李萌：互聯網+交通大數據助推智慧交管

由公安部交通管理局指導，公安部交通管理科學研究所、人民日報媒體技術股份有限公司、高德地圖、新浪微博聯合主辦的2016（首屆）“互聯網+交通出行服務”論壇9月28日在北京召開。本次論壇以“智慧交通、融合創新”為主題，旨在分享創新服務及技術成果，倡導交通管理大數據與新媒體等互聯網+手段應用，進一步提升政府職能部門的決策水平和服務社會的能力。清華大學土木工程系副教授，清華可持續交通研究中心執行副主任李萌現場發表演講：

李萌：尊敬的各位嘉賓，各位專家，各位同行，大家下午好！首先在我開始講之前，我想説代表清華大學，其實也是今天的協辦單位之一，感謝大家的大力支持。我想大家可能沒有特別注意到，在眾多的主辦單位和協辦單位之間還有一個是高校。高校今天是少數，我們今天看到了眾多的成功案例，前面包括廣州、深圳，各地城市，還有北京、天津沒有講到的，我們看到很多成功案例，這些大部分的成功案例裏邊，我們看到是政府和企業的深度合作。而且今天有幸見證了來自交通行業的管理者和決策者和互聯網大咖們，在不斷深化他們的合作。

我在祝福的同時想補充幾句，其實這個模式裏面我們希望看到的是三位一體模式，政府、企業和研究機構。我們看到的時候這裏面也為我們研究機構呼籲幾句，因為其實今天講到各個城市，各個主管部門，他們的成功經驗，大量成功經驗，我們學到了很多。但是其實我們在這個探索過程之中，我們應該看到還有很多問題是我們沒有解決的。很多難題是我們需要去解決的。在這裏剛才IBM的博士、科學家也講到了，其實大數據是一個新興事物，在這裏面需要一個深度交叉的多學科，共同努力去解決現在的問題。

那在這裏面我也想替我們的學界去呼籲呼籲，我們也希望在政企蜜月期合作過程當中，也把我們研究機構考慮進去。因為一定有那些硬骨頭需要去解決，那我們可以嘗試共同去面對。今天作為學界代表之一，可能去分享一些我們的理念和一些成果。今天本身不是學術論壇，所有我講的內容裏面，把所有的公式都拿掉了，只分享我們的理念和成果。今天我要講的主要分四個方面，首先就是去回顧交通管理與服務發展趨勢，這個歷程。但是這個過程中看互聯網+交通大數據的機遇以及挑戰，更重要的是他的挑戰。以及我們跟眾多的合作伙伴，在天津，感謝天津交警支持，我們在嘗試努力去挑戰的一些技術難點，去做的多元數據融合下的智慧交通信息發佈。

最後，我們在嘗試一些我們認為有挑戰性的一些工作，互聯網+智慧交通的應用展望。

我們去回顧交通管理與服務發展的趨勢，前面有幾個嘉賓其實已經講到，我們從最早的1.0時代，我們交通供需逐漸開始出現了一些矛盾的時候，我們開始出現了勞動密集型，我們派警力直接局部點，局部時間，早晚高峯進行管理，最早我們採取這種方式，還沒有信息手段。發展到2.0時代，這裏面一方面是我們供需矛盾進一步尖鋭。另外一件事情就是我們信息技術的不斷發展，以及我們國家，包括科技部，公安部，交通部一系列的科研，從八九、九五、十一、十一五、十二五到十三五，我們對智能交通計劃進行一系列的探索，我們在連續時間內進行智慧化的管理。

隨着矛盾進一步尖鋭，以及投入進一步增加，我們看到新的機遇。我們現在發展的趨勢裏邊實際上是向着數據密集型，怎麼能夠更好地把我們密集佈設的，花了大量投入的設備更好用起來，讓他們數據產生的價值，這些信息，這些知識可以幫助我們智慧化的管理，現在我們進入數據密集型時代，可以在準連續時間和空間進行更有效的管理。在這個發展過程當中，我們大部分城市，雖然我們今天有一個感受，我們前面主講嘉賓都是成功的經驗，會給我們一個錯覺，我們真的已經全國大部分交警進入了數據密集型，互聯網+的時代。其實對於我們全國大部分城市來説我們真的還沒有走到那一步。我們更多城市還是在嘗試設備密集型時代所看到的挑戰。

我們在部分的城市，部分發達城市，我們看到設備密集型的時代面臨的一系列的挑戰，我們無法在這個時代進行解決，我們需要有更多的發展，其中包含成本高、效益低的，我們在不斷建設我們的設備，我們不可能對城市來講，在每一個節點佈設我們的設備，不可能完全佈設，主要原因是在於我們的成本建設費用。

而且更可怕的事情，實際上不光建設費用，營運費用和維護費用在不斷持續高漲。我們瞭解到一些城市，光信息化沒有完全鋪設的信息化，每年的運營費用中電費已經超過500萬，這還不包括通訊費用。這樣大量增長的費用使得城市無法承受成本高，效益高的方式。

