“马路上最常见的信号灯，其实已经有一百多年的历史，而在这一百多年里，竟然没有什么变化。”
在2018世界交通大会上，阿里云机器智能首席科学家闵万里感慨道。
“信号灯从出场第一天起，它的智能就被写死了。”闵万里说，“信号灯是个近视眼，它通过一些传感器（来观察），只能看到眼下，只能看到刚刚发生的事情。而有了大数据和人工智能，一切都开始变化了。有了高德地图的数据，每辆用APP导航的车在哪里、要往哪里去，一目了然。看得见，想得远，自然比别人做的多。”
互联网+信号灯比传统的只用传感器的信号灯更加有预见性，因为它可以清晰地感知到还有多少车在上游路口将要过来，进而判断十分钟后应该是红灯还是绿灯，发现哪些路段的红绿灯设置不合理，改事后诸葛为未卜先知。
基于这个想法，阿里云和高德地图推出了城市大脑智慧交通公共服务版，一个普惠式的、免费的城市大脑公共服务。这个系统中有预警解决方案，诱导解决方案、管理解决方案和研判解决方案，通过这种连接的纽带形成高效的功能。
通过预警系统发现交通拥堵，通过调度系统和预警系统来帮助交通管理部门对拥堵和事故进行快速处理，同时可以提供车辆分流的解决方案，通过高德导航的提示来进行分流，并在事后进行事件评估，形成一个闭环过程。
举例而言，如果北京四环发生了拥堵，交警可以在城市大脑上规划分流到三环，这种政府推荐的方案在用户规划路径的时候会直接显示在高德的前端，直接实现自动化的连接。
一个比较直观的成果是给救护车提供一路绿灯。在杭州萧山区的实践中，城市大脑为交通做出整体的优化，为救护车提供全程绿色信息通道。在救护车到达拥堵路口前10秒或20秒，信号灯自动变绿，清空拥堵车辆，保障救护车畅通无阻。总计压缩通行时间7分钟，提速50%，最后的差距可能是生死之别。
“智能在端，智慧在云”
未卜先知听起来容易，实现起来却非常难，主要是难在算力。
如果每个路口都提前预知将要来到的车流，基于未来的路况和需求进行调配，需要的计算量是无与伦比的。
闵万里说，互联网APP数据上行是数据源材料之一，加上交通当中自己的数据，为智慧交通提供了丰富的原材料，而当原材料更加丰富的时候，也需要更加好的配方和加工方法生产出更加优良的产品和商品，比如把信号灯单点优化变成区域优化。
阿里云将电商当中的经验借鉴到了交通中。双十一交易的数据量极大，堪称最复杂的数据洪峰，阿里将那个场景下数据的运输能力转移到垂直行业中去。
目前，阿里云在杭州和上海的城市大脑当中，实现了对视频全量实时计算，而不是事后抽查。在杭州做到了主动预警主动发现，以前是巡检在控制台观察，现在则是全景在线，准确率95%以上。
数据的完整就使得创新成为可能，闵万里用吃东西来做比喻。交通系统不挑食，能处理视频当中的非结构化数据，甚至APP数据，才能长出强健的聪明的智慧体。不光不挑食，还要能消化得了，也就需要计算能力。
闵万里说，2011年，还只能望数兴叹。但是到了2016年，随着云计算的出现，这一切变得迎刃而解了，连一个小白用户也能在很短的时间内得到超量的计算能力。
北京信号灯配时优化使路口平均延误下降了6%。
城市大脑在高架路上的应用，上海高架预测精度提高10%。
在这种充分的计算能力下，通过交通配时优化节约下来的时间，相当于给每个人每天节约了6分钟。
阿里云团队实现这一切，利用的只是既有的数据资源，而没有在交通灯和马路上添加任何新的探头等硬件，从代码和方法论上着手得到了这些百分比的提升。这是闵万里一直强调的“智能在端、智慧在云”的体现，也是云计算的巨大价值所在。
强调开放，让算法融入行业
阿里和高德的合作实现了数据和算法在交通领域的作用发挥，但在数据和算法这两层之上的应用智能平台，闵万里表示，他们还需要更多的生态伙伴来开创。
他用石油来比喻。阿里云将原始数据加工成易于理解的数据提供给合作伙伴，就像原有的石油经过提炼之后，等待大家做成橡胶、汽油甚至高品质的汽油。他表示，石油的第一层提炼已经完成了，下面将交给其他的合作伙伴。
