*滴滴城市交通算法及研究负责人郑剑峰
雷锋网新智驾按： 2019 第四届全球人工智能与机器人峰会（CCF-GAIR 2019）于深圳正式召开。峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）承办，深圳市人工智能与机器人研究院协办，得到了深圳市政府的大力指导，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流博览盛会，旨在打造国内人工智能领域极具实力的跨界交流合作平台。
去年，滴滴推出了智慧交通产品“滴滴交通大脑”，主要运用AI的决策能力解决交通工具与承载系统之间的协调问题，希望滴滴不仅是连接用户和司机的出行平台，还希望人、车、路、灯和背后的交通决策体系未来都会线上化。
本届 CCF-GAIR 智能交通专场，滴滴城市交通算法及研究负责人郑剑峰带来演讲，阐述了基于互联网+的智慧信号控制的具体思考和实践。
郑剑峰提到，平台运作效率和用户粘性的提高离不开新技术的支撑。人工智能、大数据、智慧交通等新技术的开发和运用，将滴滴这项产品进一步地渗透进生活场景的方方面面。
在智慧交通的整个领域中，重点关注的还包括交通管理部分，以及未来智慧交通愿景主要规划分为三部分：
第一部分是智能交通基础设施建设，包括红绿灯智能化、动态道路分配、智能路网设计等；
第二部分是单车智能，未来人们将会选择安全系数更高的自动驾驶车辆；
第三部分是智能出行优化，在缓解拥堵道路的同时提升整个城市的出行效率；
郑剑峰认为，滴滴进入智慧交通领域的切入点是数据，交通信号控制发展的瓶颈之一也在于难以获取成本低、可靠度高、覆盖面广的交通检测数据。
首先，缺乏对城市路网广域检测数据获取能力。大多数城市的道路网络交通态势感知前端设备不完善，存在覆盖率问题、设备可靠性问题、数据连续性问题，难以满足交警业务的精细化管理需求。
其次，缺乏对新型互联网数据的分析处理能力。随着高频率、高精度的浮动车数据、位置数据越来越多，信号控制相关的算法、产品都需要突破才能将这些数据优势真正的发挥出来。
最后，缺乏大数据处理和大规模计算能力。
围绕这些挑战，滴滴也做了一些工作。每日处理数据超过4800TB，日均定位超过150亿次。此外，滴滴研发的智慧红绿灯方案已经扩展至济南、苏州、武汉等城市，平均降低了10%-20%的拥堵，提供智能化的工具平台和解决方案。
以下是郑剑峰的演讲全文，雷锋网新智驾进行了不改变原意的编辑：
人们对滴滴出行的直观印象是一家网约车公司。其实则不然，我们从2016年就开始在智慧交通的各个方面进行布局，以出行业务为主，包括共享单车、公交业务、车辆运营、人工智能都领域。尤其是智慧交通领域，一直是滴滴的战略业务之一。
滴滴优势之一是拥有丰富的数据资产，现在滴滴每天处理数据超4800TB，日均定位超过150亿次，每日处理超过400亿次的路径规划请求。
目前在供需预测准确度达到85%左右，我们希望通过这些海量数据不仅解决人们出行问题，还要解决包括建设智慧城市方面的交通出行痛点。
2017年开始，滴滴发现智慧交通发展中面临的一些挑战，主要存在三个明显问题：
缺乏对城市路网广域检测数据获取能力：大多数城市的道路网络交通态势感知前端设备不完善、存在覆盖率问题、设备可靠性问题、数据连续性问题，难以满足交警业务的精细化管理需求；
缺乏对互联网数据的分析处理能力：对互联网轨迹数据的的处理、涉及到地图导航技术、路况态势分析等专业领域技术对数据挖掘，对于部分软件集成商而言，难以积累和储备相关专业技术
缺乏算法和大数据分析计算能力：无论是信号优化、路况态势研判、轨迹分析、图像识别等都涉及到需要先进算法支持、以及对实时数据的大规模计算能力。
目前，中国处于数据化和交通网络的变革时代，整体上可以说是信息化和自动化的转变。
那么，问题是是否能用我们的数据化产业能力对交通变化进行赋能？