即使我們有這樣的信息，我們這樣的數據也存在一定的瓶頸。我們現在檢測點的信息存在着位置離散，數據相對比較稀疏，我們數據質量需要校驗，數據本身存在一些問題。即使我們獲得很好的數據，對於管理部門來説，我們其實還面臨一個更大的挑戰，就是我們要具備的數據的分析能力。在一系列分析能力，包括多元數據融合，分佈式計算，數據挖掘，這些對於我們交警部門提出極高的挑戰。單單依靠交警部門是沒有辦法去完成的，那我們希望看到的就是我剛才提到的政企研所結合的模式。

對於我們如果從數據角度去看互聯網+交通大數據，這個時代在3.0的時代給我們帶來的機遇，我們這裏邊看到對於傳統管理者數據來説，我們雖然獲得了全樣本數據，我們某一個斷面全樣本數據，某一個數據在空間上是離散的，並不是連續的。在這個時候我們看到實際上從互聯網+的數據所能提供大量時空軌跡數據。董總講到提供70%以上的數據，這樣的數據實際上對我們離散數據點是一個非常良好的補充。

從另外一方面我們看到，我們眾包的數據。眾包數據互聯網我們用户在不斷地大量提供這樣的數據，這樣數據，海量數據湧進來，其實也有侷限性，精度問題，可信度問題，我們怎麼樣去解決。解決的唯一途徑就是我們管理者的數據，我們來自於管理者的小數據樣本，權威數據樣本。所以我們看到這就像一個交通系統不同側面，我們看到了可以是一個完美的結合，我們權威的小的精準樣本，跟我們海量的粗糙的大數據樣本，可以進行有效的結合。這個結合會達到1+1大於2的效果。

在形成準完備的數據還沒有讓它發揮作用，怎麼讓它發揮作用，這裏面有一個更嚴峻的挑戰，我們互聯網+交通大數據融合，實際上在這裏面，雖然是機遇，當然更多的帶來了是挑戰。而我們去總結這樣的挑戰可以來自於四個方面，多元數據的融合算法，我們現在已經在逐步地嘗試數據進行融合，但是離我們真正的特徵級以及決策級融合還差的很遠。海量數據的實時分析，分佈式計算，以及在地T—GIS地圖引擎，大數據可視化都面臨一個巨大的難題，順着這個難題進行解讀。

首先認為最大的難題，多元數據融合分析？前面研究和嘗試已經在做數據融合，更多融合還是停留在數據融合這一層。真正融合我們從數據融合層深入分析各類交通數據的形態和特點，實現多元異構數據，在特徵級以及決策級的融合，結合交通實際業務，這裏面不光是數據的融合，其實更多是理念的融合。今天孫書記講到這一點，我們理念融合裏面還有理論的融合，我們數據挖掘，人工智能，跟我們一系列的交通理念，包括我們的交通需求預測的理論，包括我們交通流理論，我們交通系統均衡理念，我們交通系統預測理論，這一個結合才是我們交通，多元數據融合一個基礎。

在這個層面裏面面對海量異構的交通數據，我們從數據融合的層面，包括數據校準，相關性分析，特徵級融合方面進行一系列交通事件影響分析。我們做應用之前我們做大量的前期研究，我們拿了北京，包括天津大量的交通的擁堵和交通事故數據，我們去看在交通事故，我們在交通擁堵環境之下是如何發生，如何演變，如何消散的。我們積累大量的這樣數據融合的分析結果，才有可能幫助我們進行決策和分析。

另外，我們交通狀態的評估。在這裏面如果去講的話，我們交通數據的融合分析一個非常追求的一點，就是做交通預測，這裏面有大量交通狀態評估和交通狀態不確定分析。

在這個特徵級融合基礎之上，我們才能去做決策級融合。什麼是決策級融合？我們做決策不是單一決策，是一個綜合決策。這個決策既包括我們怎麼樣服務於公眾出行，也包括我們怎麼樣有效的管理，還包括我們未來如何進行我們政策制定和規劃。在這裏面進行綜合決策的規劃和融合。

在這一系列的融合基礎裏面，光我們教研組有超過30個發明專利的專利羣，就單做數據融合這一項，所以其實這裏面還有很深入的一系列的研究和應用。

我們大量數據融合對數據計算提供了要求，我們海量信息進行預算，應該怎麼樣搭建，建立新的數據存儲的構架，重新整合我們的數據源，對分佈式計算，分佈式存儲提出很高的要求。構建實時系統，如何有效的分配資源，以及數據的管理，包括存儲、處理以及計算，提出更高的要求。

在雲計算的基礎之上，對於我們交警部門來説還有一個特別需要考慮的數據安全性。數據是否安全，能否拿出來直接給企業使用，這裏面涉及到很多問題，有沒有更好的模式？我們也在跟天津交管嘗試，用私有云模式，讓企業和管理部門共同去開放數據，研究機構作為一個平台，去搭建這樣一個互信平台，這裏面也做了一些相關的嘗試。

