交通拥堵已经成为大城市的心病。
高德地图发布的研究报告显示，在汽车保有量超过200万辆的27个城市中，有16个城市交通处于亚健康状态，包含了所有一线城市和大部分新一线城市。并且，随着汽车保有量的增加，城市拥堵情况形势更为严峻。
为了解决拥堵问题，各城市使出了浑身解数：从多修路到多设信号灯，从倡导绿色出行到给予补贴出行，从单双号限行到早晚高峰限行......
然而，种种措施在面对千万级别的人口带来的出行需求时显得如此"鸡肋"。公安部数据显示，过去五年，我国汽车保有量以大约每年2000万的数量增长，这表明从出行方式上来解决问题已然难以奏效，消费结构升级与交通资源不匹配的矛盾愈发突出。
根据供求定律，增加资源是解决供求失衡的方法，体现在交通上，就是修路。修路往往是解决拥堵问题的不错选择，但在现有城市规划下，尤其是寸土寸金的一线城市，修路成本太高，涉及到拆、迁、改等环节，显然不是上策。
在修路成本这一线性约束下，另一种方法是通过提高道路通行效率来实现侧翼突破。但如何让既有的城市道路发挥出最大的通行效率，这是诸多城市管理者面临的难题。
"要解决交通拥堵，首先要'发现拥堵'，然后才是'疏解拥堵'。"天壤创始人薛贵荣表示，面对庞大的工作量，人已经不能解决许多问题，可行的方法是：依托人工智能技术，实现对交通拥堵的智能化治理。
和多数人一样，薛贵荣起初并不熟悉交通，更没想过会做这方面的技术，然而多年以后，他已成为研究交通拥堵问题的专家。一切，都还要从十多年前的一次"偶遇"开始。
和大部分AI企业CEO一样，薛贵荣也是科研出身，属于圈内人士。
2006年，在结束4年微软研究院的工作后，薛贵荣拿到了交大的博士毕业证，那时国内人工智能企业正处于摸索阶段，商汤旷视科这些明星公司都还没有成立。
毕业后的薛贵荣选择留校任教，带着学生们在实验室里继续搞算法研究。但实验室里搞研究，最大的问题是，计算资源很少，数据不足以支撑大规模的运算验证。
"当时实验室里大概能做百万级别的网页搜索，现实数据却是上百亿级别的规模。"薛贵荣表示，数据规模越大，问题的难度和挑战都不一样，算法研究需要大量数据作支撑，才能训练出较为准确的模型，但学校显然无法提供如此庞大的计算资源。
正当薛贵荣为数据头疼时，阿里找到他，表示可以提供1000台机器做研究，"想怎么玩就怎么玩"。
彼时阿里云刚刚成立，云计算在国内还不是一个热门概念，急需从事算法研究方面的人才，所以向他抛出橄榄枝。不久之后，薛贵荣加入阿里云，花了数年时间构建了神马搜索系统。
2013年，薛贵荣被调往阿里妈妈，负责广告端的搜索技术。基于此前的经验，他所在的团队很快就搭建起数据管理平台，也就是赫赫有名的"达摩盘（DMP）"，通过对数据的分析运用，实现阿里广告业务面向人群的精准投放，大大增强了阿里的数据变现能力。三年时间，阿里的广告业务收入从一千多万增加到八千多万。
2016年，薛贵荣从阿里妈妈离开，离开的原因很简单--阿尔法狗战胜李世石，让他开始思考如何利用人工智能技术来提升人的生活质量。
"那时候我就想出来开始创业，看看人工智能的核心的技术能不能用在我们的商业或者是工作与生活中。"
于是在阿尔法狗战胜李世石后的三个月，2016年6月，薛贵荣创立天壤，第一件事就是组建算法团队复现阿尔法狗的技术。
两年后，也就是2018年5月，天壤团队研究的算法机器在90手以内就击败了当时世界第一的围棋选手朴廷桓，机器再次赢得了优势。兴奋之余，薛贵荣开始思索技术落地的场景。
在他看来，数据的多少关系到技术水平的高低，如果没有数据，那么就很难把技术做深，但数据获取又是比较难的事。同时，这种人工智能技术对于系统的要求非常高，落地的市场也很复杂。
过程漫长而焦灼，在这期间，天壤推出了人机对战平台，普通人可登录该平台与机器进行围棋对弈，提高自身水平。后来，一个偶然的电话，让薛贵荣如鱼得水般看见了新的赛道。
对方是某市交警队的副局长，以棋为引，说他的技术可以用在交通上，来解决交通拥堵问题。
"棋论"显然颇有深意，但当时薛贵荣对交通并不了解。挂掉电话后，他花了相当一段时间来考察和思索城市的交通问题，最终发现，城市交通并非简单的信号控制，要解决交通拥堵，挑战非常之大。
如同下围棋，交通治理也要从全局出发，兼顾局部问题，一个地方发生拥堵，很可能会引起连环反应，进而导致"一子落错，全盘皆输"的情况。
薛贵荣介绍道，以常见的19路棋盘为例，共有361个落点，每一个点的状态有三种可能：白子、黑子、无子，那么算下来一共是3的361次方种变化可能。
但是一个路口，车辆有直行的，有左拐的，有右转的，还有对面来车......这些状态显然比棋子落盘更为复杂，并且，如果把整个城市当成一座棋盘，那么落点非常之多。
综合下来，交通治理的复杂程度要比围棋更加复杂，靠人力来指挥交通，除了效率低下以外，人力成本就是一项很大的开支。
