日前，交通运输部科技大讲堂邀请微软研究院主任研究员郑宇博士，带来了题为“大数据和AI驱动城市智能——交通篇”的讲座。大数据的核心是什么、能解决城市交通哪些问题，目前难点在哪？针对这些问题，郑宇带来的城市交通大数据解题思路。

　　多元数据融合是大数据核心

　　郑宇认为，大数据的核心并不是要处理很大量的数据，而是要应用多种数据解决实际问题。比如计算一个城市汽车的总排放量，首先面临的难题是算出这个城市中的车流量。因为城市道路中有电子感应线圈的通常不到1%。用路口摄像头计算车流量也比较困难，因为只要摄像头的高度、角度不同，就得重新建立计算模型，工作量非常巨大。所以要计算一个城市的车流量，需要用到出租车GPS数据、路网结构数据、天气数据和周边基础设施数据等，用多元数据建立一个比较复杂的计算模型。

　　郑宇又举了用大数据监测城市道路异常情况的例子：“车流量增加了10%并不会让我们感觉有什么异常，可当这条路上和周边区域刷微博的人多了10%，共享单车的使用量也增加了10%的时候，大数据就能预测到这条路可能面临拥堵，需要采取措施进行疏导。疏导交通需要找到源头，可能这条路堵，源头是在另一条路或者更远的地方，这时候就需要更多的数据，如轨道交通数据、天气数据、突发事件数据、市内大型活动等数据。”

　　郑宇表示，用大数据解决问题，经常有人会说数据不够，其实是个思路问题，要放开思路和思维维度，让更多的数据为我所用。大数据是多元数据融合，有时更考验人的视野和想象力，要“既见树木，又见森林”。

　　既能算道路规划还能算客货运营

　　从城市道路规划到出租车运营，甚至到城市急救站的设置，大数据都有用武之地。

　　郑宇举例说：“有些城市拥堵是因为道路规划不科学造成的，大数据计算可以解决这个问题。首先要把城市网格化，形成一个个区域，然后把各区域之间连接线每天的路况特征提取出来，这些特征主要有速度、流量和绕路比等。例如从A到B，如果速度慢，还经常被绕路，说明这两个区域间的交通出了问题，需要重新规划。”

　　在天津，以前急救中心的设置主要靠人的经验，通过大数据计算后，在不增加任何人和车辆资源的情况下，还是原来的道路，通过改变急救中心的位置，急救车接送病人的时间降低了30%，这也意味着医生有更充裕的时间来救治这些危重病人，挽救更多的生命。拼车最优一直是交通大数据领域的难题之一，前不久高考期间还有考生因为拼车错过了考试时间。目前郑宇博士带领团队建立了拼车最优的大数据模型，运力可以提高10%到15%。如果把人变成货物，该模型还可复制到物流中。

　　郑宇表示，在城市交通领域，送餐问题是大数据面临的最难的挑战之一，因为送餐涉及到送餐员、餐厅、买家三点联动的问题，三点联动会产生多种选择，这种选择随着业务量的增加呈几何级增加，而且送餐对时间要求更加苛刻。一个成熟的送餐员面对2到3单时还可以用经验算出最优路径，但面对4到5单以上时，人脑就不够用了，必须靠大数据系统来计算。这个问题的解决对于互联网餐饮配送公司尤为重要，甚至可以成为公司的核心竞争力。

　　人的功能不能被忽视

　　“在人工智能和大数据领域，计算机深度学习的概念非常热，但在大数据应用领域，人的功能不能被忽视。”郑宇举例说，要在一个区域设置5个充电桩，如何设置才能让充电桩覆盖的范围最大？这是一个复杂的问题，其计算模型是在人机交互中不断调整完善的。首先通过一些简单条件建立模型，计算机会得出一个结果，然后行业专家根据经验对结果进行调整并增加条件，机器根据调整结果和条件进行再计算，行业专家再调整，这样经过几轮的反复，计算模型才会趋于完善和科学。从上面例子可以看出，大数据不仅是计算机深度学习，还有人机交互，互相学习。

　　“根据银行以往的交易数据，来确定信用卡发卡客户，做的是数据分析员的工作。但如果要弄清设立城市副中心带来交通影响，需要一名数据科学家。一名数据科学家需要7到10年的培养，属于稀缺人才。”郑宇表示，成为一名数据科学家要有深厚的行业知识，知道产生问题的深层次原因；还要了解数据的涵义，视野宽阔，知道社交媒体的数据可以用来解决交通问题；此外还要懂算法和云平台。数据科学家不仅要解决问题，还要想问题，甚至要比政府提前看出问题。

　　另外，郑宇认为，要解决城市问题包括交通问题，建立城市大数据平台是必须的。在这个平台上，集多元、异构、多模和大规模数据于一体，遇到问题时可以迅速调取数据，建立模型进行计算。