2014年6月10日，第五届中国智能运输大会暨第三届深圳国际智能交通与卫星导航位置服务展览会在深圳会展中心开幕。腾讯公司地图平台部助理总经理张弦演讲题目为《互联网交通的思考》，以下为讲话实录
张弦：
刚才听了很多领导和专家在行业内的一些很好的探索和研究，我是从另外一个方面，来分享，也是向各位专家和领导，做一下我们在移动互联网与智能交通结合方面的一些需求以及实践。
主要还是有大部分是亲身实践，这些实践是有一些有意思的现象，而且我自己觉得实践往往比一些想法还难。我们可能用一个星期，或者两个星期做完的一个调研，论证了某一个放心的价值，也许是让人兴奋的，但是真正我们在做的时候，可能要花两年的时间，而且在这两年时间内，真的是非常辛苦的两年时间，才能做出和我们设想的成绩。今天给各位专家领导做的报告来说，可以说里面大部分工作内容，是我们花了两三年时间才积累出来的能力。
我们更关注在公众出行的这方面的用户的需求满足，以及问题的解决。我们洞察的用户公众需求来说，可能包含了一个是，借助于公众交通系统的出行，像公交地铁，另外一个是，通过自驾车的出行。这两点是现在有迫切的应用需求，第一个应用场景，像能够做实时的等公交车，是一个对上下班出行，解决交通拥堵是非常有利的一个体验，还有能够提升交通的出行舒适型。
地铁的拥挤状况，同样也是对交通流的疏导，有非常大的价值，而且这些实施并不太难。整个基础设施，已经绝大部分满足了应用的需求，更多是基础设施的这种产生的信息的运用，在这里的问题非常大。
在实时交通，躲避拥堵，以及交通领域的事故、管制和积水，对日常交通行为也非常重要。
还有一个是比较有意思的话题，关于无人驾驶，这一块也是互联网应用目前高度关注很火热的一块。
我们第一个认识，用户行为已经成为实时和智能服务的基石，我们很多的实时和智能服务最基本的来源，是来源于用户行为的收集。像我们的定位平台，每天可以搜到50亿次的定位请求，这个定位请求是带有精度、唯独、时间、速度和方向，这些东西是能够做出很多的数据挖掘的事情，像北京，每天产生的都有5亿次，也就是说，我们的大平台是每天支撑几亿人的行为，通过几亿人的行为，可以做出很有意思的分析。
第一个路况以及预测，这个路况是基于日常的定位数据，我们可以做到，每分钟的更新，而且这个延迟是只有达到30秒以内的延迟，每分钟的更新，而且能够覆盖度非常广。5月底的时候做了一个端午节拥堵的预测，这个是端午节但是还没到的时候，我们做了北京几个出口预测，因为北京出口往往会堵，从早上6点半一直堵到下午12点，这是非常惨痛的一些教训，我们对这个做了一些模拟和运算，得出来的结果和最后的当时发生的情况来说，是吻合度很高的，大概能够吻合到70%—80%，对日常交通参考和交通提前疏导，具有非常大的意义。
对于地图的快速更新，地图是整个交通网络的一个非常核心的一个基础要素地而地图快速更新又是整个业界难以解决的，如果是高速公诉没问题，这个因为会提前发布新闻可以提前捕获，而次一级的道路，几乎非常难以捕捉，传统更新方法里边成本是非常高的，周期性非常强。通过我们基于用户行为的分析，可以迅速发现，我们这里有这样一条通车的次级道路，但是这个次级道路的特征非常明显，发现周期可能几天时间就可以发现，这个对我们做一般性网的更新非常有意义。而且它能用来指挥我们应该，我们的基础设施，我们的基础路网应该关注哪一块人群，哪一块人群是真正活跃的，哪些地方是人烟稀少的。
第二个是说，用户的行为，成为了一个知识库，这个案例是在后来旁边一个路径计算，来自于用户投诉，最早是车辆导到一个车无法通行的小巷子，这个地图来自于图商，它给我们说能通行，但是用户投诉说这个路线不好，我们用别的方法也许可以解决，但是解决这一类长尾的错误，几乎是没有很好办法，我们解决一个另外一个还有，因为你不知道真实的情况是什么样。我们通过街角来看，确实这个路没办法车辆通行。要么要求图商提高数据的精度和准确成都，给我更多的描述宽度到底多少，是只能三轮车过，还是smart过，还是一般的家用轿车能不能过？我们通过用户行为发现了，对我们有非常好的指挥意义。
蓝色的线，就是说明这些路线是有大量的交通流，而没有被交通流覆盖的地方，可能是处于交通末梢，这种末梢可能是他的终点或者起点，不应该是过路的路线。
