作者：李溪
编辑：余快
总要去趟绍兴，感受江南水乡。
是各大社交媒体中对绍兴最多的描述。其实绍兴不只有水乡柔情，还有柔中带刚的士人风骨，如今，更有科技的硬朗。
这个已有2500多年建城史的东亚文化之都，近些年开始了一系列的更新城市行动计划。
而智能交通，是城市数字化中的核心。
正如著名建筑学家梁思成所言：“城市是一门科学，它像人体一样有经络、脉搏、肌理，如果你不科学地对待它，它会生病的。”
城市聚集了40%以上的人口，就交通拥堵而言，城市已经病了许久。
绍兴作为一个地级市，也困扰于此，尤其将承接的大型国际赛事，对交通等城市综合条件要求更高。在建设“立体、高效、绿色、智能”的现代综合交通体系目标下，绍兴选择与商汤牵手。
商汤又为什么选择绍兴？
三线城市、超500万常住人口，路网规模几百个路口。
绍兴的城市素描极为典型，全国该类规模的城市数量最多，达几百个。
绍兴交通路口拓扑图
就交通路网条件而言，与北上广深以及省会千万级城市相比，受社会层面影响因素相对较少，易于改造升级，与此同时，绍兴的交通摄像头布设密度适中。
绍兴相当于一个大型交通样本，落地成功后可在全国大范围内复制。
但千年古城升级换新并非易事。
首先，一直以来，重建设，轻应用，是交通领域过去长期面临的处境。
建设先行、软件为后。首先保障系统的业务可行，其次是系统的效率性，甚至没有“其次”。
也因此，缺乏体系化地规划、部署，缺乏系统地培养交通软件体系管理人才，缺乏设备接入网络流程和制度。这使得信息化和交通软实力发展脱节。
其次，交通感知能力不足。
目前城市以利旧为主，意味着解析现有视频后将结果与信号机进行闭环，对摄像头的部署密度和点位要求较高。
绍兴在内的大多数城市存在几个问题。一是城市建设初期，交通项目分多期部署，摄像头的机型、视频分辨率等都不同。二是点位和密度，摄像头布设密度不均匀。
有些路口只有一个方向有摄像头，缺乏将视频转化为更多更丰富的交通数据支撑交通分析、警情发现与交通控制的能力。
再者，绍兴摄像头的覆盖率和路口信号灯的系统联网率较高，但交通智能化程度低。摄像头仅是用于违法抓拍，并不能提供交通流量等用于交通智能化运营管理所需的数据信息。换句话说，交通部门连整个绍兴每天路上有多少辆车都无法统计。
由于缺乏感知数据支撑，交通信号方案大多依靠人力和专家经验。
每个路口都需要事先通过人工调研路口交通流时段规律，然后为不同时段制定相对可靠的方案，最后人工植入信号控制系统。以一二线城市为例，需配置300-500人规模。
商汤在调研中还发现，很多城市在安装信号机后，厂商会给每个路口配时参数初始化，多年来交通需求在不断变化，但路口信号灯方案上，有的依靠人工设置，有的甚至停留在厂商初始化参数阶段，从未做过调整。
“可能一周、一个月甚至一年都不变，而全国有80-90%城市处于这个状态。”商汤科技智能交通产品线总经理郭海锋表示。
如此一来，不仅每个路口全天候采取时段方案固化，而且交通信号基础方案精细化程度不足，三四线城市中平均每个路口的配时方案数量少于4套。
此外，路口信息（渠化、交通设施、信号灯设置等）缺乏台账管理，最多以手工表格化加以记录，更新不及时管理难以持续，导致路口隐形资产无法有效刻画。
这些都导致智能交通发展几十年，至今仍无法输出可靠的路口流量，完善的交通控制理论在现实交通环境中难以落地。
这些问题其实并非绍兴独有，绍兴等城市在过去几十年的交通信息化建设中，解决了从无到有的问题，但从有到优的问题一直在起步阶段。
交通上一次承受外界热切的目光，是在2016年左右，互联网大厂来势汹汹，跨界跻身交通，最早以信控为切入口，以探索互联网数据优化信号配置方案为核心。
彼时他们均以各自旗下地图软件数据为依托，但因C端数据不同城市路网车辆覆盖差别大，数据样本量不足。
此外，不同系统和部门难以打通。交通部门使用该数据涉及外网与内网切换，不仅存在数据时延问题，还有数据安全、隐私保护隐患。
因此，C端互联网数据模式难以全面评估交通情况，只能得到偏宏观的配时方案，与信号机、信号系统之间无法形成闭环，落地效果远低于预期。
归根结底，这一波的交通升级只是信息化，而非智能化，没有大规模应用AI技术。
6年前AI爆火后，还支撑不起交通智慧化巨轮，自2018年开始，AI历经大坑终得突破性进展，技术成熟度、可用性皆达到了一个恰当节点。
而在这期间，AI技术储备上，商汤也已攒下不少经验。
来得早不如来得巧，商汤虽2019年进入交通领域，恰到时机。
