日前，交通運輸部科技大講堂邀請微軟研究院主任研究員鄭宇博士，帶來了題為“大數據和AI驅動城市智能——交通篇”的講座。大數據的核心是什么、能解決城市交通哪些問題，目前難點在哪?針對這些問題，鄭宇帶來的城市交通大數據解題思路。

多元數據融合是大數據核心

鄭宇認為，大數據的核心并不是要處理很大量的數據，而是要應用多種數據解決實際問題。比如計算一個城市汽車的總排放量，首先面臨的難題是算出這個城市中的車流量。因為城市道路中有電子感應線圈的通常不到1%。用路口攝像頭計算車流量也比較困難，因為只要攝像頭的高度、角度不同，就得重新建立計算模型，工作量非常巨大。所以要計算一個城市的車流量，需要用到出租車GPS數據、路網結構數據、天氣數據和周邊基礎設施數據等，用多元數據建立一個比較復雜的計算模型。

鄭宇又舉了用大數據監測城市道路異常情況的例子：“車流量增加了10%并不會讓我們感覺有什么異常，可當這條路上和周邊區域刷微博的人多了10%，共享單車的使用量也增加了10%的時候，大數據就能預測到這條路可能面臨擁堵，需要采取措施進行疏導。疏導交通需要找到源頭，可能這條路堵，源頭是在另一條路或者更遠的地方，這時候就需要更多的數據，如軌道交通數據、天氣數據、突發事件數據、市內大型活動等數據。”

鄭宇表示，用大數據解決問題，經常有人會說數據不夠，其實是個思路問題，要放開思路和思維維度，讓更多的數據為我所用。大數據是多元數據融合，有時更考驗人的視野和想象力，要“既見樹木，又見森林”。

既能算道路規劃還能算客貨運營

從城市道路規劃到出租車運營，甚至到城市急救站的設置，大數據都有用武之地。

鄭宇舉例說：“有些城市擁堵是因為道路規劃不科學造成的，大數據計算可以解決這個問題。首先要把城市網格化，形成一個個區域，然后把各區域之間連接線每天的路況特征提取出來，這些特征主要有速度、流量和繞路比等。例如從A到B，如果速度慢，還經常被繞路，說明這兩個區域間的交通出了問題，需要重新規劃。”

在天津，以前急救中心的設置主要靠人的經驗，通過大數據計算后，在不增加任何人和車輛資源的情況下，還是原來的道路，通過改變急救中心的位置，急救車接送病人的時間降低了30%，這也意味著醫生有更充裕的時間來救治這些危重病人，挽救更多的生命。拼車最優一直是交通大數據領域的難題之一，前不久高考期間還有考生因為拼車錯過了考試時間。目前鄭宇博士帶領團隊建立了拼車最優的大數據模型，運力可以提高10%到15%。如果把人變成貨物，該模型還可復制到物流中。

鄭宇表示，在城市交通領域，送餐問題是大數據面臨的最難的挑戰之一，因為送餐涉及到送餐員、餐廳、買家三點聯動的問題，三點聯動會產生多種選擇，這種選擇隨著業務量的增加呈幾何級增加，而且送餐對時間要求更加苛刻。一個成熟的送餐員面對2到3單時還可以用經驗算出最優路徑，但面對4到5單以上時，人腦就不夠用了，必須靠大數據系統來計算。這個問題的解決對于互聯網餐飲配送公司尤為重要，甚至可以成為公司的核心競爭力。

人的功能不能被忽視

“在人工智能和大數據領域，計算機深度學習的概念非常熱，但在大數據應用領域，人的功能不能被忽視。”鄭宇舉例說，要在一個區域設置5個充電樁，如何設置才能讓充電樁覆蓋的范圍最大?這是一個復雜的問題，其計算模型是在人機交互中不斷調整完善的。首先通過一些簡單條件建立模型，計算機會得出一個結果，然后行業專家根據經驗對結果進行調整并增加條件，機器根據調整結果和條件進行再計算，行業專家再調整，這樣經過幾輪的反復，計算模型才會趨于完善和科學。從上面例子可以看出，大數據不僅是計算機深度學習，還有人機交互，互相學習。

“根據銀行以往的交易數據，來確定信用卡發卡客戶，做的是數據分析員的工作。但如果要弄清設立城市副中心帶來交通影響，需要一名數據科學家。一名數據科學家需要7到10年的培養，屬于稀缺人才。”鄭宇表示，成為一名數據科學家要有深厚的行業知識，知道產生問題的深層次原因;還要了解數據的涵義，視野寬闊，知道社交媒體的數據可以用來解決交通問題;此外還要懂算法和云平臺。數據科學家不僅要解決問題，還要想問題，甚至要比政府提前看出問題。

另外，鄭宇認為，要解決城市問題包括交通問題，建立城市大數據平臺是必須的。在這個平臺上，集多元、異構、多模和大規模數據于一體，遇到問題時可以迅速調取數據，建立模型進行計算。

(新媒體責編：wb001)