9月21日，由中国智能交通协会支持，湖南省智能交通行业协会、深圳市智慧交通产业促进会、上海智能交通系统产业联盟、南京市智能交通产业协会、安徽省智能交通协会等地方行业组织联合主办的“2017年中国城市智能交通管理暨科技创新论坛”在长沙枫林宾馆举办。科技谷（厦门）信息技术有限公司CEO陈思恩博士分享了《应用大数据构建智慧交通》的主旨演讲。本文为现场演讲速记整理，未经演讲者本人审核。
陈思恩：各位专家好！
《应用大数据构建智慧交通》这个主题放在新技术和新模式专场可能更合适。刚听很多演讲，更多的是解决具体的问题。
我有关注中国铁路总公司和民航的大数据应用工作。过去一年中我国民航出行人数在5亿人次左右，铁路运输近30亿人次，公路客运将近300亿人次，公路交通是非常庞大的市场。本人长期从事大数据领域的相关研究，2014年起，我在公安部交通管理科学研究所做了一些咨询工作，和该所六部一起从事大数据研判方面的工作。今天分享是大数据和人工智能助力智能交通的问题。
目前城市交通出行的模式非常多，包括水路、公路、轻轨、高铁等将城市连接起来，人口在千万以上的城市已经有10个以上，对交通的需求很大，对智慧交通的需求也很强烈。
大数据应用有很多热点的问题，我做了一些总结。
大数据概念非常多，我们要像在沙砾中发现黄金一样，找到简要的点。这需要政府各个部门一起协作，推动政府交通数据的开放，用于C端、B端，把数据盘活起来，这个非常重要。特别是交通大数据，涉及到民航、铁路、公路的数据集，有很多共享经济的业务点，包括政府如何改善监管手段等。现在人工智能的赛道开始在加速，有很多大数据公司做一些人工智能+大数据的融合。现在市场上流行一些热点，比如物联网和区块链的融合，新的技术交汇融合可能会有一些新的创意产生。
我们团队主要是做个性化出行服务，现在为中国南方航空做产品，同时我们也在帮中国航空、民航总局做预测性警务系统。民航在全国有一万多的警力，这一套系统涉及面非常广泛，行李安检，登机口二次验证，安检二次验证，将预警数据融合进去，进入机场后，电子围栏可以自动感应。
全国300多个机场，每个机场将警务预测业务跟传统业务融合，除了安全管理外，针对性信息扩散也是非常重要的，比如新开航线，加密航线等等信息。铁路方面，则包括动车组的优化、运维。
在这个板块里面有四个问题，第一是营运部门的收益管理，任何大型的运营厂商都需要收益管理，增开航线成本增加核算，基于定价的收益核算，以及动态定价等。两个跟公路比较相关的就是路径优化和动态理赔，需要用到机器学习，做大量样本进行预测，样本是一些比较发散性的东西，虽然统计学方法比较严谨，但也存在大量的问题。
我分享几个应用点：
1、智能停车解决方案
停车智能化市场很大，但一些停车场的数字化管理还不够深。在“微软加速器”里，有一些专门做智慧停车方向的团队。比如一个视频原本不适合做数据分析，新标准出来之后就适合了，而且是一种加密标准，数据不容易被截取，这里涉及到许多跟物联网相关的东西，核心内容也在里面。
另一个是数字支付的闭环，也就是说交互手段有各种入口，包括各种月卡，各种支付手段。收集各种维度的数据，比如僵尸车辆，设备运维，出入杆的起降次数。
深圳宝安机场的改造，把机场候机楼数据跟停车场打通，就很全面。停车应用场景都在追寻一个闭环，在这个过程中，要加入很多新技术去改造，把原来的漏洞补上并做一些创新性的东西出来。现在广州白云机场配套民航总局大数据的安全平台，已经在深圳落地。民航总局的数据库是全国性的，把携程、顺丰快递、申通等数据整合在一起。
停车场是一个很好诠释大数据场景落地的智能化承载系统。
2、公交线路优化方案
每个产业的智能化驱动程度是不一样的，有先有后有快有慢。我们跟上海交大有合作，在针对交通的研究中需要数据做支撑。当然，也看研究的问题是什么，因为统计学比较讲究假设条件，包括数据检验，所以有时候两种方法会结合在一起。
深度学习需要用到一些时间，就是要把平面的东西变成立体的，再变成一张图，用神经网络去跑，但跑出结果需要的时间非常长。比如说一条客运线路用一个机器跑，学习认知过程可能要一两个月，路径优化也需要时间算。最后出来的结果可以指导运管部门做一些优化的工作。
客运线路开设涉及到数据交集，也会产生新的运营手段，比如跨城市运管。机场航空、铁路的人群疏散，需要适度开放外来车辆，虽然会对城市交通产生的影响，所以要以事件为驱动考虑路径优化。
我们想致力于打造民航和铁路方面的产品，5月份去亚马逊总部参观，亚马逊用计算机视觉做了一个APM，让不同行业进行调用，让一些仓管变成不用人看管的实体店。要结合应用场景改造，让CV技术更适配场景，要冲着具体解决的问题去，技术永远是工具，但是管理科学方法是不变的。在机器学习方法、统计学方法中，机器学习方法是人工智能具体实现的方法，统计学方法是机器学习的一种技术，关系和逻辑要搞清楚。
优化方面有很多的特征要提取，这里会判断最终优化的路径。每个城市的优化控制几乎都大同小异，在一些具体路段具体考虑的问题点也不一样，需要专门的数据分析团队跟运管部门配合，80%工作是厂商完成，20%的工作需要跟公安交警部门配合。除了前沿的人以外，中间还有做大数据整合运用、具体算法等中间件。
3、营运车辆事故风险
我们跟中国航天科工进行了一些合作，研究智慧旅游，旅游交通环节如何改善的问题。交通部开放了某些城市的一些数据，基于这个数据进行优化。
民航总局做一个用于打击机场盗窃的算法模型，启用以后数据越来越大，中心放在深圳中科院，有很多高校参与。垂直领域可以拓展很多新警种业务，现在民航局考虑设立一个网安支队，这里面监管的数据会更齐全，设计应用场景也会更快。
现在更多大数据采用机器学习做一些事前预防，因为统计方法更多的是做一些事中的快速反应和事后的轨迹可查，侧重方法都不一样。
如果大家对交通出行方面比较感兴趣可以跟我联系，无论是我个人还是团队都是做交通出行方向的工作，希望能够跟更多政府、学者进行这方面的交流。