通过用户的交通行为，对路网进行了一些，我们叫做复制，可以说是挖掘，我们就可以很好解决类似的案例，这两条路都比原来的路好得多，通常得多。这种行为，只要我们处理了北京的，整个北京类似的问题，可能解决70%—80%没有问题，我们可以解决北京、上海、深圳，只要解决类似行为，我们常规的问题就可以解决。
还有很有意思的地方是，用户对于交通的参与热忱程度也是挺高的，右上角的图是今天早晨10点左右截的一张图，这个图是用户的上报，哪里拥堵、哪里拥堵、事故，可以看得出来用户上报行为，可能与当时市际交通情况非常匹配，右下角这张图是另外一个意思，红点代表他在路上的时候上报了一个不开心的事件，绿点是开心，这个是北京一周的数据，大部分不开心还是三环、四环高速上，开心就比较分散，说明这个交通行为与人的心情之间，还是有一定的相关性，只是我们对这个数据挖掘与分析，还没有做到更加的精准，我们也会对它分析，比如说到底是周一更开心，还是周五更开心，以及节假日更开心，一定是有规律的。
交通的几个主题，一个是这种路、车、人，人是在整个交通行为里面，是最为积极的一个因素，除了这些车和静态的路网以外，它是最积极的因素，通过我们对于1800份用户行为的分析，其实我们发现，平均下来每一个交通行为都会伴随7次超速、5次急刹车，4次急加速和急转弯。超速这一块，一种可能性，我们对于路网的超速设计不合理，有很多路明明很好你设计40、50是不合理的。也有一些说明，我们用户在驾驶行为中，参与交通的过程中，他确实有超速行为。
而这些东西对于保险公司，是非常重要的一个参数，对于优化整个交通网络，也是非常重要的。如果用户知道这个评估报告以后，在附以适当的疏导和教育，他是能够改善自己的交通行为的。
我们认识到第二个方面，是这些交通信息，应该成为像水电气一样的基础设施，被共享被分享，被使用。刚才前面一个专家做报告说，我们现在能够被公众使用的信息只是冰山一角，我们在这个过程当中也发现确实是这样，我们现在有大量的城市内大量的摄象头数据，高速公路上有摄象头数据，有收费信息，有停车场信息，还有地铁内的监控摄象头信息，这些信息在日常过程中，只是用于，第一个用途是罚款、管理、监控、安防，这些数据，如果是用于改善交通，它是非常有用的，如果我们把这种，通过自动化的技术，把地铁内的拥堵信息作为一个拥堵情况发布出来，其实很多人的交通行为可以改变，他可以早一点上班，晚一点下班，他自己会做选择。因为信息不对称，所以他没有办法选择。如果你的信息足够透明，对称，他的选择权就会更大，而这时候用户会产生另外一种有序的交通行为，而对于像在很多高速公路上面的这种摄象头，它可以获得更多的信息，比如说这个高速公路目前的流量、事故，更重要的是当时的天气情况。我们每一年都会在高速公路上发布很多恶性事件，尤其冬季的时候，比如说大雾、结冰，这种会绵延几公里，实际上我们高速公路摄象头可以捕捉到这些信息，通过自动化技术可以及时发布给车主。我们看到的是这些信息非常有价值，但是这些信息往往孤岛化、碎片化还有被保护的很严重，这些信息应该是在未来发展之中，像水电气一样，有一个比较好的市场化行为，比如说一个基础的信息定价模式，有它的安全保护模式，最后它产生的统计结果和计算结果有一个数值化的表现，应该能够被公众所使用，这个如果发布出来的化，能够产生众大的社会效益。
刚才两点是我们在实际工作中已经这么做，前面这一点我们也和有关单位和部门，包括和深交委和广东有些单位展开很好的合作，这一块已经开始破冰，我觉得一这块是非常让人期待的事情。
我们在科技界也发现一些很有意思的事情，小卫星即将兴起，现在像苹果、google，当然包括我们公司，对类似的技术非常感兴趣，我们在投资考察。这个小卫星在国外有3—5家公司他们能做卫星，这种卫星做出来只像一个小冰箱那么大，也许只是比饮水机大一些的体积，很便宜，几十万美元到上百万美元就可以做到，最大的成本可能是在发射的成本上，真正在制造和日常运维使用，它的成本是蛮低的。这样的话，像我们联络的有些公司，他们计划在未来两三年之内，能够发射二十到三十颗小卫星，通过密集覆盖城市，像我待会儿展示的这家公司，他已经发射了一颗小卫星，能够传达地面亚米级的视频和图象，而且能够一天内数次向地面返回信息，这个接收机也非常小，可能比这个桌子还小，这个接收机就科技完成地面的接收，这些信息能够对于改变传统的获得地理信息的方式有巨大的价值，像对于地形、道路的变更信息，还有一些监控、紧急救援产生很好的意义。