交通是AI如排山倒海般涌向千行万业中一个极为特殊的市场：动力有多足，阻力就有多大。
按理说，有政策支持、有场景潜力、有升级需求，基本盘是没错，但近20年来，不仅没诞生巨头，亦无绝对领先的企业。
智能交通体系极其复杂，涉及层面多维，在这里就谈两个问题。
技术维度，决策型智能的技术高峰。
城市计算的全感知，由感知智能、认知智能、决策智能组成。
目前应用最广泛的AI，如图像识别、语言识别和计算机视觉识别等属于感知型，核心逻辑是输入输出函数，逻辑较为单一，尚且有诸多未解之题。
而以智能交通、AI游戏竞技为例的应用则属于决策型，核心是基于大量知识，不断地重新判断和推理，并作出决策，更加动态和灵活，也更加复杂。
要实现交通系统闭环，AI可能需要考虑组合爆炸带来的无穷无尽的问题：
如何协调一个路口的信号灯？
如何确定协同范围，是一个街区、片区或整个城市？
交通突发状况，如何及时找到原因、及时疏散并事后预防？
长期拥堵路面根源在哪里，如何解决？
城市举办大型活动，如何在短时间内的制定城市交通方案？
以上问题，需要更加精细的地图、物理感知，都需要强任务智能的决策型AI解决。
业务维度，交通需求庞大且碎片化程度高、边际成本高。
业内专家告诉AI掘金志，未来智慧城市会有10万种以上的算法，交通是需求大户，据悉，目前交通领域需求就超100种算法。
这技术高峰，商汤想攀一攀。
2019年，商汤布局了感知智能，今年进一步打通感知智能、认知和决策智能之间的沟壑，为决策智能的技术爆点加把火。
这业务沟壑，商汤也想填一填。
交通领域有海量的场景数据，它碎片化、项目规模小，营收小，但数量多，定制化、交付效率低成为行业痛点，解决长尾场景，就解决了碎片化问题。
碎片化本质在于AI模型通用性低，“手工作坊式”的模型生产，AI项目开发流程繁琐，数据和训练占用时间长，模型定制化高，复用率低，不同场景重复造轮子。
这，是底层基础设施的任务。
商汤的AI大装置，试图让AI模型实现流水线生产模式，减少重复研发。
算法生产上，一边积累大量模型，沉淀可复用的算法底层模块，模块化生产，一边通用大模型+小模型模式，减少定制化，提高AI通用性，降低进入新场景的边际成本。
研发流程上，AutoML自动执行部分工程性任务降低机器学习门槛，减少对AI专家的需求。
从底层上对各种场景的算法模型进行抽象，使用各种算法工具模块，通过组合算法套件模块化的进行新场景的定制，以很低的边际成本规模化生产、部署AI模型。
我们以信控为例，深入交通细枝末节，来看绍兴交通智能化升级。
在郭海锋看来，红绿灯本质是第一警察维护交叉口秩序，解决的是秩序问题，而非效率问题。
在交通矛盾突显、空间资源有限的前提下，让路网承载更多交通流量，是交通的核心之一，同时在系统运行最优状态下，保证管理需求、出行需求、驾驶体验。
此前的产品以设备为核心，生产的是“物质产品”，解放人力，未来要在数据上创造产品，要生产“智力产品”，解放脑力。
“像当年的智能手机时代，功能机升级到智能机，不仅仅是软件系统升级，是手机等整个产业软硬一体的升级。”郭海锋比喻道。
这是商汤进入交通领域以来一直思考的问题，并找到了「信号控制」的核心入口。
“某种程度可以认为信控是交通的核心。在路面基础条件不变、交规不变的情况下，信控是能提高的上限的唯一变量。”有专家曾告诉AI掘金志。
根据商汤内部模拟和部分城市实测，信号控制系统性能可以提升10%-20%。10%的提升，理论上可以将1小时的通勤时间降到54分钟，这将影响一个城市几百万到几千万人口所产生的劳动价值和经济价值。
换句话说，如果交通路网是一个城市的毛细血管，昼夜24小时闪烁的红绿灯，就如同一个城市的时钟、脉搏。整个城市的人、车、物流动都随着脉搏跳动而流动。
这种模式下的城市交通，不再是被动式响应的管理式思维，而是系统性运营思维。
商汤在交通数字化运营体系的标准有三：利旧、降本、提效。
前端，商汤两个动作，一是利旧，基于领先的AI分析能力，识别多维交通事件、交通违法，解析交通参数，并盘活存量视频，二是降本，解放人力，从感知AI到认知AI。前者依托感知AI能力帮助用户以最低的投入建立最完整的交通运行数据采集支撑系统，后者通过AI在在信号优化领域全流程替代大量人力资源，实现信号优化服务从人力密集型向智能化升级。
后端，以城市路网数字化为基础，结合交通运行数据动态数据完成城市全域交通联网控制，真正提升城市运行效率。
实现这个目标，商汤有几大法宝。
