從無人駕駛到網路約車，從路徑規劃到交通管理，改變無處不在
眼不用緊盯前方、手不需緊握方向盤、腳不必踩著油門剎車，車輛行駛過程中，司機完全可以做個“甩手掌櫃”……這樣的“美事”正隨著無人駕駛技術的日漸成熟而加速到來。
“目前，我們的智慧汽車已經能在低速擁堵、高速公路等特殊路段實現自動駕駛，明年可以實現量産。7—10年之後，能適用於至少80%—90%的路況。”奇點汽車創始人、首席執行官沈海寅表示，無人駕駛説白了就是讓汽車自身擁有環境感知、路徑規劃並自主實現車輛控制的技術，而這背後最關鍵的就是通過人工智慧、深度學習“教”搭載了各種類型感測器的車輛學會駕駛。
從無人駕駛到網路約車，從路徑規劃到交通管理，人工智慧對於交通出行的巨大改變如今可謂無處不在。
“打開APP叫車，系統一上來就能根據用戶的歷史記錄預測出目的地，還能彈出推薦上車地點。”滴滴出行首席技術官張博拿出手機告訴記者，以前乘客上車前，一般要和網約車司機打兩通電話才能確定上車位置，而人工智慧則能記錄歷史上車地點、追蹤行走軌跡，根據經驗提早確定上車地點。目前，滴滴在400多個城市挖掘了3000萬個這樣的地點。
滴滴平臺的技術核心之一——智慧派單，也正迎來人工智慧帶來的顯著改變。幾年前乘客通過滴滴約車時，系統派單主要是考慮位置，但位置最近不等於接駕時間最短，於是此後的派單又加入了路徑規劃、預估到達時間、車主服務分等因素，多維度計算乘客和車主的匹配度。到如今，滴滴派單又更加智慧了：綜合考慮平臺供需和道路實際情況，將訂單和車輛每2秒鐘進行一次撮合，進行全局最優的匹配。
“人工智慧讓路徑規劃實現了從基於規則到基於數據的轉變。”高德地圖副總裁、首席人力官董振寧告訴記者，路徑規劃中最難的是道路權重的計算，2013年以前，他們主要是根據道路距離等物理條件進行判斷，而在引入人工智慧之後，便可以通過對用戶軌跡的海量數據進行深度學習，不斷迭代，從而讓路徑規劃更高效、時間預測也更精準。利用同樣原理，高德對預計到達時間的預測準確率近年來也大為提高，已經達到80%—90%。
與此同時，高德、滴滴等企業也積極與武漢、濟南、杭州等地合作，對城市部分路段的信號燈進行優化。以前，這些路口的紅綠燈間隔一般為固定時長，而通過人工智慧對交通擁有實時感知能力之後，間隔時間可以動態調整，使得上游車隊往下游走的時候，到了路口正好綠燈開始放行。以滴滴為例，截至2017年12月10日，已經在全國優化了超過800個信號燈，使得高峰期通行時間較之前節省了10%—20%。
出行更綠色，交通資源利用效率和安全水準大為提升
“擁堵是什麼？就是道路資源利用的不平衡。解決擁堵，光靠人的經驗，光靠多修路是沒有用的，最好的辦法就是通過人工智慧進行調度，實現人、車、路的協同，提高道路資源的利用效率。”董振寧説。
人工智慧，讓出行更加高效，也使其更加輕鬆、更加綠色。
“好的自動駕駛技術將能降低人的疲勞度，改善駕駛體驗，又能提高安全性。”沈海寅説。有專家表示，人駕駛汽車，從看到緊急情況踩下剎車到讓剎車發揮作用總共需要1.2秒，而無人車的整個反應過程只需要0.1秒到0.6秒，緊急制動更快速，駕駛也更安全。
“當共用出行網路足夠發達之後，完全可以用更少的車滿足更多人的出行需求，大大減少對能源、資源的消耗。”張博表示，滴滴最大的財富就是大數據、人工智慧、機器學習演算法，“我們希望把實時交通資訊整合在一塊，通過龐大複雜的演算法和計算平臺做實時的、智慧的決策。”
