從1997年4月“97北京國際汽車電子暨智能公路展覽會”期間清華大學交通研究所與中國電子工業(yè)科學技術(shù)交通中心、中國道路交通安全協(xié)會共同舉辦“97北京智能交通系統(tǒng)發(fā)展趨勢國際學術(shù)研討會”至今，不知不覺已經(jīng)走過了20年，個人在智能交通領(lǐng)域的學習和工作也快接近20年，每每看到我國智能交通系統(tǒng)領(lǐng)域取得可喜的進步，心中亦是歡愉。年末歲初，結(jié)合日常所感及日記積累，梳理數(shù)篇小文。
書接前文《洞見·2017 | 李瑞敏：“大數(shù)據(jù)”的幸福與煩惱》，探討完了智能交通的基礎——數(shù)據(jù)后，就接著探討如何應用處理數(shù)據(jù)。
對于數(shù)據(jù)的分析應用有這么兩個途徑，一是傳統(tǒng)的統(tǒng)計分析建模，這個已經(jīng)應用多年，且還是作為交通研究的主流在不斷的深化，二是新興的人工智能，應用較為新穎的各種技術(shù)，如深度學習等，來從數(shù)據(jù)中實現(xiàn)智能，也即從某方面講，大數(shù)據(jù)已經(jīng)不僅限于數(shù)據(jù)層面，也是一種技術(shù)乃至思維方式。
因此，這里要談談的是人工智能，通俗起見，順應潮流，倒不妨借用另外一個熱詞“大腦”，雖然二者并非一樣。
背景
2017年年中，國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，其中將“智能交通”作為“推進社會治理智能化”的一個重要方面，從國家層面賦予人工智能在交通領(lǐng)域中的定位，而“智能交通監(jiān)控、管理和服務系統(tǒng)”則是其中重要的內(nèi)容。
2016年的云棲大會提出來“世界上最遠的距離”一說，也推出了“城市(數(shù)據(jù))大腦”。
2017年的云棲大會通過多個用戶的現(xiàn)場報告，闡述了“城市大腦”在智能交通領(lǐng)域的應用效果。
同時，一些智能交通系統(tǒng)領(lǐng)域的相關(guān)企業(yè)也都開始提出“大腦”或類似的概念，今年內(nèi)數(shù)個較大的智能交通系統(tǒng)企業(yè)都以各種形式在各種關(guān)口推出新的系統(tǒng)或平臺，無一不融入“大腦”的理念(無論其使用的名稱是什么)，似乎看來智能交通系統(tǒng)終于回到正途找到“大腦”了。而此情形，在年末的全國智能交通系統(tǒng)年會上又推向了一個高峰，不僅僅大腦迭出，“心臟”也開始上陣。
機遇
人工智能的發(fā)展歷程顯示，讓機器以擬人化的方式去思考，或許不是最佳路線，例如曾經(jīng)機器翻譯的發(fā)展，而近年來在大數(shù)據(jù)的推動下取得了較大的突破，其他如圖像識別、語音識別等也基本如此。
在今年最火的主題之一：下圍棋方面，依舊向人類知識進行學習的alphaGo戰(zhàn)勝了人類的頂級選手，但很快就敗在了不再大量使用人類棋譜的alphaGo zero的手下，是否也預示著人類的經(jīng)驗和知識作為輸入或許在某些領(lǐng)域已經(jīng)拖了人工智能的后腿。
但是無論怎樣，大數(shù)據(jù)+深度學習來支撐人工智能的發(fā)展在短期內(nèi)尚是主流，從alphaGo到alphago zero，變化的是學習使用的數(shù)據(jù)，不變的是依然需要有靠譜的數(shù)據(jù)來支撐機器的自主學習。
因此，如前文所述，隨著智能交通領(lǐng)域海量數(shù)據(jù)的不斷積累，未來應用人工智能技術(shù)提升交通系統(tǒng)的運行及服務水平成為可能。
計算機的能力及長處在于超級的計算能力，對于能夠窮舉或者分類等方面有著先天的優(yōu)勢，但是是否在所有的領(lǐng)域都能夠發(fā)揮作用，個人認知非常有限無法斷言。但現(xiàn)實中有一些提法：專用弱人工智能近來進展較大，但是在通用弱人工智能和強人工智能方面，似乎推進不足。
交通管理領(lǐng)域或許可以視為一個專用的領(lǐng)域，有著自己的范疇和特點，人工智能技術(shù)層出的今天，或許可以成為未來人工智能技術(shù)應用領(lǐng)域的又一突破點。
人工智能在智能交通領(lǐng)域的應用，可視為已經(jīng)有多個方面，例如圖像識別、語音識別等，作為智能交通系統(tǒng)領(lǐng)域一種很重要的基礎技術(shù)，圖像識別技術(shù)的推進肯定可以有助于一些智能交通系統(tǒng)功能的進一步提升和開發(fā)。
除了圖像識別、語音識別、機器視覺等應用在推動交通管理的智能化進展外，我們也期望人工智能能夠在專家系統(tǒng)、智能控制、輔助決策、優(yōu)化調(diào)度等方面提供更強有力的有針對性的支撐。
籠統(tǒng)來看，人工智能目前在某些領(lǐng)域表現(xiàn)的開始比人類強大，但尚不是在所有的(或者說眾多的)領(lǐng)域都已經(jīng)表現(xiàn)的比人類強大，因此人工智能到底能給城市交通管理系統(tǒng)帶來什么程度的智能化，還可以不斷的探討和探索。
挑戰(zhàn)
和下圍棋相比，城市交通管理領(lǐng)域或許在如下方面更具有挑戰(zhàn)性：
管理控制后果的不確定性、管理控制環(huán)境的部分可知性和動態(tài)性、意外和突發(fā)情況等。因此，人工智能技術(shù)在智能交通領(lǐng)域的應用和發(fā)展也要面臨著更為復雜的情形。
對于人工智能技術(shù)在交通信號控制領(lǐng)域的應用，如果用傳統(tǒng)的人工智能搭建的方法，從模仿人的思維角度來看，是否一個有經(jīng)驗的交通工程師的水平可能就是機器最終所能達到的水平?