滴滴进入智慧交通领域的切入点是数据，交通信号控制发展的瓶颈之一也在于难以获取成本低、可靠度高、覆盖面广的交通检测数据。
滴滴智慧交通的定位为是以大数据、云计算为基础，发挥算法能力和交通工程能力，为客户以及合作伙伴的应用场景提供更加智能化的工具平台与解决方案。
对于干线来讲，可以清楚的知道每一条轨迹在各个路口的停车/通过状态，轨迹全面覆盖绿前/绿中/绿后，绿波效果直观可见。
对于区域来讲，可以清楚的知道每一条轨迹的起始点和目的地（OD），可以统计任意两点间的行程时间，轨迹遍及全城，平均每天每条路被轨迹覆盖数百次。
交通场景涉及很广，大致可以分为高频和低频两种场景，目前我们切入的是高频场景，就是交通控制。
目前常见的城市管理业务场景，基本在无人驾驶方面，做的是机器代替人类掌控方向盘。
但是在信号灯方面，我们发现目前路口的交通方案没有实现智能化。
目前交警在实际信控业务中存在两个痛点，一个是通过视频查看方式来人工定位问题，另一个是通过人工调整来优化配时，效率低，优化路口有限。于是我们思考，能不能用轨迹数据来帮助交警提高路口管控效率
中国交通信号控制系统及设备应用调查报告中提到，国内控制系统检测设备完好率较低，一线城市不足50%，二三线城市低于30%。
滴滴的目标是做车联网及自动驾驶的控制，基本上是单点控制-协调控制-感应协调控制-实时自适应控制-车联网及自动驾驶的过程。
第一是单点控制，主要是基础的通信技术和基础设施；
第二是协调控制，路口是一个高频且有高安全风险的场景，我们从单个路口功能调到协调控制，再到多个路口能够比较好的联动，来做绿波优化，从而实现车辆在顺畅道路上行驶；
第三是感应协调控制，通过检测器来进行数据采集，能够让信号控制更好匹配当前的交通需求；
第四是实时自适应控制，这是在国外首先提出的概念，但落地规模不多，本质上解决的是单个路口供给需求匹配问题，如何在城市做更智能的供需匹配
在信号控制领域，互联网+就是解决三个问题，一个是信息化问题，一个是自动化问题，一个是沟通问题。
滴滴希望通过轨迹大数据能够更好实现整体交通管控的信息化，根据以往的人工实践经验，通过云计算更好抽象出来比较好的专家智库模型，以此解决自动化问题。
所以，从2017年以来开始在智慧信控上布局，提出基于互联网+信号控制优化系统。
但是，滴滴并不是直接的控制系统，而是优化系统，主要对整个城市交通管理进行诊断和分析，预测明天或者下周的交通状况，同时根据这些情况再做动态信号控制建议和调整。
换言之，我们希望通过我们的轨迹数据，在不改变原来的业务逻辑基础上，实现广域路网的路口问题精确检测和动态优化，而交警仍能够对重点路口实现原来的精细化控制。这样做的优点有两个：可以更加高效、自动化的控制，交警可以将有限的精力集中到重点路口，同时还能够规范化信号控制流程。
如上图所示，我们仅需要通过在现有的系统上增加两个部分，一个是在现有UTC平台上加上轨迹数据和云计算模块，赋能UTC平台，对路口控制进行智能化升级，第二部分在UTC平台上增加配时自动审核模块，保证方案的安全性和有效性。
传统方式需要对每个路口进行施工改造，改造周期长，成本高。
对比原来的控制方式，那通过这种方式，仅需要通过软件升级的方式，可以简单、轻量化实现优化效果。
具体的落地案例上，从去年已经公布的两个实验，今年年初，我们在柳州已经优化158个路口，它们的信号灯状态是根据滴滴后台的大数据实时运算并进行分钟级调整。另一个案例是北京首都国际机场，外面的信号控制是滴滴和其合作伙伴以及城市交警联合落地的应用。
总之，智能交通管控是一个非常复杂的系统工程，虽然单个路口看起来只是一个单元，但在落地的时候，我们会发现原来整个业务链条非常长，需要综合考虑和权衡整个管理和智能化，才能达到稳定、安全、高效、智能的要求。因此，如何来权衡这四个关键词，达到一个真正用户满意的产品是非常具有挑战的。
正在生成分享图...
nebula