0
交通擁堵已經成為大城市的心病。
高德地圖發布的研究報告顯示，在汽車保有量超過200萬輛的27個城市中，有16個城市交通處于亞健康狀態，包含了所有一線城市和大部分新一線城市。并且，隨著汽車保有量的增加，城市擁堵情況形勢更為嚴峻。
為了解決擁堵問題，各城市使出了渾身解數：從多修路到多設信號燈，從倡導綠色出行到給予補貼出行，從單雙號限行到早晚高峰限行......
然而，種種措施在面對千萬級別的人口帶來的出行需求時顯得如此"雞肋"。公安部數據顯示，過去五年，我國汽車保有量以大約每年2000萬的數量增長，這表明從出行方式上來解決問題已然難以奏效，消費結構升級與交通資源不匹配的矛盾愈發突出。
根據供求定律，增加資源是解決供求失衡的方法，體現在交通上，就是修路。修路往往是解決擁堵問題的不錯選擇，但在現有城市規劃下，尤其是寸土寸金的一線城市，修路成本太高，涉及到拆、遷、改等環節，顯然不是上策。
在修路成本這一線性約束下，另一種方法是通過提高道路通行效率來實現側翼突破。但如何讓既有的城市道路發揮出最大的通行效率，這是諸多城市管理者面臨的難題。
"要解決交通擁堵，首先要'發現擁堵'，然后才是'疏解擁堵'。"天壤創始人薛貴榮表示，面對龐大的工作量，人已經不能解決許多問題，可行的方法是：依托人工智能技術，實現對交通擁堵的智能化治理。
和多數人一樣，薛貴榮起初并不熟悉交通，更沒想過會做這方面的技術，然而多年以后，他已成為研究交通擁堵問題的專家。一切，都還要從十多年前的一次"偶遇"開始。
和大部分AI企業CEO一樣，薛貴榮也是科研出身，屬于圈內人士。
2006年，在結束4年微軟研究院的工作后，薛貴榮拿到了交大的博士畢業證，那時國內人工智能企業正處于摸索階段，商湯曠視科這些明星公司都還沒有成立。
畢業后的薛貴榮選擇留校任教，帶著學生們在實驗室里繼續搞算法研究。但實驗室里搞研究，最大的問題是，計算資源很少，數據不足以支撐大規模的運算驗證。
"當時實驗室里大概能做百萬級別的網頁搜索，現實數據卻是上百億級別的規模。"薛貴榮表示，數據規模越大，問題的難度和挑戰都不一樣，算法研究需要大量數據作支撐，才能訓練出較為準確的模型，但學校顯然無法提供如此龐大的計算資源。
正當薛貴榮為數據頭疼時，阿里找到他，表示可以提供1000臺機器做研究，"想怎么玩就怎么玩"。
彼時阿里云剛剛成立，云計算在國內還不是一個熱門概念，急需從事算法研究方面的人才，所以向他拋出橄欖枝。不久之后，薛貴榮加入阿里云，花了數年時間構建了神馬搜索系統。
2013年，薛貴榮被調往阿里媽媽，負責廣告端的搜索技術。基于此前的經驗，他所在的團隊很快就搭建起數據管理平臺，也就是赫赫有名的"達摩盤（DMP）"，通過對數據的分析運用，實現阿里廣告業務面向人群的精準投放，大大增強了阿里的數據變現能力。三年時間，阿里的廣告業務收入從一千多萬增加到八千多萬。
2016年，薛貴榮從阿里媽媽離開，離開的原因很簡單--阿爾法狗戰勝李世石，讓他開始思考如何利用人工智能技術來提升人的生活質量。
"那時候我就想出來開始創業，看看人工智能的核心的技術能不能用在我們的商業或者是工作與生活中。"
于是在阿爾法狗戰勝李世石后的三個月，2016年6月，薛貴榮創立天壤，第一件事就是組建算法團隊復現阿爾法狗的技術。
兩年后，也就是2018年5月，天壤團隊研究的算法機器在90手以內就擊敗了當時世界第一的圍棋選手樸廷桓，機器再次贏得了優勢。興奮之余，薛貴榮開始思索技術落地的場景。
在他看來，數據的多少關系到技術水平的高低，如果沒有數據，那么就很難把技術做深，但數據獲取又是比較難的事。同時，這種人工智能技術對于系統的要求非常高，落地的市場也很復雜。
過程漫長而焦灼，在這期間，天壤推出了人機對戰平臺，普通人可登錄該平臺與機器進行圍棋對弈，提高自身水平。后來，一個偶然的電話，讓薛貴榮如魚得水般看見了新的賽道。
對方是某市交警隊的副局長，以棋為引，說他的技術可以用在交通上，來解決交通擁堵問題。
"棋論"顯然頗有深意，但當時薛貴榮對交通并不了解。掛掉電話后，他花了相當一段時間來考察和思索城市的交通問題，最終發現，城市交通并非簡單的信號控制，要解決交通擁堵，挑戰非常之大。
如同下圍棋，交通治理也要從全局出發，兼顧局部問題，一個地方發生擁堵，很可能會引起連環反應，進而導致"一子落錯，全盤皆輸"的情況。
薛貴榮介紹道，以常見的19路棋盤為例，共有361個落點，每一個點的狀態有三種可能：白子、黑子、無子，那么算下來一共是3的361次方種變化可能。
但是一個路口，車輛有直行的，有左拐的，有右轉的，還有對面來車......這些狀態顯然比棋子落盤更為復雜，并且，如果把整個城市當成一座棋盤，那么落點非常之多。
綜合下來，交通治理的復雜程度要比圍棋更加復雜，靠人力來指揮交通，除了效率低下以外，人力成本就是一項很大的開支。
薛貴榮表示，比較普遍的情況是，假如某地發生擁堵，如果靠人力調控紅綠燈，以180秒的相位算，紅綠燈真正能起作用，需要調節5到10個相位，也就是15到30分鐘左右，才能將交通擁堵慢慢疏散。