1个AI平台，SenseFoundry Tran商汤方舟交通开放平台为交通行业智能监控提供平台层解决方案，打造交通视图智能解析和视图大数据分析底座，从多层级全方位向上赋能城市交通管控业务。
1个交通数字底座，实现城市交通静态路网设备设施和资源、交通参数、交通事件、信息发布、交通状态等动态数据的数字化管理。绍兴主城区225个信号灯路口得以形成数字化路口档案，大幅提升设备运维效率。
对于交通领域的细分场景，商汤通过N+业务系统来一一满足。
面向交通安全治理，商汤的睿途系列产品，为交通预警和精细化执法提供依据，同时对交通安全风险进行预判。通过实时检测及大数据分析，对交通事故和交通隐患事件主动预警，实时联动交管处置，增强警情主动发现与快速处理能力。
面向交通缓堵保畅，商汤认为首先要保证具备优良的调优工具，其睿控系列产品主攻交通信号调优，针对交通场景的交通数据条件制定控制策略，分层、分级的控制策略和控制方案，具体到实际操作来看，分为AI自动控制、AI辅助控制与基础控制三类，根据不同路口条件情况选择人工介入程度。
其次要保障有因可寻，而商汤智库产品，结合了AI技术、机器视觉技术、数据挖掘技术、大数据分析技术、交通咨询案例库以及交通专家经验，实现AI咨询代替传统人工咨询，极大解放交通人力，通过交通数据的利旧感知，多维交通体系的搭建、交管知识图谱建立，实现了秒级发现问题、全面诊断堵因、系统确定方法以及长效评估效果。
绍兴在部署了商汤大规模视频解析系统后，不仅得到了109个信控路口24H的交通运行状况，还能获得各进口道各转向的流量、通行能力、饱和度，这些是对路口细化分析的前提。
高质量交通数据信息到位后，商汤的交通底座与绍兴信控平台一起，除了实时感知、关联交通事件与交流变化，及时预警外，帮助交警进行交通智能决策与控制，
以此实现视频和信控0距离。
图注：方案优化智能推荐（周期与相位时长单位为秒）
最终，商汤在绍兴数字路网的基础上以最低的投入建立了全息交通数字底座，完成了绍兴大规模交通参数解析从0-1的突破。
图注：行程车速显著提升
绍兴只是中国数百个城市的缩影，在郭海锋看来，一款好的工业级软件产品应该满足四大条件：安全、稳定、鲁棒性、用户体验。
交通领域，安全永远是第一位；信控系统，尤其是大规模工程侧软件对稳定性要求非常高；而因为数据质量参差不起、阶段性缺失等数据异常问题永远都存在，这就要求算法鲁棒性高，否则生成的方案发生偏差，信控系统落地难以经得起长时间考验；而用户体验则要求系统操作灵活。
这也是商汤数字化产品的基本要求，同时，商汤一整套数字化运营产品矩阵之间互通互联，系统性提高交通运营效率。
运筹帷幄于帐中，决胜于千里之外。
千年来，世人想象诸葛亮静坐帐中，轻摇羽毛扇，气定神闲，谈弹指一挥间决定千里之外的战争走向，决定天下的兴亡，好不痛快，好不妙哉。
但事实果真全然如此吗？我们有意无意中忽略了历史中诸多细节，“运筹帷幄”背后，是诸多综合因素的结果。
以史为鉴，精彩绝伦的故事中，诸葛亮能在帐中沉着分析，应对策略，不外乎情报、策略、人才。
交通系统真正提高效率，也需要海量的数据实时的汇聚、AI能力、平台能力。
过去的交通数字化建设本质是IT建设，缺乏运营思维，这也是为何技术的红利似乎并没有为交通带来质的提升。
运营体系背后，交通领域真正缺乏的是“智能操作系统”和“交通专业级软件供应商”，基于实际交通情况量体裁衣，真正唤醒设备，降本增效。
这是商汤正在做也将一直坚持的事情。
在这套理论之下，商汤智能交通已经渗入城市肌理。
在地铁领域，商汤进出站无感通行产品，已落地全国30多个线路；高铁行业，商汤AI安全巡检产品累计分析了50+线路共计约2万公里；交管领域，商汤的交管集指产品也落地了20多个城市，其中交通AI平台累计接入近10000路视频；高速领域，商汤AI稽核产品部署了30+收费站。
智能交通难点虽多，却并不影响其被寄予厚望，因本身体量惊人。
据前瞻产业研究院预测，未来5年，中国智能交通市场将继续保持高速增长态势。
2010智能交通行业市场规模仅209.2亿元，2017年达到515.9亿元，预计2023年市场规模将达到1450亿元。
2019年，中共中央、国务院发布《交通强国建设纲要》，大力推进智能交通。中国的新基建、双碳战略，交通建设都将作为首要建设任务之一。
千古百业兴，先行在交通。交通成为未来之星已经是不争之事。
商汤等AI企业将如何促进交通数字化升级，我们拭目以待。雷峰网(公众号：雷峰网)雷峰网雷峰网
正在生成分享图...
nebula