薛贵荣表示，比较普遍的情况是，假如某地发生拥堵，如果靠人力调控红绿灯，以180秒的相位算，红绿灯真正能起作用，需要调节5到10个相位，也就是15到30分钟左右，才能将交通拥堵慢慢疏散。
"目前基本上是以单点调控为主，以人的能力，一般能调两个路口，三个甚至以上的路口，依靠人来调控就不太现实了。"
那么用机器调控呢？
"现在的机器调控都侧重于搞'绿波带'，而不是从整个拥堵的场景出发做解决方案。"薛贵荣说道，所谓绿波带就是通过对车辆经过某一路段的时间进行计算，协调各个路口的红绿灯信号，从而使得车辆在通行时能"一路绿灯"，提高通行效率。
但"绿波带"对道路交通秩序要求非常高，行人、非机动车与机动车等都要各行其道。"这往往适合于主干道"，薛贵荣表示，现实情况是，拥堵的路口情况非常复杂，行人、司机在拥堵时可能会争路权，也会产生许多突发情况，所以"绿波带"很难从实际场景来解决拥堵问题。
在薛贵荣看来，"绿波带"之所以难以解决拥堵问题，除了对道路的要求过高之外，更重要的是没有考虑到数据有效性的问题。
人们提到交通拥挤，总会参考汽车保有量和每天的通行量这两个数据。诚然，从大趋势看，汽车保有量越大，城市拥堵的也会更严峻，但真正会造成拥堵的，往往是某一时刻道路上行驶的车辆数量。
"一座城市汽车保有量的数据是相对静态的，但城市道路上的实时行驶车辆数，却是动态的。"薛贵荣认为，汽车保有量这类数据只能做一个大致的参考，实际作用不大，因为并不是所有车都会在同一时间行驶在路上。有的人错峰出行，有的人绿色出行，还有的人直接走路出行。如果参照这类数据来做信号调控，其效果并不会很明显，甚至可能会造成资源浪费。
比如，过春节时，一线城市路面上的车辆较之平常肯定减少，通行很顺畅；而逢中秋国庆等节假日，一线城市的出行需求就会大幅上升，从而造成拥堵。
"我们还在用一种很静态的方法来描述一个城市，而忽略了城市交通本身是动态的，那么我们对城市交通的理解就会有失偏颇，特别是当车流动起来之后，数据都是全新的，不能再以静态的思维来思考问题。"
他认为应该用更加贴切的指标，比如在途量延误指数，包括平均车速、最大车速、延误指数下的最大通行量等，来衡量城市的通行能力，从动态数据出发，因地制宜，因时制宜，才能提高道路通行效率。
交通拥堵的治理，主要分为"发现"和"调度"两个环节。
"首先要发现拥堵，这是最重要的，同时也是最为困难的事。"薛贵荣表示，堵车存在一个现象，即蔓延性拥堵，一个路口的拥堵会很快蔓延到邻近的路口，所以尽早发现拥堵，才可能尽早实现调节，解决问题。
但是发现拥堵并不容易，交通管理者和司机通常依靠高德、百度等地图软件来发现拥堵情况，然而互联网地图存在一个特点：信息滞后。
"地图没有眼睛，不能直接观察到拥堵，而是算出来的。比如一辆车行驶缓慢，地图软件将GPS定位信息传送至云端，云端系统不会判定为拥堵，十辆二十辆车也不会，只有样本数达标以后，系统才会判断为拥堵。"
一般情况下，地图软件发现拥堵会滞后5到10分钟，对于不太繁忙的路口，很可能已经疏通完毕。而对于交通要道，这样的延迟只会造成更加严重的拥堵，因为车流源源不断，哪怕是很短的时间，道路上也会聚集诸多车辆。
"所以，要解决'发现拥堵'这个问题，一种解法是直接派交警去观察， 但是成本很高；另一种解法是利用数据，来做综合判断。"
"天壤独有的多源数据融合算法使场景数据告别'5分钟更新'时代，实现1分钟更新。"薛贵荣表示。
发现拥堵之后，天壤的交通大脑一方面会给交管部门预警，交管部门会派出工作人员进行疏导；另一方面会及时提醒司机相应路段的拥堵情况，从源头上疏解车辆。
在"调度"环节，天壤交通大脑主要通过信控方案来调控信号灯的时长，基于数据的特殊算法来实现对信号灯时长的准确控制，针对不同地区的拥堵，分析其成因，并且给出对应的解法。
目前，天壤交通大脑已在南昌等多个城市落地。
以南昌为例，该市的汽车保有量已经增至127万辆，交通拥堵问题较为严重。在引入天壤交通大脑之后，全市平均车速从2019年的32km/h提升到38km/h，交通拥堵指数相对下降了0.08。
根据高德地图2021Q1报告，南昌的交通健康指数在全国重点50个城市中从2019年的第42位升至第10位，拥堵程度相较于2019年Q1缓解了9.22%，从亚健康状态变为健康状态。
薛贵荣透露，天壤即将推出新一代交通大脑，能支撑城市级规模2000+路口的真实路网与100万+实时车流的交通仿真推演，并提供城市级规模的信号灯调控大模型，进一步为城市交通赋能。
随着人工智能技术的发展与应用，交通行业也将迎来智能化。从以信号控制为主的"粗放型"治理到以交通大脑为主的"精细化"治理，在大量数据的模型推演下，道路通行效率将进一步提高，拥堵也会得到疏解。
未来，天壤将会探索用智能技术去解决更多城市复杂场景下的调度决策问题。
"城市交通治堵是系统工程，城市级的资源优化配置是世界级命题，还有很多难题等着我们击破。"薛贵荣表示。雷锋网雷锋网雷锋网
正在生成分享图...
nebula