"目前基本上是以單點調控為主，以人的能力，一般能調兩個路口，三個甚至以上的路口，依靠人來調控就不太現實了。"
那么用機器調控呢？
"現在的機器調控都側重于搞'綠波帶'，而不是從整個擁堵的場景出發做解決方案。"薛貴榮說道，所謂綠波帶就是通過對車輛經過某一路段的時間進行計算，協調各個路口的紅綠燈信號，從而使得車輛在通行時能"一路綠燈"，提高通行效率。
但"綠波帶"對道路交通秩序要求非常高，行人、非機動車與機動車等都要各行其道。"這往往適合于主干道"，薛貴榮表示，現實情況是，擁堵的路口情況非常復雜，行人、司機在擁堵時可能會爭路權，也會產生許多突發情況，所以"綠波帶"很難從實際場景來解決擁堵問題。
在薛貴榮看來，"綠波帶"之所以難以解決擁堵問題，除了對道路的要求過高之外，更重要的是沒有考慮到數據有效性的問題。
人們提到交通擁擠，總會參考汽車保有量和每天的通行量這兩個數據。誠然，從大趨勢看，汽車保有量越大，城市擁堵的也會更嚴峻，但真正會造成擁堵的，往往是某一時刻道路上行駛的車輛數量。
"一座城市汽車保有量的數據是相對靜態的，但城市道路上的實時行駛車輛數，卻是動態的。"薛貴榮認為，汽車保有量這類數據只能做一個大致的參考，實際作用不大，因為并不是所有車都會在同一時間行駛在路上。有的人錯峰出行，有的人綠色出行，還有的人直接走路出行。如果參照這類數據來做信號調控，其效果并不會很明顯，甚至可能會造成資源浪費。
比如，過春節時，一線城市路面上的車輛較之平常肯定減少，通行很順暢；而逢中秋國慶等節假日，一線城市的出行需求就會大幅上升，從而造成擁堵。
"我們還在用一種很靜態的方法來描述一個城市，而忽略了城市交通本身是動態的，那么我們對城市交通的理解就會有失偏頗，特別是當車流動起來之后，數據都是全新的，不能再以靜態的思維來思考問題。"
他認為應該用更加貼切的指標，比如在途量延誤指數，包括平均車速、最大車速、延誤指數下的最大通行量等，來衡量城市的通行能力，從動態數據出發，因地制宜，因時制宜，才能提高道路通行效率。
交通擁堵的治理，主要分為"發現"和"調度"兩個環節。
"首先要發現擁堵，這是最重要的，同時也是最為困難的事。"薛貴榮表示，堵車存在一個現象，即蔓延性擁堵，一個路口的擁堵會很快蔓延到鄰近的路口，所以盡早發現擁堵，才可能盡早實現調節，解決問題。
但是發現擁堵并不容易，交通管理者和司機通常依靠高德、百度等地圖軟件來發現擁堵情況，然而互聯網地圖存在一個特點：信息滯后。
"地圖沒有眼睛，不能直接觀察到擁堵，而是算出來的。比如一輛車行駛緩慢，地圖軟件將GPS定位信息傳送至云端，云端系統不會判定為擁堵，十輛二十輛車也不會，只有樣本數達標以后，系統才會判斷為擁堵。"
一般情況下，地圖軟件發現擁堵會滯后5到10分鐘，對于不太繁忙的路口，很可能已經疏通完畢。而對于交通要道，這樣的延遲只會造成更加嚴重的擁堵，因為車流源源不斷，哪怕是很短的時間，道路上也會聚集諸多車輛。
"所以，要解決'發現擁堵'這個問題，一種解法是直接派交警去觀察， 但是成本很高；另一種解法是利用數據，來做綜合判斷。"
"天壤獨有的多源數據融合算法使場景數據告別'5分鐘更新'時代，實現1分鐘更新。"薛貴榮表示。
發現擁堵之后，天壤的交通大腦一方面會給交管部門預警，交管部門會派出工作人員進行疏導；另一方面會及時提醒司機相應路段的擁堵情況，從源頭上疏解車輛。
在"調度"環節，天壤交通大腦主要通過信控方案來調控信號燈的時長，基于數據的特殊算法來實現對信號燈時長的準確控制，針對不同地區的擁堵，分析其成因，并且給出對應的解法。
目前，天壤交通大腦已在南昌等多個城市落地。
以南昌為例，該市的汽車保有量已經增至127萬輛，交通擁堵問題較為嚴重。在引入天壤交通大腦之后，全市平均車速從2019年的32km/h提升到38km/h，交通擁堵指數相對下降了0.08。
根據高德地圖2021Q1報告，南昌的交通健康指數在全國重點50個城市中從2019年的第42位升至第10位，擁堵程度相較于2019年Q1緩解了9.22%，從亞健康狀態變為健康狀態。
薛貴榮透露，天壤即將推出新一代交通大腦，能支撐城市級規模2000+路口的真實路網與100萬+實時車流的交通仿真推演，并提供城市級規模的信號燈調控大模型，進一步為城市交通賦能。
隨著人工智能技術的發展與應用，交通行業也將迎來智能化。從以信號控制為主的"粗放型"治理到以交通大腦為主的"精細化"治理，在大量數據的模型推演下，道路通行效率將進一步提高，擁堵也會得到疏解。
未來，天壤將會探索用智能技術去解決更多城市復雜場景下的調度決策問題。
"城市交通治堵是系統工程，城市級的資源優化配置是世界級命題，還有很多難題等著我們擊破。"薛貴榮表示。雷鋒網雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
