主题：人工智能、大数据和自动驾驶技术创新

时间：2018年11月21日下午

地点：花都皇冠假日酒店分会场D

主持人：中国汽车工程学会副秘书长、中国智能网联汽车产业创新联盟秘书长公维浩

主持人：尊敬的各位专家，各位来宾，大家下午好！很高兴大家又出席今天下午的分会场。我是今天中午才到会场，这两天看到很多关于会议的新闻，感觉错过了好多事情。这个会议叫智能共享出行，出行是一个非常好的点，原来见到了很多名词，比如汽车喜欢叫智能网联汽车，交通喜欢叫智能交通，不管用哪个词都很难达到两个行业坐在一起。出行是人类最基本的需求，不管汽车还是交通都是共同为之服务的，所以这个会由中国汽车工程学会和中国智能交通协会共同组织。不管是叫出行还是叫智能交通，还是叫智能网联汽车，都对产业的融合创新提出了非常高的要求，这两年越来越多的产业正在不断加速融合，也出现了越来越多的讨论，除了智能车还要有智能的路，还要有车路协同等等概念。

今天的论坛有政策创新的分会场，有商业模式分会场，也有汽车制造商转型的讨论，现在终于到了技术人说话。人工智能、大数据和自动驾驶技术来驱动未来的出行，是非常重要的一个领域，现在看到不管是人工智能还是V2X技术，还是大数据、云计算等等，都在为智能网联汽车的实现赋能，为智能交通，为未来智能出行赋能，下面开始进入主题演讲环节。

首先有请新加坡国家工程院院士、新加坡国立大学终身长聘教授李德纮演讲，他演讲的主题是：AI赋能，精准数据助力一体化智慧交通管理。

李德纮：

谢谢主持人的介绍！

在座的各位专家、学者、产业界的朋友们，女士们、先生们，大家下午好！

非常高兴有这个机会让我向各位分享我们在过去一些年来如何运用人工智能AI给我们一个新的能力，让我们能够具体地运用工程师的智慧，来协助解决我们最根本的难题。出行是基本的需求之一，我们有几大基本需求：衣食住行，如果出行没有办法把它做好的话，前面的这些基本需求整体的满足感，或者幸福感就会降低。

今天向广大的朋友们提供的，不仅仅是科研上的成果，最具体的希望大家可以在以下20分钟分享当中，体验已经为交通管理带来了的不一样的效果。我们日常讲到交通管理，很多人觉得是一个很传统的东西，交警控制信号灯，现在再通过一些信息化，导航设施。在国内出行基本上都离不开导航，一方面随着路网越来越复杂化，也随着交通本身的复杂度以及多变性，已经到达了一个相当高的程度，因此才会想到要借助外力来协助我们。我们今天生活在一个城市，无论是大城市甚至是包括一般的小城市，有很多民众普遍都面临非常严峻，甚至已经变成一种习以为常的事情，就是交通拥堵。大家觉得交通拥堵似乎已经成为生活中的一部分，我刚才讲：习以为常，这是一件非常可怕的事情。因为一旦对它习以为常之后，就觉得它应该存在，存在是合理性的，但是如果严格来看，广大的交通设施耗用了纳税人许许多多的税金，也动用了很大的政府公权力来协助交通管理，因此如果我们的交通不是顺畅的交通，那就是有问题的。当然也有一种说法，谈到交通问题的时候讲到交通拥堵会耗费多少的时间成本，等同于多少的金钱，我今天讲一个最简单的，一个基本的生活需求，把我们生活的需求回归到应该有的状态。

交通系统目标是安全的，环保的，畅通的。但是现状是残酷的，在北美洲或者亚洲的城市，普遍所面临的交通系统不一定是安全的，有交通事故的，道路不一定是畅通的，尤其是在早晚高峰时间免不了都会遇到拥堵的状态。我们也期望城市是一个洁净的，机动车在城市当中是最大的移动污染源，是否可以达到环保诉求的交通服务，因此来降低产生污染。