當然，“機器智能最重要的是能夠解決人腦所能夠解決的問題，而不在于是否需要采用和人一樣的方法”，如果以數(shù)據(jù)驅(qū)動的方式，擁有自我學習的能力，或者說學習的能力(AlphaGo zero)遠超交通工程師(圍棋高手)的水平，那么最終是可能達到一個更高的水平。
但是，現(xiàn)有的數(shù)據(jù)資源及人工智能技術(shù)是否已經(jīng)能夠支撐交通管理、交通控制等領(lǐng)域的智能化需求呢?例如雖然上篇提到我們現(xiàn)在有級數(shù)級增長的交通“大數(shù)據(jù)”，但是是否實現(xiàn)了交通系統(tǒng)的全部可知呢?
1)數(shù)據(jù)的問題
無論各類單位如何去宣傳已經(jīng)有了多大多大的數(shù)據(jù)，在全樣性、準確性上又有多少達到了完美的程度，誠然，可以說大數(shù)據(jù)大到一定程度不需要全樣也可以，那準確性呢?
時至今日，交通領(lǐng)域的檢測器有無數(shù)種，間接的檢測手段也很多，但是是否都有著這樣那樣的瑕疵呢?不知道未來信號控制是否還需要流量數(shù)據(jù)，至少現(xiàn)在的算法還是需要的吧，那么在流量檢測方面，各類檢測器的精度達到多少?另外在覆蓋率方面呢?固定式的檢測器就不談了，移動式的檢測器目前恐也難以100%的時段100%的空間覆蓋吧?
一些數(shù)據(jù)在實現(xiàn)路網(wǎng)的交通狀態(tài)分類估計擁堵狀態(tài)中可以有良好的應用，但是是否就一定能夠足夠支撐信號控制這樣要求更為精細的工作?目前尚無法斷言能還是不能，因為大數(shù)據(jù)的一個特點也是可以應對不確定性，因此需要我們發(fā)揮聰明才智更好的去研究。
2)算法的問題
從alphago到alphago zero，算法方面也是有了改進，因此，實現(xiàn)了新的進展。在交通控制方面，要實現(xiàn)人工智能的“大腦”，或許可以參考其他領(lǐng)域的算法，也可能與人工智能在其他領(lǐng)域的應用技術(shù)有所不同而需要有突破性的算法，現(xiàn)在有很多的科研人員已經(jīng)在從事該方面的工作，期待能夠看到突破性的進展。
3)確定性vs不確定性
仍以下棋為例，在下一步棋前，對于棋盤上已有的情形是100%準確了解的，但是在交通管理(如信號控制)中，在做出下一個決策的時候，是否能夠100%(100%!)準確地了解當前已有的情形呢?
同樣，在下一步棋后，計算機可以對對手所能夠做出的選擇乃至到最終結(jié)局都有個效益估計，但是交通呢?如何對未來進行接近100%的預測，這恐怕又是一個難題。同時，交通中的隨機性更強，一起事故、一起違法、一個闖紅燈的行人等，都可能對正常的交通流運行帶來較為明顯的影響。
當然，大數(shù)據(jù)的理論基礎是信息科學，其本質(zhì)就是要消除不確定性，但是要應對交通的不確定性應該還是有大量的工作要做。當然，這里只是對比下棋，人工智能可能有無數(shù)種技術(shù)方法，總應該有一種能夠滿足交通的需求吧?
未來
無論如何，人工智能、互聯(lián)網(wǎng)公司的進入算是給多年傳統(tǒng)的智能交通(管理)系統(tǒng)的發(fā)展注入一股新的活力，帶來了新的概念的同時，也在觸動傳統(tǒng)交通工程領(lǐng)域的思考和提升，期待未來能夠有所顛覆。傳統(tǒng)上城市交通領(lǐng)域所研究的模型不可謂不多，然作用似乎有限，未來期待在數(shù)據(jù)的支撐下，通過科研機構(gòu)、行業(yè)企業(yè)等的充分融合和協(xié)作，充分應用人工智能的技術(shù)，實現(xiàn)新的突破。
（轉(zhuǎn)載）