“先進的傳感技術、定位和地理資訊技術、無線通信技術等在交通上的深度應用，電腦存儲、處理等能力的飛速提升，基礎設施、運載工具等的資訊化水準不斷提高，為人工智慧在交通運輸領域的應用奠定了基礎條件。”交通運輸部公路科學研究院副院長李斌歸納道，這些改變主要體現在3個方面：
一是交通數據量呈指數級爆髮式增長，為基於交通大數據的深度機器學習應用提供了可能，俗稱“交通大腦”，實現交通資源利用效率的最大化。
二是針對交通流、客流、貨流以及客貨運力等的智慧管理、組織、調度和控制等系統，最大限度便捷出行，降低物流運輸成本。
三是針對複雜環境下的無人駕駛系統，它將突破人類的感知和反應能力的局限性，大幅提高交通運輸安全水準和運輸效率。
海量數據和應用場景，“AI+交通”未來還有無限可能
發展“AI+交通”，中國最大的優勢在哪？受訪者的回答中，有兩點十分一致，一是海量的數據，二是巨大的應用場景。
數據的海量是毋庸置疑的。目前，高德已經擁有7億用戶，位置服務被超過30萬款APP採用，每月覆蓋的移動終端數超過11億；滴滴每天的新增軌跡原始數據超70TB，每日處理數據4500TB，每日路徑規劃請求200億次以上。
更為可喜的是，不少企業與地方政府已經展開了深度合作，逐步打通數據瓶頸、“資訊孤島”，深入挖掘數據價值。去年7月開始，高德地圖與杭州合作交通大腦項目，利用高德的大數據，可以快速準確發現城市異常擁堵位置，並將其推送給交警部門，加快出警速度。數據顯示，及時出警可將事故造成的異常擁堵時長縮短20%、將平均車速提高35%。同時，政府也會將交通管制等資訊與高德共用，以提示用戶提前繞行。
“北京有2000萬人口，500萬台車，路面已經開始飽和了，解決擁堵、共用出行的需求更為急迫。”張博認為，國人對出行品質的期盼將催生出更多交通課題，也將倒逼著人工智慧在交通領域加快應用，“在應用場景的驅動下，任何1%的效率提升都會帶來更大的影響。”
加上人才儲備、技術力量方面的優勢，我國交通出行企業對於未來充滿了信心。在張博看來，“過去10多年，我們解決了資訊流動的問題，未來重點要優化的，就是物理世界中人與物體的流動。”
“展望未來，人工智慧在交通運輸系統的深度應用，將至少有三點突破。”李斌列舉道，一是突破人類感知和反應能力的限制，實現運載工具智慧化，成倍降低事故和傷亡率；二是突破交通流理論的約束，通過廣義控制實現交通自動化，成倍提升路網承載能力；三是突破資訊不對稱的約束，通過資源配置實現由個體和局部最優轉變為全局最優，真正實現交通資源的高效利用。
要實現這些願景，除了技術上的突破之外，還要配合設施環境的優化。“未來的交通基礎設施將更加資訊化，沿道路要布設無線通信和傳感系統，也要更好適應無人駕駛汽車與有人駕駛汽車的混合車流狀態。”李斌認為。
日前，交通運輸部也明確，要把握自動駕駛等新需要，推動交通基礎設施數字化、網聯化、智慧化發展，加快建設和形成裝備與設施協同的數字化交通基礎設施，並組織開展自動駕駛、無人船舶、太陽能路面等前沿技術研究與跟蹤，研究制定促進自動駕駛發展的政策文件，推動輔助自動駕駛技術在營運車輛領域的應用示範。
“人工智慧時代的創新節奏與工業時代完全不同，只要尖端技術發生突破，下一步的普及會很快。”沈海寅滿懷信心地説。
