滴滴出行高级副总裁章文嵩：滴滴大数据与智慧交通

章文嵩：滴滴大数据与智慧交通

张溥大数据分析技术创新中心今天

在4月20日的“大数据分析与应用技术创新论坛2019——暨大数据分析与应用技术国家工程实验室2019年会”上，滴滴出行高级副总裁兼工程技术委员会主席章文嵩进行了题为“滴滴大数据与智慧交通”的特邀报告，介绍了滴滴的交通大数据现状，和基于交通大数据实现的智慧交通应用案例。

以下为报告实录：

滴滴大数据

共享出行从技术角度解决的是交通供给不足的问题。以北京为例，过去北京出租车的数量大概6、7万辆，但居住人口从1000万增长到3000万，且出行存在高峰期和平峰期。如果按照高峰期的需求去配置运力，车辆效率将很低，因此需要将大量私家车等存量资源利用起来。滴滴共享出行就是调动存量资源，使交通供给更加弹性，构建包括快车、专车、顺风车、共享自行车等在内的一站式出行平台，重建供需平衡。

这一业务的发展积累了大量数据。现在滴滴在国内服务超过5.5亿人口；每天ETA计算超过710亿次，高峰时每秒400万次；每天路径规划计算超过410亿次，高峰时每秒200万次。滴滴车辆的定位数据每秒钟收集一次，每3秒上报一次。

滴滴要解决的最大问题是区域供需不平衡，即如何通过一种调度算法，让供大于求和供过于求的区域之间的供需更加平衡，这其中也涉及大量的预测问题，包括路况、路径规划、工序等的预测。比如最简单的算法是将离乘客最近的司机分配给一个订单，但如果一毫秒之后离这个司机更近的地方出现新订单，从全局角度看，之前的调度就不是最优的了。所以滴滴的撮合派单系统把时间稍微拉长一点，当然时间也不能太长，不能让用户等太久，目前是两秒钟撮合一次所有的需求订单，结合距离、司机偏好、乘客偏好和预测情况等进行匹配。

为了满足这些大量的复杂的人工智能运算，我们构建了背后庞大基础设施云计算平台，并且非常注重保护用户的隐私安全。目前滴滴已成为全世界最大的车联网之一。

智慧交通应用

将轨迹数据在屏幕上可视化地展示出来，我们可以知道它的行进速度、在路口的停车次数、延误时间等，可以很好地度量一个城市整体的交通运行情况。将OD数据展示出来，可以看出人口在不同区域的流动情况。和其他导航平台相比，滴滴的数据量更大，且滴滴平台上的车辆移动情况更贴近交通司机的实际运行情况。

基于这些数据，我们建立了交通信息平台，每季度发布城市交通运行报告，通过车辆在道路上的实际通行时间与自由流通行时间的比值，构建城市运行指数，对不同城市的拥堵情况进行排名。将区域交通运行状况量化出来，也可以用于交警大队的绩效考核。当出现异常拥堵时，可以实时发现交通事故并报警。

我们还将数据应用在信号灯诱导中，通过车辆在路口的停车次数、延误时间等评价路口信号灯的运行效率，并且对信号灯进行管控和优化。济南大明湖景区附近应用滴滴信号灯诱导方案后，车速从每小时7、8公里提升到11、12公里。此外，我们将信号灯诱导应用到高速公路匝道，可以判断哪些匝道进入车辆过多导致了主干道路到拥堵，进而对匝道进行控制。

现在我们不仅利用滴滴的数据，还推动与政府、交警数据等深度融合，将道路卡口数据、摄像头数据、很多检测器数据、渣土车数据、重点车辆数据等也纳入平台中，从而提高对整个交通的感知能力，建立整个城市的交通仿真系统。

目前，基于数据融合的济南交通大脑已经投入运行。曾经济南是全国第一拥堵的城市，通过与滴滴合作进行交通基础设施和信号系统改造等，目前济南的拥堵排名已经下降到第31名。在柳州市，通过建立全城信号灯自适应的控制，在当地汽车保有量增长的情况下，车辆延误时间减少了7-9%。另一个合作案例是首都机场。机场高速下有21个信号灯，进行自适应控制后停车次数下降了20%以上，延误时间下降了17%。

当然，在滴滴构建的交通大数据平台上，目前只进行了一部分很基础的研究，我们希望跟更多合作伙伴一起构建生态，使交通管理部门对整个交通态势的掌握更精准，使交通管控的优化做得更好。我们也陆续开放了成都、西安部分区域的交通数据和一些研究课题，以供学术界更好地研究。