目前ET城市大脑项目已经实施了许多行业生态的合作方案，包括不同供应商的细分领域，还与公路协会合作，加上清华大学、上海交大等高校，成立了未来交通实验室，以支撑未来的科学研究能力。
闵万里感叹目前这方面的应用与数据体量相比太少了，价值密度没有充分挖掘，需要更多的人来释放数据的价值。“价值的释放一定是通过行业当中源源不断创新，绝不是靠阿里云工程师写一些代码。”他说道。
因此，他呼吁一个开放的AI 生态，并表示这绝对不是颠覆式的，而是一个共赢的模式。最终的愿景是超越云计算，因为云只是基础设施，最终的目的是在云的基础上创造出来的应用智能。
打破数据孤岛
会上，高德地图副总裁董振宁也强调了开放的重要性。他说，数据是城市大脑的最重要的血液和养分，所有人都知道数据有巨大的价值，却不懂得怎样使自己手中的数据产生价值，自己紧握着这些数据，“放在口袋里不跟别人分享”，数据成为一盘散沙，就创造不出应有的价值。
他认为，解决数据孤岛问题有四种路径：
第一，要有数据的处理能力。大量的数据汇聚起来后，需要有云计算的资源进行数据处理，有充足的算力对数据底盘进行处理，才能创造数据的价值。
第二，选择有价值的数据，用有价值的数据创造更多的价值。阿里和高德在进行城市大脑磨合的时候，把目标聚焦在交通和安全领域，也是出于数据价值的考虑。这两个领域一个涉及到国计民生，一个涉及国家安全。“创造头部的价值是很重要的能力。”董振宁说。
第三，解决数据孤岛很重要的手段，是存量和增量的问题。很多人进行数据汇聚的时候首先考虑的是存量的数据，但存量数据其实反而不好获得，高德提出的方法是先取得增量数据，通过增量数据带动存量数据。他们叠加了高德海量的数据和通过AI的海量视频，作为增量数据，“这样之后再对存量数据进行获取，会获得很好的数据基础。”
第四，也是董振宁认为最有效的手段，是国家强制性的干预。在城市大脑已经落地的一些城市如杭州、上海等，这种手段就发挥了作用，杭州专门成立了大数据管理局来进行这种所有部门数据的汇聚。
城市大脑汇聚的数据分为三类，一类是静态数据，也就是是路网数据，第二类是城市物联网数据，像高德、共享单车提供的网络设施的物联网的数据，还有一类数据是视频数据，通过视频汇聚的功能，基于阿里云进行数据汇聚，同时通过各种方式来构建城市感知系统，构成城市大脑的数据底盘。
董振宁说，互联网公司目前的科学研究还更多在基础研究上，但互联网在工程上则需要进行前瞻性的探索。通过高清地图对所有的数据进行摄入，构成统一的表达性，物联网数据、高德的数据在交通的表达上是一致的，为下一步的工作融合不同数据源之间的数据。
城市交通大脑的可持续发展，关键需要一个开放的生态系统，“如果没有开放系统和更多人的加持，如果单靠一两个公司这个智慧大脑是不可能构建的。”董振宁说。
数据人才转型
在数据和AI人才的偏重上，闵万里说，数据团队和AI团队都同样重要。据闵万里介绍，阿里云ET城市大脑团队现有约300人，在大数据和云计算方面的人才配备较为充足，但人工智能方向还有大量人才缺口。大部分行业专家不懂代码，而算法专家并不了解交通行业。
如何堵上人工智能人才不足的缺口？我们应该给行业专家配一个算法工程师？还是让行业专家学写代码？
闵万里也曾在大数据文摘的专访中谈过这一问题，他认为两种做法都有可能，但是难度不一样。
“第一个是传统行业的专家了解这些云计算的技术或者是大数据深度挖掘的技术再去做这个行业的升级换代，听起来很美好，但是执行起来很难，原因在哪？当他已经成为一个行业专家的时候，基本上是单位的顶梁柱，他的动力在哪？因为他面临重新学习的过程，单位能让他去吗？
但是反过来，我们的技术专家，我说过我们愿意走到车间去，我们愿意去学习行业专家的一些知识，我们有激励的机制让大家沉到场景中去，我们可能会学的很快就没有非技术的阻碍了。所以说从现实的效果来看，技术人走出去可能效果更快。
