大数据人工智能时代的智慧交通

陈思恩

大数据领域蕴藏很多的商业机会，而不同的领域里积累了很多数据，很多专家学者提到，中国发展场景化大数据是一块宝地，因为有很多数据沉淀、很多场景可以利用。我们可以看到很多企业在AI与大数据方面的发展相当深入，可以解决很多通用问题，当针对一个企业进行剖析时，很多应用价值可以被挖掘出来。我们作为一个科技公司，致力于发展交通领域业务。而在交通领域中的民航，它的整个组织架构分为三个重要板块：航空公司、机场和民航管理机构。全球约241家航空公司，如果将国外与国内航空公司的数据结合起来，形成智能交通数据库，从民航板块作为出发点，也可以解决铁路出行问题。目前，我们和中国铁路总公司合作，帮助解决客运分析方面的问题，而公路出行不能一盘棋解决所有城市交通，应围绕一个省或一个城市的附属关系进行总体考量，若把民航出行、公路出行和铁路出行这三个方面相互融合，则需要很长时间做深入的研究。

智慧交通领域囊括了很多方面，包括政府、交通管理机构和企业本身的综合性问题，同时收益也是组织的关注点，而一些问题也是我们科技谷非常重视的问题，目前整个智慧交通技术迭代和整体算法衍生迭代较慢，最终导致解決此项问题相对困难。比如在收益模块的系统价格昂贵，通常一个软件作用于一个航空公司，其一年的收益就可达到上亿元，而解决类似的问题，只能依赖于技术提升和驱动。

科技谷从2012年开始着手研究智慧交通的出行架构。从云、物理存储到计算，涉及很多结构，包括数据函数驱动、叠加和集中学习等，都需要在市场中打通，要发展智慧交通需要付出很多时间去耕耘。

我们区别于其他企业的是，从不同的场景中进行整体创新，所提供的服务具有针对性，而发展智慧交通AI必须有两个环节。第一，引入外部数据。把外部数据引入进来与内部数据相结合，通常的大数据公司从事技术层面开发，科技谷是综合解决方案的供应商，可以帮企业解决大数据问题，引入企业所需要的数据源，同时对数据源进行合理的归集和整合。第二，大数据系统需要有数据支撑，同时需要一套AI的机器学习平台，很多大型企业希望能够在通用部门中建设一套比较完整的机器学习通用模块，并且由各个部门扩展它的应用场景。我们帮助企业搭建这个平台去拓展企业的应用场景，包括企业的整体流程化、管理的精细化和新算法，这些全部依赖于企业的数据量，在存储的数据增加之后，以新存储的数据带动算法场景的更新，才有可能创造一个持续运营并且有价值的场景。场景依赖大数据系统建设，我们已经在航空公司、机场、民航局、市交委旅游局部署了相关系统来打通数据场景。

此外可通过增加机器学习算法，解决人工智能问题。而深度学习则更注重技术，所以我们也在集成深度学习技术的同时解决AI中的具体场景。针对交通出行行业的企业来说，需要积累互联网的海量数据，这时需要有一个外部AI的分析能力，在平台上我们增加了这种能力，去分析外部的数据，而外部的行为结构，会对整个收益结构中不同的行为进行分析，所以电商分析起到了决定性作用，因为原来企业预测外部数据可能需要提前两周，但是随着运行效率的提高，准确率可能提升至10%～20%，对于航空公司而言收益非常可观。

外部数据和内部数据相结合，无论是铁路总局、机场、旅游机构，都会涉及人群画像的丰富程度，所以通过外部的数据整合，对群体画像进行完善的前提是必须对关系路径进行分析，这需要大量使用图型数据库，以及各种图的存储方式，在每个板块都通过路径优化的方式进行分析。在画像和关系图谱的基础牢固之后，再进行整体推进。航空公司的收益是对舱位进行配售和定价，这需要对历史数据和实时行为进行分析，运用分布式处理技术可以实现单个系统监控上百条航线，并以毫秒级的速度把结果展示出来，同时这种行为也可以用于安全维稳。

而PDA（掌中电脑）的使用，可以通过决策数据的方式来保证不同的模型，进行集中学习。同时我们进行了铁路的相关分析。铁路为了更好地增加服务，开始增加广告推广业务和配餐等服务，而这些都依赖于基础设施建设，而大量的智能化设备的使用，因为没有办法像人一样的工作方式工作，则出现了以数据驱动决策的企业开始从事这方面的研发。

铁路需要运用区块链的架构实现共享机制，而这种机制同样可以应用到航空公司和铁路总局中，所以需要一套完整的智慧云服务体系。

我们在深圳建立了大数据民航中心，存储了全国所有民航数据，海关总署可直接调阅民航中心的数据，可以对人群特征进行查阅从而到达监管目的。而针对每天大量的行李和旅客，如何做好数据的分发清洗，则依赖于底层架构技术对数据进行实时分析，要把整个体系做好，产业链上、下游和大数据产业生态平台要搭建完整，这需要有投资机构、政府资源和企业共同创建。

（根据演讲内容整理，未经本人审核）endprint