在交通系统里面，基本上存在三大问题，哪三大？容量，交通需求、两者交互作用所产生交通的状态，要实现刚才所提到的三大目标：安全、舒适、环保，必须要针对五大交通要素，哪五大？车辆、路段、路口、停车场以及交通警力分配。相信在座很多交通专家就会想到，路段、路口、停车场，过去一般是很笼统的，很概括的用交通路网，交通网络来形容。我们先做第一个细分，在容量部分，在传统交通工程学里面通常要谈通行能力，但是通行能力在交通工程学中是估计而来的，我们今天谈的是具体能够产生的交通通行的能力，到底能够通过多少辆车，我非常强调的是非常微观的治理方式，以及承载能力。另外一方面看需求，需求第一个要治理交通，还是针对车辆，车辆是由驾驶人所驾驶，因此有出行的时间，有出行的起点以及终点，就是所谓的OD。当你从O走到D的时候起点到终点就有行驶路径，利用导航无非就是反映基本的需求，希望更快，更准确到达我的出行目的地。容量和需求两者的交互就产生了交通状态，交通状态具体从交通管理观点来看，包括路段的旅行时间，交叉口排队长度，路网当中具体车辆数，在网车辆数等，这些因素都是长久以来做交通管理，无论是做传统的交通管理还是智能交通管理都想要回答，但是一直到目前为止都无法回答的一个非常简单，但是又非常艰难的问题。还有停车场的车辆数，具体有多少车停在停车场里面，这些都是我们应该要知道的，长久以来受限于传统数据不足，数据处理能力欠缺，交通科学学门也并没有提出一套有效的学力模型。

在谈到交通系统的时候，过去包括搞交通的人自己都会说，刚才有很多搞电信通信朋友也会说，交通路网和电信路网没有什么不一样，都是一个路网，但是在电信路网当中，我们知道谁从某一个号码打电话到另外一个号码。O和D在电信网络当中是知道的，信号传输过程是可控的，本身的路网可以提供的宽带也是知道的，用数学的语言来讲，这是一种线性规划。复杂化一点是一个动态性线性规划，这是一个可解的数学问题，但是在交通路网当中，我们看任何一辆车知道长什么形状，挂哪个省份牌子，但是具体行驶的路径，从哪里到哪里，刚才经过了多少路口，每个路口花了多少时间，我们基本上不知道，哪怕装很多传感设备，也只能够针对某一辆车。也许在后台中控中心会知道你的车，但是你不知道别人的车。所以就数学来讲，交通系统是一个非线性的系统，是一个不连续的系统，是一个会根据时间而改变的系统，不可测，不可控，数学语义来讲变成不可解的，极为复杂的数学问题。

今天究竟交通大脑能够为这个长久以来所存在的现象带来什么样的改变呢？还是要回归到最近几年在中国，在人工智能方面，在大数据方面所产生的一种翻天覆地的变化，也就是技术革命，这里面的技术革命，包括及时通讯、物联网、大数据、自动驾驶构成了一个基础，具体为我们从事智能化交通分析提供了一个非常完备而且精准的数据。具体来讲，具有个体身份识别的数据，支撑了我们所提出的IDPS交通大脑的架构，I就是完善的基础设施，D就是数据，P就是计算平台，S就是系统，我们要从过去不足的基础设施变成完善的，局部的数据采集变成完备的数据采集，基础简单基本的统计分析变成智慧的计算平台。运用大数据的深度分析方法，孤立的业务系统过去只为交警所提供服务的可以为广大的业界或者用户提供个性化的服务管理。这当中的支撑，愿景大家都会画，但是最重要支撑有两大核心技术，也是我们在跟传统的交通学里产生很大不一样，我们提出了可计算路网，交通路网是可计算的。什么叫可计算路网？路上每一个基础设施只要是跟出行相关的，都是数学上可以被表示出来的，另外一个有这样子高精度的数学模型，就需要高精度的数据来支撑，在现在卡口数据，视频检测提供了极为良好的身份检测模型。但是也不是你今天采集的数据就代表你可以做到身份检测模型，而是必须要具体对视频数据做广泛的，多维度的辨识以及认知。

