点击这里订阅和关注我们!
东南大学交通学院教授
刘志远
智慧交通——让城市生活更美好
入选中组部“青年千人计划”的刘教授在本次峰会上做主题演讲
4月20日,陆家嘴智谷青年科学家峰会在第五届上交会期间,在上海世博展览馆B2-7号会议室内召开。本次峰会围绕“人工智能”和“新能源”两大科技主题,邀请到了8位相关领域内的杰出青年科学家做主题演讲。
刘教授在峰会上做《智慧交通管理与交通大数据应用》的主题演讲
刘志远教授是我们陆家嘴智谷一位老朋友,本次峰会上,他特地专程从东南大学所在的南京赶到上海来出席。2007年,作为东南大学交通工程专业优秀毕业生的他南下新加坡国立大学攻读了土木工程博士,毕业后远赴澳大利亚莫纳什大学任教。2015年,刘志远教授入选国家中组部“青年千人计划”,回到母校东南大学交通学院任交通工程系副主任,主要研究领域在交通大数据分析、交通网络规划与管理、公共交通、多模式物流网络、智能交通系统等。
在峰会上,刘志远教授为在场嘉宾做了《智慧交通管理与交通大数据应用》的主题演讲。拥有多年国外留学和工作经验的刘教授说:“我们这一代人所面临的一个问题,是快速的城市化发展所带来的各种各样的‘城市病’,在交通方面,是因各种交通出行所导致的拥堵和效率滞后。通过一组数据来阐释:在一个大城市,因为交通所造成的直接的、间接的经济影响,大约占到了GDP的5%~8%。此外,因交通所导致的安全事故也不容忽视,数据显示我国因交通事故,导致死亡的人数每年大约是20万人,而美国这个数字是6,000人,每年因交通事故所造成的社会经济损失也是不容忽视的。”
那么,怎么样来解决交通的效率和安全所带来的各种各样的问题?
第一种是过去世界各地都在构建的“智能交通”ITS(Intelligent Transportation System):所谓智能交通,是上世纪90年代以各种各样的信息化、自动化技术来改善交通系统效率的一个概念,是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成并运用于交通系统,从而提高交通系统效率的综合性应用系统。其目标在于提高运输效率,保障交通安全,缓解交通拥堵,减少空气污染。日本曾经通过“智能交通”让整体的交通效率提升了一倍。我国跟欧美发达国家相比,落后大约10~15年的时间。”刘教授补充说。
另外一种手段,就是当下提出的“智慧交通”,智慧交通是在智能交通的基础上,融入物联网、云计算、大数据、移动互联网等新技术,通过汇集交通信息,提供实时交通数据的交通信息服务。大量使用了数据模型、数据挖掘等数据处理技术,实现了智慧交通的系统性、实时性、信息交流的交互性以及服务的广泛性。在这一概念上,我国与西方发达国家是齐头并进的。这个最早由IBM在智慧城市所提出的概念,随着近几年来互联网、云计算、物联网、人工智能科技的发展,正在逐渐被大家认可和接受。
对比智能与智慧交通的区别,刘教授说:“首先,智慧交通是让信息化、智能化的技术结合智能网联、云计算,把人的智慧融汇进来,使机器具备人一样的智慧。另外,在智慧交通下,要考虑更加多元化的因素,把人文和社会民生相关的一些因素融合在里面,让我们的交通系统变得更加的绿色、更加的公平。”同时,相比与智能交通,智慧交通要利用各钟数据采集的技术,把一些传统的非交通数据、技术拿过来,解决我们所面临的各种各样的交通问题。
演讲中,刘教授还介绍了东南大学智慧交通团队所服务的两大对象:第一类是政府职能部门,为政府部门做好决策支持为交管部门缓解交通拥挤提供数据和决策支持,从而提高交通效率,为民众出行提供信息诱导,减少环境污染;另外一个服务对象是普通的大众人群,使民众得到迅捷的交通信息,方便安排出行路线,从而提高对交通拥堵,交通事件的应变能力,减少出行事件,提高效率。得益于智能手机和智慧交通的存在,现在的交通产生了翻天覆地的变化。
