主页（http://www.cnwulian.net）：人工智能时代 四维度拼接“智慧交通”全貌
事实上，如今百度地图慧眼数据的预测准确率已达85%以上，这意味着，它完全可以为政府机构提供重要的辅助性数据资料。比如百度地图就依靠人口数据优势，以城市新流入常驻人口与全国所有城市新流入常驻人口均值比值为指标，发布了城市吸引力报告，2017年第一季度的报告显示：在人口吸引力排名Top10城市中，长三角、珠三角各占三席，人口吸引力突出，此外还包含北京、重庆、成都及郑州。
值得一提的是，百度还以城市拥堵指数和公交站点覆盖率为指标，同时发布了城市交通运行情况报告。城市拥堵方面，从主要城市拥堵排名Top10数据看，直辖市重庆、北京、上海三大城市入榜，天津是唯一未入榜的直辖市；其他入榜城市均为省会城市，其中哈尔滨以2.138的工作日高峰拥堵指数居榜首。而公交站点方面，在公共交通站点500米人口覆盖率排名前十的城市中，广东有深圳、东莞、佛山、广州四个城市上榜，北京作为北方唯一入选Top10的城市，排名为第七。可以预见，这种基于真实流动状态的数据分析势必将影响决策。
嗯，在人工智能的加持之下，科技企业与政府数据的共享，无疑是能否促进智慧交通网络的关键——要知道，中国各级政府掌握着全社会信息资源的80%，拥有海量且高质量的数据，当它们与科技企业的数据和人工智能相结合，产生的正向社会效应将难以估量。
其实谁都知道，世界的复杂度正如“沙堆实验”一般集聚，传统人力基于过往经验，早已显得疲惫不堪——譬如交通问题，早有人预言，隐匿于城市毛细血管的交通网络，有可能是第一个被搁置在人工智能底座的社会系统。
与政府打造智慧交通网
而这也意味着，当数据成为新经济的底层驱动力，解决交通这样的复杂社会问题，政府也势必对人工智能敞开怀抱。在我看来，通过“人工智能+社会治理”，用数据为城市“画像”，才是每天诞生的海量城市数据的最佳归宿。
这种共识当然会向政府等决策层传递。就像互联网时代，不少科技企业完成了对资源配置的重新释放，在即将大规模落地的人工智能时代，在对待更复杂的社会问题时，他们也有能力，通过AI为政府和其他社会组织赋能，通过数据的交融，合力将城市向更具智慧的方向演进。
巨大的公共福祉背后，是颇为坚信的路径实现。众所周知，城市交通网络由人，交通工具和管理三个维度构成，且随时都在变化。
其实在人工智能处理交通数据这件事上，相比于共享单车，目前较为成熟的也许是并不惹眼的实时公交领域——要知道，每日至少两次的高频应用，让各种实时公交应用的累积数据并不亚于打车类软件：就像滴滴让人们习惯了“掐点”坐车，通过大数据与深度学习，实时公交应用也可以实现公交数据的实时整合，让用户能清晰获取每日赖以出行的公交车信息，如现在走到哪了，是否正在堵车，什么时候到站，甚至整条线路的实时通行状况，以此决定什么时候离开办公室或者家前去等车比较合适。毫无疑问，这种基于人工智能的资源匹配，对于城市公共交通出行效率，出行选择率以及城市承载率都意义深远，也势必得到决策部门的重视。
其实政府完全可以仰仗更睿智的方式，譬如通过移动地图，要知道，百度地图每天响应450亿次定位请求，位置服务超720亿次，完全可以基于这些累计的定位数据，计算出每个用户的工作地和居住地(譬如在百度的算法中，当两个月在某个位置出现上百次；时间集中在9:00-19:00；连接的wifi固定，基本可以判断是在工作地)，然后通过划分区域位置边界，测算出某个区域的人口绝对值。
人工智能+交通的路径实现
当然，在移动地图之外，人工智能同样可以用于如今炙手可热的共享单车身上。我个人看来，更好地优化车辆配置，是需要共享单车平台共同面对，也是让交管部门较为疑虑的问题，诚如大数据专家涂子沛所言，共享单车首先要回答一个问题：一座城市究竟需要多少辆公共自行车？“要得到这个答案，必须结合城市人口、公交系统、私家车、道路等各项数据，进行计算。其中最重要的估算手段，是把城市里每一个人的家庭住址和其工作地点在数据库层面打通，从而掌握每一个人在城市中最日常的流动，即上班族的‘潮汐’特性。”
事实上，判别智慧城市的一大标准，即是各个领域决策层——尤其政府决策部门对于数据的驾驭程度。而欣喜的是，作为一次算法革命，深度学习以一种简练的网络模型得以解决过往极为复杂的社会难题，譬如交通。下面不妨从打车，公交，单车和地图等不同维度来拼接成“智慧交通”的全貌。
解决人口问题的智能方式
我相信，哪怕“下半场”概念的持续走俏，当整个社会的技术基础设施向人工智能的底座切换，它被写入政府工作报告也只是时间问题。要知道，在过去数十年，当科技学术界在向公众描述未来时，对于“确定趋势”凝成共识的次数其实屈指可数——且远未达到今天学界对深度学习这条技术脉络高度认可的坚定态度。
原标题：当出行平台遇到人工智能，将如何改善人类交通系统
其实不难发现，所谓新司机和老司机的差别，即是掌握的交通信息渠道和本地驾驶经验。而基于高性能流式计算，现在的百度地图可以做到分钟级别的路况更新，某个地方发生拥堵，不到一分钟就会被识别。此外，百度还可以精确推算全国路网的动态车流关系，实现未来一小时的路况预测，这种路况预测模型，包括了日期，时间，天气，路段路况和区域路况等多个维度，并辅之以棋局态势感知和区域路况态势感知的神经网络算法。
在我看来，除了前文所述的实时资源匹配，提升日常交通疏导效率，“人工智能+交通”的更大福祉，是这些数据能够回馈到城市建设之中，利用数据进行城市线管规划，交通拥堵成因进行分析，对异常道路进行数据挖掘，并将数据用于交通管理调度及相关决策，辅助宏观交通规划。