这是一个摩洛哥海滩环境监控的视频，这是2014年1月份拍摄的一个马来西亚的视频，这个视频是2013年12月28日拍的朝鲜核武器基地监控的，这是一辆运输车。这个是在2013年12月份拍的北京机场的一家飞机在滑行。
可以看出这些信息，可能会被很快的互联网化，会被使用。这一块国外更加活跃一些，国内来说其实有很多公司已经开始关注，并且投资这几家公司。
我们尝试第三点是快速精准真三维技术重建，这样建造模型，它的空中精度应该是在厘米级，能够达到8厘米左右，如果配合地面的点源，这个厘米可能会达到1—2厘米，这个数据对于增强现实和未来做无人驾驶是非常好的技术与数据积累，我们现在已经覆盖了个城市，这些能力的积累，为未来的应用做了充足的技术和数据准备。
这个是一个三维处理方面的视频，目前来说是处于测试阶段，在不短的时间内即将发布上线。这是在1千米高度拍的，最大的限制是在行业政策这一块，但是这一块，显然它在未来也应该是会破解的。
在整个实践过程当中，除了数据源的难题，行业政策的难题，我们还遇到了在大数据以及云处理方面的关键技术，这些关键技术从复杂度的角度来说，第一个是海量的数据，我们每年要处理的数据可能是数十PB每天的数据也有几个TB到十几TB，这种大量的计算有近千台专职服务器，每天进行各种自动化处理，图象挖掘，图象识别定位信号模式识别，信号模式过滤，整个应用是复杂多因子的模式技术，像交通流，已经是一个，在我觉得这里面是一个受到各种影响因子非常复杂的交通流的模型，还要面对海量的调用，每天调用次数可以达到上百亿次，这里面用到的关键技术图象识别处理，三维重建，数据挖掘继续学习，整个来说是我们行业内都会面临的技术。
现在来说，无人驾驶是最近炒的蛮热的课题，这个课题我们也有关注，并且有所研究。在我们刚才说的，像基于这种卫星的快速更新，能够快速的建立地面的模型，还有基于地面高精度的点，能够构建出厘米级的地面信息再加说低空航拍整个三维模型，对于无人驾驶来说，在我们看起来现在一些关键技术基本都已经具备，甚至来说我们做一个城市级的研究和DEMO也指日可待，再加上类似于车辆视觉系统，他的世界系统包括360度的高密度的点源采集系统，能把周边300米范围内信息比较精确的探测出来，还能够根据图象视觉发现周边的移动目标和物体，能够对路的形态还有边线进行识别，整个无人驾驶已经具备了足够基础的技术，这一块可能是在今年或者明年也会成为移动互联网领域内的竞争和发展的热点。
做这件事情，像刚才上一个专家说的，如果有了商业模式的创新，可能比单纯的技术创新，对于整个行业促进作用会更大，这一点也是我们在整个过程中，也深刻的认识到这一点，在公众出行领域，像于公共交通系统的出行，它的日常人的运输量是非常大的，像深圳可能每天有千万人次，一千多万人次，北京将近有三千万人次，而这样一个庞大的用户群体，如果是能够服务好它会成为一个非常有商业价值的入口，单纯在汽车这个方面来说，汽车后服务市场，也是一个非常大的市场，像在中国的汽车新车销售，与后服务市场份额比大概是5：5，在美国来说是3：7，他的新车销售反而没有后服务市场赚钱，在后服务市场这个市场空间达到4500亿，也许我们能够把一个新的商业模式做进来，进行1%的转化，这个量已经非常可观，如果达到10%转化这个行业已经是非常具有发展潜力的行业，他的毛利率与客单价也是非常具有吸引力和商业价值的一块区域。像刚才说的用户参与了整个交通，他的交通行为会对于保险，还有对于未来的维修，类似于这种行为是具有非常好的创新的价值，这些地方来说，也是受到很多保险公司后服务市场的连锁公司高度的重视，这一块也在进行着商业模式的探索。
移动互联网未来趋势更多是实现连接，它能实现人与这个世界更多的连接，我们智能交通也是实现人、路、交通工具之间的连接，这些连接的越通常，越无缝，越透明那这个产生的变数和价值会越大，这些是我们一点点在这个行业内的认识，谢谢大家！
