，天气，路段路况和区域路况等多个维度，并辅之以棋局态势感知和区域路况态势感知的神经网络算法。

颇值一提的是，网络地图还通过聚合群体智慧，通过数据积累对本地经验路线了如指掌：通过人工智能对比用户路线和规划路线，找出差异，统计用户最多走法，如老司机一般得到局部经验路线，提供更优方案。而“老司机经验+个性化偏好”的智能化设定，无疑可以充分满足不同用户的差异化出行需求。总之，网络交通大脑的智慧源自每一位用户，而它又以更高智慧回馈给他们。

与政府打造智慧交通网

当然，在移动地图之外，人工智能同样可以用于如今炙手可热的共享单车身上。

我个人看来，更好地优化车辆配置，是需要共享单车平台共同面对，也是让交管部门较为疑虑的问题，诚如大数据专家涂子沛所言，共享单车首先要回答一个问题：一座城市究竟需要多少辆公共自行车？“要得到这个答案，必须结合城市人口、公交系统、私家车、道路等各项数据，进行计算。其中最重要的估算手段，是把城市里每一个人的家庭住址和其工作地点在数据库层面打通，从而掌握每一个人在城市中最日常的流动，即上班族的‘潮汐’特性。”

其实在人工智能处理交通数据这件事上，相比于共享单车，目前较为成熟的也许是并不惹眼的实时公交领域——要知道，每日至少两次的高频应用，让各种实时公交应用的累积数据并不亚于打车类软件：就像滴滴让人们习惯了“掐点”坐车，通过大数据与深度学习，实时公交应用也可以实现公交数据的实时整合，让用户能清晰获取每日赖以出行的公交车信息，如现在走到哪了，是否正在堵车，什么时候到站，甚至整条线路的实时通行状况，以此决定什么时候离开办公室或者家前去等车比较合适。毫无疑问，这种基于人工智能的资源匹配，对于城市公共交通出行效率，出行选择率以及城市承载率都意义深远，也势必得到决策部门的重视。

嗯，在人工智能的加持之下，科技企业与政府数据的共享，无疑是能否促进智慧交通网络的关键——要知道，中国各级政府掌握着全社会信息资源的80%，拥有海量且高质量的数据，当它们与科技企业的数据和人工智能相结合，产生的正向社会效应将难以估量。

就拿交通来说，一座城市每天产生数千万交通数据，其实交通部门也在寻求与网络这种人工智能技术完备的企业合作，网络地图交通云已与深圳市，成都市，三亚市等13家交警部门，以及江苏省，辽宁省，四川省和河南省等共10家省市级交通部门开展交通大数据共享及信息联合发布合作，在道路拥堵分析，出行通勤分析，人群热力和人口迁徙分析等内容上，通过人工智能将数据价值最大化。

在我看来，除了前文所述的实时资源匹配，提升日常交通疏导效率，“人工智能+交通”的更大福祉，是这些数据能够回馈到城市建设之中，利用数据进行城市线管规划，交通拥堵成因进行分析，对异常道路进行数据挖掘，并将数据用于交通管理调度及相关决策，辅助宏观交通规划。

毕竟，说到底，所谓“智慧城市”的全部秘密，不外乎搭建数据平台，再通过人工智能的赋能，向公众提供更好的服务平台——这需要科技企业与政府的充分联姻，而可以预见的是，当整个社会的公共决策变得越来越复杂，这种联姻也就越来越重要。

李北辰/文（知名科技自媒体，致力于用文字优雅的文章，为您提供谈资与见识）