交通大脑精准掌控交通系统的容量、需求、状态，为赋能业务提供基础，我们从实际情况跟各位分享这个成果。在安徽宣城已经具体落地，宣城包括管控范围大约275公里，面积是180平方公里，核心区域路段总长度大约73公里，面积大约是24平方公里，在整个区域之内日均将近180万辆过车。在所有交委当中可能只有宣城能够如此精准的提到这个数据。关于宣城城市大脑，我刚才谈到可计算道路元素超过5万个，总长度超过100公里，相当完备的数据采集基础，可以说是人类史上第一个可以做到全精准掌控交通的城市，每一辆车，每一个路段，每一个路口全程掌握，多时空维度，对交通的需求、供给、以及状态做一个完备的求解。路网结构诊断性来奠定交通问题的源头，全量路口过车数据计算，驱动交通信号控制评价及优化，重点车辆出行轨迹，帮助交通警力稽查，支持宏观交通管理政策。在某一天6月22日8点到8点05分，具体交通车道级精准掌握，不是用传统的方程式所推算出来的，是实际经由道路交通参数计算出来的。

同样的时段到底有多少辆车在路网当中，以及有多少辆车需要等交通等，等灯一次两次三此以及三次以上的有多少辆。完备的数据都可以通过我们所开发出来的交通大脑得到非常高精度的，非常精确的信息上的掌握。违规车辆具体出行的路径从哪里来，去哪里，以及在什么时候可能会再经由几分钟通过某一个路口，就可以布置警力做稽查工作。结构性的诊断，信控的质优化，重点车辆的管控以及宏观交通政策的支持，算是全方位为宣城提供这样的服务，也不仅仅是宣城，除了宣城以外在江苏的宿迁也已经具体落地，还包括广州、佛山等等其他的城市都在第二波。在国际上由于我过去长期在新加坡服务，现在也要将我们从中国制造所发展出来的交通大脑回到新加坡。

还有信号灯的控制，不停车通过的车辆所占的百分比加上一次停等。在宣城这个地方全市过车每天将近180万车次，但是没有一个车需要等超过3次的红绿灯。我要特别强调，这个跟这个城市是一线城市或者二线城市，三线城市无关，很多人说宣城是一个小地方，交通很平顺的。但是我相信我们也都知道，有时候小的城市交通拥堵，由于本身整体布局不到一定的水平，反而可能拥堵更严重。因此我们今天重点不在于城市的大小，而是在于这些城市无论大小，交通表现出来的共同特征就是高度复杂非线性，难以求解的系统。

有了这样子的交通大脑，抓违章对于交警来讲基本上，根本就是探囊取物。我们还可以从个性化车辆出行来研判交通状况，支持宏观的交通管理决策，特别强调一点，从使用频率来看，日均行驶超过9公里以上的车辆以及少于9公里，有超过90%的里程是由20%的车辆来贡献的，这代表了什么？我们只要保证这20%的出行顺畅度就可以做好交通管理。

我们还能够为交通管理提出具有精确数据支撑的日报、周报、月报。IDPS交通大脑自从去年在宣城落地以后，普遍受到了业界以及政府相关单位的支持，在今年成功的破解了导航堵的问题，连续获得央视三次的报道。

在我分享结束之前，再让大家思考一些问题，关于交通大脑我个人特别强调一点，不仅仅是谈数据，我们不是只谈数据的融合，更重要谈对数据具体的要求和数据的标准，不只是单纯谈深度学习，图形识别这种智能算法，要具有相对应的交通模型，而且不谈单向应用，或者是集成式，我们是一体化，个体到总体对交通系统整体的认知，我们这样子的成效可以为广大的民众以及各级地方政府在做交通管理的时候，以及现在谈智慧城市提供一个相当具有说服力，相当重要的支撑。

以上就是我今天的分享，谢谢各位！

主持人：谢谢李院士的精彩演讲，李院士基于可计算路网和身份检测模型这两个技术的突破来提出革命性的IDPS的框架，解决今天我们面临的交通问题，对于特别是来自首都的人非常希望看到这样的技术落地。