大量數據進行計算，如果實現實時的交通運用，搭建交通地圖服務的平台引擎，我們要把一系列不同層面的數據進行整合，包括我們地理信息系統，包括我們的管理設施，管理設備信息系統，包括動態交通信息，管理信息，以及我們出行者，我們出行車輛的一系列的信息，在交通地圖服務平台上面進行搭建，然後才能實現我們一系列的應用。

另外，非常重要的，可能被很多人忽視的問題，就是大數據可視化技術，我們是否能夠通過一系列的展示，比較精簡地展示，讓用户得到非常滿意的使用，跟天津交管部門嘗試，以及不同層級的管理者，他們關注的問題不一樣，我們團隊有一整套的技術進行提供。

在這樣基礎之上，我們其實組建了一個綜合的團隊，包括我們研究機構，包括我們政府，包括我們相關面對那幾個一系列難點的企業，我們共同形成這個團隊，為天津打造多元數據融合下的智慧交通信息發佈，這個發佈系統裏面主要分三個部分，包括我們的地理信息系統的支撐環境，我們網絡安全體系，在這個基礎之上，我們實現大數據的計算平台，在這個裏面我們數據融合、分析、加工，通過不同的渠道進行發佈。

比較快的介紹一下系統的特點。其中最大的特點我們是做數據融合，這個數據融合實際上並不是簡單地把高德數據或者是互聯網數據拿來去使用，我們去綜合分析他們與我們管理部門數據有哪些優缺點，有哪些互補地方，這裏面看到管理數據來説，存在着交通檢測點位置，離散和路況稀疏，不同的時間節點，雖然能夠提供連續時間的數據，但是不能提供連續空間的數據，這個時間我們以互聯網數據進行補充。

當我們拿到高德數據的時候，也不是完美的，我們高德數據看到，在不同的時間點存在着有些難以區分、交通擁堵問題，有些出現擁堵，不知道是信號影響，還是因為一些事件影響，如果我們能夠整合權威數據進行整體優化的算法，那我們可以更準確地進行整個播報。這裏面我們融合交通數據信息，地磁信息，交通管理的事件和管制信息，以及我們實時的高德的數據，在這個基礎之上我們經過一系列的驗證，對整個天津市區進行分佈，我們可以看到對18%到25%的空間區域，對互聯網數據進行補充。我們在有互聯網數據的情況之下，我們通過檢測點信息，對精度實現20%到25%的提升，這是我們經過大概三個月的時間刻苦的攻堅達到的提升。對於高德儲備幾年算法才使顯得問題我們進一步提升，這個技術還是應該得到肯定的。

另外，我們融合基礎上提供更精準的預測，我們對整個城市交通擁堵進行排名，實施排名，方便我們整個管理部門進行監控。在這個基礎上我們也進行對比，不光是説我們去看哪裏擁堵，我們去看哪裏異常，這個異常指數進行評價和排名，並給予管理部門實施動態的監測，推送PDA也好，這樣可以第一時間進行校正和進行處理。

另外，我們也是對多類數據進行互相校驗，包括高德互聯網的權威數據以及小的數據進行校驗。

另外，我們結合跟北方交管合作，嘗試做中短時預測，主要是15分鐘到60分鐘預測，我們中期預測大概就是1天到1周的預測，也是基於我們大量數據融合基礎之上，我們對應用數據模式分析，對道路交通預測進行明日、本週、下週預測，對大型活動進行預測，以及節假日的路況預測，跟交管部門有雷同之處。

對於未來我們做了幾個展望，一個展望也是包括武漢，包括廣州做嘗試的，我們做信號控制，信號控制是交通管理非常重要的核心功能。我們做法跟他們不太一樣，我們除了應用數據挖掘手段以外，我們基於交通流理論和排隊論基礎之上，我們對點進行評價。利用大量的歷史的軌跡信息，評價每一個路口的表現，既包含因為需求高低所造成的這種表現。也包含因為交通管理控制，信號配時不當造成的不均衡性。而且包含點以及線和麪協調，由於配置不當造成的損失，這個評價基礎之上做排名。這個排名更多是針對管理部門的職能，我們告訴管理部門哪些配時有最大的空間型調整，管理部門可以從排名最高到往低調整他們的配適方案。我們正在進行實時優化，在天津進行相關的測試。

另外我們嘗試用互聯網+的智慧交通應用展望，這些基礎上定義了交通指數，跟北京交管部門一起評價未來有多少量化需求進行警務調度，以及優化調度預案，這是我們互聯網+以及交通指揮方面的調度工作。

以及在長期這些工作裏面，包括交通組織，比如説這裏面的環島是否進行設置，潮汐車道是否進行設置，我們建立交通仿真模型，然後進行未來評價，我們也在嘗試一系列的工作。

最後講我們在探索過程之中看到了交通精細化管理對互聯網數據，互聯網+交通大數據產生的巨大需求，我們相信依託數據融合，數據挖掘分析，地圖引擎及大數據可視化技術，這樣綜合政、企、研的團隊，我們可以共同地推進城市交通管理和交通出行服務的未來，我的講話就到這裏，謝謝大家！