在阐述交通所服务的对象时,刘教授说:“我们经常在讨论智慧交通的时候,到底我们有什么样的任务需要我们来解决?其实我们所解决的任务还是传统的老任务,我们服务的对象还是以前的对象,只是我们需要利用更好的信息化技术和大数据、人工智能的技术来解决拥堵减少事故协同指挥,诱导、预警和智能引导。”
随后,刘教授与在场嘉宾分享了有关交通大数据方面的工作:
交通大数据是构建智慧交通的核心之一,通过智能网联来进行数据的采集。所有的智能系统数据采集融合之后,都整理融合成为一个大数据分析的问题。刘教授也指出了我们目前面临的一些问题:“交通数据的采集其实并不是一个新鲜的话题,中国的城市在过去的20年都在上网和建设‘ITS’智能交通的采集和监测系统,现在大约有280个城市已经投入了巨大的资金来构建这样的大数据采集平台,但是,虽然这么大的投入和数据量采集,但是它并没有在一个终端很好的起到效果。没有更好地服务于我们的规划,服务于我们的管理和控制,服务于我们的运行组织。所以现在的一个任务就是把两者融合起来,在同一个平台利用相同的数据来分析各行各业所面临的交通问题,包括住建部门、交通部门、公安部门。”
由此,刘教授介绍了东南大学交通学院构建的交通分布式计算和大数据平台,这个平台在2015年建成时,是国内高校中最大的一个交通大数据分析平台。平台所需要解决的大数据任务包含四个部分:感知中心,通过各种各样的前端的技术,有传统的交通技术,也有一些新兴的、像智能手机数据等这些融合性的一个平台;第二,大数据的存储;第三,是在存储的多元数据的基础上进行一个深度的融合和分析算法构建;第四,是可视化。“因为我们交通所服务的对象往往是一些非交通专业领域的人,由他们来决定一些决策,所以更好的把交通的一些理论和深度学习的算法以合适的方式来可视化呈现出来,也是非常重要的一个任务。那我们的队伍主要是投入在深度学习算法和可视化系统上。”刘教授解释说。
在过去几年,我们的队伍在深度学习的方法、算法方面还是取得了非常不错的一些成绩。比如去年阿里巴巴举行的天池大赛拿到了冠军。另外,滴滴在去年举办的一个基于深度学习的算法大赛上,拿到了亚军。今年,在交通领域最大的机构和会议“美国TRB交通数据分析大赛”上,其团队获得了深度学习算法来进行交通需求分析的“优秀论文奖”。
随后,刘教授通过两个具体的案例分析,来跟大家一起更加形象地探讨在做交通大数据分析的时候解决了什么样的问题,技术实力到底是在什么样的地方。
第一个案例是城市道路的交通流量分析。流量对于交通的系统分析是一个非常核心的因素,因为知道了流量,就可以分析出它的服务水平、它的速度、它的运营时间等等,所以流量一直是可以说在过去100年构建交通理论体系当中的一个核心。刘教授指出,过去交通系统无法有效地感知流量,因为多模式交通系统无法被监测,他用通讯网络和交通网络对比来举例:通讯网络每天谁要打电话,打给谁,起点和终点,到底分配到什么样的线路上,因为每一次传输都是光速传输,所以结果是一目了然非常清楚的。但在交通系统里,像上海这样的大城市,每天大约有千万人同时要参与到交通系统里面,每一个人的起点和终点是不知道的,每一个人在路上互相之间的影响:换道行为、路径选择行为等都是无法实时准确知道的,所以我们以往的交通系统无法监测,整个的理论体系以及最后所得到的分析结果往往都是大打折扣。
刘教授及其团队所倡导的,是构建基于大数据的交通理论体系,其中核心的工作就是使交通系统变得可以被监测,研究基于城市多元的数据,使这个交通流量可以进行一个分析和感知。“我们和通讯部门合作,用电信的数据,智能手机的数据进行交通流量的分析。分析的时候我们发现,虽然它在有的地方可以发挥一定的作用,但是在交通分析的时候这样的数据噪音非常大。因为它定位误差可以大约有150米到200米这样的一个范围,对于土地利用、城市规划这样的领域是没有问题的,但是对于交通150米之内可能会有很多条路,所以无法精准定位一个人到底是在什么样的一个位置。因此我们发现需要结合着多元的数据,考虑到怎么样来选择合理的数据与智能手机的数据进行一个匹配,这也是一个收获的工作成果。
刘教授说:“团队里经常跟一些做深度学习算法的同事、有的有计算机系的、也有在其他的应用领域做研究的同事,我们在一块分析和探讨:深度学习和机器学习的算法有一百种、有一千种,到底什么样的方法能够发挥作用?对于一个具体的问题到底应该怎么样构建算法?最后我们得到一个共识,就是如果要分析一个具体的应用问题,那么必须要更好的融合性,必须要把相关的一些业务上的一些深度的技术和知识融合进来,所以我们所最终选取融合的是交通和交警部门所有的卡口处,每一个车辆经过一个测速的监测点的时候,都会记录下车的速度、时间、位置,利用这样的数据我们进行一个深度融合,最后可以让流量的重现效果达到10%以内的误差。这样的一个工作,可以说在以往的我们基于系统分析,基于这种模拟和仿真软件是不可能达到的。所以在构建新一代的交通技术理论体系的时候,大数据给我们带来的震撼是非常让人兴奋的。当我们把这样一个效果跟交管部门或者是规划院设计院进行沟通的时候,其优势也是不言而喻的。最后用一个可视化的形式来体现出来,虽然说看起来跟高德百度地图所达到的这样一个变化是一样的,但是我们是基于流量来得出的一个可视化结果,跟基于速度的不是一个量级的。”
另外一个案例,是刘教授的团队受邀参加滴滴主办的面向全球邀请的一场算法比赛。基于在服务方面遇到瓶颈的大背景下,现有服务和潜在的服务不对等,如何填补需求缺口、挖掘潜在的服务成为这次比赛的目标。刘教授说:“比如说有一个人要用车,经过几分钟的软件分析,发现附近没有车,没有能够服务这样的用户,那么这样我们就叫做一个供需缺口。比赛时,我们拿到的数据显示大约有17.5%~20%的这样一个供需缺口,所以在提高企业的供需缺口角度而言,还有很长的路可以走。因此,它把内部服务这样一个、可以说是最难的一个问题设置成了一个比赛,然后来进行现场的测试。”
“在深入学习和大数据的算法比赛的时候,最终的选拔、最终的检验可以说就像一场田径比赛,到底谁是第一、谁是第二是一目了然的。我们主要是通过我们所采用的深度学习和机器学习的算法,我们所选择的融合进来的多元大数据,最后到底对于预测可以达到百分之多少的准确率,往往最后第一名和第二名之间的误差率可能是1%以下,就像非常激烈的田径比赛一样,那我们所擅长的部分主要是在于刚才所提的,怎么样更好地理解交通系统,把交通系统相关的这样的一些指标融合到深度学习机器学习现有的方法当中,所用到的算法也是在机器学习这个领域前沿的一些方法。”
最后,刘教授在演讲结尾时总结说:“如果我们可以更好的监测以及预测像滴滴这样的企业的需求变化,那么就可以在后台系统更加优化地调用它现有的资源,为出行带来更加便利。
交通大数据的构建所能够发挥的巨大作用,刘教授用“预测”来归纳与总结:“对于不同的交通领域、不同的交通问题所面临的任务也是不一样的:有的时候我们需要进行五分钟、五秒钟之后的一个预测,比如说交通安全问题,而如果我最后得到的一个结论是十分钟之后会发生一个安全事故,那这样的预测是没有意义的,我可能要预测五秒钟之后这样的一个安全事故;有的时候我是要进行十分钟之后的交通预测,比如说交叉口的信号优化配时有的时候,可能是要进行20年之后的预测,比如说要进行一个城市的宏观的交通基础设施的规划,那往往是要放眼于20年、30年之后。所有的这些传统任务,我们都可以结合着新的大数据时代下的多元的大数据,来在交通这样的一个大的战场和舞台上来更好地发挥作用!”